THMMY.gr

enjoy

Για το γ) ο LMS και N-LMS σας βγάζουν καλή ποιότητα ήχου; Επίσης για το δ) θέλει να τρέξουμε όλους τους αλγορίθμους για διάφορες τιμές του σ του θορύβου; και για να βρούμε τα J(n) θέλει να κάνουμε αυτό το πράγμα για πχ 100 trials;

Στο πρώτο ερώτημα πρέπει να βγάλουμε συντελεστές α = [1 -0.8 0.13] ?
Σας βγαίνουν ακριβώς με Levinson-Durbin?  :???:

    1
    0.1203
   -0.8132

δε βγαίνουν ακριβώς

Δεν βγάζουν τέλεια ποιότητα ήχου. Ο RLS δουλεύει καλύτερα από όλα. Τώρα για το δ , δεν τ έχω κάνει αλλά υποθέτω ότι βαζεις διαφορες τιμες του σ ..εγω δεν θα το κανω για τοσα trials.. θα ελεγχω γενικα ποτε οι συντελεστες μου φτανουν σε συγκλιση ..αλλωστε το J(n) δεν θα σου δειξει τιποτα , γιατι το error εδω ειναι ο καθαρος σου ηχος και καλα.. Για να κανεις αυτο που υποθετω οτι θελεις θα επρεπε να εχεις και τον πεντακαθαρο ηχο και να συγκρινεις τις τιμες του με το e που βγαζεις απο καθε αλγοριθμο ξεχωριστα.

Στο δ, λέει να χρησιμοποιήσουμε την αντίστροφη συνάρτηση μεταφοράς του φίλτρου πρόβλεψης κλπ κλπ.
Αναφέρεται σε αυτήν από τα β-γ ερωτήματα ? Δηλαδή χρησιμοποιούμε τους συντελεστές w που βρήκαμε με αντίθετο πρόσημο ?

Ναι

Να ρωτησω κατι? Στον RLS το δ ποσο το πηρατε?

Όσο το έχει στο script που υπάρχει στο ethmmy.

στο ερωτημα β) οταν λεει να εκτιμησουμε την αναστροφη συναρτ μεταφορας εννοει να βρουμε τον πινακα με τα a ?

Ναι αυτό κατάλαβα κι εγώ. Στο τέλος όμως που ζητά την εκτίμηση μας για την συνάρτηση μεταφοράς του αισθητήρα, εννοεί πάλι συντελεστές ή τη θέλει σε μορφή H(z) ???

Το πρώτο ερώτημα το κάνατε με το χέρι???

Όχι

ούτε καν :P

ωραια ουτε εγω xD  :D

Εμένα μου βγαίνουν ακριβώς...μήπως έχεις βάλει μικρο n ?

Εγώ είχα βάλει n=1000.. Αυξάνοντας το n προσεγγίζεται καλύτερα η r(k) οπότε βγαίνουν (σχεδόν) ακριβώς ;)

Σχετικά με το γ ερώτημα για πόσα n βάλατε να τρέξουν οι αλγόριθμοι??εγώ και με τους 3 τρόπους δε μ φαίνεται να υπερέχει η ποιότητα και λέω μηπως βάζω μεγάλο αριθμο n :S

Όσα είναι τα δείγματα του ήχου

Για το πρώτο ερώτημα φτιάχνω ένα διάνυσμα v που είναι ο θόρυβος με σ=0.87. Μετά με την xcorr βρίσκω το r και το περνάω στο LevinsonDurbin(m,r).
Το m πόσο πρέπει να το βάλω; Δοκίμασα με m=2 ώστε να πάρω ενα πίνακα με 3 στοιχεία, αλλά βγάζει εντελώς άλλα από αυτά που ανέφεραν στην προηγούμενη σελίδα

why??? r:autocorrelation vector

xcorr(u) δίνει την αυτοσυσχέτιση του u.

Μαγεια!  ;D τοτε μαλλον δν την πολλαπλασιαζεις με var(u) !

Όπα άκυρη η xcorr αφού ξέρουμε τι ισχύει για λευκό θόρυβο.
Άρα ο πίνακας αυτοσυσχέτισης θα είναι r(0)=0.87 και όλα τα υπόλοιπα 0;

Πρέπει να το χω κάψει...
Το autocorrelation vector r που αναφέρει είναι το διάνυσμα αυτοσυσχέτισης του u ή του v;

Φτιάχνεις λευκό θόρυβο v και χτίζεις την αναδρομική σχέση u που σου δίνει. Και μετά βρίσκεις την αυτοσυσχέτιση του u και όχι του v..

   
Παράταση 4ης εργασίας
10 Ιουν 2014 12:16 πμ
Σισμάνης

Η  4η  εργασία  παίρνει  παράταση  έως  τις  12/6

με την ώρα τ παιζει? XD

13:37

Για το ερώτημα β:
1)από το  u (που είναι στο noise.mat) φτιαχνω το r με χρήση της xcorr
2)χρησιμοποιώ το LevinsonDurbin(4,r) για να βγάλω τους συντελεστές του φίλτρου
3) φτιαχνω το y όπως το έχει στο LDprediction.m:

Για την αφαίρεση θορύβου το κάνω όπως στην πρώτη εργασία e=d-y. Αν παίξω το e ακούγεται μόνο θόρυβος

Έχω κάνει κάτι λάθος  στην παραπάνω διαδικασία;

Πάρε ολόκληρο το φίλτρο a*u(i:-1:i-M)

Πάλι το ίδιο.
1)Θα χρησιμοποιήσω xcorr ή autocorr; Η xcorr μου δίνει διάνυσμα με διπλάσια στοιχεία από το u ενώ η autocorr διάνυσμα με 21 στοιχεία
2) Έβαλα y(i)=a' * u(i:-1:i-M);   με αυτό που μου δωσες  βγάζει σφάλμα Inner matrix dimensions must agree.

Η xcorr σου επιστρέφει το διάνυσμα r από -Μ έως Μ. Για να το χρησιμοποιήσεις πρέπει να κρατήσεις μόνο τα στοιχεία από 0 έως Μ. Συγκεκριμένα, εγώ χρησιμοποιώ τα: r = xcorr(u,M,'biased'); r = r(M+1:2*M+1);
Λογικά θα δουλεύει και το 2) μετά από αυτό.
Ελπίζω να βοήθησα.

Τελικά τι είδους διαγράμματα θέλει να βγάλουμε για το δ;