THMMY.gr

Ανέβηκε στο Υλικό Μαθήματος η  πρώτη εργασία.

Η προθεσμία λήγει την Παρασκευή 20 Απριλίου.

1) Ξερει κανεις ποσο πιανουν οι εργασίες/πως βγαινει ο τελικος βαθμος;
2) Τι παιζει με το μεγεθος των αρχείων ήχου; Μιλαμε για ~120 μεγκαμπάιτ. Αμ θα μου πεις ηχος ειναι, δεν ειναι παραλογο μεγεθος... υποθετω...

πέρυσι ήταν 0,5 η κάθεμια προσθετικά από όσο θυμάμαι

για το 2) : https://www.thmmy.gr/smf/index.php?topic=58832.msg1020892#msg1020892

επίσης να ζητήσετε από τώρα παράταση 5 ημέρες, λογικά θα δώσει όπως πέρυσι

Η εργασία είπανε οτι πήρε παράταση για 20 απριλίου;

Ναι. (Νομίζω πάντα για 20 Απριλίου ήταν και από λάθος έγραφε 10, κάτι τέτοιο άκουσα.)

παιδια υποτιθεται μετα που θα κάνουμε το φίλτρο μας πως ακριβώς Θα παρουμε τον ήχο  για να τον διορθώσουμε???

Έχει και κάτι .mat αρχεία αμα δεις στο eTHMMY. Ένα από αυτά είναι ο ήχος μαζί με θόρυβο.

ναι τα εχω δει αυτα! Τα κατέβασα και τα έβαλα στο αρχείο matlab!  δεν πρέπει να τα βάλω καπου στον κώδικα μου ή κατι?

Ε ναι, τα σήματα που θα χρησιμοποιήσεις στο φίλτρο θα είναι αυτά.

Τι να διαβάσουμε για την εργασία και από που;

Διαφανειες 1,2,3. Και τα αντιστοιχα απο του Haykin.

παιδιά επειδή έχω ξεχάσει μέχρι και τα βασικά από επεξεργασία σήματος και από τις σημειώσεις του Πιτσιάνη δεν καταλαβαίνω και πολλά...

Εστω το πολύ απλό σήμα v = [ 2 8 9 11 3]. Μπορεί να μου πει κάποιος πως βρίσκω το autocorrelation του;

Θες να το βρεις στο χέρι, με μαθηματικό τύπο δηλαδή, ή απλά μέσω MATLAB;

το P πως το βρίσκουμε;

Εφαρμόζεις τον τύπο της ετεροσυσχέτισης και κάνεις πράξεις.

Για να ακούσουμε το κομμάτι απλά αφαιρούμε το y(n) που βρίσκουμε από το d(n) και μετά το βάζουμε στο script που δίνει για τη μουσική;

Αν έχεις κάνει τα πάντα σωστά το κομμάτι μουσικής καθαρό από θόρυβο θα ισούται με το d(n) - y(n), ναι.

Οπότε υπάρχει λάθος στους πίνακες αυτοσυσχέτισης-ετεροσυσχέτισης, αφού ακούω θόρυβο...

Υπολογίστε το ελάχιστο μέσο τετραγωνικό σφάλμα, για το φίλτρο Wiener του προηγούμενου
υποερωτήματος.
To βρηκατε περιπου 1? οπου 1 ειναι ουσιαστικα η διακύμανση του χ(n)

Το MSE βγαίνει όντως ίσο με 1.

πιο συγκεκριμένα, αν για την εύρεση του Ru χρησιμοποιήσω την autocorrelation στον vector u και αντιστοιχα για την εύρεση του P την crosscorrelation στους πινακες  d και u, έλειξε το θέμα ή θέλει και χειροκίνητα;

E ναι σιγα , απλα να ξερεις οτι καθε φορα θα σου βγαζει διαφορετικο απ'το ιδανικο
αλλα κοντα στο ιδανικο(στο χερι) για την xcorr να βαλεις στο τελος 'unbiased' για να σου
βγει σωστα

το unbiased στο autocorr πως συντάσσεται; το xcorr απ όσο είδα κάνει το crosscorr

r = xcorr(d,u,1,'unbiased');
P = [r(2);r(3)];

εναλλακτικα για να ξερεις τι σου γινεται
uDelayed = [0;u(1:n-1)];
r1=mean(d.*u);
r2=mean(d.*uDelayed);
P=[r1;r2];
δεν το χω τεσταρει

τον δεύτερο τρόπο θα τον τσεκάρω τώρα.

για τον πρώτο, για να βρω το vector αυτοσυσχέτισης του u πατάω xcorr(u,u,1,'unbiased');

z=var(u)*autocorr(u,1);
R=toeplitz(z);

αλλα και αυτο που ειπες σωστο φαινεται

μάλλον όχι, μου βγάζει διαφορετικά αποτελέσματα. Γενικά ενώ το πράγμα φαίνεται πολύ απλό, τα δύο παραπάνω βγάζουν διαφορετικά αποτελέσματα και μεταξύ τους και σε σχέση μ' ένα παράδειγμα που έλυσα στο χέρι. Τσάμπα μπέρδεμα.

εδιτ: δικό μου λάθος. τα ίδια βγάζουν. απ το πάνω σχόλιο ισχύει μόνο το τσάμπα μπέρδεμα.

αυτα που σου γραψα με xcorr kai autocorr ειναι σωστα απλα  θα σου βγαζουν παρομοια
με το ιδανικο οχι ιδια γιατι τα σηματα ειναι πεπερασμενα

η εργασία είναι όλη στο ματλαμπ ή μονο το τελευταιο ερώτημα; γενικά τα 4 πρώτα ερωτήματα θεωρούμε οτι γνωρίζουμε τους πίνακες v και d μέσω των πινάκων noise και sound ή οχι;

Tα πρωτα ερωτηματα μεχρι την περιοχη συγκλισης ειναι στο χερι ουσιαστικα. Αυτα που κανεις στην ματλαμπ ειναι να εφαρμοσεις τον SD για τα διαφορα μ, και να γραψεις το scriptaki για να βρεις το κομματι.

Το noise και sound εχει να κανει μονο με το τελευταιο ερωτημα. Για τα πρωτα χρησιμοποιεις τις εξισωσεις που δινει στην αρχη, κατω απο το block διαγραμμα.

EDIT: Επισης, οσον αφορα τον κωδικα που γραφουμε, αυτος ειναι ουσιαστικα συμπληρωμα πανω σ'αυτα που εχει ηδη στο υλικο μαθηματος στο ετημμυ. Το λεω γιατι δεν ξερω αν ολοι το εχουν δει :)

αρχικα στο χερι για να καταλαβω τι κανουμε οποτε μετα μπορω να τεσταρω αν το matlab βγαζει τα ιδια!

Η αυτοσυσχέτισης ενός σήματος x(n) ορίζεται ως εξής:

(http://latex.codecogs.com/gif.download?%5Cdpi%7B120%7D%20r_x%28k%29%3DE%5Bx%28n%29x%28n-k%29%5D)

δεν ισχύει αυτός ο τύπος;

J_w0=σ_d² - (w₀^T * P)

όπου s_d² = s_x² + s_v²

Ισχύει.

γιατί πολ/ζεις την autocor(u) με var(u), και γιατί επιλέγεις να κρατήσεις μόνο τις τιμές που κρατάς για τον πίνακα ετεροσυσχέτισης;

Θέλω να υπολογίσω στο matlab την αυτοσυσχέτιση για τη συνάρτηση x(n). Αρκεί να την υπολογίσω για n=1:2 ?

Τι χρονους εκτελεσης εχετε; Τρεχει για ωρες (κυριολεκτικα) χωρις αποτελεσμα..

Περίπου 10 δευτερόλεπτα, αν εννοείς το κομμάτι με τον ήχο. Κάτι έχεις κάνει σίγουρα λάθος. Δες ποιό κομμάτι του κώδικα σου καθυστερεί τόσο πολύ.

Πόσο βγαίνει το Ru στο πρώτο ερώτημα?

Το ελάχιστο MSE που ζητάει το Jw0 θα είναι, έτσι;
Όπου  s_x²  θα είναι var(x);

Πόσο σας βγαίνει;  :)

Ναι, ναι, και:

Βασικά αυτό το είχα δει... Απλά εμένα μου βγαίνει γύρω στο 1,5.. Λογικά κάτι έχω λάθος, ε;  :???:

Νομίζω πως βγαίνει ακριβώς 1, οπότε κάτι έχεις κάνει λάθος, ναι.

Πφφφ... θα το ψάξω.. Ευχαριστώ πάντως! :)

αλητεία επιλογή ο Πιτσιάνης

Κι αυτή η εκτέλεση είναι πολύ ωραία!  :)
https://www.youtube.com/watch?v=t5SlUmCdXf0

Πόσο θόρυβο περιμένουμε να έχει το τελικό αποτέλεσμα? Ακούω κάτι, αλλά έχει αρκετά χιόνια από πάνω.

Επίσης, στον κώδικα που μας έχει δώσει, κάνει adaptation και φιλτράρισμα στο ίδιο for loop. Τι νόημα έχει αυτό? Δεν υποτίθεται ότι το w συγκλίνει σε κάποιες τιμές και παραμένει εκεί, και μετά φιλτράρουμε όλο το κομμάτι με το ίδιο w; Έτσι ξεκινάμε να φιλτράρουμε με ένα πολύ χάλια w, και όσο περνάει ο χρόνος βελτιώνεται.

Και επίσης, για τη σύγκλιση δεν χρειάζεται τόσες επαναλήψεις, μετά από ~100 με αρκετά μεγάλο μ δεν θα έπρεπε να συγκλίνει; Δεν έχω καταλάβει κάτι?

Wu-tang έπρεπε να βάλει

Το τελικό κομμάτι πρέπει να ακούγεται πολύ καθαρά αν το κάνεις σωστά.

Νομίζω ότι στον κωδικα που μας εχει δώσει το κάνει για να δειξει τη σταδιακή προσαρμογή στα διαγράμματα που προβάλλει στη συνέχεια

Για τη σύγκλιση ο αριθμος των επαναλήψεων που χρειάζονται εξαρτάται από το μ. Γενικά στο εύρος των τιμών του μ για τις οποίες αποδεικνύεται με βάση τις ιδοτιμές του πίνακα Ru ότι θα έχεις συγκλιση, καλυτερες ειναι οι μεσαιες περιπου

Χωρίς τρελή γνώση, την βγάζω την εργασία μέχρι Σάββατο βράδυ γαμιώντας ή να ξεkινήσω τη δεύτερη του ΨΕΕ από τώρα;

Νομιζω την βγαζεις ανετα. Δες λιγο το τοπικ εδω τι εχει ειπωθεί και εισαι κομπλε λογικα.

Μπορείτε να μου πείτε την αυτοσυσχέτιση του u στο τελευταίο ερώτημα; Όταν κάνω autocorr μου βγάζει "out of memory". Το έκανα σε ένα μικρό κομμάτι των δεδομένων και έβγαλε R = [1 0.8294;0.8294 1]. Είναι σωστή; Το σήμα συνεχίζει να έχει πολύ θόρυβο :(

Για την ετεροσυσχέτιση, μπορώ να πω ότι P(-1) = E[u(n-1)*d(n)] = E[u(n)*d(n-1)]?
Edit: Βλακεία μου, είναι λάθος.

Ας ξεκινήσω την εκτύλιξη του μήτου της άγνοιάς μου για αυτήν την εργασία με την εξής ερώτηση: Η ετεροσυσχέτιση έχει κάποια συμμετρία, άρτια ή περιττή;

Και εγώ έτσι νόμιζα, αλλά όχι.

Τότε πως υπολογίζουμε τον πίνακα P για το v και το d; Μήπως είναι απλά [σ_υ² 0]; η Ru βγαίνει [0.51 -0.21;-0.21 0.51];

Είναι [σ_υ² 0] και προκύπτει από τον ορισμό, κάνοντας αντικατάσταση το d(n).
Η Ru και εμένα έτσι μου βγαίνει

παιδια εκανα αυτα που μας ζηταει στο matlab και οντως ακουω το κομματι καθαρα στο τελος.
Ωστοσο δεν εχω κανει τιποτα ''στο χερι'' και δεν καταλαβαινω τι ακριβως εννουμε με αυτο...
με βαση οσα διαβασα στα προηγουμενα post καταλαβαινω οτι αυτος θελει να υπολογισουμε και καποια συνελιξη or something στο χαρτι;
και μετα π.χ να τη scanaroume; η σε latex?
wtf γενικα;  :P

Μπορείς να μου πεις αν η αυτοσυσχέτιση του u που χρησιμοποίησες στο τελευταίο ερώτημα είναι R = [1 0.8294;0.8294 1]? Στο χαρτί αυτά που υπολόγισα εγώ είναι οι πίνακες αυτοσυσχέτισης και ετεροσυσχέτισης R και P για τα πρώτα ερωτήματα. Δεν νομίζω ότι χρειάζεται υποχρεωτικά κάτι στο χέρι.

αυτο που βρηκες πολλαπλασιασε το με var(u)
και θα σαι κομπλε (τα διαιρει με var(u) γι'αυτο εχεις 1)

για την αυτοσυσχετιση και την ετεροσυσχετιση εκανα αυτα :

[r,~] = xcorr(u,u,N-1,'biased');
r = r(N:end);
R = toeplitz(r);  % autocorrelation matrix

p = [sigma;0]; % cross correlation vector

και πηρα r = [1.69 , 1.35]

έχοντας τους 2 αυτους πινακες μετα είτε με την εξίσωση R\p είτε με το steepest descent βγάζεις τα 2 w, απο κει το y με τον δοθέν τύπο και απο κει το e = d-y και αυτο το e αν το ακουσεις είναι το τραγουδι χωρίς θόρυβο.
Πάντως εγώ και στα πρώτα ερωτήματα ακριβώς τα ίδια πράγματα έκανα στο Matlab, με μόνη διαφορά ότι το u αντι να το κανω load το εφτιαξα μόνος μου όπως στα παραδείγματα του ethmmy...και επίσης το x το όρισα μόνος μου όπως στην εκφώνηση..
συγεκριμένα έκανα αυτό:
for i=1:n
    x(i) = sin(i*pi/4 +pi/3) + cos(i*pi/8 +pi/3);
end
d = x + v;

και μέχρι πριν διαβάσω τα Post στο ετημμυ θεωρουσα οτι ειχα τελειωσει την εργασία, τώρα δεν είμαι και τόσο σίγουρος  :o

αλλη μια απορια:

οταν μας ζηταει να βρουμε για ποια m συγκλινουμε στην πραγματικη λυση, εννοουμε το J να είναι κοντα στο Jmin, ή το τελευταιο w του steepest descent να είναι κοντα στο w της εξίσωσης wiener hopf;
Υποπτεύομαι ότι και οι συνθήκες θα ικανοποιούνται περίπου για τα ίδια m αλλά εν πάση περιπτώση ποιο από τα 2 ορίζουμε ως ''λύση'', το Jmim ή το w;

το ιδιο ειναι

Ευχαριστώ!!  :)

Μπορείς απ'ότι κατάλαβα να τα κάνεις και όλα στο Matlab. Απλά εγώ το βρήκα πιο εύκολο και σίγουρο στο χαρτί. Τώρα αυτό που λες για συνέλιξη κτλ δεν το έχω δει πουθενά, νομίζω είσαι οκ. Εσύ πού το διάβασες;

δεν ξέρω πως ακριβώς υπολογίζονται οι πίνακες στο χέρι, απλά οι τύποι για cross correlation που βρήκα στο interner
(π.χ εδώ http://en.wikipedia.org/wiki/Cross-correlation) είναι γεμάτοι συνελίξεις κτλπ γι αυτό και φρίκαρα στην ιδέα να τους εφαρμόσω....

σελ 12 optWienerFilt σημειωσεις εγω απο κει ειδα και το κανα

σου γραφω την 1 εξισωση

v(n) = u(n) + 0.42u(n-1)

u(n)*v(n) = u(n) *( u(n) + 0.42u(n-1) )
Eu(n)*v(n) = Eu(n) *( u(n) + 0.42u(n-1) )
Eu(n)*v(n)  = r(0) + 0.42r(1)

Eu(n)*v(n)  = E [v(n) - 0.42u(n-1) ]*v(n) = 0 +  0.42 = diakymansh 8orybou
-E0.42u(n-1)*v(n) = 0 (white noise comes to the rescue)

Ara exoume r(0) + 0.42r(1) = 0.42

h allh  Eu(n-1)v(n) =Eu(n-1)*( u(n) + 0.42u(n-1) )

kai exeis telika 2 eksiswseis me agnwstous r(0), r(1)

αα οκ δεν είχα ασχοληθεί με θεωρία να πω την αλήθεια...ευχαριστώ θα τα κοιτάξω!

Για το διάστημα μ, παίρνουμε κάποιο τμήμα του κώδικα gradWienerFilt.m; Γιατί το τρέχω στο Matlab να δω πως λειτουργεί και βγάζει κάτι σχήματα. Πρέπει να βγάλουμε κι εμείς κάποια σχήματα για το μ;

Για τα όρια του μ, παίρνεις την συνθήκη σταθερότητας (σελ 15, steepDesc.pdf)

Οκ, σ' ευχαριστώ πολύ. Καμιά ιδέα για την προσαρμογή στο ερώτημα 4; Βλέποντας τις σημειώσεις, μήπως τώρα θα πρέπει να χρησιμοποιήσουμε το gradWienerFilt.m για διάφορα μ;

Για το δεύτερο ερώτημα με το steepest descent, τον πίνακα R θέλει να τον υπολογίσουμε στο Matlab ή στο χέρι;

για το ελαχιστο τετραγωνικο σφαλμα δεν ισχυει ο τυπος Jwo = σd^2 − p^T *R^(−1)*p

Ελπίζω απλά να ξέχασες να βάλεις ερωτηματικό, γιατί αν πρόκειται για κατάφαση I'm screwed. Διαφορετικά, αυτός είναι ο τύπος!

ναι το ξεχασα :D :D απλα βαζω αυτο τον τυπο και μου βγαινει παρα πολυ μικρο νουμερο και δεν 3ερω αν κανω κατι λαθος ! κατι διαβαζα οτι πρπει να βγαινει 1 αν δεν κανω λαθος...

Για το δεύτερο τμήμα,
Αφού δεν ξέρουμε τον αισθητήρα, μπορούμε να το υπολογίσουμε στο χέρι?

Εμένα 1 μου βγήκε. Μήπως το sd² έχει θέμα; Προσωπικά, για το sx² πήρα το x(n) για n=1:1000. Μήπως έχεις εκεί θέμα;

Αν εννοείς το τελευταίο ερώτημα με το noise.mat, στο Matlab θα βρεις το R.

ναι το κατάλαβα μετά, ευχαριστώ Σοφία  :D 8))

Στο ερωτημα με το τραγουδι, τη διακυμανση του λευκου θορυβου πως τη χρησιμοποιουμε?

το P= [0.51 ; 0]  απευθειας  αλλα μπορεις ν τ βρεις και με συναρτησεις matlab (xcorr)
Αρα γτ το δινει δεν ξερω αλλα εχεις 2 επιλογες

Οταν το βαζω ετσι ακουγεται αψογα. Ενω οταν υπολογιζω την ετεροσυσχετιση με τις συναρτησεις εχω χιονια

κανεις κατι λαθος, δες τι αποτελεσματα σου βγαζει πρεπει να ναι κοντα σ'αυτο

το μ πρεπει να βρισκεται 0<μ<2/λμαχ  για να συγκλινει λμαχ η μεγαλυτερη ιδιοτιμη του R
και κανεις οτι κανει 10 σελ και μετα,, σημειωσεις steepDesc (γραφικες παραστασεις)
(προφανως χρησιμοποιεις το gradWienerFilt.m με καποια μικρη προσαρμογη)

Την xcorr πως την χρησιμοποιείτε?Δεν βγάζει σφάλμα για out of memory?Όσο για τον P γιατί να είναι 0 το δεύτερο στοιχείο?

για την xcorr εγω γραψει ακριβως τι γραφεις σε προηγουμενο post
οσον αφορα το out of memory καν'τα load και παρε μετα μικροτερα σηματα  πχ u=u(1:20000)
d=d(1:20000). Το αποτελεσμα θα ειναι το ιδιο για μικροτερο κομματι ηχου. Λειτουργει γιατι
η εργασια ουσιαστικα ειναι να προσεγγισεις τον θορυβο και τα στατιστικα χαρακτηριστικα του
θορυβου παραμενουν ιδια ανεξαρτητα του χρονου.

Το y(n) είναι είναι το w0*u(n); Έχω βρει R,p και δεν ξέρω τι να κάνω για να παίξει το κομμάτι. Α little help someone?

s = [0; u];
for i=2:length(d)
  y(i) = s(i:-1:i-1)' * w;
end

Αυτός είναι ο κώδικας, όπως είναι και στο scriptάκι του Σισμάνη

Το έκανα αυτό, βγάζω και το σφάλμα d-y αλλά πάλι θόρυβος ακούγεται. Γτ ρε γμτ;

Κάνε y=[y(2:end);0]; και μετά τρέξε το d-y

Όσο inappropriate κι αν ακουστεί, σ' αγαπώ!

Για το ερώτημα με το steepest descent που λέει για προσαρμογή των συντελεστών για διάφορα μ, απλά χρειάζεται αν κάνουμε δοκιμές τη steepest descent για διάφορα μ τυχαία, εντός και εκτός του διαστήματος σύγκλισης;  :-\

για εκτός ποιο το νόημα; Να τους δείξεις ότι θα φεύγει; Ίσως να πρέπει να βάλεις κάτι παραπάνω απο τα όρια που βρήκες

Νομίζω ότι απλά αυτό θέλει,να δείξεις ότι όντως αν είναι πολύ μεγάλο το βήμα ξέρω γω αν έχεις μ τεράστιο τότε δεν συγκλίνει.

Εμένα με μεγαλύτερο μ μου βγάζει πρόβλημα το matlab και κλείνει μόνο του.. Τον αρχικό πίνακα w στη μέθοδο πως τον επιλέγω; σε κάποιο παράδειγμά του το θέτει w=[-5;-5] με ποια λογική;

Μάλλον έφταιγε ότι οι πίνακες u και d ήταν τεράστιοι, αν τους κόψω τότε είναι οκ.

Η εργασία πήρε παράταση ως το Σάββατο 25. (Από το ethmmy.)

Αν πάρω τον αλγόριθμο από το ethmmy και αλλάξω τα σήματα και τους πίνακες αυτοσυσχέτισης και ετεροσυσχέτισης, δεν θα πρέπει η γραφική παράσταση του d-y να ταυτίζεται με του x?