THMMY.gr

Topic αποκλειστικά για τη συζήτηση της εργασίας του μαθήματοστελέσματα για δοκιμές κατά την υλοποίηση της εργασίας

9 Δεκ 2016 2:00 μμ
Δίου

Σας δίνονται πλέον κάποια αποτελέσματα που ενδεχομένως βοηθήσουν στην υλοποίηση της εργασίας. Επίσης ενημερώθηκε η εκφώνηση της εργασίας ώστε να διορθωθούν κάποια λάθη (χωρίς ωστόσο κάποια αλλαγή επί της ουσίας).


Αλλαγή στην ενότητα 2.6 της εργασίας σχετικά με τον Κβαντιστή
29 Δεκ 2016 4:36 μμ
Δίου

Καλησπέρα και χρόνια πολλά σε όλους
Είναι πλέον διαθέσιμη η έκδοση 1.2 της εργασίας με κάποιες αλλαγές στο κομμάτι του κβαντιστή (ενότητα 2.6, σελίδα 14 της εκφώνησης). Οι αλλαγές είναι οι ακόλουθες:
Απλοποιήθηκε ο τρόπος υπολογισμού του Global gain και των scalefactors. Σημειώστε ότι το global gain υπολογίζεται πλέον διαφορετικά
Διορθώθηκαν οι δείκτες των scalefactor gains που δημιουργούσαν σύγχυση


Ημερομηνία Παράδοσης: 28/02/2017

Έχει αρχίσει κανείς;

Πόσο SNR βγάζετε στο level 1? Εμένα μου βγαίνει 30dB αντί για 300..

Πόσα σημεία σας βγήκαν σαν eight short sequence??

302dB με Kaizer 307 με SIN


11

Ωραία, οπότε έχω λαθος :P
Στο σημείο που λέει για το υψιπερατο φίλτρο. Εγώ βάζω όπου z το κάθε δείγμα, είναι σωστό αυτό??η πρέπει να κάνουμε κάτι άλλο??

 :D :D :D :D ΟΧΙΙΙΙΙΙΙΙΙΙΙΙΙ  :D :D

Πρέπει να χρησιμοποιήσεις τη συνάρτηση filter του ματλαμπ.

Ευχαριστω :) :)

λοιπον κατι ακομη
γιατι ακομη δε μου βγαινουν 11 τα eight short sequence, μου βγαίνουν 7
για το πρωτο frame που δε ξέρουμε το προηγούμενο, εγώ ελέγχω το επόμενο και αν το επόμενο είναι eight short sequence το θέτω σαν long_start_sequence αλλιώς σαν only_long_sequence.
και επίσης κάνω το αντίστοιχο και για το τελευταίο frame
είναι σωστή αυτή η λογική?

Για το τελευταιο frame δεν υπάρχει κανένα πρόβλημα, οπότε είναι περιττό να το κάνεις έτσι. Για το πρώτο θεώρησε ότι το προηγούμενο είναι OLS καθώς δεν αναμένεις στα πρώτα δείγματα κάτι το ιδιαίτερο. Πάλι όμως δε θα δεις διαφορά γιατί μάλλον αλλού είναι το λάθος.

γκρρ >:(

θενκς

παιζει να ειναι αυτο γιατι το εφαρμοζα για ολο το frame, και οχι για καθε sub-frame

αν μου βγει χοντρηπατατα <3 <3

Απαιτηση για να δουλέψει σωστα ο huffman για τα scale factor gains ειναι να ισχύει
abs(max(diff(aj)))<=60. Ή τελικά αφού κωδικοποιούμε τα aj κατα DPCM πρεπει max(abs(sfc))<=60  οπου sfc τα aj κωδικοποιημένα κατα DPCM αφού τα  εχουμε αφαιρέσει απτό Global Gain.

Όμως το.πρωτο στοιχειο του vector (ή πίνακα για esh) του sfc αποθηκεύεται αυτούσιο όπως είναι (sfc(0)=G-aj(0)) και αρα προφανως μπορεί να είναι πάνω απο 60.

Τι.κάνουμε σε αυτή την περίπτωση ?

Αλλαγή στην ενότητα 2.6 της εργασίας σχετικά με τον Κβαντιστή
29 Δεκ 2016 4:36 μμ
Δίου

Καλησπέρα και χρόνια πολλά σε όλους
Είναι πλέον διαθέσιμη η έκδοση 1.2 της εργασίας με κάποιες αλλαγές στο κομμάτι του κβαντιστή (ενότητα 2.6, σελίδα 14 της εκφώνησης). Οι αλλαγές είναι οι ακόλουθες:
Απλοποιήθηκε ο τρόπος υπολογισμού του Global gain και των scalefactors. Σημειώστε ότι το global gain υπολογίζεται πλέον διαφορετικά
Διορθώθηκαν οι δείκτες των scalefactor gains που δημιουργούσαν σύγχυση

Ποια frames βγάζετε 'ESH' στο περίπου;

Επίσης σύμφωνα με την εκφώνηση ένα 'ESH' οπωσδήποτε πρέπει να περικλείεται απο LSS και LPS, άρα απαγορεύται να έχουμε 2 ESH στη σειρά, όπως απαγορεύεται το πρώτο ή τελευταίο frame να είνιαι ESH.

Ισχύει αυτό;;

2,27,45,52,70,87,114,148,156,165,199,234

Μπορεις να έχεις δυο ESH στη σειρά με βάση το 2 σελ 4

και εγώ τα ίδια έχω...

Μπορεί να μου εξηγήσει κανείς γιατί στην ανακατασκευή, εκεί που είχα ESH έχω θόρυβο ενώ εκεί που δεν είχα δεν έχω σχεδόν καθόλου θόρυβο??  >:( >:( Και για αυτό το SNR μου βγαίνει στο 11  >:(

Δες αν τοποθετείς μονο τα 1152 ενδιάμεσα στοιχεία του FrameF στη σωστή θέση

Σωστά τα τοποθετώ νομίζω γαμώτο..  :(

Στην filterbank (για esh):
-Απορρίπτω εντελώς τις 448 πρώτες και τελευταίες τιμές του frameT, και χωρίζω τις 1152 κεντρικές τιμές σε 8 επικαλυπτόμενα δείγματα 256 μεγέθους με 50% overlap (δηλαδή 128 hop).
-Εφαρμόζω το ίδιο παραθυρο μηκους 256 σε ολα αυτα τα 8 subframes
-Εφαρμόζω mdct

Στην iFilterBank (για esh):
-Εφαρμόζω imdct άρα ανακτώ τις 256 x 8 τιμές
-Εφαρμόζω το παράθυρο σε κάθε sub-frame
Για να μετατρέψω τα 256x8 σε 2048 όπως πριν, αρχικοποιώ ένα διάνυσμα με τα 448 πρώτα και τελευταία στοιχεία ίσο με το μηδέν, και έπειτα τα 1152 κεντρικά στοιχεία τα ανακτώ κάνοντας overlap+add τα subframes ...

Καλά τα λες. Κάπου λάθος γίνεται!

Όντως... Είχα ένα λάθος indexing σε κάποιο πίνακα   :D ..

Τώρα πήγε απο 10 snr σε 50.. Υπήρξε βελτίωση  ;D

Χρησιμοποίησε και παράθυρο SIN και δες την καινούρια εκφώνηση για το παράθυρο KBD

Την είδα...

Κοίταξε πάλι έχω προβληματάκι στα esh μόνο.

Ίσως να μην κάνω σωστά recover τις "χαμένες" 448 πρώτες και τελευταίες τιμές του ESH.

Σύμφωνα με το transition.png, οι πρώτες 448 του ESH θα πρέπει να γίνουν ίσες με αυτές του LSS οι οποίες πολ/στηκαν με παράθυρο μόνο με άσσους.
Αντίστοιχα οι τελευταίες 448, αυτές που πολ/στηκαν στο LPS με άσσους.

Τώρα δεν ξέρω για τις υπόλοιπες, δηλαδή για αυτό το τελευταίο transition από LSS σε ESH (παραθυράκι 128) και απο ESH σε LPS...

Ίσως εκεί το χάνω.

Δε χρειάζεται να σε απασχολεί αυτό. Εσύ απλώς πρέπει για κάθε frame, ότι και να είναι αυτό, να το ανακατασκευάζεις με το σωστό τρόπο. Για όλα εκτός από το ESH απλώς κάνεις imdct και παραθυρώνεις. Για το ESH κάνεις imdct και παράθυρο για κάθε subframe, κάνεις overlap και add για κάθε subframe και τα 1152 τα στοιχίζεις σε ένα παράθυρο με 448 μηδενικά δεξιά και αριστερά και 1152 δείγματα που προκύπτουν από την προηγούμενη διαδικασία. Εφ' όσων το κάνεις αυτό και αν κάνεις το overlapp 50%-add για κάθε παράθυρο σε μια εξωτερική ρουτίνα και ανεξαρτήτως του τι είναι, η ανακατασκευή θα είναι σωστή και σχεδόν τέλεια ξεπερνώντας τα 300dB σηματοθορυβικού λόγου.

Α μάλιστα...

Τι να πω ρε γαμώτο...

Βέβαια χρησιμοποιώντας το εξής scriptακι (http://www.ee.columbia.edu/~marios/mdct/mdct_giraffe.html) και κάνοντας linframe και linunframe ένα διάνυσμα 1152 στοιχείων (πχ για την περίπτωσή μας) με παράμετρο 'trunc', παρατηρώ πώς δεν γίνεται τέλεια ανακατασκευή, ενώ με 'sym' γίνεται τέλεια (αλλά επιστρέφει πίνακα 256x10 στοιχείων λόγω των padded zeroes)...

Πχ:

clear;clc;
x  = randn(1152,1); % estw oi 1152 kentrikes times tou ESH

[fx1,fpad1] = linframe(x,128,256,'sym'); % hop=128 and win=256, thus 50% overlap -> epistrefei 256x10
[fx2,fpad2] = linframe(x,128,256,'trunc'); %xwris padded zeros (->oxi reconstructable ??) -> epistrefei 256x8

fx1W = winit(fx1,'sinewin');
fx2W = winit(fx2,'sinewin');

FX1 = mdct4(fx1W);
FX2 = mdct4(fx2W);

fy1 = imdct4(FX1);
fy2 = imdct4(FX2);

fy1W = winit(fy1,'sinewin'); % rewindow
fy2W = winit(fy2,'sinewin');

y1  = linunframe(fy1W,128,fpad1); % OLA
y2  = linunframe(fy2W,128,fpad2);

e1  = mean((x-y1).^2) % so our error for mdct4
e2  = mean((x-y2).^2)

noise1 = x-y1; noise2 = x-y2;

snr(x,noise1)
snr(x,noise2)

e1 =

   1.3843e-31


e2 =

    0.1257


snr1 =

  308.8246


snr2 =

    9.2427


EDIT:
Μόλις είδα αυτό:

Τα παράθυρα εμένα μου φαίνονται μη-επικαλυπτόμενα.. Κάνω λάθος;

Δηλαδή 8 παράθυρα μήκους 128:
πρώτο:[577,704]
δεύτερο:[705,832]
τρίτο:[833:960]
κλπ..

Είναι επικαλυπτόμενα :p

Είναι μη επικαλυπτόμενα!

Σήμερα επιτέλους βρήκα το λάθος μου...

Η kaiser του ματλαμπ οταν την καλεσεις θελει kaiser(M+1,beta) και οντως ετσι ειναι και απτον τυπο στην εκφωνηση λεει 0<=n<=Ν/2.. Το βλεπα τοσο καιρο και ουτε καν το αντιλαμβανομουν   :D

I have been telling you to use SIN window.

 ::)  ::) ;D

στο demo3, θέλει το bitrate του συμπιεσμένου ή του ασυμπίεστου;

Δε βάζεις και τα δύο να δεις τη διαφορά;

Επίσης τι SNR και τι compression βγάζεις στο 3ο επίπεδο;

Με KBD παράθυρα:

Level 1 demo
------------
Coding time: 0.60437 seconds
Decoding time: 0.32828 seconds
Channel 1 SNR: 301.54 dB
Channel 2 SNR: 301.6438 dB
 
Level 2 demo
------------
Coding time: 0.97132 seconds
Decoding time: 0.25601 seconds
Channel 1 SNR: 301.5199 dB
Channel 2 SNR: 301.6397 dB
 
Level 3 demo
------------
Coding time: 116.1127 seconds
Decoding time: 4.6233 seconds
Channel 1 SNR: 6.4423 dB
Channel 2 SNR: 6.3303 dB
Uncompressed audio size: 1.0795 MB
Uncompressed audio bitrate: 187.5073 KB/s
Compressed struct size: 223.1719 KB
Compressed struct bitrate: 37.8554 KB/s
Compression ratio: 20.1888 % (x 4.9532)

 Στην psycho, στο βήμα 3, το προηγούμενο και προ-προηγούμενο frame πολλαπλασιάζονται και αυτά με το hann window ;

Επίσης στο βήμα 7 αναφέρει πώς το tonality index (tb) πρέπει να είναι απο 0 έως 1. Στην περίπτωση που μας βγαίνει απο -1 εως 0 το force-αρουμε εμεις στο 0 εως 1 ή σημαίνει ότι πολύ απλά κάπου έχουμε λάθος ;  :P

εγω ετσι καταλαβα

Επίσης ο τύπος για το hann window είναι διαφορετικός σε εκφώνηση και στο πρότυπο (w2203tfa.pdf σελ 97).

Στην εκφώνηση το όρισμα του συνημιτόνου είναι διαιρεμένο με N (όπου Ν = 2048 ή 256) ενώ στο πρότυπο είναι διαρεμένο με iblen (όπου iblen=1024 ή 128).

Προφανώς το πρώτο βγάζει 1/4 ημιτόνου ενώ το δεύτερο βγάζω 1/2 ημιτόνου...

EDIT:

Ακόμη, στην AACquantizer στο βήμα 2 (εκφώνηση) λέει πώς αυξάνουμε το a(b) όταν η ισχύς σφάλματος κβαντισμού είναι κάτω απ'το κατώφλι ακουστότητας.
Παρόλαυτα, στο πρότυπο (W2203TFA.PDF)σελ 142 λέει το αντίθετο... δηλαδή ότι αυξάνουμε αν το error power είναι πάνω απτο threshold.......

Σου είναι εύκολο ν μου πεις τα στοιχεία που βγαζεις για το Level 3 με scalefactors=0;

Με την υλοποίηση μας στο τρίτο επίπεδο έχουμε τα εξής:

SNR=10dB
Compresion=63%

Είμαστε μακριά από την βέλτιστη υλοποίηση, όμως έχουμε κάποια θετικά αποτελέσματα. Αν  κάποιος έχει να δώσει κάποια συμβουλή ή αποτελέσματα θα ήταν ευπρόσδεκτος!

Έχετε πετύχει πολύ καλό snr στο 3ο επίπεδο. Το compression εννοείς Δεν είναι βέλτιστο Ε; από ότι βλέπω στο ετημμυ Έχει πετύχει μικρότερο

Yeap, αυτό ακριβώς. Δε βλέπω πλέον πως μπορώ να ρίξω και άλλο το compression! Αν υπάρχει κάποιο τρικ που εχετε βρει ρίχτε το!

Για το μέγεθος/bitrate του struct λαμβάνεις υπόψιν τα πάντα; Δηλαδή sfc,stream,tnscoeffs,G κλπ; Κανονικά έτσι πιστεύω Πρέπει να γίνει Αλλά Πρέπει να καθοριστούν σωστά πόσα μπιτς θα χρεώσουμε τα tnscoeffs G κλπ...

Βέβαια στο.ετημμυ δν.παίζει να λαμβάνουν.υπόψιν τα πάντα...  Εγώ Λαμβάνω.υπόψιν Μόνο stream και sfc Κ βγάζω σχεδόν ολόιδιο compression με.αυτους.

Χμμ για να το τσεκάρω!

dB πόσα βγάζεις.

Επίσης στα scalefactors βάζεις κάποιο όριο να μην γίνουν θετικά ή κάτι τέτοιο; Γιατί εμένα ξεκινάνε απο -80 ας πουμε αλλα μπορεί να γινουν και θετικα και μετα γινεται χαμός!

Λύθηκαν οι απορίες μου. Ευχαριστώ πολύ!

Τελικά αποτέλεσματα προς σύγκριση

SNR for channel 1: 4.2881dB
SNR for channel 2: 3.9095dB
Time elapsed for decoding is 122.32644 seconds
Coding achieves a compression of 13.45439%
Bitrate of initial song is 187.500000 KB/sec
Bitrate after coding is 25.226981 KB/sec

Με KBD Παράθυρα:

Starting Encoding Level 3 Procedure...
Elapsed time is 248.696520 seconds.
Starting Decoding Level 3 Procedure...
Elapsed time is 15.732745 seconds.
Results After Level3 AAC:
SNR for Channel 1: 4.384260
SNR for Channel 2: 4.141738
Uncompressed Audio Size: 1.1319 MB
Uncompressed Audio Bitrate: 1.536 Kbits/s
Compressed Struct Size: 143.6517 KB
Compressed Struct Bitrate: 194.9348 Kbits/s
Compression ratio: 12.69% (x 7.88)



Όλα αυτά λαμβάνοντας υπόψιν μόνο το μέγεθος του stream και των sfc...

Πάντως τα δικά μου είναι με όλα τα μέρη του struct αναθέτοντας απλά τα σωστά bits σε κάθε field του struct, πχ 4bits για κάθε TNScoeff.

Παιδιά υπάρχουν πουθενά οδηγίες για την iAACoder1 που δεν βρήκα;
Λέω για το level 1

Έχω κολλήσει και δεν ξέρω πως να κάνω τα frameT (τα έχω στο πεδίο του χρόνου) που είναι επικαλυπτόμενα ξανά συνεχόμενα sample για να τα κάνω wav  :(

Φτιαξε έναν πίνακα που να χωρά όλο το κομμάτι.Στην αρχή εισαι στην αρχή του πίνακα. Στη συνέχεια κάθε φρειμ frameF έχει 1024 δείγματα. Κάνε αντιστροφή τους στο χρο΄νο και βάλτα στον πίνακα. Προχωρα το δείκτη κατα 1024. Πάρε το επόμενο φρειμ, αντιστροφη στο χρόνο και πρόσθεσε το στον μεγάλο πίνακα στη θέση 1024. Προχωρα 1024 δειγματα κοκ

Δηλαδή κάθε φορά επικαλύπτω το 2ο μισό του προηγούμενου φρέιμ που έβαλα στον πίνακα?
Ετσι είναι σαν να κρατάω τα πρώτα 1024 δείγματα για κάθε φρέιμ αν κατάλαβα καλά.

edit: Αφού στο χρόνο τα φρέιμ έχουν 2048 δείγματα

Γι αυτό τα προσθέτεις στον καινούριο πίνακα.

ΑΑΑ σόρυ. Τώρα το έπιασα. Μιλάς για πρόσθεση όχι απλή εκχώρηση.
Το ίδιο και για να συνθέσω πάλι τα 8 subframe των eight short φαντάζομαι.

Ευχαριστώ πολύ

Πού το είδες αυτό ρε ψυχή και παλεύω μια μέρα; Δεν ισχύει, όλο το frame πρέπει να περάσει από το φίλτρο και μετά παίρνεις τα (μη-επικαλυπτόμενα, όχι επικαλυπτόμενα!) παράθυρα 128 δειγμάτων. Είναι σαφής η εκφώνηση, έστειλα και μήνυμα στον κ.Δίου και επιβεβαίωσε.

Για το φίλτρο έχεις δίκιο είπα μαλακία. Εγώ επικαλυπτόμενα τα βλέπω στο σχήμα 3, τώρα αν τα βλέπω τόσο λάθος οκ.
Επίσης μπορείς να το δεις σελ 10 του προτύπου SP-040430.pdf που έχει ανεβάσει!

Ωστόσο, αφού απάντησε έτσι ο άνθρωπος, πάσο!
Σορρι για την ταλαιπωρία!

(Ό,τι λέω είναι με αναφορά στο σχήμα 3)
Νομίζω ότι οι 8 περιοχές που αναφέρει στο φίλτρο είναι αυτές από κάτω, μεγέθους 128 η κάθε μία, ξεκινάνε από το 577 όπως προανέφερε ένα παλικάρι και είναι μη-επικαλυπτόμενες.

Αυτές που κοιτάς εσύ πρέπει να είναι οι από πάνω, που είναι επικαλυπτόμενες, μεγέθους 256 η κάθε μία, και ξεκινάνε από το 449. Είναι αυτές που αργότερα θα χρησιμοποιηθούν για την κωδικοποίηση των ESH frames.

Δικιά μου μαλακία που δε διευκρίνισα ότι για αυτό που λέω τώρα δεν πήρα επιβεβαίωση, απλώς έτσι το καταλαβαίνω.

Δεκτό αυτό που λες. Πάντως με τα επικαλυπτόμενα δουλεύει τέλεια. Ο greeko που το έκανε με τα μη επικαλυπτόμενα του δούλεψε επίσης καλά. Στο πρότυπο που προανέφερα λέει "These eight subblock energies represent the eight short windows of the next frame". Αυτό με ώθησε να καταλαβω ότι εννοεί επικαλυπτόμενα.

Καλά που είπες ότι του greeko του δούλεψε με μη-επικαλυπτόμενα, γιατί ετοιμαζόμουν να γράψω ότι παίζει να λέω μαλακίες, εμένα δε μου δούλεψε ακόμα. Παίρνω και διαφορετικά ESH από εσένα, οπότε πιθανό να έχω κάτι λάθος.

.
Ναι τα frames είναι τσεκαρισμένα και από τους 2, 12 στον αριθμό και όπως φαίνονται στη σελίδα 2 του παρόντος τοπικ.
Επίσης να ξέρεις έχω βάλει 1024 μηδενικά στην αρχή και 1024 στο τέλος για να υπάρχει τέλεια ανακατασκευη στην αρχή και στο τέλος!
,

Ωραίος!!! Εμφανίζω 8 ESH και όλα μου ήταν ένα index πριν το δικό σου, τώρα εξηγείται γιατί.

Τώρα ή έχεις λάθος, μαλλον απίθανο, ή φταίει αυτό με τα επικαλυπτομενα ή μη. Αν βγάζεις καλα SNR μη το παιδεύεις πολύ και ρωτα τον Δίου.

Αδερφέ, με έσωσες, είχα βάλει μηδενικά στο τέλος ίσα ίσα να διαιρείται τέλεια με το 1024 το μέγεθος... πρόσθεσα ακόμα 1024 και έβγαλα τέλειο SNR (307 με SIN, από 52).

Frames ESH έχω τα παρακάτω και λειτουργεί (για να μην πανικοβληθεί κάποιος αν δε βγάλει όλα τα δικά σου):
2, 27, 45, 52, 114, 148, 156, 199, 234
Λείπουν δηλαδή 3 από τα δικά σου.

Όλη η μαγκιά στο padding λοιπόν.
Ευχαριστώ πολύ!

Τέλεια! Εύχομαι να βοήθησα περισσότερο από όσο μπέρδεψα.

Και μια σημείωση: Το ότι γράφεται εδώ στο φορουμ δε πρέπει να περνάει αφιλτράριστα ως σωστό, γιατί μπορεί να κάνουμε και λάθη. Μιλήστε για να μπορούμε να τα λύνουμε και να μη παιδεύεται ο καθένας τζάμπα!

Επιβεβαιώνω ότι τα μη-επικαλυπτόμενα 128 δείγματα τα χρησιμοποιείς για τον υπολογισμό των attack values. Ενώ σε όλες τις άλλες περιπτώσεις χρησιμοποιείς τα επικαλυπτόμενα.

Βρέθηκε το πρόβλημα με τα ESH. Το σωστό είναι αυτό με τα λίγα. Η λύση για όσους έχουν περισσότερα (12) είναι η εξής:

Όταν υπολογίζετε τα dsl (attack values), υπάρχει στον παρονομαστή ένα (1/l). Προσέξτε όμως ότι αυτός ονομάζει τα attack values ξεκινώντας από 0. Αυτό σημαίνει ότι όταν υπολογίζει το ds2 (κι έχει στον παρονομαστή τον όρο (1/2)) στην ουσία αναφέρεται στο attack value του 3 128-bitου frame.
Συνεπώς είναι πιθανό να πρέπει στον κώδικα να κάνετε (1/(l-1)) ή κάτι παρόμοιο, ανάλογα με την υλοποίησή σας.

Με κάνει εντύπωση αυτό που λες από την στιγμή που ο Δίου έχει πει ότι βγαίνουν 12.

Παιδια στο Level 1 μου προκύπτει SNR 75dB. Κατά την ανάκτηση ενώ στα OLS frames έχω πλήρη ανάκτηση, στα ESH έχω ένα σφάλμα της τάξης 10^-4. Αυτό φταίει?

Ακούγεται πολύ μικρό σφάλμα, δοκίμασες αυτό που πρότεινε ο Claude, να βάλεις 1024 μηδενικά δείγματα στην αρχή και άλλα τόσα στο τέλος (λίγα παραπάνω μάλιστα στο τέλος, για να διαιρείται το συνολικό μέγεθος με 1024), ώστε να υπάρχει τέλεια ανακατασκευή στην αρχή και στο τέλος; Μπορεί μόνο εκεί να έχεις αυτή τη στιγμή αρκετό θόρυβο.

Πρόσεξε απλά όταν υπολογίζεις το SNR να τραβήξεις μόνο το κομμάτι χωρίς τα μηδενικά που πρόσθεσες, και να το συγκρίνεις με το αρχικό σήμα.

--------

Όσο για το άλλο, κι εμένα μου κάνει εντύπωση. Ίσως υπάρχει κι άλλο, δεύτερο, σφάλμα που πρέπει να διορθωθεί ώστε τα λίγα ESH να γίνουν 12.
Όμως είναι σίγουρο ότι να πάρουμε 12 με τη λάθος διαίρεση, που σημείωσα παραπάνω, είναι λάθος ( σύμπτωση; ).

Γειά σας παιδιά. Έχω καταφέρει να πάρω 307 db για το παράθυρο SIN όμως στο KBD παίρνω μολις 10 db. Υπάρχει σφάλμα για όλα τα frame types απο ό,τι είδα. Για το OLS το υλοποιώ με τον παρακάτω κώδικα:


Επίσης όταν το κάνω plot μου βγαίνει σχεδόν τρίγωνο. Αν ξέρει κανείς που του έχει δουλέψει...
           

         

[/code]

Πωωω ευχαριστώ πολύ  8))

Μιλάω για το λεβελ1

ρε παιδιά οι χρόνοι που δίνει είναι για όλη την κωδικοποίηση όλου του αρχείου;;;;

εμένα μου βγαίνει 54sec όλη η κωδικοποίηση και όλο τον χρόνο μου τον τραβάει το mdct σχεδόν
έχει κανείς καμία ιδέα;;

έχεις αργή υλοποίηση mdct. Μόνος σου την έγραψες;

το περίεργο είναι πως έχω βάλει αυτή που μας δίνει στη ethmmy του Μάριου Αθηναίου

Και εγω ειχα τετοιο θεμα και τελικα εβαλα αυτη http://www.ee.columbia.edu/~marios/mdct/mdct4.m και βελτιωθηκε πολυ.

ευχαριστώ!
Θα το δοκιμάσω.
Τον χρόνο τον μετράμε από την αρχή εκτέλεσης του AACoder1.m μέχρι το τέλος του;

Ναι και εγω ετσι το εβαλα αλλα δεν νομιζω να εχει μεγαλη σημασια.

Ως τώρα έβαζα την mdctv γιατί δεν καταλάβαινα τι κάνει στην mdct4.

Δεν περίμενα με τίποτα τέτοια αλλαγή. Σχεδόν 1 λεπτό πιο γρήγορα τώρα  :D :D :D :D :D

Τώρα θα με σκάσει το SNR...

Φίλε επειδη και μένα με παιδεψε αρκετά αυτό, το λάθος σου (εφόσον χρησιμοποιείς το mdct4 και κανεις σωστη εφαρμογη του) είναι στην κατασκευη του παραθύρου! Βλεπε το error ανακατασκευης σου (καντο και plot για να δεις μηπως το λαθος πχ είναι σε ενα συγκεκριμενου είδος παραθυρο οπως πχ ESH) κ προσπαθησε να το κανεις της τάξης του 10^-16 για να μπορεσεις να πετυχεις σωστο SNR.

Ευχαριστώ πολύ αδερφέ!
Σε αυτή τη φάση είμαι τώρα. Το SNR μου είναι γύρω στο 50 (και για τα 2 παράθυρα) και το σφάλμα ανεβαίνει πάντα στα LPS απότομα, αλλά ανεβαίνει το ίδιο και σε άλλα frameType κάθε τόσο. Επίσης βρίσκω 8 eight short αντί για 12.

Για την κβάντιση των TNS coefficients λεει 4 bits με βήμα 0.1. Αυτό πρακτικά σημαίνει ότι στρογγυλοποιούμε τους συντελεστές στις τιμές [-0.8 : 0.1 : 0.7] ?

Ναι, ακριβως.
Προσεξε οτι για καλη συμπιεση μπορεις να αποθηκευσεις τιμες απο -8 μεχρι 7 με βημα 1, κι απλα οποτε τις χρησιμοποιεις να πολλαπλασιαζεις επι τοπου με 0.1.

[-0.75,0.75] είναι το διάστημα επειδή λέει για ομοιόμορφο συμμετρικό κβαντιστή.

Ρε παιδιά μου έχουν βγει τα ματια αλλά δεν βρίσκω λάθος. Βγάζω 8 ESH και SNR = 50 (με SIN windows)

το σφάλμα μου είναι παρόμοιο και στα ESH και σε κάποια OLS.

Φαντάζεται κανείς τι μπορεί να φταίει???

Και μένα 8 μου βγήκαν και πηρα καλό SNR. Σε κάποια OLS παίρνεις σφάλμα 10^(-16) και σε άλλα όχι?

Ναι σε κάποια αλλά στα περισσότερα φτάνω 10^(-3) και σε κάποια 0.1 ακόμα.
Ψάχνω κανα λάθος ίντεξ αλλά δεν το βρίσκω.

Στο δεύτερο στάδιο, έχει τύχει σε κανέναν όλα τα δείγματα της ανακατασκευής να είναι σωστά εκτός από τα 241 πρώτα με αποτέλεσμα το SNR να βγαίνει γύρω στο 19?

Κάνε zero pad με 1024 μηδενικά πριν επεξεργαστεις το σήμα, και μετα το τέλος της επεξεργασίας αφαίρεσέ τα πρώτα 1024.

Έχει καταλάβει κανείς πως γίνεται το πρώτο βήμα του  TNS? Αναφέρομαι στην κανονικοποίηση. των MDCT

Συγκεκριμένα δεν μπορώ να καταλάβω ο δείκτης bj σε τι αναφέρεται. Μπορεί να με βοηθήσει κάποιος?

o bj αναφέρεται στη στήλη w_low (2η) και w_high (3η) του πίνακα.

η δικιά μου απορία είναι η 5η κι η 6η στήλη χρησιμοποιούνται κάπου.

αυτό είναι τόσο στο φλου; γιατί το να θέσεις όρια [-7,5,7,5] με βήμα 1 οδηγεί σε τελείως άλλο αποτέλεσμα από το [-0,75 0,75] με βήμα 0.1

Ποσα bits λαβατε υποψιν για καθε κατωφλι ακουστοτητας;
Το ευρος ειναι τρελο (απο 10^-9 μεχρι 10^2) και ειναι και double...

Παιδιά, τι ακριβώς θέλει να παραδώσουμε? Μόνο κώδικα? Ή και αναφορά?

Και αν θέλει αναφορά, τι βάζουμε σε αυτή?

Γενικά η βαθμολόγηση σε αυτες τις εργασεις πως γινεται; εχει νοημα να προσπαθησουμε να κανουμε ενα μερος/καποιες συναρτησεις ολοκληρωμενα απο ενα επιπεδο και ας μη το ολοκληρωσουμε τελειως το επιπεδο αρκει να το εξηγησουμε στην αναφορα τι καναμε, ή πρεπει να λειτουργεί και η κωδικοποιηση και η αποκωδικοποιηση σωστα αλλιως παιρνουμε 0 σε εκεινο το κομματι;

Για το AACoder το αρχείο wav που μας δίνει, εχει αριθμό samples που δε διαιρείται ακριβώς με το 2048. Πως το διαχειζόμαστε; Έχει κανείς καμιά ιδέα;;;  :-\ :-\

Κάναμε τον πίνακα padding για να διαιρείται ακριβώς με 2048, αλλά το τελικό αρχείο ήχου που παίρνουμε γίνεται μεγαλύτερο. 

Καλά κάνατε, όταν θα κανετε αποκωδικοποίηση τα τελευταια 2048 δε θα τα λάβετε υποψιν

το SNR μου βγαίνει άπειρο στα δύο πρώτα Level έχετε καμια ιδεα τι μπορει να φταιει;

Ναι η audioread και audiowrite άμα το υπολογίσεις με το x μικρό που βγάζεις θα δεις ότι θα είναι κομπλέ