Documentos de Académico
Documentos de Profesional
Documentos de Cultura
iie, eme
Sonidos Sonoros
Sonidos Sonoros
Casi estacionarios.
Casi periódicos.
Ej: Vocales, m, n, l, instrumentos de viento, cuerdas, etc.
Sonidos Sonoros
t
Sonidos Sonoros
Ax = b
Si A es ortogonal, sol única.
Si A no es ortogonal, criterios:
norma 2 - min cuadrados,
norma 1
norma 0 (sol esparsa, conceptual).
Sonidos Sonoros
Sonidos Sonoros
Buena representación:
Sonidos sonoros con una descripción corta.
Y que el lenguaje sea simple (definido con pocos
parámetros).
¿Qué tiene que permitir describir el lenguaje?
Suena razonable empezar por: tiempo, frecuencia.
Sonidos Sonoros
Tiempo
Tiempo
Frecuencia
Frecuencias Fourier
tiempo
... =
-1
F {I}x=b
Sonidos Sonoros
Ppio Incertidumbre
Principio de Incertidumbre
Tiempo-Frecuencia
ti e
m
po
ti e
m
frecuencia
ti e
m
po
A x = b
po
tiempo
... =
F-1x=b
Sonidos Sonoros
Tiempo-Frecuencia
Tiempo-Frecuencia
Tiempo-Frecuencia
ti e
m
po
ti e
m
frecuencia
ti e
m
po
A x = b
po
tiempo
... =
Sonidos Sonoros
Tiempo-Frecuencia
Chirplets
Principio de Incertidumbre.
Chirplets
ti e
m
po
ti e
m
frecuencia
ti e
m
po
A x = b
po
tiempo
... =
F-1x=b
Sonidos Sonoros
Chirplets
Chirplets
Chirplets, dimensión
frecuencia
nte
pendie
tiempo
Sonidos Sonoros
Chirplets
Chirplets, implementación
Implementación:
Generando cada chirplet y proyectando (muy costoso)
Time Warping + FFT
Sonidos Sonoros
Chirplets
Chirplets
f f f
t t t
Sonidos Sonoros
Chirplets
Vecindad en Frecuencia/Pendiente
pendiente
Sonidos Sonoros
Chirplets
Geometría
tangente normal
Chirplets
Geometría - Propiedades
frecuencia
0
pendiente tiempo
Chirplets
1 1
φα (t) = kf0 (1 + αt + βt 2 )t
2 3
Entonces: fi (t) = kf0 (1 + αt) es una aproximación local
Si β no es nulo, el error de aproximación es: kf0 βt 2
El rango de tiempo de validez de la aproximación disminuye
con k .
Sonidos Sonoros
Chirplets
Chirplets
Chirplets
Chirplets Q, implementación
Implementación:
Generando cada chirplet enventado y proyectando (muy
costoso)
Time Warping + FFT + IIR-CQT
Orden: N log N = O(FFT)
Sonidos Sonoros
Chirplets
Fan-Chirp: Lineal
Chirps armónicos donde la fase varía cuadráticamente:
1
φα (t) = f (1 + αt)t
2
fi (t) = (1 + αt)f
Posibles mejoras:
Aproximación de orden 3 o 4.
1 1 1
φα (t) = f (1 + αt + βt 2 + γt 3 )t
2 3 4
Aprendido a partir datos reales.
Sonidos Sonoros
Chirplets
f0GT (t + kT )
fi (t) = cont ∈ [−Tw /2, Tw /2]
f0GT (kT )
Haciendo PCA de todos los fi se obtiene una aproximación con
los vectores propios con mayores valores propios:
j=l
X
φα (t) = (1 + αj vj (t))t
j=1
Sonidos Sonoros
Chirplets
−0.2 −0.2
−0.15 −0.15
−0.1 −0.1
−0.05 −0.05
3ra componente principal
0.05 0.05
0.1 0.1
0.15 0.15
0.2 0.2
0.25 0.25
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
2da componente principal 2da componente principal
Sonidos Sonoros
Chirplets
0.15
0.1
0.05
Muestreo 3ra componente principal
−0.05
−0.1
−0.15
−0.2
−1.5 −1 −0.5 0 0.5 1 1.5
Muestreo 2da componente principal
Sonidos Sonoros
Chirplets
20
15
10
0
2 2.2 2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4
Sonidos Sonoros
Chirplets
Vectores propios
0.4
0.3
0.2
0.1
f/fc
−0.1
−0.2
−0.3
2 4 6 8 10 12 14 16
Tiempo
Sonidos Sonoros
Chirplets
Espectrograma usando Chirplet lineal, ventana constante Espectrograma usando Chirplet lineal, Q constante
1000 1000
900 900
800 800
700 700
600 600
Frecuencia
Frecuencia
500 500
400 400
300 300
200 200
100 100
20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200
Frame Frame
Sonidos Sonoros
Chirplets
Preguntas y ¿ejemplos?
Preguntas