Le pub des programmeurs
- 1 927 réponses
- 117 participants
- 131 708 vues
- 130 followers
Afficher le sujet de la discussion
Au départ de l'algo, ton résiduel est le signal de départ. Puis l'algo grignotte le signal et t'as un principe de vases communicants entre l'énergie du résiduel et l'énergie des atomes. A l'étape n, tu as n atomes et les n corrélations associées d'une part, et un résiduel Rn d'autre part. La décomposition est terminée lorsque ton résiduel est du silence (plus exactement, du silence après reconversion en échantillons entiers, vu que tu travailles en flottants).
A chaque étape, tu peux arrêter l'algo et t'amuser à écouter le signal constitué de la somme des atomes trouvés pondérée par les corrélations, ou bien à écouter le résiduel.
Je me rends compte que j'ai pas été très clair dans mon exemple de compression. L'index n'est pas une position relative à l'énumération de tous les signaux possibles, ce qui n'aurait pas d'intérêt. C'est un nuplet de paramètres qui décrivent la structure du dictionnaire et le résultat de la poursuite sur ce dictionnaire. Il ne s'agit pas non plus de stocker tous les signaux possibles.
Autre exemple:
1 minute de signal mono 16 bits 44.1kHz => 5.04MB, soit 4.2e7 bits
On suppose que le dictionnaire est constitué de sinusoides tronquées. On peut paramétrer ce dictionnaire avec les grandeurs:
. fréquence -> flottant 64 bits
. position du début du support -> entier 32 bits
. phase en vigueur en début du support -> flottant 64 bits
. longueur du support -> entier 32 bits
(en comptant large pour le stockage)
et de plus:
. corrélation -> flottant 64 bits
La connaissance de ce quintuplet identifie de manière unique une sinusoide tronquée parmi toutes celles possibles.
Boîte noire de synthèse:
quintuplet -> signal : finger in ze nose
Boîte noire d'analyse:
sinusoide tronquée inconnue de 1 minute -> quintuplet : MP
Ce que je voulais dire c'est que l'ensemble de ces deux boîtes noires forme un codec intéressant, vu que 64+32+64+32+64 = 256 << 4.2e7 !
Et sans pertes
Bon évidemment le dictionnaire est gigantesque (tout en étant une infime partie du dictionnaire exhaustif) et on peut difficilement utiliser ce codec pour autre chose que.. des sinusoides tronquées
En espérant avoir été plus clair..
Attention car dans le cas de MP le dictionnaire est absolument statique. Ce que tu suggères, rendre le dico adaptatif, est intéressant mais c'est à un niveau supérieur dans l'adaptabilité, et j'ai encore jamais vu ça. La seule chose qui s'en rapproche, c'est l'idée qui consiste à laisser tomber le dictionnaire de départ en cours de route et de basculer sur un dictionnaire d'ondelettes. Ceci se justifie à cause d'un gros désagrément de MP: le comportement asymptotique. Faut voir que lorsque MP a fini de grignoter toutes les structures temps/fréquence bien localisées, il s'attaque au seuil de bruit et ça lui donne beaucoup de mal, c'est comme s'il avait de moins en moins d'appétit. Passer à un dictionnaire d'ondelette à ce moment-là est une bonne idée mais:
- on ne sait pas détecter de manière robuste le moment où le résiduel devient du bruit
- l'idée est bonne si le but est la parcimonie. En revanche si le but est la représentation temps/fréquence c'est pas terrible parce que la localisation temps/fréquence d'une ondelette est pourrie.
Ca me parait tendu de coder un truc que tu comprends pas, quand meme... Les MFCC sont une representation frequemment utilisee en parole (reconnaissance automatique de la parole par exemple), et repose sur un model source filtre de la parole: tu fais du bruit dans la gorge,le conduit vocal (comprendre a l'interieur de ta gorge) fait office de filtre, et comme tu peux le modifier lfacilement (meme si tu t'en rend pas compte), tu peux modifier les sons qui en sortent: a, e, i, o, u. La prediction lineaire est une des phases qui modelise le conduit vocal.
Le C de MFCC veut dire cepstral, cad que tu prends ton signal, tu calcules le spectre, puis tu calcules le log, puis tu prends la FFT inverse pour retrouver en temporel. L'idee est que ton signal de parole etant un truc filtre, en spectral, filtrage = multiplication, donc avec le log, ca devient addition, et donc en esperant que ca se recouvre pas, tu as une partie du cepstre qui represente l'impulsion glottal (le bruit d'excitation), et l'autre l'enveloppe spectrale, qui permet justement de faire la difference entre a, e, i, etc...
En fait, les MFCC sont une representation optimisee des principes ci dessus.
On t'a donne un projet d'info bidon, c'est ca ?
Pour la FFT, il y a fftw, qui n'est pas GPL, mais plus ou moins MIT (ie BSD) si je me souviens bien, je suis plus sur en fait.
y a des programeurs sur AF si oui vous bossez sous quoi ?Pov Gabou
19553
Drogué·e à l’AFéine
Membre depuis 23 ans
Dr Pouet
52038
Membre d’honneur
Membre depuis 21 ans
Quand on n'est pas de la partie, on ne comprend rien du tout...
bigbill
665
Posteur·euse AFfolé·e
Membre depuis 22 ans
Citation : A chaque etape du MP, tu prends l'atome qui maximise la correlation avec le signal de depart, puis tu recommences sur le residuel. Donc les 40 dB, ca veut dire que le residual est 40 dB plus faible que le signal original, avec seulement 10 atomes.
Oui voila, c'est exactement ce que ça veut dire.Au départ de l'algo, ton résiduel est le signal de départ. Puis l'algo grignotte le signal et t'as un principe de vases communicants entre l'énergie du résiduel et l'énergie des atomes. A l'étape n, tu as n atomes et les n corrélations associées d'une part, et un résiduel Rn d'autre part. La décomposition est terminée lorsque ton résiduel est du silence (plus exactement, du silence après reconversion en échantillons entiers, vu que tu travailles en flottants).
A chaque étape, tu peux arrêter l'algo et t'amuser à écouter le signal constitué de la somme des atomes trouvés pondérée par les corrélations, ou bien à écouter le résiduel.
Je me rends compte que j'ai pas été très clair dans mon exemple de compression. L'index n'est pas une position relative à l'énumération de tous les signaux possibles, ce qui n'aurait pas d'intérêt. C'est un nuplet de paramètres qui décrivent la structure du dictionnaire et le résultat de la poursuite sur ce dictionnaire. Il ne s'agit pas non plus de stocker tous les signaux possibles.
Autre exemple:
1 minute de signal mono 16 bits 44.1kHz => 5.04MB, soit 4.2e7 bits
On suppose que le dictionnaire est constitué de sinusoides tronquées. On peut paramétrer ce dictionnaire avec les grandeurs:
. fréquence -> flottant 64 bits
. position du début du support -> entier 32 bits
. phase en vigueur en début du support -> flottant 64 bits
. longueur du support -> entier 32 bits
(en comptant large pour le stockage)
et de plus:
. corrélation -> flottant 64 bits
La connaissance de ce quintuplet identifie de manière unique une sinusoide tronquée parmi toutes celles possibles.
Boîte noire de synthèse:
quintuplet -> signal : finger in ze nose
Boîte noire d'analyse:
sinusoide tronquée inconnue de 1 minute -> quintuplet : MP
Ce que je voulais dire c'est que l'ensemble de ces deux boîtes noires forme un codec intéressant, vu que 64+32+64+32+64 = 256 << 4.2e7 !
Et sans pertes
Bon évidemment le dictionnaire est gigantesque (tout en étant une infime partie du dictionnaire exhaustif) et on peut difficilement utiliser ce codec pour autre chose que.. des sinusoides tronquées
En espérant avoir été plus clair..
A man, a plan, a canal : Panama
batman14
715
Posteur·euse AFfolé·e
Membre depuis 20 ans
bigbill
665
Posteur·euse AFfolé·e
Membre depuis 22 ans
Citation : Cela me fait un peu penser aux algo type Huffman in-line où on édite le dictionnaire au fur et à mesure que l'on compresse : on se rajoute les termes intéressants dans notre dico au cours de l'analyse.
Ah bon? Ce que tu décris me fait penser à Lempel-Ziv, mais ça fait longtemps que j'ai pas touché à des algos de compression, je suis un peu à côté de la plaque. Si j'ai évoqué la compression dans le premier exemple, c'est juste pour faire le rapprochement entre compression efficace et parcimonie de poursuite. Et le 2ème exemple n'était là que pour clarifier, vu que de toute façon faire de la compression de cette manière ne sera possible que dans très très longtemps, manifestement.Attention car dans le cas de MP le dictionnaire est absolument statique. Ce que tu suggères, rendre le dico adaptatif, est intéressant mais c'est à un niveau supérieur dans l'adaptabilité, et j'ai encore jamais vu ça. La seule chose qui s'en rapproche, c'est l'idée qui consiste à laisser tomber le dictionnaire de départ en cours de route et de basculer sur un dictionnaire d'ondelettes. Ceci se justifie à cause d'un gros désagrément de MP: le comportement asymptotique. Faut voir que lorsque MP a fini de grignoter toutes les structures temps/fréquence bien localisées, il s'attaque au seuil de bruit et ça lui donne beaucoup de mal, c'est comme s'il avait de moins en moins d'appétit. Passer à un dictionnaire d'ondelette à ce moment-là est une bonne idée mais:
- on ne sait pas détecter de manière robuste le moment où le résiduel devient du bruit
- l'idée est bonne si le but est la parcimonie. En revanche si le but est la représentation temps/fréquence c'est pas terrible parce que la localisation temps/fréquence d'une ondelette est pourrie.
Citation : Je vais regarder cette fameuse fonction FoF pour le coup.
Je crois qu'un des deux F signifie 'formant' parce que historiquement on a trouvé que c'était un bon modèle pour des enveloppes de phonèmes. Pov Gabou devrait pouvoir en dire plus.. Il y a deux paramètres qui permettent d'avoir des profils ADSR variés. Pour le dictionnaire chirp/FoF dont j'ai parlé, les deux paramètres étaient fixes. J'aurais bien aimé faire rentrer ces paramètres dans le dictionnaire mais il était déja énorme (2 paramètres de fréquence au lieu d'un seul) et rajouter ne serait-ce qu'un degré de liberté à un dictionnaire est catastrophique pour les perfsCitation : Parce que l'analyse via MP, semble avoir des avantages (le côté glouton en est un, selon moi) mais je n'ai pas encore bien en tête comment exploiter
Il y a un truc qui me plaît particulièrement avec les décompositions du genre MP, c'est que tu arrives à une description 100% déterministe de ton signal, au lieu de la description déterministe + stochastique habituelle..Citation : Il faut que je regarde de près comment on détermine dans le Matching pursuit quel est l'index de la prochaine fonction, car cela présuppose une structure interne du dico. Je sens une orthogonalité ou une pseudo orthogonalité...
Ben ton dictionnaire couvre tout le plan temps/fréquence, avec des supports de tailles variées (puisque c'est le but). Donc fatalement oui, tu as des orthogonalités. Evidemment c'est pas facile à imaginer en dimension N.. Une condition suffisante d'orthogonalité, c'est que deux atomes ont des supports temporels (ou fréquentiels) disjoints. Il existe la notion d'incohérence de dictionnaire, qu'on peut calculer en faisant un genre de bilan des orthogonalités croisées, et prédire ainsi que le dictionnaire aura de l'appétit. Je crois que ça s'appelle la fonction de Babel, je vérifierai.Citation : Je prends un dictionnaire avec le MP de fonctions exotiques, type les sons de base d'une 808, et que je fais tourner l'algo MP sur une boucle de...808, je devrais obtenir des résultats en synthèse non ?
J'ai du mal à comprendre la manip que tu imagines. Pourrais-tu préciser?A man, a plan, a canal : Panama
batman14
715
Posteur·euse AFfolé·e
Membre depuis 20 ans
batman14
715
Posteur·euse AFfolé·e
Membre depuis 20 ans
bigbill
665
Posteur·euse AFfolé·e
Membre depuis 22 ans
Ah oui j'ai pigé
Ben si tu te fixes comme limite une vingtaine d'atomes, ça risque de faire un peu batteur sous acide.
Et par contre si tu choisis de laisser tourner l'algo suffisamment longtemps, t'auras un genre de morphing entre le son de ton.. sample et le son de 10 batteurs sous acide.
Fais gaffe que Roland te fasse pas un procès
Ben si tu te fixes comme limite une vingtaine d'atomes, ça risque de faire un peu batteur sous acide.
Et par contre si tu choisis de laisser tourner l'algo suffisamment longtemps, t'auras un genre de morphing entre le son de ton.. sample et le son de 10 batteurs sous acide.
Citation : ça doit être cool non ?
Faut voirFais gaffe que Roland te fasse pas un procès
A man, a plan, a canal : Panama
batman14
715
Posteur·euse AFfolé·e
Membre depuis 20 ans
Pov Gabou
19553
Drogué·e à l’AFéine
Membre depuis 23 ans
bigbill
665
Posteur·euse AFfolé·e
Membre depuis 22 ans
bigbill
665
Posteur·euse AFfolé·e
Membre depuis 22 ans
Batman14 >
Tiens une autre idée de thèse: implémenter un compresseur/limiteur multisource. Ok ça a un air de déja vu, mais faire de la compression quand on a plusieurs sources est plus délicat que dans le cas (bateau) d'une source unique.
L'idée ce serait de maintenir le signal mixé loin de la saturation, de manière intelligente et transparente, afin de pouvoir le sampler dans de bonnes conditions dans le but de s'en servir plus tard dans le set, en guise de source 'propre'. Je te dis ça parce que j'ai vu que t'as une expérience du mix et que tu dois avoir les idées claires sur le sujet, et en plus c'est du temps réel.
Tiens une autre idée de thèse: implémenter un compresseur/limiteur multisource. Ok ça a un air de déja vu, mais faire de la compression quand on a plusieurs sources est plus délicat que dans le cas (bateau) d'une source unique.
L'idée ce serait de maintenir le signal mixé loin de la saturation, de manière intelligente et transparente, afin de pouvoir le sampler dans de bonnes conditions dans le but de s'en servir plus tard dans le set, en guise de source 'propre'. Je te dis ça parce que j'ai vu que t'as une expérience du mix et que tu dois avoir les idées claires sur le sujet, et en plus c'est du temps réel.
Hors sujet : Je suis en déplacement jusqu'à la fin du mois sans accès web, à partir de demain après-midi.
Bonne chance pour ta thèse. Et aux autres: bonne bourre 
A man, a plan, a canal : Panama
cptn.io
1207
AFicionado·a
Membre depuis 22 ans
Salut à tous
J'ose pas trop m'exprimer ici
je suis actuellement en deuxième année de DUT GEII donc excusez mon ignorance
J'aime bien l'info et la prog en particulier et je pense m'orienter plus là dedans par après (mais ptet plus dans le domaine de la sécurité informatique, ou les deux si c'est possible).
Personnellement je suis à mes débuts sous C, un tt chti peu de C++, Java, et Mathlab si on peut appeler ça un language (perso j'aime pas trop Mathlab/Scilab mais bon ski paré ca peut servir), ou encore Pure Data en trucmachin graphique.
Je vous écris car je dois réaliser pour dans 6 mois un "projet tutoré", l'équivalent DUT de vos thèses de fin d'écoles d'ingé/master recherche.
L'an dernier, mon projet , basé sur un PIC et un téléphone portable, plus la démodul DTMF, a été de fournir au centre de réadaptation pour handicapés de mulhouse à coté de mon IUT, un téléphone avec lequel on puisse également commander les volets ou la télé pour permettre aux personnes lourdement handicapées d'essayer de vivre à peu près comme les personnes non handicapées. Y a des trucs qui peuvent ressembler et qui existent déjà mais qui coutent immensément cher (facile le prix de ma table de mixage) pour pas grand chose
Pour cela j'aimerais me lancer dans un gros projet dans l'audio.
Je souhaiterais réaliser une tranche de console complète DIY( préampli lampe, compresseur optique, eq lampe ou transistor, ptet limiteur) mais, et c'est là que je fais appel à vos connaissances, à commande numérique, comprendre commandable par ordi.
En fait j'ai dans l'idée de prendre des potards lumineux avec lesquels j'envoie un message midi sur l'ordi, et juste derrière une conversion midi to cv/gate.
Donc tu peux modifier en "local", en manuel sur ta tranche, les paramètres que tu veux, mais tu pourrais aussi sur cubase, avoir un plug construit à cet effet, avec lesquels je peux par ex voir de jolies courbes d'eq, ou de compression, agir dessus, et que lorsque je modifie la courbe, ca m'envoie des messages midi sur ma tranche de console qui reconvertit ca dans des valeurs de tension compréhensible par toute l'électronique qui y a dans la tranche de console.
Vous m'avez suivi ?
Je n'ai pas encore d'idée trop précise sur la partie de la conception du plug vst , et surtout sur le coté reroutage midi.
Je sais pas trop non plus si c'est une bonne idée de faire une conversion midi to cv.
Merci de vos réponses et conseils, et retour d'expérience meme ptet (enfin j'espère ;))
J'ose pas trop m'exprimer ici
je suis actuellement en deuxième année de DUT GEII donc excusez mon ignorance J'aime bien l'info et la prog en particulier et je pense m'orienter plus là dedans par après (mais ptet plus dans le domaine de la sécurité informatique, ou les deux si c'est possible).
Personnellement je suis à mes débuts sous C, un tt chti peu de C++, Java, et Mathlab si on peut appeler ça un language (perso j'aime pas trop Mathlab/Scilab mais bon ski paré ca peut servir), ou encore Pure Data en trucmachin graphique.
Je vous écris car je dois réaliser pour dans 6 mois un "projet tutoré", l'équivalent DUT de vos thèses de fin d'écoles d'ingé/master recherche.
L'an dernier, mon projet , basé sur un PIC et un téléphone portable, plus la démodul DTMF, a été de fournir au centre de réadaptation pour handicapés de mulhouse à coté de mon IUT, un téléphone avec lequel on puisse également commander les volets ou la télé pour permettre aux personnes lourdement handicapées d'essayer de vivre à peu près comme les personnes non handicapées. Y a des trucs qui peuvent ressembler et qui existent déjà mais qui coutent immensément cher (facile le prix de ma table de mixage
) pour pas grand chose Pour cela j'aimerais me lancer dans un gros projet dans l'audio.
Je souhaiterais réaliser une tranche de console complète DIY( préampli lampe, compresseur optique, eq lampe ou transistor, ptet limiteur) mais, et c'est là que je fais appel à vos connaissances, à commande numérique, comprendre commandable par ordi.
En fait j'ai dans l'idée de prendre des potards lumineux avec lesquels j'envoie un message midi sur l'ordi, et juste derrière une conversion midi to cv/gate.
Donc tu peux modifier en "local", en manuel sur ta tranche, les paramètres que tu veux, mais tu pourrais aussi sur cubase, avoir un plug construit à cet effet, avec lesquels je peux par ex voir de jolies courbes d'eq, ou de compression, agir dessus, et que lorsque je modifie la courbe, ca m'envoie des messages midi sur ma tranche de console qui reconvertit ca dans des valeurs de tension compréhensible par toute l'électronique qui y a dans la tranche de console.
Vous m'avez suivi ?
Je n'ai pas encore d'idée trop précise sur la partie de la conception du plug vst , et surtout sur le coté reroutage midi.
Je sais pas trop non plus si c'est une bonne idée de faire une conversion midi to cv.
Merci de vos réponses et conseils, et retour d'expérience meme ptet (enfin j'espère ;))
cptn.io
batman14
715
Posteur·euse AFfolé·e
Membre depuis 20 ans
guitoo
759
Posteur·euse AFfolé·e
Membre depuis 22 ans
cptn.io
1207
AFicionado·a
Membre depuis 22 ans
batman14
715
Posteur·euse AFfolé·e
Membre depuis 20 ans
ClockworkOi!
610
Posteur·euse AFfolé·e
Membre depuis 19 ans
Salut les gars!
Je voulais juste posé une question, hésitez pas à me taper dessus si nécéssaire, mais voila : J'aurais besoin d'en savoir plus sur les FTT (et particulièrement la génération de MFCC) pour faire de l'identification vocale. J'avais déja réaliser un prototype basé sur une implémentation C pour la création des vecteurs, mais la je recode tout en java. Le problème c'est que le peu que j'ais vu des transformés de fourier n'est pas resté, et c'est vraiment quelque chose que j'ai du mal à apprécier... Je suis à la recherche donc de quelque chose "de simple" pour mieux appréhender les choses.
Ah oui, j'ai déja du code java pour générer ces MFCC, mais les vecteurs que j'obtiens sont totalement différents de ceux que j'avais avec le code C (je prends 2 coeficients et je les affiches avec gnuplot, ce qui me donne des choses radicalement différentes).
Je pense pas recoder ca from scratch, mais plutot comprendre suffisament pour savoir d'ou vienne ces différences, et agir en conséquence (et pourquoi pas recoder en java le code que j'ais...).
Merci Si je vous semble vouloir aborder la chose de facon trop simplement (je me sens un peu con de demander un FFT pour les nuls....) dites le et j'essairai de pousser mes capacités pour regarder plus en profondeur... (meme si c'est vraiment un trucs qui me parle pas du tout).
Je voulais juste posé une question, hésitez pas à me taper dessus si nécéssaire, mais voila : J'aurais besoin d'en savoir plus sur les FTT (et particulièrement la génération de MFCC) pour faire de l'identification vocale. J'avais déja réaliser un prototype basé sur une implémentation C pour la création des vecteurs, mais la je recode tout en java. Le problème c'est que le peu que j'ais vu des transformés de fourier n'est pas resté, et c'est vraiment quelque chose que j'ai du mal à apprécier... Je suis à la recherche donc de quelque chose "de simple" pour mieux appréhender les choses.
Ah oui, j'ai déja du code java pour générer ces MFCC, mais les vecteurs que j'obtiens sont totalement différents de ceux que j'avais avec le code C (je prends 2 coeficients et je les affiches avec gnuplot, ce qui me donne des choses radicalement différentes).
Je pense pas recoder ca from scratch, mais plutot comprendre suffisament pour savoir d'ou vienne ces différences, et agir en conséquence (et pourquoi pas recoder en java le code que j'ais...).
Merci
Si je vous semble vouloir aborder la chose de facon trop simplement (je me sens un peu con de demander un FFT pour les nuls....) dites le et j'essairai de pousser mes capacités pour regarder plus en profondeur... (meme si c'est vraiment un trucs qui me parle pas du tout).batman14
715
Posteur·euse AFfolé·e
Membre depuis 20 ans
Pov Gabou
19553
Drogué·e à l’AFéine
Membre depuis 23 ans
ClockworkOi!
610
Posteur·euse AFfolé·e
Membre depuis 19 ans
Merci pour vos réponses!!
J'ai déja commencé par rechercher "analyse temps fréquences" ce qui m'a permis (ca va vous permettre d'évaluer mon niveau dans le domaine
) déja de comprendre plus de chose.
Mon problème en fait c'est que je comprends pas (du tout) comment fonctionne une FFT. Alors pour les MFCC...
Hier(cette nuit) je suis tombé sur la page que voici http://www.dspguide.com/ch12/1.htm qui explique le fonctionnement de la FFT, et... ca ne me fait que me poser plus de question
En fait je comprends que j'ai un signal discret. Ensuite j'applique à celui-ci un pre-emphasized (déja rien que ce filtre reste assez mystérieux). Ensuite je découpe mon signal en fenètre (chacune décallé d'un certain offset a chaque fois,qui n'est pas égale à la taille de la fenètre).
A partir de laje suis totalement perdu : la fft à une taille, qui représente quelque chose... je suppose que c'est la résolution de mon spectre? mais sur la page cité plus haut, quand il détail l'algo, ils disent qu'a partir d'un signal de N éléments on obtient alors une FFT de N fréquences? (j'ais rien compris?).
Voila, la je comprends pas le role de chaque phase...
En fait pour résumer ma question : ca fait quoi une FFT?
Il me faut du code entièrement java... de plus je suis pas sur de pouvoir utiliser du code GNU ou autre pour se projet.
Merci encore! Je ne veux pas vous embetter avec ca, juste trouver la piste qui me permetra de mieux m'en sortir. Merci!
J'ai déja commencé par rechercher "analyse temps fréquences" ce qui m'a permis (ca va vous permettre d'évaluer mon niveau dans le domaine
) déja de comprendre plus de chose.Mon problème en fait c'est que je comprends pas (du tout) comment fonctionne une FFT. Alors pour les MFCC...
Hier(cette nuit) je suis tombé sur la page que voici http://www.dspguide.com/ch12/1.htm qui explique le fonctionnement de la FFT, et... ca ne me fait que me poser plus de question
En fait je comprends que j'ai un signal discret. Ensuite j'applique à celui-ci un pre-emphasized (déja rien que ce filtre reste assez mystérieux). Ensuite je découpe mon signal en fenètre (chacune décallé d'un certain offset a chaque fois,qui n'est pas égale à la taille de la fenètre).
A partir de laje suis totalement perdu : la fft à une taille, qui représente quelque chose... je suppose que c'est la résolution de mon spectre? mais sur la page cité plus haut, quand il détail l'algo, ils disent qu'a partir d'un signal de N éléments on obtient alors une FFT de N fréquences? (j'ais rien compris?).
Citation : apres avoir teste chaque module separement : filtrage, FFT, filtrage inverse, prediction lineaire, etc...
Voila, la je comprends pas le role de chaque phase...
En fait pour résumer ma question : ca fait quoi une FFT?
Citation : Deja, pourquoi recoder en java un truc qui existe en C ? Tu peux utiliser JNI, non ?
Il me faut du code entièrement java... de plus je suis pas sur de pouvoir utiliser du code GNU ou autre pour se projet.
Merci encore! Je ne veux pas vous embetter avec ca, juste trouver la piste qui me permetra de mieux m'en sortir. Merci!
Pov Gabou
19553
Drogué·e à l’AFéine
Membre depuis 23 ans
Citation :
apres avoir teste chaque module separement : filtrage, FFT, filtrage inverse, prediction lineaire, etc...
Ca me parait tendu de coder un truc que tu comprends pas, quand meme... Les MFCC sont une representation frequemment utilisee en parole (reconnaissance automatique de la parole par exemple), et repose sur un model source filtre de la parole: tu fais du bruit dans la gorge,le conduit vocal (comprendre a l'interieur de ta gorge) fait office de filtre, et comme tu peux le modifier lfacilement (meme si tu t'en rend pas compte), tu peux modifier les sons qui en sortent: a, e, i, o, u. La prediction lineaire est une des phases qui modelise le conduit vocal.
Le C de MFCC veut dire cepstral, cad que tu prends ton signal, tu calcules le spectre, puis tu calcules le log, puis tu prends la FFT inverse pour retrouver en temporel. L'idee est que ton signal de parole etant un truc filtre, en spectral, filtrage = multiplication, donc avec le log, ca devient addition, et donc en esperant que ca se recouvre pas, tu as une partie du cepstre qui represente l'impulsion glottal (le bruit d'excitation), et l'autre l'enveloppe spectrale, qui permet justement de faire la difference entre a, e, i, etc...
En fait, les MFCC sont une representation optimisee des principes ci dessus.
Citation :
Il me faut du code entièrement java... de plus je suis pas sur de pouvoir utiliser du code GNU ou autre pour se projet.
On t'a donne un projet d'info bidon, c'est ca ?
Pour la FFT, il y a fftw, qui n'est pas GPL, mais plus ou moins MIT (ie BSD) si je me souviens bien, je suis plus sur en fait.ClockworkOi!
610
Posteur·euse AFfolé·e
Membre depuis 19 ans
Merci Gabou!
oui effectivement c'est dur d'utiliser des algos que l'on ne pige pas
je fais juste de l'identification vocal, pas de reconnaissance : je prends tout les vecteurs composé des coeficient cepstraux, sans respecté l'ordre, et je crée un modèle avec un GMM.
Bon je continue mes rechercher avec toutes ces informations J'ai déja une bien meilleur vue d'ensemble de la chose maintenant
Merci! Merci!
oui effectivement c'est dur d'utiliser des algos que l'on ne pige pas
je fais juste de l'identification vocal, pas de reconnaissance : je prends tout les vecteurs composé des coeficient cepstraux, sans respecté l'ordre, et je crée un modèle avec un GMM.
Bon je continue mes rechercher avec toutes ces informations
J'ai déja une bien meilleur vue d'ensemble de la chose maintenantMerci! Merci!
jujupauty
1154
AFicionado·a
Membre depuis 22 ans
jujupauty
1154
AFicionado·a
Membre depuis 22 ans
- < Liste des sujets
- Charte