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!

[Πρόγραμμα Χειμερινής Εξεταστικής 2024-2025]

Πρόγραμμα Χειμερινής Εξεταστικής 2024-2025

[chggr005]

Λοιπόν, παίδες, πως πάει η εργασία?
Έχετε αρχίσει την υλοποίηση ή όχι ακόμη?

Εγώ ξεκίνησα την υλοποίηση του 1ου επιπέδου και σκέφτηκα να γράψω τα αποτελέσματα των προσπαθειών μου στο φόρουμ για να αρχίσουμε να ανταλλάσσουμε εμπειρίες και προτάσεις για την επίλυση της άσκησης!

Λοιπόν, υλοποίησα εξαρχής την SSC, η οποία δεν είναι και τόσο δύσκολη. Το θέμα όμως είναι πως θα μπορέσουμε να τεστάρουμε ότι αυτή λειτουργεί σωστά. Το τεστάρισμα αυτό μπορεί να γίνει τρέχοντας τον ακόλουθο κώδικα:

Code:

>>a = zeros(2024,2);
>>b = zeros(2024,2);
>>for i=1:2048
>>b(i,:) = cos(2*pi*i/30);
>>end
>>c = 'OLS';
>>SSC(a,b,c)

ans =

OLS

>>c = 'ESH';
>>SSC(a,b,c)

ans =

LPS

>>c = 'LSS';
>>SSC(a,b,c)

ans =

ESH

>>c = 'LPS';
>>SSC(a,b,c)

ans =

OLS

Αυτό που κάνει ο παραπάνω κώδικας, είναι να γεμίσει και τα δύο κανάλια του πίνακα nextFrameT με ένα απλό ημίτονο. Στην συνέχεια καλεί την συνάρτηση SSC για διάφορες τιμές του prevFrameType.

Λογικά, εφόσον το επόμενο frame αποτελείται από ένα απλό ημίτονο, θα πρέπει να κωδικοποιηθεί με τύπο frame OLS - Only Long Sequence, κι αυτό διότι κατά την διάρκεια του frame διατηρούνται αμετάβλητα τα φασματικά χαρακτηριστικά του.
Τώρα, εάν το προηγούμενο frame είναι τύπου OLS, τότε επειδή και το επόμενο frame είναι OLS, λογικά το τρέχον frame θα είναι και πάλι OLS. Αντίστοιχα, εάν το προηγούμενο frame είναι ESH, επειδή το επόμενο είναι OLS, το τρέχον θα πρέπει να είναι LPS. Τέλος, στην περίπτωση που το προηγούμενο frame είναι LSS ή LPS, τότε σύμφωνα με την θεωρία το τρέχον θα πρέπει να είναι ESH και OLS αντίστοιχα. Πράγματι, αυτά τα αποτελέσματα μας δίνει η συνάρτηση.

Εάν τώρα το επόμενο frame περιέχει λευκό θόρυβο, λογικά θα πρέπει να κωδικοποιηθεί με ESH, διότι τα φασματικά χαρακτηριστικά του αλλάζουν δραματικά. Στον παραπάνω συλλογισμό, εάν θεωρήσουμε ότι ο τύπος του επόμενου frame είναι ESH και για διάφορους τύπους του προηγούμενου frame, προκύπτουν ανάλογα αποτελέσματα. Ιδού και ο κώδικας για επαλήθευση:

Code:

>>a = zeros(2024,2);
>>b = zeros(2024,2);
>>b = wgn(2048,2,2);
>>c = 'OLS';
>>SSC(a,b,c)

ans =

LSS

>>c = 'ESH';
>>SSC(a,b,c)

ans =

ESH

>>c = 'LSS';
>>SSC(a,b,c)

ans =

ESH

>>c = 'LPS';
>>SSC(a,b,c)

ans =

OLS

Ερώτηση κρίσεως: στην όλη διαδικασία, πού χρειάζεται το frameT?
Όπως είδατε στα παραπάνω το frameT δεν χρειάστηκε και μονίμως ήταν ίσο με έναν πίνακα μηδενικών 2048x2.

Τέλος, να επισημάνω πως στην σελίδα 15 της εκφώνησης νομίζω πως έχει λάθος εκεί που περιγράφει την συνάρτηση filterbank. Στο frameF θα έπρεπε να λέει frameType = OLS|LSS|LPS και όχι winType. Το ίδιο ισχύει και για την επόμενη πρόταση.

[Aurelius]

Το frameT χρειαζεται για να καθορισεις ποιο θα ειναι το τελικο αποτελεσμα της συνάρτησης ssc. Αν δεις στην εκφωνηση σελ. 5 πρεπει να λεει τις διαφορες περιπτωσεις για τις εισοδους της συναρτησης ssc. Μια απο αυτες τις εισοδους ειναι και το frameT. Μου φαινεται...

[Aurelius]

Την υλοποιησα και εγω. Οντως δεν ηταν κατι το τρομερο. Και οντως δεν χρησιμοποπιησα ουτε και εγω το frameT. Αυτη την στιγμη η απορια ειναι ζωγραφισμενη στο προσωπο μουμ απλα βαριεμαι τα smileys ...

Εχω μια αλλη απορια: εχουμε δυο καναλια. Δηλαδη σαν να λεμε αριστερο και δεξι. Αυτα θα υποσου ξεχωριστα την επεξεργασια, σωστα; Δεν θα πρεπει να επιστρεφουμε δυο frameTypes;

[poumpa]

Και εγώ συμφωνώ. Το frameT δεν χρειάζεται πουθενά!
Μάλλον θα πρέπει να το πούμε και στον Ντελόπουλα ο οποίος έχει και ...ιστορία σε κάτι τέτοια!

Όσο για την SSC και γω τα ίδια βγάζω με τον chggr005.

Εχω μια αλλη απορια: εχουμε δυο καναλια. Δηλαδη σαν να λεμε αριστερο και δεξι. Αυτα θα υποσου ξεχωριστα την επεξεργασια, σωστα; Δεν θα πρεπει να επιστρεφουμε δυο frameTypes;

[Α ρε Στρατή! Πριν προλάβεις κ το δεις!!!:] Στη σελίδα 6 της εκφώνησης της εργασίας περιγράφει πως θα επιλέξουμε τον κοινό τελικό τύπο από τους τύπους των 2 καναλιών

[chggr005]

Ok guys, απλά ήθελα κι εγώ επιβεβαίωση ότι δεν χρειάζεται το FrameT.
Εφόσον βγάζουμε τα ίδια αποτελέσματα, λογικά οι συναρτήσεις μας είναι σωστές!

Την filterBank και την iFilterBank τις προσπαθήσατε? Κανένα αποτέλεσμα?

[Aurelius]

Και εγώ συμφωνώ. Το frameT δεν χρειάζεται πουθενά!
Μάλλον θα πρέπει να το πούμε και στον Ντελόπουλα ο οποίος έχει και ...ιστορία σε κάτι τέτοια!

Όσο για την SSC και γω τα ίδια βγάζω με τον chggr005.

Εχω μια αλλη απορια: εχουμε δυο καναλια. Δηλαδη σαν να λεμε αριστερο και δεξι. Αυτα θα υποσου ξεχωριστα την επεξεργασια, σωστα; Δεν θα πρεπει να επιστρεφουμε δυο frameTypes;

[Α ρε Στρατή! Πριν προλάβεις κ το δεις!!!:] Στη σελίδα 6 της εκφώνησης της εργασίας περιγράφει πως θα επιλέξουμε τον κοινό τελικό τύπο από τους τύπους τον 2 καναλιών

Καλα ρε μη βαρας... Δεν το διαβασα και τοσο καλα!

[Aurelius]

Ερωτηση: μηπως στην συγκριση των sq και dsq, το δευτερο πρεπει να ειναι διαφορετικο το κατωφλι; Αν υποθεσουμε οτι το sq, εκτος αν ειναι πολυ εξω, θα ειναι γυρω απο το 10^-3(λιγο μεγαλυτερο ή λιγο μικροτερο), πως περιμενουμε το dsq να ειναι μεγαλυτερο απο 10;

Εμενα οντως για αυτο δεν δουλευε. Το εβαλα 1 και δουλεψε.

[Aurelius]

Οσον αφορα το filterbank προφανως εχεις δικιο Χρηστο.

[chggr005]

Ερωτηση: μηπως στην συγκριση των sq και dsq, το δευτερο πρεπει να ειναι διαφορετικο το κατωφλι; Αν υποθεσουμε οτι το sq, εκτος αν ειναι πολυ εξω, θα ειναι γυρω απο το 10^-3(λιγο μεγαλυτερο ή λιγο μικροτερο), πως περιμενουμε το dsq να ειναι μεγαλυτερο απο 10;

Εμενα οντως για αυτο δεν δουλευε. Το εβαλα 1 και δουλεψε.

Εμένα πάντως μου δούλεψε κανονικά με 10^-3 και 10!
Αυτό που κατάλαβα εγώ είναι ότι το dsl^2 μετράει το πόσο απότομη είναι η εναλλαγή από την μία τιμή δείγματος στην άλλη, γι' αυτό και ουσιαστικά αποτελεί μέτρο σύγκρισης της τιμής ενός δείγματος με τον μέσο όρο των προηγούμενων.

Οπότε ουσιαστικά κωδικοποιείς με ESH όταν συντρέχουν ταυτόχρονα οι εξής δύο λόγοι:
α) Το συγκεκριμένο δείγμα έχει μεγάλη ενέργεια
β) η μετάβαση από το προηγούμενο στο τρέχον δείγμα είναι πολύ απότομη.

[chggr005]

Λοιπόν, δοκίμασα χθες βράδυ να φτιάξω την AACoder1 και τα πράγματα πήγαν αρκετά καλά (μου φαίνεται)  . Παρακάτω θα παραθέσω ένα κομμάτι κώδικα για να μπορέσουμε να τεστάρουμε αυτήν τη συνάρτηση. Για αρχή ας φτιάξουμε τα δύο wav αρχεία, τα οποία στην συνέχεια θα περάσουμε στην συνάρτηση:

Code:

>> test1 = wgn(204800,2,2);
>> wavwrite(test1,48000,32,'noise');
>> test1 = zeros(204800,2);
>> for i=1:204800
test1(i,1) = cos(2*pi*i/30);
test1(i,2) = cos(2*pi*i/30);
end
>> wavwrite(test1,48000,32,'tone');

Υπόψιν ότι για την εγγραφή του ήχου σε αρχείο θα πρέπει να επιλέξουμε 32 bit και όχι λιγότερα, αλλιώς κουτσουρεύεται το αρχείο θορύβου μας.
Εάν περάσουμε τα δύο αρχεία στον AACoder1, προκύπτουν τα εξής αποτελέσματα. Θεωρούμε πως το πρώτο frame θα έχει ως previousFrameType = OLS και ότι η winType είναι παντού SINUS.

1) Για το αρχείο tone.wav.

Code:

>> a = AACoder1('tone',200000);
>> a(1)

ans = 

    frameType: 'OLS'
      winType: 'SINUS'
      frameF0: [1024x1 double]
      frameF1: [1024x1 double]

>> a(2)

ans = 

    frameType: 'OLS'
      winType: 'SINUS'
      frameF0: [1024x1 double]
      frameF1: [1024x1 double]

>> a(3)

ans = 

    frameType: 'OLS'
      winType: 'SINUS'
      frameF0: [1024x1 double]
      frameF1: [1024x1 double]

>> a(193)

ans = 

    frameType: 'OLS'
      winType: 'SINUS'
      frameF0: [1024x1 double]
      frameF1: [1024x1 double]

Η κωδικοποίηση έδωσε 193 frames κωδικοποιημένα. Όλα τους έχουν frameType = OLS, πράγμα που περιμέναμε, αφού πρόκειται απλά για έναν τόνο.

2) Για το αρχείο noise.wav

Code:

>> a = AACoder1('noise',200000);
>> a(1)

ans = 

    frameType: 'LSS'
      winType: 'SINUS'
      frameF0: [1024x1 double]
      frameF1: [1024x1 double]

>> a(2)

ans = 

    frameType: 'ESH'
      winType: 'SINUS'
      frameF0: [1024x1 double]
      frameF1: [1024x1 double]

>> a(191)

ans = 

    frameType: 'ESH'
      winType: 'SINUS'
      frameF0: [1024x1 double]
      frameF1: [1024x1 double]

>> a(192)

ans = 

    frameType: 'LPS'
      winType: 'SINUS'
      frameF0: [1024x1 double]
      frameF1: [1024x1 double]

>> a(193)

ans = 

    frameType: 'OLS'
      winType: 'SINUS'
      frameF0: [1024x1 double]
      frameF1: [1024x1 double]

Παρατηρούμε δηλαδή ότι η πλειοψηφία των frames έχει κωδικοποιηθεί ως ESH και μερικά μονάχα έχουν κωδικοποιηθεί ως OLS. Αυτό είναι απολύτως λογικό, διότι μπορεί να τύχει στην περιοχή εκείνη του σήματος να έχουμε σχετική ηρεμία...

Άλλος κανείς με τα ίδια αποτελέσματα?

Ερωτήσεις:
α) Στην συνάρτηση που μας δίνει τους συντελεστές Kaiser-Bessel (Kbdwin) τι τιμή alpha θα πρέπει να βάλουμε?
β) Στην AACoder1 τι winType θα πρέπει να χρησιμοποιήσουμε σε κάθε frame (Kaiser-Bessel ή Sinus)?
γ) Πως μπορεί το sl^2 να είναι μικρότερο από 10^-3 και το dsl^2 να βγαίνει μεγαλύτερο του 10?
δ) To dsl^2 δεν παίρνει και αρνητικές τιμές? Μήπως θα πρέπει να ελέγξουμε και για την περίπτωση που είναι μικρότερο του -10?

[Aurelius]

Ερωτηση: μηπως στην συγκριση των sq και dsq, το δευτερο πρεπει να ειναι διαφορετικο το κατωφλι; Αν υποθεσουμε οτι το sq, εκτος αν ειναι πολυ εξω, θα ειναι γυρω απο το 10^-3(λιγο μεγαλυτερο ή λιγο μικροτερο), πως περιμενουμε το dsq να ειναι μεγαλυτερο απο 10;

Εμενα οντως για αυτο δεν δουλευε. Το εβαλα 1 και δουλεψε.

Εμένα πάντως μου δούλεψε κανονικά με 10^-3 και 10!
Αυτό που κατάλαβα εγώ είναι ότι το dsl^2 μετράει το πόσο απότομη είναι η εναλλαγή από την μία τιμή δείγματος στην άλλη, γι' αυτό και ουσιαστικά αποτελεί μέτρο σύγκρισης της τιμής ενός δείγματος με τον μέσο όρο των προηγούμενων.

Οπότε ουσιαστικά κωδικοποιείς με ESH όταν συντρέχουν ταυτόχρονα οι εξής δύο λόγοι:
α) Το συγκεκριμένο δείγμα έχει μεγάλη ενέργεια
β) η μετάβαση από το προηγούμενο στο τρέχον δείγμα είναι πολύ απότομη.

Ναι αλλα το dsq δεν ειναι ποσοστο αλλα απολυτο μετρο. Προφανως δειχνει τον ρυθμο αλλαγης στην ενεργεια. Αλλα ρωταω μηπως το συγκρινομενο νουμερο δεν ειναι σωστο. Αν υποθεσουμε οτι το sq^2 κατα μεσο ορο εχει εστω τιμες κατω απο το 10^-3 για παραδειγμα(οπως για το ημιτονο που παρηγαμε), θα πρεπει ενα επομενο δειγμα να εχει sq2 10 και πανω, κατι το οποιο ποσοστιαια και οχι απολυτα ειναι αυξηση 10/10^-3=10000...

[Aurelius]

Τωρα 2-3 ερωτησεις, κυριως για επιβεβαιωση:
Στο tft doc, αυτο που περιγραφει το ψυχοακουστικο μοντελλο, εχει ,νομιζω αν θυμαμαι καλα στην σελ.53, τους τυπους για τα δυο παραθυρια μας. Στο ημιτονικο παραθυρο, μηπως ειναι ακριβως ιδιοι οι τυποι για μικροτερο του Ν/2 και του Ν;

Επισης στην iFilterbank, τα 2*448 δειγματα στην αρχ και στο τελος, αφου στην filterbank τα αγνοουμε, τα βαζουμε και εμεις οτι να ναι, ητοι 0 ή 1;

[chggr005]

Τωρα 2-3 ερωτησεις, κυριως για επιβεβαιωση:
Στο tft doc, αυτο που περιγραφει το ψυχοακουστικο μοντελλο, εχει ,νομιζω αν θυμαμαι καλα στην σελ.53, τους τυπους για τα δυο παραθυρια μας. Στο ημιτονικο παραθυρο, μηπως ειναι ακριβως ιδιοι οι τυποι για μικροτερο του Ν/2 και του Ν;

Ίδιοι πρέπει να είναι.
Σε κάθε περίπτωση όμως χρησιμοποιούμε τις συναρτήσεις από την ιστοσελίδα που μας έδωσαν.

Επισης στην iFilterbank, τα 2*448 δειγματα στην αρχ και στο τελος, αφου στην filterbank τα αγνοουμε, τα βαζουμε και εμεις οτι να ναι, ητοι 0 ή 1;

Βασικά κι εγώ έτσι νομίζω. Στην δικιά μου υλοποίηση τα έβαλα ίσα με 0. Δεν ξέρω κατά πόσο αυτό παίζει ρόλο στην διαδικασία κωδικοποίησης/αποκωδικοποίησης..

Κανείς καμιά ιδέα για το πως θα βρούμε το SNR?

[poumpa]

Ερωτήσεις:
α) Στην συνάρτηση που μας δίνει τους συντελεστές Kaiser-Bessel (Kbdwin) τι τιμή alpha θα πρέπει να βάλουμε?
β) Στην AACoder1 τι winType θα πρέπει να χρησιμοποιήσουμε σε κάθε frame (Kaiser-Bessel ή Sinus)?
γ) Πως μπορεί το sl^2 να είναι μικρότερο από 10^-3 και το dsl^2 να βγαίνει μεγαλύτερο του 10?
δ) To dsl^2 δεν παίρνει και αρνητικές τιμές? Μήπως θα πρέπει να ελέγξουμε και για την περίπτωση που είναι μικρότερο του -10?

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

Όσο για το sl_2 στην εκφώνηση λέει ότι πρέπει να είναι μεγαλύτερο του 10^-3 κ όχι μικρότερο όπως έγραψες...
Για το dsl^2 έχω και εγώ την ίδια απορία.

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.

[Aurelius]

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;