Εργασία 2006-7

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Δείτε περισσότερα εδώ...]

Συμβουλές καλής χρήσης του φόρουμ: Youtube embed code and links, Shoutbox, Notify, ...

Δείτε περισσότερα εδώ...

[poumpa]

Εγω βαριομουνα να τα πολυδιαβαζω και το υλοποιησα απο το πρωτοκολλο. Αλλα τελος παντων, για σιγουρια εχεις δικιο Χρηστο. Καλυτερα απο την ιστοσελιδα. Θαναση, οταν λες και εσυ για το dsq εχεις απορια, το εβαζες και εσυ διαφορετικο του 10 το κατωφλι;

Οχι το κατωφλι το εχω 10. Για το -10 εχω απορια κ εγω

[chggr005]

Οι παράμετροι για το Kaizer μάλλον δεν έχουν σημασία. Αρκεί να χρησιμοποιείς συνέχεια τους ίδιους για να μπορέσεις ξαναφτιάξεις το σήμα μετά τους mdct και imdct. Εγώ δοκιμές έχω κάνει μόνο με το sinus προς το παρών.

Κι εγώ μόνο με το sinus έκανα δοκιμές και μπορώ να πω ότι βγήκαν αρκετά καλές. Πάντως εάν κοιτάξεις, το alpha της Kaiser παίζει αρκετά μεγάλο ρόλο στην μορφή που θα έχει το παράθυρο. Οπότε ίσως να πρέπει να μας δοθεί ή να υπολογίζουμε με κάποιο τρόπο το βέλτιστο. Και επίσης, όταν λέμε παράθυρο Kaiser, αυτό δεν λέει απολύτως τίποτα. Θα πρέπει να καθορίσουμε και συγκεκριμένη τιμή alpha (ή beta στο Matlab), διότι από αυτήν εξαρτάται κατά πολύ η μορφή του παραθύρου.
Πχ. Δοκίμασε στο matlab να κατασκευάσεις ένα παράθυρο kaiser με beta=0.1 και με beta=100. Θα βγουν εντελώς διαφορετικά...

Πάντως σε αυτό που είπες, έχεις δίκιο. Αν χρησιμοποιήσουμε το ίδιο παράθυρο για κωδικοποίηση και αποκωδικοποίηση, τότε λογικά θα πρέπει τα αποτελέσματα να είναι σωστά.

Το ίδιο και με το winType (νομίζω το αναφέρει και στην εργασία κάπου)

Όσον αφορά το winType, λογικά θα πρέπει να υπάρχει κάποιος τρόπος καθορισμού του βέλτιστου τύπου παραθύρου. Δεν μπορεί απλά να βάζουμε στην τύχη όποιο παράθυρο θέλουμε. Μάλλον για διαφορετικές εισόδους θα χρειάζεται και διαφορετικό παράθυρο...

Πάντως για να τεστάρεις την AACoder1 δεν ξέρω αν αρκεί να βλέπεις τα αποτελέσματα του struct που επιτρέφει...
Εγώ πήρα ένα κομμάτι από ενα stereo wav αρχείο το πέρασα από την AACoder1 και μετα από την iAACoder1 και άκουσα το αποτέλεσμα. Θα πρέπει να είναι ίδιο ακριβώς αφού ουσιαστικά δεν κάνουμε συμπίεση (ακόμα) γιατί απλώς μετασχηματίζουμε το σήμα με τον mdct και στην συνέχεια το επανασυνθέτουμε με τον imdct.
Το μόνο πρόβλημα είναι ότι πρέπει να χρησιμοποιηθεί αρχείο που να "έχει" όλους τους τύπους frame (LPS,OLS,LSS,ESH) για να είναι ολοκληρωμένο το τεσταρισα. Δυστυχώς δεν βρήκα ακόμα τέτοιο αρχείο κ έτσι έχω δοκιμάσει μόνο για OLS.

Βασικά, δεν νομίζω ότι το αποτέλεσμα θα πρέπει να βγαίνει ακριβώς ίδιο με το αρχικό. Νομίζω ότι η όλη διαδικασία εισάγει απώλειες, οι οποίες θα είναι εμφανείς και στον ήχο που θα προκύψει στην έξοδο. Για παράδειγμα, στα ESH frames αγνοούμε παντελώς του 448 πρώτους και τελευταίους όρους. Αυτό λογικά θα πρέπει να εισάγει απώλειες. Επίσης, στα υπόλοιπα παράθυρα που χρησιμοποιούμε (εκτός του OLS) υπάρχουν περιοχές όπου πολλαπλασιάζουμε τους όρους με το 0, οπότε ουσιαστικά τους μηδενίζουμε. Και από εκεί λογικά θα έχουμε απώλειες.

Απλά όλες αυτές οι απώλειες δεν θα είναι ακούγονται όταν θα πάμε να παίξουμε τον αρχείο στα ηχεία του υπολογιστή. Όταν όμως δούμε τις κυματομορφές των σημάτων εισόδου και εξόδου, τότε αυτές ενδεχομένως να είναι εντελώς διαφορετικές. Αλλιώς ποιός ο λόγος να υπολογίσουμε το SNR?

[adelo]

%Kaiser windows
a_l=4; % for long
a_s=6; % for short
W_s = kbdwin(N_s,a_s);
W_l = kbdwin(N_l,a_l);

[Aurelius]

H kaiser που εχει το matlab δεν κανει;

[poumpa]

Βασικά, δεν νομίζω ότι το αποτέλεσμα θα πρέπει να βγαίνει ακριβώς ίδιο με το αρχικό. Νομίζω ότι η όλη διαδικασία εισάγει απώλειες, οι οποίες θα είναι εμφανείς και στον ήχο που θα προκύψει στην έξοδο. Για παράδειγμα, στα ESH frames αγνοούμε παντελώς του 448 πρώτους και τελευταίους όρους. Αυτό λογικά θα πρέπει να εισάγει απώλειες. Επίσης, στα υπόλοιπα παράθυρα που χρησιμοποιούμε (εκτός του OLS) υπάρχουν περιοχές όπου πολλαπλασιάζουμε τους όρους με το 0, οπότε ουσιαστικά τους μηδενίζουμε. Και από εκεί λογικά θα έχουμε απώλειες.

Απλά όλες αυτές οι απώλειες δεν θα είναι ακούγονται όταν θα πάμε να παίξουμε τον αρχείο στα ηχεία του υπολογιστή. Όταν όμως δούμε τις κυματομορφές των σημάτων εισόδου και εξόδου, τότε αυτές ενδεχομένως να είναι εντελώς διαφορετικές. Αλλιώς ποιός ο λόγος να υπολογίσουμε το SNR?

Αν προσέξεις πιο καλά τα παράθυρα είναι έτσι φτιαγμένα ώστε με την επικάλυψη των frames να μην αγνοούνται ζώνες συχνοτήτων (να μην μηδενίζονται τελείως όπως λες). Για να το δεις πάρε 2 ESH και βάλε τα να επικαλυφθούν όπως περιγράφει το πρότυπο. Θα δεις ότι στην κοινή περιοχή επικάλυψης δεν υπάρχει συχνότητα που να μηδενίζεται. Αυτό φαίνεται και στα LSS και LPS που είναι το ενδιάμεσο στάδιο μεταξύ ESH και OLS για αυτό και είνιαι μη συμμετρικά.

[chggr005]

Αν προσέξεις πιο καλά τα παράθυρα είναι έτσι φτιαγμένα ώστε με την επικάλυψη των frames να μην αγνοούνται ζώνες συχνοτήτων (να μην μηδενίζονται τελείως όπως λες). Για να το δεις πάρε 2 ESH και βάλε τα να επικαλυφθούν όπως περιγράφει το πρότυπο. Θα δεις ότι στην κοινή περιοχή επικάλυψης δεν υπάρχει συχνότητα που να μηδενίζεται. Αυτό φαίνεται και στα LSS και LPS που είναι το ενδιάμεσο στάδιο μεταξύ ESH και OLS για αυτό και είνιαι μη συμμετρικά.

Οκ όλα αυτά, πράγματι έχεις δίκιο.
Αλλά και πάλι δεν θα ακούγεται το ίδιο επειδή την έχουμε φιλτράρει με το υψιπερατό φίλτρο. Έτσι δεν είναι?

H kaiser που εχει το matlab δεν κανει;

H kaiser του Matlab δεν κάνει, διότι στο πρότυπο αναφέρει ότι το παράθυρο θα πρέπει να είναι Kaiser - Bessel και όχι σκέτο Kaiser.

[chggr005]

Λοιπόν, τελικά στην filterbank ίσως να χρειάζεται το frameT. Κι αυτό διότι το τελευταίο frame που κωδικοποιούμε δεν έχει nextFrameT, οπότε δεν μπορούμε να βρούμε τον τύπο του με αυτόν τον τρόπο. Στην περίπτωση αυτή λογικά θα πρέπει να εξετάσουμε το περιεχόμενο του ίδιου του frame και στην συνέχεια να καθορίσουμε τον τύπο ανάλογα με το prevFrameType. Τα ίδια φυσικά ισχύουν και για το αρχικό frame! Οπότε το frameT μάλλον χρειάζεται για την σωστή κωδικοποίηση του αρχικού και του τελικού frame και μόνο. Σ' αυτό φυσικά δεν είμαι απολύτως σίγουρος, οπότε ας περιμένουμε την επίσημη απάντηση επί του θέματος ούτως ώστε να κινηθούμε κατάλληλα...


Ένα άλλο πρόβλημα που υπάρχει είναι στην συνάρτηση TNS!!
Βασικά δεν μπορώ να καταλάβω σε ποιά συνάρτηση (??TNS ή psycho??) θα γίνει ο διαχωρισμός σε ζώνες συχνοτήτων και ο υπολογισμός της ενέργειας της κάθε μίας. Στην σελίδα 16 όπου περιγράφει την συνάρτηση TNS, σαν ορίσματα εισόδου δίνει τα frameFin, frameType. Παρόλα αυτά, όταν περιγράφει το ψυχοακουστικό μοντέλο στην σελίδα 11, αναφέρει ρητά ότι :

Οι τιµές του ενεργειακού ϕάσµατος Pi (j) διαβιβάζονται στη ϐαθµίδα TNS και αυτή επιστρέφει
τους ϕιλτραρισµένους συντελεστές Xi (k) για κάθε frame i.

Πως είναι δυνατόν να διαβιβαστούν οι τιμές του ενεργειακού φάσματος (Pi(j)), αφού στην προδιαγραφή της συνάρτησης TNS δεν υπάρχει αντίστοιχη μεταβλητή εισόδου.

Έτσι όπως είναι δοσμένο, φαίνεται σαν να πρέπει να βρούμε τους συντελεστές Pi και στην TNS και στην psycho, πράγμα ολίγον κουφό διότι ουσιαστικά κάνουμε την ίδια δουλειά δύο φορές...

ΥΓ. Υπόψιν ότι έχει ανέβει στο eTHMMY βελτιωμένη έκδοση της εκφώνησης (v1.1). Απ' όσο είδα όμως, δεν μπόρεσα να εντοπίσω που έχουν γίνει οι αλλαγές.

[Aurelius]

Για ξεκαθαρισμα (λογαριασμων):

η imdctv κανει κανονικα τον αντιστροφο του dctv. Αυτο το λεω γιατι ο Μαριος απο το Κολουμπια μαλλον το μπερδεψε και εγραψε οτι κανει το Modified Discrete ... και οχι το Inverse Modified ...

[Aurelius]

Τελικα και εγω εκανα κατι διορθωσεις και μ δουλεψε με κατωφλι το 10.

Ωστοσο, θα πρεπει να παρατηρησω, οτι η εκφωνηση δεν ειναι καλογραμμενη, κυριως στα σημεια με τα σχηματα, οπου αλλα ειναι τα ονοματα των σχηματων και αλλα χρησιμοποιει στο κειμενο. Βεβαια τα καταλαβαινεις, αλλα ειναι σπαστικο...

[poumpa]

Αλλά και πάλι δεν θα ακούγεται το ίδιο επειδή την έχουμε φιλτράρει με το υψιπερατό φίλτρο. Έτσι δεν είναι?

Το υψιπερατό φίλτρο το χρησιμοποιείς μόνο για να προσδιορίσεις τον τύπο του επόμενου frame. Είναι δηλαδή προσωρινό φιλτράρισμα για να πάρεις μια απόφαση και δεν επηρεάζει μόνιμα τους συντελεστές.

Ένα άλλο πρόβλημα που υπάρχει είναι στην συνάρτηση TNS!!
Βασικά δεν μπορώ να καταλάβω σε ποιά συνάρτηση (??TNS ή psycho??) θα γίνει ο διαχωρισμός σε ζώνες συχνοτήτων και ο υπολογισμός της ενέργειας της κάθε μίας. Στην σελίδα 16 όπου περιγράφει την συνάρτηση TNS, σαν ορίσματα εισόδου δίνει τα frameFin, frameType. Παρόλα αυτά, όταν περιγράφει το ψυχοακουστικό μοντέλο στην σελίδα 11, αναφέρει ρητά ότι :

Οι τι΅ές του ενεργειακού ϕάσ΅ατος Pi (j) διαβιβάζονται στη ϐαθ΅ίδα TNS και αυτή επιστρέφει
τους ϕιλτραρισ΅ένους συντελεστές Xi (k) για κάθε frame i.

Πως είναι δυνατόν να διαβιβαστούν οι τιμές του ενεργειακού φάσματος (Pi(j)), αφού στην προδιαγραφή της συνάρτησης TNS δεν υπάρχει αντίστοιχη μεταβλητή εισόδου.

Έτσι όπως είναι δοσμένο, φαίνεται σαν να πρέπει να βρούμε τους συντελεστές Pi και στην TNS και στην psycho, πράγμα ολίγον κουφό διότι ουσιαστικά κάνουμε την ίδια δουλειά δύο φορές...

Βασικά έχεις δίκιο. Δεν προσδιορίζει πως ακριβώς έχουν τα πράγματα.
Αλλα μη σκας τόσο. Αρκεί στο τέλος να δουλεύει.
Όταν έχεις να κάνεις με εργασίες του Ντελόπουλα τέτοια φαινόμενα δεν είναι κ τόσο ασυνήθιστα... 

[Aurelius]

Εκανα και εγω την δοκιμη για τον AACoder1 και βγηκαν τα ιδια τα αποτελεσματα, με την διαφορα, οτι στην δευτερη μου βγηκε μονο ΕΣΗ, λογικο δεδομενου οτι παργονται τυχαια τα δειγματα καθε φορα και ετσι στον Χρηστο ισως σε καποια στιγμη να ηταν παρομοια τα νουμερα...

Εχω πιο καλη γεννητρια αριθμων 

[adelo]

Επίσημες απαντήσεις στα σοβαρά ερωτήματά σας θα έχετε δυστυχώς τη Δευτέρα (8.1.7). Μέχρι τότε δουλέψτε με τις υποθέσεις σας. Πάντως το πάτε καλά!

[Aurelius]

Στην ΤΝΣ, το δευτερο εξαγομενο, το ΤΝΣκοεφ ειναι οι συντελεστες α; Γιατι απο οτι καταλαβα απο την εκφωνηση, θελουμε τους κβαντισμενους συντελεστες, και μον αυτους κβαντιζουμε.

Οσον αφορα την απορια σου Χρηστο, απο την στιγμη που λεει οτι μπορουμε να φτιαξουμε οτι συναρτηση θελουμε, μπορουμε ευκολα να φτιαξουμε μια αλλη συναρτηση που θα κανει οτι ειναι να κανει και θα εχει σχεση με τις μπαντες και στην συνεχεια θα την καλουμε μεσα στην ΤΝΣ η στην ψυχω(ονομα και αυτο).

[chggr005]

Οσον αφορα την απορια σου Χρηστο, απο την στιγμη που λεει οτι μπορουμε να φτιαξουμε οτι συναρτηση θελουμε, μπορουμε ευκολα να φτιαξουμε μια αλλη συναρτηση που θα κανει οτι ειναι να κανει και θα εχει σχεση με τις μπαντες και στην συνεχεια θα την καλουμε μεσα στην ΤΝΣ η στην ψυχω(ονομα και αυτο).

Ναι, αλλά και πάλι αυτό αποτελεί πλεονασμό, διότι θα την καλείς δύο φορές (μία στην ΤΝS και μία στην psycho), ενώ ουσιαστικά η δουλειά μπορεί να γίνει και με μία φορά. Τεσπα, θα τα πούμε Δευτέρα.
Μαζέψτε όσες ερωτήσεις υπάρχουν και πάμε δυναμικά

[Aurelius]

Ερωτηση: Στην psycho, απο οτι λεει στην εκφωνηση θελει να καλεσουμε την ΤΝΣ και να παρουμε τους φιλτραρισμενους συντελεστες. Ομως η psycho δεν εχει στα ορισματα της το frameF που θελει η TNS. Θα πρεπει να κανουμε IMDCT ή υπαρχει καποιο λαθος;