Frequenz- und Zeitauflösung

Slides:



Advertisements
Ähnliche Präsentationen
Spektrale Analysen in EMU-R: eine Einführung
Advertisements

Wieviele Fenster gibt es in diesen Häusern?
Folie 1 Lösungsvorschläge für die Aufgaben der  Realschulabschlussprüfung Mathematik in Baden-Württemberg 2001 In dieser Powerpoint-Präsentation findet.
Morphem und Allomorph Jonathan Harrington.
Die akustische Analyse von Sprachlauten.
Quellen-Filter Theorie der Sprachproduktion
Die akustische Analyse von Sprachlauten
Phonemische und phonetische Darstellungen von Lauten
Spektra von periodischen Signalen. Resonanz.
Formant-Analysen von Vokalen
Tina John Ebenen und Links in Sprachdatenbanken. Ebenen = Symbole werden mit der Zeit in einer Ebene verbunden. Namen der Ebenen Symbole der Word-Ebene.
Gleich oder verschieden
Tina John Mehrfache Ketten in Sprachdatenbanken. Mehr als eine Kette wird benötigt wenn wir nicht alle Ebenen miteinander assoziieren wollen. zB möchten.
Gruppe: Karsten Dankesreiter Felix Leibe Betreuender Dozent: Prof. J. Walter Informationstechnik Projekt Ws 2003/04 Audio-SnEYEper
Spektrogramm Das Spektrogramm stellt 3 Dimensionen dar:
Spektrogramm Das Spektrogramm stellt 3 Dimensionen dar:
Spektrogramm und Spektrum
Die akustische Analyse von Sprachlauten
Logische Vektoren in R Jonathan Harrington.
Spektrale Analysen in EMU-R: eine Einführung Jonathan Harrington.
Aufbau, Abfrage, Analyse von Sprachdatenbanken ErstellungAnalyse Abfrage Digitale Zeitsignale akustisch, artikulatorisch Etikettieren Verknüpfung mit Symbolen.
Formant-Analysen von Vokalen
Spektrale Analysen in EMU-R: eine Einführung
Grundlagen der R Programmiersprache
Formant-Analysen von Vokalen (2) Jonathan Harrington 1, 2 Struktur und Abbildung einer Trackdatei 3, 4. Anwendung von vorhandenen und eigenen Funktionen.
Berechnung von digitalen Signalen
Berechnung von digitalen Signalen Jonathan Harrington.
Spektrale Analysen in EMU-R: eine Einführung
Abfragen aus einer Sprachdatenbank Jonathan Harrington.
Parametrisierung von Spektra
Abfragen aus einer Sprachdatenbank Jonathan Harrington.
Etikettierungsebenen Jonathan Harrington. Das Ziel Etikettierungen verschiedener Ebenen aufzubauen, und miteinander zu verlinken.
Aufbau, Abfrage, Analyse von Sprachdatenbanken ErstellungAnalyse Abfrage Digitale Zeitsignale akustisch, artikulatorisch Etikettieren Verknüpfung mit Symbolen.
WS Algorithmentheorie 02 - Polynomprodukt und Fast Fourier Transformation Prof. Dr. Th. Ottmann.
FH D Fachhochschule Düsseldorf Fachgebiet Strömungstechnik und Akustik
Überlagerung von Wellen: Interferenz
Ohr und Hören.
Digital Audio Medientyp digital audio representation
Digital Audio Medientyp digital audio representation
Medien- Technik Grafikkarten Makroaufnahme Monitor mit Ordner-Icon Löcher, die meistens leuchten Hier einmal nicht...
? : 2. Grundaufgabe: Berechnung des Grundwertes G
Die Kunden sollen schneller zahlen!
Histogramm/empirische Verteilung Verteilungen
Überlagerung von harmonischen Schwingungen
Erwartungswerte Erwartungswerte berechnen (bis 7 Trumpf anwendbar)
Materialeigenschaften: Dielektrika
Aufgabenzettel V Statistik I
Die Fourier-Analyse Durch die Fourier-Analyse wird ein Sprachsignal in Sinusoiden zunehmender Frequenz zerlegt, sodass wenn diese summiert werden, das.
Polynome und schnelle Fourier-Transformation
Messgrößen für Schallwellen
Messgrößen für Schallwellen
Messgrößen für Schallwellen
Inhalt Weg-Zeitgesetz nach der cos- oder sin- Funktion
Röntgenstrahlen.
Herleitung DFT Spektrum zeitdiskretes Signal (periodisch) DFT IDFT
© MediTECH Electronic GmbH, Wedemark W edemärker- W ahrnehmungs- T rennschärfe- T est und … Trainer 3.X MediTECH Electronic GmbH Langer Acker 7 D
Analyse von Spektra 2 Jonathan Harrington 1. Wiederholung: Spektra in R einlesen 2. Einige grundlegende Funktionen 3. Zugriff auf Spektralwerte 4. Spektrale-Abbildungen.
Intruder aus dem Nahbereich Hamradio 2009
Harmonischer Oszillator Pendel Energieanteile einer Schwingung.
Kalibrierung eines Mikrofons unter DASYLab
Harmonische Schwingungen
Eine kleine Einführung für Studierende der Psychologie
3. Schaltungsentwicklung - Beispiel Taschenlichtorgel
Plosive [a d a] [a t a] [a th a]
Reelle Zahlen Grundrechenarten √2, √3, √5, … V 0.1.
Verbindung zwischen Praat und EMU Tina John. Etikettierungen: Praat zu EMU labeller 1. Praat Etikettierung4. EMU Etikettierung 2. labConvert: Konvertiert.
Etikettierungsstrukturen und Abfragen in Emu Jonathan Harrington.
Downstream Leistungsrücknahme (DPBO) Zentraleseitiges Kabel
Kapitel 6: Einführung in die DFT
Plosive [a d a] [a t a] [a th a]
 Präsentation transkript:

Frequenz- und Zeitauflösung

kielread06 Sprachdatenbank Äußerungen K67*00* Spektra berechnen, N = 512 (Extension dft), N = 64 (Extension dft2) Template-Datei modifizieren, damit die neuen Tracks sichtbar sind (die Template dafür umbenennen).

Segmentliste der [i:] Vokale erzeugen segs = emu.query("template", "k67*00*", "Phonetic=i:") Spektrale-Trackdatei, N = 512 emu.track(segs, "dft") segs.dftw = Spektrale-Trackdatei, N = 64 segs.dftn = emu.track(segs, "dft2") Spektrale Matrix, zeitlicher Mittelpunkt, N = 512 segs.dftw5 = dcut(segs.dftw, .5, prop=T) Spektrale Matrix, zeitlicher Mittelpunkt, N = 64 segs.dftn5 = dcut(segs.dftn, .5, prop=T)

plot(segs.dftn5[1,0:3500], xlab="Frequency (Hz)") par(mfrow=c(1,2)) plot(segs.dftw5[1,0:3500], ylab="Intensitaet (dB)", xlab="Frequency (Hz)") plot(segs.dftn5[1,0:3500], xlab="Frequency (Hz)") Zwei Spektra nebeneinander vom ersten [i:], 0-3500 Hz 70 60 60 40 50 Intensitaet (dB) 20 40 30 1000 2000 3000 1000 2000 3000 Frequency (Hz) Frequency (Hz) N = 512 Punkt Fenster N = 64 Punkt Fenster

f0 ist der 6e Spektralkomponent 2e Harmonische N = 512 Punkt Fenster, 0-1000 Hz par(mfrow=c(1,1)) plot(segs.dftw5[1,0:1000], ylab="Intensitaet (dB)", xlab="Frequency (Hz)", type="h") f0 f0 ist der 6e Spektralkomponent 2e Harmonische Frequency (Hz) Intensitaet (dB) 200 400 600 800 1000 20 40 60 Die Frequenzen der Spektralkomponente? komp = trackfreq(segs.dftw) …vom sechsten komp[6] 156.25 Hz

Damit die Harmonischen im Spektrum erscheinen, muss das Fenster, mit dem das Spektrum berechnet wurde, mindestens zwei f0-Schwingungen enthalten. Warum erscheinen daher nicht die Harmonischen im N = 64 Fenster? Wenn f0 = 156.25 Hz, die Dauer einer Schwingung: 6.4 ms 1000 * 1/156.25 Wir benötigen daher ein Fenster von mindestens 2 x 6.4 = 12.8 ms, damit die Harmonischen sichtbar sind. Wieviele Punkte bei 16000 Hz? N/fskHz = dauer (ms) N = fskHz x dauer (ms) N = 16 * 12.8 …also 256 Punkte, da bei einer FFT N einer Potenz zwei sein muss… [1] 204.8