ANÁLISIS LOCALIZADO. 1. Análisis Localizado en el Dominio Temporal. 2. Análisis Localizado en el Dominio Frecuencial
|
|
- Ricardo Núñez Moya
- hace 5 años
- Vistas:
Transcripción
1 ANÁLISIS LOCALIZADO 1. Análisis Localizado en el Dominio Temporal Energía Localizada. Autocorrelación Localizada. 2. Análisis Localizado en el Dominio Frecuencial Transformada de Fourier Localizada 3. Predicción Lineal. Análisis LPC
2 ANÁLISIS LOCALIZADO Introducción Estacionariedad de la señal de voz Tie m po (s ) n m= [ ( ) ( )] Q = T x m w n m Aspecto a Evaluar Ventana Transformación
3 ANÁLISIS LOCALIZADO EN EL DOMINIO TEMPORAL Energía Localizada ( ) 2 xn ( ) () 2 En = x( m) w( n m) m= x 2 ( n) En hn ( ) hn w n 2 ( ) = ( )
4 ANÁLISIS LOCALIZADO EN EL DOMINIO TEMPORAL Autocorrelación Localizada R ( ) ( ) ( ) ( ) ( ) n k = x m w n m x m k w n m k xn ( ) m= h ( n) k R ( ) n k z k h ( n) = w( n) w( n k) k Aplicaciones: Estimación de Pitch Predicción Lineal Diferente para cada k
5 ANÁLISIS LOCALIZADO EN EL DOMINIO FRECUENCIAL Transformada de Fourier Localizada xn ( ) j 0n e ω j 1n e ω ( j ω Xn e ) = x( m) w( n m) e h ( n) 0 h( n) 1 m= X X n n 0 ( e jω ) 1 ( e jω ) jωm j N 1 e ω n hn ( ) 1 n X n j 1 ( e ωn )
6 ANÁLISIS LPC Representación de las características espectrales de forma precisa y eficiente Pocos parámetros, Cálculos Sencillos Predicción Lineal Error de Predicción sn ( ) A( z) Pz ( ) Pz ( ) p = az i i= 1 p sn ˆ( ) = asn i ( i) i= 1 en ( ) = sn ( ) sn ˆ( ) i sn ˆ( ) en ( ) Az ( ) 1 p = + i= 1 az i i
7 Cálculo de los Coeficientes p sˆ( n) = as i ( n i) i= 1 p 2 E{ e ( n) } = E s( n) + as i ( n i) i= 1 en ( ) = sn ( ) sn ˆ( ) Criterio de Mínimo Error Cuadrático Medio E e 2 { ( n) } a k i= 1 p 2 p = 2 E s( n) + as i ( n i) s( n k) = { } { } p = E snsn ( ) ( k) + sn ( k) asn i ( i) = 0 k = 1, 2,..., P i= 1 E snsn ( ) ( k) = ae sn ( isn ) ( k) R( k) = ar( i k) k= 1,..., P i s i s i= 1 i= 1 p
8 Cálculo de los Coeficientes Ecuaciones de Yule-Walker Rs(0) Rs(1) K Rs( N 1) a1 Rs(1) R (1) R (0) R ( N 2) a R (2) K M M M M M Rs( p 1) Rs( p 2) K Rs(0) a p Rs( p) s s s 2 s 1 = Ra s = Bs a= Rs Bs Matriz de Autocorrelación (Toeplitz) Dos Métodos de Estimación: a) Método de la Autocorrelación Se obtiene una matriz toeplitz Resolución mediante algoritmo de Levinson-Durbin b) Método de la Covarianza Se obtiene una matriz NO toeplitz Resolución mediante descomposión factorial (Cholesky)
9 Algoritmo de Levinson-Durbin INICIO (0) E = R(0) i:1... p 1 Ki = R i a R i j ( i 1) + E () i 1 ( i 1) j ( ) j= 1 a ( i ) j = K i j:1... i-1 a = a K a ( i) ( i 1) ( i 1) j j i i j j ( 1 i ) E = K E ( i) 2 ( i 1) i INICIO
10 Coeficientes PARCOR Para pasar de un predictor de orden i a uno de orden i+1 hay que recalcular los coeficientes del predictor Los coeficientes de correlación parcial (PARCOR) permiten obtener los coef. de orden i a partir de los de orden i-1 a = a K a ( i) ( i 1) ( i 1) j j i i j En ocasiones, puede resultar más conveniente trabajar con los PARCOR. Pasamos de Estructuras transversales a Estructuras en Celosía (Lattice)
11 Coeficientes PARCOR sn ( ) b 0 ( n) e 0 ( n) K K z 1 z b 1 ( n) e 1 ( n) K 2 K 2 e 2 ( n) b 2 ( n) z 1 i b ( n) Error Backward de Orden i i e ( n) Error Forward de Orden i K i = n n i 1 i 1 e n b n ( ) ( 1) ( i 1 ) ( i 1 e ( n) b ( n 1) ) 2 2 n Coeficientes de reflexión del modelo de concatenación de tubos
12 Análisis LPC Salvo en los sonidos nasales, el modelo de producción es AR (todo polos) en ( ) sn ( ) H ( z) H ( z) = P G 1 α i z i = 1 i en ( ) sn ( ) en ˆ( ) H ( z) Az ( ) H( z) = G Az ( )
13 Análisis LPC Residuo Para un Segmento Sonoro
14 Análisis LPC Residuo Para un Segmento Sordo
15 Análisis LPC Envolvente Espectro
16 REPRESENTACIONES DE LA SEÑAL DE VOZ 1. Análisis Homomórfico Cepstrum Cepstrum de la señal de voz 2. Modelo de degradación Ambiental 3. Representaciones Perceptuales MFCC: Mel-Frequency Cepstrum Coefficients PLP: Perceptual Linear Prediction Transformación Bilineal
17 Análisis Homomórfico ( ) Una transformación homomórfica: xn ˆ[ ] = D xn [] convierte una convolución xn [] = en [] hn [] en suma xn ˆ[] = en ˆ[] + hn ˆ[] Un Sistema homomórfico estará compuesto por * * D[ ] L[ ] D -1 [ ] xn [] xn ˆ[ ] yn ˆ[ ] yn [] Cepstrum
18 Análisis Homomórfico Sistema de Análisis D[ ] * Z[ ] x ln + Z -1 [ ] + en []*[] hn E[] z H[] z ln( E[ z]) + ln( H[ z]) en ˆ[ ] + hn ˆ[]
19 Análisis Homomórfico Sistema de Síntesis D -1 [ ] + Z[ ] + e ( ) x Z -1 [ ] * en ˆ[ ] + hn ˆ[] ln( E[ z]) + ln( H[ z]) E[] z H[] z en []*[] hn
20 Análisis Homomórfico SPECTRUM Cepstrum complejo pero π π CEPSTRUM ˆ[ ] 1 jω jωn xn = ln[ X( e )] e d ω 2π π ln[ Xe ( jω)] = ln Xe ( jω) + jarg[ Xe ( jω)] ˆ[ ] 1 jω jωn ln ( ) j jω jωn xn= X e e dω+ arg[ X( e )] e dω 2π 2π π Si x[n] es real el cepstrum complejo es real π π
21 Análisis Homomórfico Cepstrum real π [] 1 jω jωn cn = ln X( e ) e d ω 2π π Cepstrum real es la parte par del cepstrum complejo ˆ[] ˆ cn [] = xn+ x[ n] 2 Variable independiente n Quefrency tiempo
22 Análisis Homomórfico Cepstrum de la señal de voz Excitación e[n] Filtro h[n] e[n]*h[n] Excitación e[n]: secuencia periódica de pulsos ruido blanco Filtro: Función de transferencia racional ARMA
23 Análisis Homomórfico Cepstrum de un sistema ARMA (polo-ceros) M M i (1 1 o Az D a z ) (1 u z ) k k Hz [] = k= 1 k= 1 N N i (1 1 o b z ) (1 v z ) k k k= 1 k= 1 Tomando logaritmos M 1 ln[ ( )] ln[ ] ln[ D i Hz = A+ z ] + ln(1 a z ) + k k= 1 M N N o i 1 o ln(1 u z ) ln(1 b z ) ln(1 v z ) k k k k= 1 k= 1 k= 1
24 Análisis Homomórfico Utilizando el desarrollo en serie de Taylor x n ln(1 x) = n n= 1 Por ejemplo, el término asociado a los polos internos N N n b i ln(1 b z ) = z k 1 1 k 1 n k= n= = i 1 k n Secuencia sobre la que calculamos la transformada Z
25 Análisis Homomórfico ln[ z D ] El término lleva información del origen de tiempos y normalmente no se tiene en cuenta en el cálculo. ln[ A ] + jσ n= 0 N n M n i b i a hn ˆ[ ] = k k n> 0 k 1 n k 1 n = = M u n N v n o k o k n< 0 k= 1 n k= 1 n σ = π si A< 0 σ = 0si A> 0
26 Análisis Homomórfico Propiedades 1. Si el filtro no tiene polos y ceros fuera del circulo unidad (sistema de fase mínima) hn ˆ[ ] = 0paran< 0 2. En sistemas de fase mínima el cepstrum complejo está determinado de forma unívoca por su cepstrum real 0 n< 0 hn ˆ[ ] = cn [] n= 0 2[ cn] n> 0 3. El cepstrum es una secuencia infinita pero decae como 1/n concentrado en el origen
27 Análisis Homomórfico En el caso de un filtro AR (todo-polos) Hz () = G P 1 a z k k k= 1 Ganancia y coeficientes se calculan utilizando Predicción Lineal 0 n< 0 ln[ G] n= 0 n 1 k ˆ ˆ hn [] = a + hk [] a 0n p n < n k k 1 n = n 1 k hka ˆ[ ] n > p n n k k= n p
28 Análisis Homomórfico Cepstrum de una señal periódica (enventanada) M 1 en [] = α δ[ n kn] k k= 0 Su transformada Z M 1 M Ez [] = α z kn (1 a z N = ) k k k= 0 k= 1 Su cepstrum m M a en ˆ[ ] = k δ( n mn) m> 0 m k= 1
29 Análisis Homomórfico Caso límite: tren infinito de impulsos unidad en [] = δ( n kn) k= 0 1 en ˆ[ ] = δ( n mn) m m= 1 Propiedades: 1. Es distinta de cero solo en múltiplos enteros de N, siendo cero en el origen 2. Decae con el factor 1/m con el tiempo
30 Análisis Homomórfico Cepstrum localizado de la señal de voz: Cálculo a través de la Transformada de Fourier Localizada Sea x[n] la secuencia enventanada N 1 j2 π kn/ N Xk [] = xne [] 0 k< N n= 0 1 N 1 ˆ j2 π kn/ N x p [] n = N ln X[] k e = xn ˆ[ + rn] k = 0 r = Para reducir el aliasing N grande
31 Análisis Homomórfico Cepstrum localizado voz hombre Filtro Pitch
32 Análisis Homomórfico Cepstrum localizado voz mujer
33 Análisis Homomórfico Separación excitación-filtro por filtrado homomórfico Filtering Liftering: filtrado homomórfico Filtro Excitación
34 Análisis Homomórfico
35 Análisis Homomórfico Segmento de voz sordo
36 Análisis Homomórfico Aplicación del filtrado homomórfico a la deconvolución ciega Señal de voz con distorsión convolutiva desconocida s[n] h[n] x[n]=s[n]*h[n] Suposición: filtro h[n] invariante en el tiempo En el domino cepstral Tomando el valor medio ( ) xn ˆ[] = sn ˆ[] + hn ˆ[] E xn ˆ[] = Esn ˆ[] + Ehn ˆ[] = Esn ˆ[] + hn ˆ[] Sustrayendo la media ( ) ( ) ( ) ( ) ( ) xn ˆ[] E xn ˆ[] = sn ˆ[] E sn ˆ[] Desaparece el filtrado, pero...
37 Análisis Homomórfico Aplicación del filtrado homomórfico a la deconvolución ciega... quitamos también la media del cepstrum de la señal de voz ( ˆ[ ]) E sn que está relacionado con la densidad espectral de potencia promedio a largo término de la señal de voz: - Comportamiento pasobajo influenciado en gran medida por el pulso glotal En el análisis localizado, influencia de la ventana. Se requieren ventanas de longitud mucho mayor que la longitud de la respuesta impulsional a ecualizar. Ejemplo
38 Modelo de Degradación Ambiental En el habitáculo de un vehículo: Ruido aditivo proveniente de diversas fuentes Ruido multicamino: distorsión convolucional
39 Modelo de Degradación Ambiental Original Filtrada
40 Modelo de Degradación Ambiental
41 Modelo de Degradación Ambiental Señal degradada
42 Modelo de Degradación Ambiental La señal de voz en general puede venir degradada por distorsiones aditivas y convolutivas: Ruido aditivo de fuentes independientes Distorsión de canal r[n] s[n] h[n] + x[n] x[n]=s[n]*h[n]+r[n] jω 2 jω 2 jω 2 jω 2 Xe ( ) = Se ( ) He ( ) + Re ( ) jω jω jω + 2 Se ( ) He ( ) Re ( )cos ( ) ( θω) Valor medio cero
43 Modelo de Degradación Ambiental jω 2 jω 2 jω 2 jω 2 Xe ( ) Se ( ) He ( ) + Re ( ) Tomando logaritmos jω 2 jω 2 jω 2 ln Xe ( ) ln Se ( ) + ln He ( ) + ln 1+ jω 2 Re ( ) jω 2 jω 2 Se ( ) He ( )
44 Modelo de Degradación Ambiental jω 2 jω 2 jω 2 ln Xe ( ) ln Se ( ) + ln He ( ) ln jω jω jω 1+ exp ln Re ( ) ln Se ( ) ln He ( ) Pasando al dominio cepstral ( ˆ ) xn ˆ[] = sn ˆ[] + hn ˆ[] + g rn ˆ[] sn ˆ[] hn [] Donde g(z) es una función no lineal ( 1 ) g[] z = Cepstrum ln(1exp + Cepstrum () z
45 Representaciones Perceptuales MFCC: Mel-Frequency Cepstrum Coefficients Cepstrum real sobre una escala frecuencia no lineal: Escala perceptual MEL {} 2595log 10 1 x Mel x = + 700
46
47 Representaciones Perceptuales
48 Representaciones Perceptuales PLP: Perceptual Linear Prediction (Hermansky, 90) Motivación: incluir propiedades perceptuales en el análisis LPC
49 Representaciones Perceptuales Transformación bilineal 1 s= z α 1 1 α z Célula pasatodo 0<α<1 Hace un mapeado en el plano complejo de la circunferencia de radio unidad sobre si misma αsen( ω) Ω= ω+ 2arctan 1 α cos( ω ) Eligiendo adecuadamente α es similar a Bark o Mel
50 Representaciones Perceptuales
51 Multimodalidad Lectura de labios: Integración audio-visual Video Input Lip Finding / Tracking Lip Feature Extraction Recog. Process Recog. Result Audio Input Preprocessing Voice Feature Extraction Recog. Process HMM
Procesamiento de la señal de voz
Procesamiento de la señal de voz Leandro Vignolo Procesamiento Digital de Señales Ingeniería Informática FICH-UNL 29 de mayo de 2014 L. Vignolo (PDS II FICH UNL) Procesamiento de la señal de voz 29 de
Más detallesSeguimiento de los parámetros del modelo del tracto vocal
Algoritmos para el seguimiento de los parámetros del modelo de tracto vocal Monografía de Tratamiento Estadístico de Señales parias@fing.edu.uy Instituto de Ingeniería Eléctrica Facultad de Ingeniería
Más detallesTratamiento Digital de Señales TEMA 2 : DFT (I)
Tratamiento Digital de Señales TEMA 2 : DFT (I) Universidade de Vigo ETSE Telecomunicación CONTENIDOS 1. Repaso de conceptos asociados con la TF 2. Formulación de la DFT 3. Propiedades de la DFT 4. Métodos
Más detalles3. Señales. Introducción y outline
3. Señales Introducción y outline Outline Señales y Sistemas Discretos: SLIT, Muestreo, análisis tiempo-frecuencia, autocorrelación, espectro, transformada Z, DTFT, DFT, FFT Filtros y Estimación: Filtros
Más detallesProcesamiento digital de señales de audio
Procesamiento digital de señales de audio Procesamiento homómorfico de señales Instituto de Ingeniería Eléctrica, Facultad de Ingeniería Universidad de la República, Uruguay Grupo de Procesamiento de Audio
Más detallesTICRM - Tecnologías del Habla Codificación de Voz. 1. Introducción 2. Vocoder LPC 3. Codificadores Híbridos
TICRM - Tecnologías del Habla Codificación de Voz Codificación de Voz 1. Introducción 2. Vocoder LPC 3. Codificadores Híbridos TICRM - Tecnologías del Habla Codificación de Voz Clasificación Codificadores
Más detallesSistemas Lineales. Tema 5. La Transformada Z. h[k]z k. = z n (
La transformada Z Sistemas Lineales Tema 5. La Transformada Z Las señales exponenciales discretas de la forma z n con z = re jω son autosoluciones de los sistemas LTI. Para una entrada x[n] = z0 n la salida
Más detallesPráctico 2 Análisis de proceso autorregresivo de orden 2 Proceso WSS filtrado
Práctico Análisis de proceso autorregresivo de orden Proceso WSS filtrado Tratamiento Estadístico de Señales Pablo Musé, Ernesto López & Luís Di Martino {pmuse, elopez, dimartino}@fing.edu.uy Departamento
Más detallesde extracción de características
FUNDAMENTOS DEL RECONOCIMIENTO AUTOMÁTICO DE LA VOZ Algoritmos de extracción de características Agustín Álvarez Marquina Introducción (I). Caracterización acústica de los sonidos Diptongos Semivocales
Más detallesTratamiento Digital de Señales
Departamento de Teoría de la Señal y Communicaciones Tratamiento Digital de Señales Transformada Discreta de Fourier (DFT) Prof.: Manuel Blanco Velasco Sumario Definición e interpretación La DFT como transformación
Más detallesSistemas Lineales. Examen de Junio SOluciones
. Considere la señal xt) sinπt) Sistemas Lineales Examen de Junio 22. SOluciones a) Obtenga su transformada de Fourier, X), y represéntela para 7π. b) Calcule la potencia y la energía de xt). c) Considere
Más detallesDar una breve semblanza sobre los Filtros Digitales, sus fundamentos y su principales características.
Filtros Digitales Objetivo Dar una breve semblanza sobre los Filtros Digitales, sus fundamentos y su principales características. Revisar la convolución como fundamentos de los filtros digitales junto
Más detallesFormulario. sinc(x) = sin(πx) πx Relación entre senoidales y exponenciales complejas
1 1.1. Repaso matemático Formulario z = x + jy = x 2 + y 2 e jθ = me jθ = m(cos(θ) + j sin(θ)); θ = arctan x y b a e f f = e f(b) e f(a) sinc(x) = sin(πx) πx N 1 n=0 α n = N α = 1 1 α N 1 α α 1 b a δ(x)f(x)dx
Más detallesProcesamiento digital de voz
Procesamiento digital de voz Seminario de Audio 2005 Ernesto López Martín Rocamora Producción del habla Aparato fonador Corte transversal de la laringe Sonidos sonoros y sordos Sonidos sonoros Forma de
Más detallesPrimera parte (2.5 puntos, 20 minutos):
TRATAMIENTO DIGITAL DE SEÑALES EXAMEN FINAL 24/06/2013 APELLIDOS NOMBRE DNI NO DE LA VUELTA A ESTA HOJA HASTA QUE SE LO INDIQUE EL PROFESOR MIENTRAS TANTO, LEA ATENTAMENTE LAS INSTRUCCIONES PARA LA REALIZACIÓN
Más detallesPrimera parte (2.5 puntos, 20 minutos):
TRATAMIENTO DIGITAL DE SEÑALES EXAMEN FINAL 24/06/2013 APELLIDOS NOMBRE DNI NO DE LA VUELTA A ESTA HOJA HASTA QUE SE LO INDIQUE EL PROFESOR MIENTRAS TANTO, LEA ATENTAMENTE LAS INSTRUCCIONES PARA LA REALIZACIÓN
Más detallesTEMA2: Fundamentos de Señales y Sistemas
TEMA2: Fundamentos de Señales y Sistemas Contenidos del tema: Modelos de sistemas lineales en tiempo continuo: Dominio del tiempo Dominio de la frecuencia, polos y ceros. Representación de señales continuas:
Más detallesVictrola de La Transformada de Fourier
Victrola de La Transformada de Fourier p. 1/2 Victrola de La Transformada de Fourier Introducción para Músicos Juan I Reyes juanig@maginvent.org artelab Laboratorios de Artes Electrónicas Victrola de La
Más detallesPrimera parte (3 puntos, 25 minutos):
TRATAMIENTO DIGITAL DE SEÑALES EXAMEN FINAL 18/01/2013 APELLIDOS NOMBRE DNI NO DE LA VUELTA A ESTA HOJA HASTA QUE SE LO INDIQUE EL PROFESOR MIENTRAS TANTO, LEA ATENTAMENTE LAS INSTRUCCIONES PARA LA REALIZACIÓN
Más detallesTECNOLOGIAS DE LA VOZ
DEPARTAMENTO DE INGENIERÍA ELECTRÓNICA Y COMUNICACIONES CENTRO POLITÉCNICO SUPERIOR UNIVERSIDAD DE ZARAGOZA TECNOLOGIAS DE LA VOZ 5000 0-5000 señal original 200 250 300 350 Señal sintetizada 10000 5000
Más detallesTransformada Discreta de Fourier.
Transformada Discreta de Fourier. Hasta ahora se ha visto Importancia de la respuesta en frecuencia de un sistema Transformada de Fourier de una señal discreta Tenemos otra forma de caracterizar los sistemas
Más detallesPlanificaciones Procesamiento de Señales I. Docente responsable: GIRIBET JUAN IGNACIO. 1 de 6
Planificaciones 8651 - Procesamiento de Señales I Docente responsable: GIRIBET JUAN IGNACIO 1 de 6 OBJETIVOS CONTENIDOS MÍNIMOS PROGRAMA SINTÉTICO 1. Diseño de filtros digitales. 4. Banco de filtros. 5.
Más detallesFILTROS DIGITALES VENTAJAS INCONVENIENTES
FILTROS DIGITALES VENTAJAS - Características imposibles con filtros analógicos (fase lineal) - No cambian cualquiera que sea el entorno - Procesamiento de varias señales con un único filtro - Posibilidad
Más detallesPrograma. Introducción 1. Generación y percepción de la señal de voz 2. Técnicas avanzadas
Programa Introducción 1. Generación y percepción de la señal de voz 2. Técnicas avanzadas Análisis localizado en tiempo y en frecuencia Predicción lineal Cepstrum Realce 3. Reconocimiento automático del
Más detallesPreguntas IE TEC. Total de Puntos: 80 Puntos obtenidos: Porcentaje: Nota:
IE TEC Nombre: Instituto Tecnológico de Costa Rica Escuela de Ingeniería Electrónica EL-470 Modelos de Sistemas Profesor: Dr. Pablo Alvarado Moya II Semestre, 005 Examen Final Total de Puntos: 80 Puntos
Más detallesRESTAURACIÓN DE AUDIO
RESTAURACIÓN DE AUDIO Interés en audio degradado Discos (de cera, LP) Cintas magnéticas Audio digital de calidad Degradación de audio Modificación de señal en grabación Micrófono, amplificador, etc Alteración
Más detallesTransformada Z y sus Aplicaciones en Sistemas LTI
Transformada Z y sus Aplicaciones en Sistemas LTI Qué es la transformada Z? Es una representación para señales en tiempo discreto mediante una serie infinita de números complejos. Es una herramienta muy
Más detallesTransformada Discreta de Fourier (II)
Transformada Discreta de Fourier (II) 1 Más problemas...ahora computacionales La DFT de orden de una señal x(n) viene definida por la siguiente expresión #1 % X(k) = x(n) "e n= 0 # j"2"$ "k"n Para cada
Más detallesTransformada Z. Diego Milone. Muestreo y Procesamiento Digital Ingeniería Informática FICH-UNL
Transformada Z Diego Milone Muestreo y Procesamiento Digital Ingeniería Informática FICH-UNL 26 de abril de 2012 Organización de la clase Introducción Revisión: transformada de Laplace Motivación de la
Más detallesSistemas Lineales. Examen de Septiembre Soluciones
Sistemas Lineales Examen de Septiembre 25. Soluciones. (2.5 pt.) La señal y(t) [sinc( t)] 4 puede escribirse como y(t) [sinc( t)] 4 [ ] sin(o πt) 4 o πt [ sin(o πt) ] 4 4 πt 4 [y (t)] 4 4 y (t) y (t) y
Más detallesCOMUNICACIONES MÓVILES
Codificación de Voz en el Sistema GSM Carlos Crespo Cadenas Profesor Titular Universidad de Sevilla CODIFICADOR DE VOZ RPE-LTP Objetivo principal: Eficiencia espectral. Voz: 8 kbps ==> 104 kbps ==> 13
Más detallesTEMA4: Implementación de Filtros Discretos
TEMA4: Implementación de Filtros Discretos Contenidos del tema: El muestreo y sus consecuencias Relaciones entre señales y sus transformadas: Especificaciones de filtros continuos y discretos Aproximaciones
Más detallesSISTEMAS LINEALES. Tema 6. Transformada Z
SISTEMAS LINEALES Tema 6. Transformada Z 6 de diciembre de 200 F. JAVIER ACEVEDO javier.acevedo@uah.es TEMA 3 Contenidos. Autofunciones de los sistemas LTI discretos. Transformada Z. Región de convergencia
Más detalles1. Muestreo de Sistemas Continuos. 1. Muestreo de Sistemas Continuos 1
. Muestreo de Sistemas Continuos. Muestreo de Sistemas Continuos.. Secuencias 4.2. Sistema Discreto 5.3. Ecuaciones en Diferencias 6.4. Secuencia de Ponderación de un Sistema. 7.5. Estabilidad 9.6. Respuesta
Más detallesSeñales y Sistemas. Procesamiento de la señal de voz. Gastón Schlotthauer.
Señales y Sistemas Procesamiento de la señal de voz Gastón Schlotthauer gschlott@bioingenieria.edu.ar Laboratorio de Señales y Dinámicas no Lineales Facultad de Ingeniería Universidad Nacional de Entre
Más detallesModelo de producción de la voz
Modelo de producción de la voz Fonética y fonémica Fonema: Unidad teórica básica para describir cómo la voz transporta un significado lingüístico. Sonido: Realización práctica de un fonema Fonémica: Estudio
Más detallesTratamiento Digital de Señales
Tratamiento Digital de Señales Tema 5: Tipos de Sistemas F. Cruz Roldán Dept. Teoría de la Señal y Comunicaciones Universidad de Alcalá Tratamiento Digital de Señales Ingeniería de Telecomunicación 8 de
Más detallesA502 - Teoría de Sistemas y Señales
A50 - Teoría de Sistemas y Señales Transparencias Densidad Espectral de Energía de Señales Aperiódicas Autor: Dr. Juan Carlos Gómez Señales de Potencia Verifican TD: TC: Algunas Definiciones < P lim (n)
Más detallesSistemas Lineales. Tema 7. Problemas
Sistemas Lineales ema 7. Problemas. Se sabe que una señal de valor real x(t) ha sido determinada sólo por sus muestras cuando la frecuencia de muestreo es s = 0 4 π. Para qué valores de se garantiza que
Más detallesMuestreo y Procesamiento Digital
Muestreo y Procesamiento Digital Práctico N+ Problemas surtidos El propósito de este repartido de ejercicios es ayudar en la preparación del examen. Dadas las variadas fuentes de los ejercicios aquí propuestos,
Más detallesPreguntas IE TEC. Total de Puntos: 54 Puntos obtenidos: Porcentaje: Nota:
IE TEC Nombre: Instituto Tecnológico de Costa Rica Escuela de Ingeniería Electrónica EL-4701 Modelos de Sistemas Profesor: Dr. Pablo Alvarado Moya I Semestre, 006 Examen de Reposición Total de Puntos:
Más detallesReconocimiento Automático de Voz basado en Técnicas de Comparación de Patrones
Reconocimiento Automático de Voz basado en Técnicas de Comparación de Patrones Presentación basada en las siguientes Referencias: Juan Carlos Gómez [] Rabiner, L. & Juang, B-H.. Fundamentals of Speech
Más detallesSegunda parte (2h 30 ):
TRATAMIENTO DIGITAL DE SEÑALES EXAMEN FINAL SEPTIEMBRE 2008 05/09/2008 APELLIDOS NOMBRE DNI NO DE LA VUELTA A ESTA HOJA HASTA QUE SE LO INDIQUE EL PROFESOR MIENTRAS TANTO, LEA ATENTAMENTE LAS INSTRUCCIONES
Más detallesProf. Néstor Becerra r Yo Y ma, Ph.D ma, Ph.D Laboratorio de Pr ocesamiento y Tr y T ansmisión de Vo de V z
Codificación de voz EL 55A Sistemas de telecomunicaciones Prof. Néstor Becerra Yoma, Ph.D. Laboratorio de Procesamiento y Transmisión de Voz Contenidos Modelo de producción de la voz Codificación de la
Más detallesTECNICAS DE PROCESADO Y REPRESENTACION DE LA SEÑAL DE VOZ PARA EL RECONOCIMIENTO DEL HABLA EN AMBIENTES RUIDOSOS
UNIVERSIDAD POLITECNICA DE CATALUÑA Departamento de Teoria de la señal y comunicaciones TECNICAS DE PROCESADO Y REPRESENTACION DE LA SEÑAL DE VOZ PARA EL RECONOCIMIENTO DEL HABLA EN AMBIENTES RUIDOSOS
Más detallesDiferencia entre análisis y síntesis
Diferencia entre análisis y síntesis ANÁLISIS Excitación conocida Respuesta? Circuito conocido xt () y()? t SÍNTESIS Y DISEÑO Excitación conocida Circuito? Respuesta deseada valores elementos? xt () yt
Más detallesAplicaciones del Tratamiento de Señales. Parte 1: Grabación y Reproducción de Señales de Voz
Aplicaciones del Tratamiento de Señales Curso 2004-2005 Herramientas Básicas de Análisis de Voz y Audio Parte 1: Grabación y Reproducción de Señales de Voz INTRODUCCIÓN Se pretende en esta parte que el
Más detallesSOLUCIONES. 2 Xm 2 n ,953mv W, determinar la relación señal a ruido de
PROCESADO DIGITAL DE SEÑAL (Sonido e Imagen) Universidad Politécnica de Madrid. E.U.I.T. Telecomunicación Departamento de Ingeniería Audiovisual y Comunicaciones Examen de teoría, Plan 000 15 de Junio
Más detallesContenidos. Señales y Sistemas. Procesamiento de la señal de voz. Contenidos. Procesamiento de la señal de voz. Producción del habla
Señales y Sistemas Procesamiento de la señal de voz H Leonardo Rufiner y Gastón Schlotthauer lrufiner@bioingenieriaeduar Laboratorio de Cibernética Facultad de Ingeniería Universidad Nacional de Entre
Más detallesProblemas de Estructuras de Filtros Digitales.
Problemas de Estructuras de Filtros Digitales. Estructuras de Filtros Digitales 1.- En la figura siguiente se representa una realización en la forma acoplada de una función del sistema que presenta una
Más detallesDISEÑO DE FILTROS IIR
Los filtros digitales se pueden clasificar en dos grandes grupos: aquellos que presentan una respuesta al impulso de duración infinita (IIR) y, por el contrario, los sistemas FIR o de respuesta al impulso
Más detalles4.1 Introducción al filtrado adaptativo
41 Introducción al filtrado adaptativo El problema del filtrado Clases básicas de estimación Filtrado adaptativo Estructuras de filtrado lineal Algoritmos Criterios para la elección del filtro adaptativo
Más detallesFiltro. k k. determinan la respuesta en frecuencia del filtro. Una señal x(n) que pase a través del sistema tendrá una salida Y ( ω)
7.- Introducción a los filtros digitales 7..- Introducción. El término FILTRO hace referencia a cualquier sistema que discrimina lo que pasa a su través de acuerdo con alguno de los atributos de la entrada.
Más detallesAnálisis Espectral mediante DFT PRÁCTICA 4
Análisis Espectral mediante DFT PRÁCTICA 4 (2 sesiones) Laboratorio de Señales y Comunicaciones 1 PRÁCTICA 4 Análisis Espectral mediante DFT 1. Objetivo Habitualmente, el análisis de señales y sistemas
Más detallesAnálisis Espectral mediante DFT PRÁCTICA 4
Análisis Espectral mediante DFT PRÁCTICA 4 (2 sesiones) Laboratorio de Señales y Comunicaciones PRÁCTICA 4 Análisis Espectral mediante DFT. Objetivo Habitualmente, el análisis de señales y sistemas LTI
Más detallesSistemas Lineales e Invariantes a la Traslación
1. Sistemas Lineales e Invariantes a la Traslación 1.1 Motivación de las imágenes digitales Qué es una imagen digital? Es un arreglo de píxeles? 1.2 Las funciones sinusoidales Onda plana (viajera) que
Más detallesSeminario de Procesamiento Digital de Señales
Seminario de Procesamiento Digital de Señales Unidad 5: Diseño de Filtros Digitales - Parte I Marcelo A. Pérez Departamento Electrónica Universidad Técnica Federico Santa María Contenidos 1 Conceptos Básicos
Más detallesIDENTIFICACION DE SISTEMAS IDENTIFICACION NO PARAMETRICA
IDENTIFICACION DE SISTEMAS IDENTIFICACION NO PARAMETRICA Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 SISTEMAS LTI En general un
Más detallesFiltros Espejo en Cuadratura (QMF: Quadrature Mirror Filters) Filtros Espejo en Cuadratura (QMF: Quadrature Mirror Filters)
Filtros Espejo en Cuadratura (QMF: Quadrature Mirror Filters) Autor: Juan Carlos Gómez Presentación basada en las siguientes Referencias: [] Proakis, J. G. & Manolakis, D. G.. Tratamiento digital de señales
Más detallesAyudantía Análisis de Señales. Transformada Z
Pontificia Universidad Católica de Chile Escuela de Ingeniería Ayudantía Análisis de Señales Fabián Cádi Transformada Z Consideremos un sistema discreto lineal e invariante, representado por una respuesta
Más detallesPodriamos conversar con las maquinas como lo hacemos con los humanos?
Que veremos? 1. Introducción 2. Trabajos Previos 3. Procesamiento de la Señal 4. Coeficientes MFCC 5. Trasformada Wavelet 6. Extracción de características usando wavelets 7. Experimentos y Resultados 8.
Más detallesTratamiento Digital de Señales. Capítulo 2. Muestreo y Reconstrucción de Señales. Septiembre, 2010
ratamiento Digital y José Sáez Lante Departamento eoría la Señal y Comunicaciones Universidad Alcalá Septiembre, 2010 Objetivos Entenr los procesos implicados en la conversión ADC y DAC. Entenr el procedimiento
Más detallesReconocimiento de comandos de voz utilizando técnicas de PDS aplicadas a robótica
Reconocimiento de comandos de voz utilizando técnicas de PDS aplicadas a robótica Villarreal Robles, G. Olivera Reyna, R. Unidad Académica de Ingeniería Eléctrica Universidad Autónoma de Zacatecas Campus
Más detallesIngeniería de Control I Tema 2. Transformadas
Ingeniería de Control I Tema 2 Transformadas 1 1. Transformadas. Transformación de dominios: 1. Objetivo de la transformación de dominios 2. Representación de señales 3. Series de Fourier 4. Transformada
Más detallesTema IV. Transformada de Fourier. Contenido. Desarrollo de la Transformada de Fourier en Tiempo Continuo. Propiedades de las transformadas de Fourier
Tema IV Transformada de Fourier Contenido Desarrollo de la Transformada de Fourier en Tiempo Continuo Transformadas coseno y seno de Fourier Propiedades de las transformadas de Fourier Transformada de
Más detallesProcesamiento de la voz
Procesamiento de la voz Diego Milone Leandro Vignolo Muestreo y Procesamiento Digital Ingeniería Informática FICH-UNL 18 de mayo de 2011 Organización de la clase Aparato fonador y oído Generalidades del
Más detallesFiltros Digitales 2. Contenidos. Juan-Pablo Cáceres CCRMA Stanford University. Agosto, Un Filtro Lowpass Simple
Filtros Digitales 2 Juan-Pablo Cáceres CCRMA Stanford University Agosto, 2007 Contenidos Un Filtro Lowpass Simple Obtención de la Respuesta en Frecuencia Función de Transferencia Propiedad de Linealidad
Más detallesApunte sobre transformaciones entre sistemas de VIC y VID
Apunte sobre transformaciones entre sistemas de VIC y VID Octubre 208 - Curso recuperación SyS *. Introducción El objetivo de este apunte es repasar los aspectos fundamentales de tres transformaciones
Más detallesSEÑALES Y SISTEMAS Clase 15
SEÑALES Y SISTEMAS Clase 15 Carlos H. Muravchik 26 de Abril de 2018 1 / 29 Habíamos visto: SLIT: respuesta en frecuencia Área e Integración Correlación determinística en frecuencia Rayleigh-Parseval. Energía.
Más detallesModelado en el dominio de la frecuencia Utilizar la transformada Laplace para representar ecuaciones diferenciales lineales
2.3 OBJETIVOS Transformada Laplace (Repaso) Modelado en el dominio de la frecuencia Utilizar la transformada Laplace para representar ecuaciones diferenciales lineales CONTENIDOS Transformada de Laplace
Más detalles1. Control de Mínima Varianza
. Control de Mínima Varianza. CONTROL DE MÍNIMA VARIANZA..... PLANTEO DEL PROBLEMA..... CRITERIO DE OPTIMIZACIÓN...5.3. PREDICCIÓN ÓPTIMA...8.3.. Forma intuitiva...8... Caso General...0.3.. Cálculo del
Más detallesELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 5: Transformada Discreta de Fourier Parte I
1 ELO 385 Laboratorio de Procesamiento Digital de Señales Laboratorio 5: Transformada Discreta de Fourier Parte I Este laboratorio está compuesto por dos sesiones en la cuales se estudiará la transformada
Más detallesINDICE Capitulo 1. Introducción Capitulo 2. Descripción matemática de señales 2.1. Introducción y objetivos
INDICE Prefacio XIII Capitulo 1. Introducción 1 1.1. Definición de señales y sistemas 1 1.2. Tipos de señales 1 1.3. Ejemplo de una señal y un sistema 8 1.4. Uso de MATLAB 13 Capitulo 2. Descripción matemática
Más detallesSistemas Discretos LTI
Sistemas Discretos LTI MSc. Bioing Rubén Acevedo racevedo@bioingenieria.edu.ar Bioingeniería I Carrera: Bioingeniería Facultad de Ingeniería - UNER 06 de Abril de 2009 Bioingeniería I Sistemas discretos
Más detallesSistemas Lineales e Invariantes PRÁCTICA 2
Sistemas Lineales e Invariantes PRÁCTICA 2 (1 sesión) Laboratorio de Señales y Comunicaciones PRÁCTICA 2 Sistemas Lineales e Invariantes 1. Objetivo Los objetivos de esta práctica son: Revisar los sistemas
Más detallesProcesamiento Digital de. Ing. Biomédica, Ing. Electrónica e Ing. en Telecomunicaciones Capitulo VII Diseño de Filtros Digitales
Procesamiento Digital de Señales Ing. Biomédica, Ing. Electrónica e Ing. en Telecomunicaciones Capitulo VII Diseño de Filtros Digitales D.U. Campos-Delgado Facultad de Ciencias UASLP Enero-Junio/014 1
Más detallesSeriación obligatoria antecedente: Análisis Espectral de Señales y Variable Compleja Aplicada a la Geofísica
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO INTRODUCCIÓN AL DISEÑO DE FILTROS DIGITALES 1743 7 09 Asignatura Clave Semestre Créditos Ingeniería en Ciencias de la
Más detallesHerramientas software para la docencia de la señal de voz en Ingeniería Técnica de Telecomunicaciones
Herramientas software para la docencia de la señal de voz en Ingeniería Técnica de Telecomunicaciones S. Bleda (1,2) ; J. Francés (1,2) ; S. Marini (1,2) ; J.J. Martínez (1) (1) Departamento de Física
Más detallesTransformada Z Filtros recursivos. clase 12
Transformada Z Filtros recursivos clase 12 Temas Introducción a los filtros digitales Clasificación, Caracterización, Parámetros Filtros FIR (Respuesta al impulso finita) Filtros de media móvil, filtros
Más detallesTema 5. La Transformada Z. Indice:
Indice: La Transformada Z Convergencia de la Transformada Z Propiedades de La Transformada Z La Transformada Z inversa Método de la División Directa Método de Descomposición en Fracciones Parciales. Prof.
Más detallesA502 - Teoría de Sistemas y Señales
A50 - Teoría de Sistemas y Señales Transparencias Densidad Espectral de Energía de Señales Aperiódicas Autor: Dr. Juan Carlos Gómez Señales de Potencia Verifican TD: TC: Algunas Definiciones N 1 < P lim
Más detallesSeñales y sistemas Otoño 2003 Clase 22
Señales y sistemas Otoño 2003 Clase 22 2 de diciembre de 2003 1. Propiedades de la ROC de la transformada z. 2. Transformada inversa z. 3. Ejemplos. 4. Propiedades de la transformada z. 5. Funciones de
Más detallesINSTITUTO TECNOLÓGICO DE MASSACHUSETTS Departamento de Ingeniería Eléctrica e Informática
INSTITUTO TECNOLÓGICO DE MASSACHUSETTS Departamento de Ingeniería Eléctrica e Informática 6.003: Señales y sistemas Otoño 2003 Examen final Martes 16 de diciembre de 2003 Instrucciones: El examen consta
Más detallesMuestreo y Procesamiento Digital
Muestreo y Procesamiento Digital Práctico 5 Muestreo de señales de tiempo continuo Cada ejercicio comienza con un símbolo el cual indica su dificultad de acuerdo a la siguiente escala: básico, medio, avanzado,
Más detallesDFT : Direct Fourier Transform
DFT : Direct Fourier Transform Objetivo Explicar las características de la Transformada Directa de Fourier «DFT» mediante el análisis de algunos ejemplos. Interpretar el significado de los ejes de la transformación
Más detallesApuntes de Tratamiento Digital de Señales
8 Apuntes de Tratamiento Digital de Señales Fernando Cruz Roldán 7/9/8 Tema. Conceptos Básicos de Señales y Sistemas. Tema. Introducción al filtrado Digital. Tipos de Sistemas. 3 Tema 3. Cálculo de los
Más detallesSistema Automático de Reconocimiento Fonético
PROYECTO FIN DE CARRERA para la obtención del título de Ingeniero Industrial Sistema Automático de Reconocimiento Fonético Alumno: Francisco José Cadaval Arrola Tutor: Dr. J. Ramiro Martínez de Dios Departamento
Más detallesFormulario Procesamiento Digital de Señales
Formulario Procesamiento Digital de Señales M n=0 n=0 α n = αm+ α ( α n =, a < ( α sen(a ± B = sen(a cos(b ± cos(a sen(b (3 cos(a ± B = cos(a cos(b sen(a sen(b (4 cos (A = ( + cos(a (5 sen (A = ( cos(a
Más detallesProcesamiento Digital de. Ing. Biomédica, Ing. Electrónica e Ing. en Telecomunicaciones Capitulo III Transformada-Z
Procesamiento Digital de Señales Ing. Biomédica, Ing. Electrónica e Ing. en Telecomunicaciones Capitulo III Transformada-Z D.U. Campos-Delgado Facultad de Ciencias UASLP Enero-Junio/2014 1 CONTENIDO Definición
Más detallesAnálisis de Señales y Sistemas Lineales
Análisis de Señales y Sistemas Lineales Apuntes de clasetema IV Función de Transferencia Ing A Osman Universidad de Carabobo Facultad de Ingeniería Escuela de Telecomunicaciones Departamento de Señales
Más detallesProDiVoz. Estructuras de Realización de Filtros Digitales Dr. Juan Carlos Gómez
ProDiVoz Estructuras de Realización de Filtros Digitales Dr. Juan Carlos Gómez Estructuras de Filtros FIR Un filtro FIR de orden M está caracterizado por la ecuación en diferencias { hk} ( ) M k M y( n)
Más detallesModelos de producción de voz. Curso de doctorado 2001/2002 Inmaculada Hernáez
Modelos de producción de voz Curso de doctorado 2001/2002 Inmaculada Hernáez inma@bips.bi.ehu.es Modelos de producción de voz Teoría de la producción del habla El sintetizador de formantes Teoría de la
Más detallesSEÑALES, SISTEMAS Y CONVOLUCION SEÑALES
SEÑALES, SISTEMAS Y CONVOLUCION SEÑALES Las señales se procesan para extraer información útil (Procesamiento de Señales) En este curso trataremos señales unidimensionales que poseen como variable independiente
Más detallesINDICE 1. Panorama 2. Señales Analógicas 3. Señales Discretas 4. Sistemas Analógicos 5. Sistemas en Tiempo Discreto
INDICE Prefacio XI Del Prefacio a la Primera Edición XIII 1. Panorama 1.0. Introducción 1 1.1. Señales 1 1.2. Sistemas 3 1.3. El dominio de la frecuencia 4 1.4. Del concepto a la aplicación 7 2. Señales
Más detallesComunicaciones Digitales - Capítulo 3 - Ejercicios
CAPÍTULO 4. COMUNICACIONES DIGITALES. PROBLEMAS 1 Comunicaciones Digitales - Capítulo 3 - Ejercicios 1. Ejercicio 6.9 del libro: A. Artés, et al.: Comunicaciones Digitales. Pearson Educación, 007.. Ejercicio
Más detallesMuestreo y Procesamiento Digital
Muestreo y Procesamiento Digital Práctico Transformada de Fourier en tiempo discreto Cada ejercicio comienza con un símbolo el cual indica su dificultad de acuerdo a la siguiente escala: básico, medio,
Más detallestransmisión de señales
Introducción al análisis y transmisión de señales La transmisión de información La información se puede transmitir por medio físico al variar alguna de sus propiedad, como el voltaje o la corriente. Este
Más detallesTaller de Filtros Digitales 2016 Práctica 2
Taller de Filtros Digitales 2016 Práctica 2 1. Objetivo Familiarizarse con distintas técnicas de diseño de filtros digitales. 2. FIR - Diseño por ventanas Se desea diseñar un filtro pasabanda de fase lineal
Más detalles