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

[KillBill]

Παίδες, δεν ξέρω εάν προσέξατε, αλλά έχει ανέβει στο eTHMMY η version 1.2 της εργασίας.

Στην έκδοση αυτή, αλλάζει τον τρόπο υπολογισμού των attack ratios στο βήμα 3 του SSC. Το θέμα όμως είναι ότι τα όρια που έχει ορίσει για το sl2 και dsl2 παραμένουν ίδια.

Εγώ έκανα την αλλαγή αυτή στον κώδικα και τώρα μου βγάλει όλα τα frames να έχουν τύπο OLS, είτε βάλω ημίτονο ως nextFrameT είτε βάλω θόρυβο. Δοκιμάστε το κι εσείς και πείτε μου. Γνώμη μου είναι πως πρέπει να αλλάξουν και τα όρια για το sl2 και το dsl2.

Κι εμένα τα ίδια μου βγαίνουν... Μάλλον πρέπει να αλλάξουμε τα όρια αλλά πως?

Έχω και μερικές ακόμη απορίες:
1) Στη βαθμίδα TNS κβαντίζουμε τους συντελεστές α με ομοιόμορφο συμμετρικό κβαντιστή 4άρων bit βήματος 0.1. Δηλαδή τα α κβαντίζονται (ή πιο σωστά αποκβαντίζονται) στα επίπεδα -0.7, -0.6, -0.5, -0.4, -0.3, -0.2, -0.1, 0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7 και  0.8? Μήπως το έχω καταλάβει λάθος?
2) Η βαθμίδα iTNS το μόνο που κάνει είναι να περνάει τους συντελεστές από το φίλτρο 1/H όπου Η = φίλτρο της TNS, σωστά?

Ευχαριστώ για τη βοήθεια!

[poumpa]

Έχω και μερικές ακόμη απορίες:
1) Στη βαθμίδα TNS κβαντίζουμε τους συντελεστές α με ομοιόμορφο συμμετρικό κβαντιστή 4άρων bit βήματος 0.1. Δηλαδή τα α κβαντίζονται (ή πιο σωστά αποκβαντίζονται) στα επίπεδα -0.7, -0.6, -0.5, -0.4, -0.3, -0.2, -0.1, 0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7 και  0.8? Μήπως το έχω καταλάβει λάθος?
2) Η βαθμίδα iTNS το μόνο που κάνει είναι να περνάει τους συντελεστές από το φίλτρο 1/H όπου Η = φίλτρο της TNS, σωστά?

Και εγώ αυτά κατάλαβα ότι κάνουμε.
Τώρα πως λες ομοιόμορφο έναν κβαντιστή από το -0.7 στο 0.8 δεν ξέρω αλλά από τις σημειώσεις του μαθήματος έτσι πρέπει να είναι....

[shiver]

Τελικά διαβάζοντας όλα τα παραπάνω δεν κατάφερα να καταλάβω τι κάνουμε με το πρώτο και το τελευταίο frame για την υλοποίηση της SSC.Για να βρούμε τον τύπο τους θα κάνουμε τα 4 βήματα που βρίσκονται στην σελίδα 5 της εκφώνησης(και που κανονικά τα κάνουμε κάθε φορά για το επόμενο frame ώστε να δούμε αν είναι ESH ή LSS);ή θα κάνουμε ότι κάνουμε για όλα τα frame θεωρώντας για το πρώτο frame ότι το προηγούμενο του είναι LSS και για το τελευταίο ότι το επόμενο του είναι ΟLS;

[chggr005]

Τελικά διαβάζοντας όλα τα παραπάνω δεν κατάφερα να καταλάβω τι κάνουμε με το πρώτο και το τελευταίο frame για την υλοποίηση της SSC.Για να βρούμε τον τύπο τους θα κάνουμε τα 4 βήματα που βρίσκονται στην σελίδα 5 της εκφώνησης(και που κανονικά τα κάνουμε κάθε φορά για το επόμενο frame ώστε να δούμε αν είναι ESH ή LSS);ή θα κάνουμε ότι κάνουμε για όλα τα frame θεωρώντας για το πρώτο frame ότι το προηγούμενο του είναι LSS και για το τελευταίο ότι το επόμενο του είναι ΟLS;

Είχε πει στην τάξη ότι το πρώτο και το τελευταίο frame, τα παίρνουμε εμείς αυθαίρετα ό,τι θέλουμε.

[chggr005]

Λοιπόν, ας ανταλλάξουμε μερικά αποτελέσματα για να ξέρουμε στοιχειωδώς που πηγαίνουμε και όποιος συνάδελφος έχει κάποιο λάθος να το αντιληφθεί εγκαίρως με την βοήθεια όλων.

Λοιπόν, ας ξεκινήσουμε από το πρώτο μέρος της εργασίας. Να σημειώσω πως η εκφώνηση τελικά έχει λάθος στο σημείο όπου δίνει τα όρια των attack ratios για το πότε θεωρούμε το frame ESH ή OLS. Το σημείο αυτό θα διορθωθεί με την επόμενη version απ' ότι ξέρω.

Τώρα, έστω ότι έχουμε μία δοκιμαστική ακολουθία δειγμάτων. Εάν κωδικοποιήσουμε την ακολουθία αυτή ολόκληρη είτε με OLS είτε με ESH, τότε θα πρέπει λογικά το σήμα στην έξοδο του αποκωδικοποιητή να βγαίνει εντελώς ίδιο με αυτό της εισόδου του αποκωδικοποιητή. Ένα μέτρο για το πόσο καλή είναι η κωδικοποίηση είναι και το SNR που μας ζητείται ως έξοδος στην συνάρτηση demoAAC1. Η τιμή του SNR θα πρέπει λογικά να είναι αρκετά μεγάλη. Εγώ για δοκιμαστική ακολουθία 1102500 δειγμάτων το βρήκα ίσο με 138 περίπου. Εσείς τι τιμές βρίσκετε?

[poumpa]

Εγώ το βρήκα περίπου 308 για κάθε κανάλι

Επίσης υπολόγισα και το MSE (μέσο τετραγωνικό σφάλμα) γιατί ήξερα ότι πρέπει να βγεί της τάξης 10^-33 που είναι κ το σφάλμα που εισάγεται λόγω των πράξεων στο matlab.
Αφού το MSE μου βγήκε σωστό φαντάζομαι κ το SNR θα είναι σωστό.

Χρήστο, πως υπολογίζεις το SNR;
Δεν είναι η ισχύς του σήματος προς την ισχύς του σφάλματος σε dB;

[chggr005]

Προωθώ από το eTHMMY:

Υπάρχει μια συζήτηση γύρω από το SSC και τον τρόπο υπολογισμού των attack ratios και τις τιμές των κατωφλίων. Μερικές παρατηρήσεις πάνω σε αυτό το θέμα:

1. Με random noise σταθερής ισχύος σαν input frame δεν πρέπει να αποφασίζει Eight Short. Είναι λογικό η απόφαση να είναι OLS εφόσον η ισχύς είναι σταθερή.
2. Μια καλή δοκιμή για να δείτε ότι λειτουργεί η μέθοδος είναι να βάλετε σε ένα μόνο κομμάτι του frame (πχ. σε 100 samples) random noise με ισχύ 5 φορές την ισχύ του υπολοίπου frame. Τότε πρέπει να αποφασίσει ESH.
3. Πάντως σε σήματα με πιανάκι (που έχουν αρκετούς τόνους) ανιχνεύει ESH σε ποσοστό μικρότερο του 1%, οπότε υπάρχει ένα δίκιο στις αιτιάσεις σας.
4. Ως κατασκευαστές του κωδικοποιητή μοπρείτε να διαλέξετε κατά βούληση το attack ratio. Σε δικά μας πειράματα μια καλή τιμή είναι το 5 (αντί για το 10 που προτείνει η εκφώνηση)...

[chggr005]

Χρήστο, πως υπολογίζεις το SNR;
Δεν είναι η ισχύς του σήματος προς την ισχύς του σφάλματος σε dB;

Απ' ότι κατάλαβα εσύ υπολόγισες το PSNR. Αυτό είχα υπολογίσει κι εγώ στην αρχή, αλλά μετά είδα ότι ζητάει το SNR (συνολικός σηματοθορυβικός λόγος σε dB). Για PSNR η τιμή που βρήκες είναι πολύ καλή και ουσιαστικά περιλαμβάνει μονάχα τα σφάλματα σε στρογγυλοποιήσεις που κάνει το matlab εσωτερικά. Δηλαδή εν ολίγοις, το σήμα εισόδου σου είναι ακριβώς ίδιο με το σήμα στην έξοδο.

Τώρα, πως βρίσκουμε το SNR...
Κοίταξα στην Wikipedia το εξής άρθρο:
http://en.wikipedia.org/wiki/Signal-to-noise_ratio

Ουσιαστικά το άρθρο αυτό λέει ότι SNR = 10log(P_signal/P_noise), όπου ο λογάριθμος είναι δεκαδικός. Άρα λοιπόν βρίσκουμε την ισχύς του σήματος (άθροισμα τετραγώνων των δειγμάτων), στην συνέχεια βρίσκουμε την ισχύ του θορύβου (άθροισμα τετραγώνων των διαφορών εισόδου - εξόδου) και εφαρμόζουμε τον τύπο.

[vagia]

Για το πρώτο επίπεδο παίρνοντας τον τύπο  SNR = 10log(P_signal/P_noise) μας βγαίνει  SNR και για τα δύο κανάλια άπειρο. Θεωρητικά δεν θα πρέπει να βγει άπειρο αφού δεν κάνουμε κβάντιση;

[poumpa]

Ουσιαστικά το άρθρο αυτό λέει ότι SNR = 10log(P_signal/P_noise), όπου ο λογάριθμος είναι δεκαδικός. Άρα λοιπόν βρίσκουμε την ισχύς του σήματος (άθροισμα τετραγώνων των δειγμάτων), στην συνέχεια βρίσκουμε την ισχύ του θορύβου (άθροισμα τετραγώνων των διαφορών εισόδου - εξόδου) και εφαρμόζουμε τον τύπο.

Αυτό ακριβώς έκανα

Για το πρώτο επίπεδο παίρνοντας τον τύπο  SNR = 10log(P_signal/P_noise) μας βγαίνει  SNR και για τα δύο κανάλια άπειρο. Θεωρητικά δεν θα πρέπει να βγει άπειρο αφού δεν κάνουμε κβάντιση;

Θεωρητικά ναι. Εισάγεται όμως ένα πολύ μικρό σφάλμα από τις πράξεις του matlab.
Πάντως το άπειρο είναι σίγουρα σωστό.
Ίσως να έχει σχέση με το ποια mdct συνάρτηση χρησιμοποιεί ο καθένας (μπορεί κάποια να κάνει περισσότερες ή λιγότερες πράξεις κ να επηρεάζει ανάλογα το αποτέλεσμα).
Εγώ πάντως χρησιμοποιήσα την mdct4.

[chggr005]

Αυτό ακριβώς έκανα

Βασικά ξέρεις γιατί έχουμε αυτήν την διαφωνία στα αποτελέσματα?
Διότι χρησιμοποιούμε άλλο αρχείο ήχου για τις δοκιμές μας.   

Μόλις δοκίμασα να βγάλω το αποτέλεσμα για θόρυβο ισχύος 1 watt, το SNR βγήκε ίσο με 307.9335, παρόμοιο δηλαδή αποτέλεσμα με το δικό σου. Η προηγούμενη τιμή που έδωσα αφορούσε ένα αρχείο τραγουδιού και έβγαινε γύρω στο 107. Αυτό μάλλον συμβαίνει επειδή η ισχύς του σήματος του τραγουδιού είναι αρκετά μικρότερη, οπότε το αποτέλεσμα βγαίνει κάποιος πιο μικρό. Πάντως υπενθυμίζω  πως το SNR μετριέται σε dB, οπότε και το 107 θεωρείται αρκετά καλό.

Προσοχή θέλει στον τρόπο υπολογισμού του SNR, αφού πρέπει πρώτα να βρούμε την ισχύ του σήματος και του θορύβου και μετά έξω από το loop να υπολογίσουμε το SNR. Μία διαφορετική προσέγγιση όπου το SNR = SNR + 10*log(input(i)/(input(i)-output(i))) σε κάθε loop, είναι εντελώς λανθασμένη ακριβώς επειδή το SNR μετριέται σε dB...

[chggr005]

Πάμε τώρα στο άλλο μείζον θέμα: τι βάλατε ως όριο για το dsl^2

Στο δεύτερο σημείο της ανακοίνωσης λέει ότι θα πρέπει το αποτέλεσμα αυτού του κώδικα να βγαίνει LSS:

a = wgn(2048,2,0);
b = wgn(100,2,0.7);
for i=1:100
a(i+1200,:) = b(i,:);
end
result = SSC (0,a,'OLS');

Δηλαδή ουσιαστικά σε ένα frame με θόρυβο 1watt βάλαμε σε ένα κομμάτι θόρυβο 5 watt (log10(5)=0.7). Δηλαδή το κομμάτι αυτό έχει την πενταπλάσια ισχύ από το υπόλοιπο frame. Όταν το περνάμε ως παράμετρο στην SSC με prevFrameType='OLS', θα πρέπει να ανιχνεύσει ότι το frame a είναι ESH και η μεταβλητή result να είναι ίση με LSS.

Αυτό όμως για τον δικό μου κώδικα και για όριο του dsl^2 ίσο με 5, δεν ισχύει και δεν βγαίνει αυτό το αποτέλεσμα... Λίγο απίθανο να έχω λάθος στον κώδικα, διότι το έχω κοιτάξει δεκάδες φορές... Δοκιμάστε το κι εσείς στον κώδικά σας και ποστάρετε τα αποτελέσματα να δούμε τι γίνεται.

[KillBill]

Ετρεξα τον κωδικα ακριβώς όπως τον έχεις γράψει (με όριο το 5) και παίρνω αποτέλεσμα: result = OLS.

[ioanna208]

-Τρέξαμε και εμείς τον ίδιο κώδικα με όριο 5 και βγάζει result=OLS. To περίεργο είναι ότι είδαμε τις τιμές των dsl^2 και για τις οχτώ ζώνες και είναι
0    0.0073    0.0068    0.0079    0.0084    0.0087    0.0061    0.0051
Οι τιμές αυτές είναι φυσιολογικές και αν ναι δεν υπάρχει διαφορά αν το όριο που θα βάλουμε είναι 10 ή 5, αλλά για να βγάλει LSS και όχι OLS ΘΑ πρέεπι να βάλουμε όριο 0....?!?!!!


-Κάτι λίγο διαδικαστικό...Για την filterbanks που πρέπει να χρησιμοποιήσουμε kaiser-bessel ή sinusoid, πήγαμε στην σελίδα του Μάριου και βρήκαε την συνάρτηση για το kaiser-bessel kbdwin.m . Αλλά υπάρχουν και οι άλλες συναρτήσεις για αυτό το παράθυρο τις οποίες προφανώς πρέπει να χρησιμοποιήσουμε αφού το αρχείο m δεν έχει κώδικα παρά μόνο σχόλια....Θα πρέπει να χρησιμοποιήσουμε το αρχείo  kbdwin.c και το αρχείο  kbdwin.dll??Και πως θα γίνει αυτό.?Πως γίνεται να τρέξουμε αρχείο c μέσα από το matlab?

[KillBill]

Πάμε τώρα στο άλλο μείζον θέμα: τι βάλατε ως όριο για το dsl^2

Στο δεύτερο σημείο της ανακοίνωσης λέει ότι θα πρέπει το αποτέλεσμα αυτού του κώδικα να βγαίνει LSS:

a = wgn(2048,2,0);
b = wgn(100,2,0.7);
for i=1:100
a(i+1200,:) = b(i,:);
end
result = SSC (0,a,'OLS');

Δηλαδή ουσιαστικά σε ένα frame με θόρυβο 1watt βάλαμε σε ένα κομμάτι θόρυβο 5 watt (log10(5)=0.7). Δηλαδή το κομμάτι αυτό έχει την πενταπλάσια ισχύ από το υπόλοιπο frame. Όταν το περνάμε ως παράμετρο στην SSC με prevFrameType='OLS', θα πρέπει να ανιχνεύσει ότι το frame a είναι ESH και η μεταβλητή result να είναι ίση με LSS.

Αυτό όμως για τον δικό μου κώδικα και για όριο του dsl^2 ίσο με 5, δεν ισχύει και δεν βγαίνει αυτό το αποτέλεσμα... Λίγο απίθανο να έχω λάθος στον κώδικα, διότι το έχω κοιτάξει δεκάδες φορές... Δοκιμάστε το κι εσείς στον κώδικά σας και ποστάρετε τα αποτελέσματα να δούμε τι γίνεται.

Νομίζω ότι στο b πρέπει να βάλουμε σαν 3ο όρισμα εισόδου 7 και όχι 0.7, διότι 7dBW = 5 watt (http://www.bessernet.com/jobAids/dBmCalc/dBmCalc.html).

Ετσι το αποτέλεσμα είναι LSS για όριο 5.