[Πολυμέσα] Εργασία 2018/2019

[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!

Για οποιοδήποτε πρόβλημα με register/login, στείλτε email στο contact@thmmy.gr.

[vag178]

Nα κάνω μια ακόμη, ισως χαζη, ερώτηση πάλι για το ssc

Λέει να υπολογίσουμε το αθροισμα  sl^2  των τετραγώνων των δειγμάτων για κάθε μία απο τις 8 περιοχες και έπειτα το dsl^2 μέσω αυτου.
Φαντάζομαι οτι το sl^2 αναφέρεται ακριβώς στο "τετραγωνο του δείγματος" και ότι το συνολικό αθροισμα είναι το αθροισμα αυτών(των 128 δειγμάτων για καθε περιοχη).


Οι συνθήκες:
sl^2> 10^(-3) και dsl^2>10

Σημαίνουν οτι θα παρουμε τα συνολικά αθροίσματα  στο τετράγωνο ή όχι;
Πρέπει να το μπερδεψα καπως...

Είναι το άθροισμα των τετραγώνων των δειγμάτων sum( s_l^2 ).
Γενικά ανοίγεις και τα pdf από το πρότυπο γιατί έχει πολλά λάθη και ανακρίβειες η εργασία.

[vag178]

Έχω και εγώ το ίδιο απορία μήπως το διορθώσω και γίνει καλύτερη η αποκωδικοποίηση. Εγώ αυτά που έχουμε πετάξει τα έβαλα μηδενικά ώστε το frame να γίνει πάλι 2048x1 και συνέχισα κανονικά σαν να μην ήταν short όταν τα ένωσα στο τέλος αλλά έχει μερικές αποκλίσεις απ'ότι φαίνεται. Άμα το έχει κάνει κάποιος άλλος αλλιώς ας πεί plx.  

Χρησιμοποιείς τα ίδια παράθυρα με την filterbank στην iFilterbank. Αφού έχεις επικάλυψη 1024 δείγματα δεν υπάρχει θέμα και θα έπρεπε να βρίσκεις το ίδιο σήμα. Ο τύπος για το δεξί παράθυρο KBD είναι λάθος (έτσι πιστεύω) και θα έπρεπε να είναι το άνω άθροισμα από 0 έως Ν - n - 1.

Το SNR θα πρέπει να είναι 3 ψηφίο.

Για debugging μπορείς να βάλεις όλα τα παράθυρα OLS για να δεις αν έχεις λάθος στα άλλα 3 (ESH, LSS, LPS) και θα πρέπει να βγαίνει το ίδιο σήμα, ή μπορείς να χρησιμοποιήσεις SIN παράθυρα (που υπολογίζονται πιο εύκολα) για να δεις αν έχεις λάθος στα KBD.  

[Argirios]

Χρησιμοποιείς τα ίδια παράθυρα με την filterbank στην iFilterbank. Αφού έχεις επικάλυψη 1024 δείγματα δεν υπάρχει θέμα και θα έπρεπε να βρίσκεις το ίδιο σήμα. Ο τύπος για το δεξί παράθυρο KBD είναι λάθος (έτσι πιστεύω) και θα έπρεπε να είναι το άνω άθροισμα από 0 έως Ν - n - 1.

Όταν κάνεις το iFilterbank για τα short, έχεις 128x8 και τελικά βγαίνουν 256x8, αυτά δε τα προσθέτεις όπου επικαλύπτονται? Δηλαδή στο τέλος δε θα έχεις 2048 όταν τα προσθέσεις, αλλά μόνο τα κεντρικά που επιλέξαμε αρχικά, τα άλλα έχουν χαθεί.

[vag178]

Όταν κάνεις το iFilterbank για τα short, έχεις 128x8 και τελικά βγαίνουν 256x8, αυτά δε τα προσθέτεις όπου επικαλύπτονται? Δηλαδή στο τέλος δε θα έχεις 2048 όταν τα προσθέσεις, αλλά μόνο τα κεντρικά που επιλέξαμε αρχικά, τα άλλα έχουν χαθεί.

Ναι.

[Apostolof]

Θέτοντας το πρώτο frame OLS, βρίσκω 3 LSS, 3 ESH, 3 LPS και 266 OLS. Τόσα βγάζετε και εσείς;

εδιτ: μάλλον 4 LSS, 4 ESH, 4 LPS και 263 OLS.

[Argirios]

Εγώ βγάζω 11 ESH/LPS/LSS και 242 OLS. 275 συνολικά

[polizois]

Kάποιος που να έχει ασχοληθεί με TNS και ITNS?

Αφού κάνουμε την γραμμική πρόβλεψη με το αντίστροφο φίλτρο στην ITNS, πως μπορούμε να αντιστρέψουμε την κανονικοποίηση(βήμα 1 του TNS), ώστε να πάρουμε τους αρχικούς MDCT συντελεστές?

[mpraskafoutas]

Kάποιος που να έχει ασχοληθεί με TNS και ITNS?

Αφού κάνουμε την γραμμική πρόβλεψη με το αντίστροφο φίλτρο στην ITNS, πως μπορούμε να αντιστρέψουμε την κανονικοποίηση(βήμα 1 του TNS), ώστε να πάρουμε τους αρχικούς MDCT συντελεστές?

στο πδφ οριζει την itns έτσι: frameFout = iTNS(frameFin, frameType, TNScoeffs)
που σημαινει οτι η αντιστροφη τνς θα σου επιστρέφει τους κανονικοποιημένους mdct και όχι τους αρχικούς (τους έχει σαν όρισμα)
αν είναι να επιστρέφεις στους αρχικούς mdct,για ποιο λόγο να κάνεις noise shaping?

[Argirios]

Kάποιος που να έχει ασχοληθεί με TNS και ITNS?

Αφού κάνουμε την γραμμική πρόβλεψη με το αντίστροφο φίλτρο στην ITNS, πως μπορούμε να αντιστρέψουμε την κανονικοποίηση(βήμα 1 του TNS), ώστε να πάρουμε τους αρχικούς MDCT συντελεστές?

Τα βήματα 1-3 είναι για να βρείς τους συντελεστές a. Το φίλτρο που δημιουργείς εφαρμόζεται στους αρχικούς MDCT όχι στους κανονικοποιημένους.

[polizois]

στο πδφ οριζει την itns έτσι: frameFout = iTNS(frameFin, frameType, TNScoeffs)
που σημαινει οτι η αντιστροφη τνς θα σου επιστρέφει τους κανονικοποιημένους mdct και όχι τους αρχικούς (τους έχει σαν όρισμα)
αν είναι να επιστρέφεις στους αρχικούς mdct,για ποιο λόγο να κάνεις noise shaping?

Πέρα απο το οτι δεν πολυκαταλαβαίνω την διαδικασία, είχα διαβάσει και λάθος την περιγραφή.
Τα παρακάτω ισχύουν, ή δεν το έχω πιάσει καθόλου?

Η TNS εφαρφμόζει το φίλτρο στους αρχικούς MDCT συντελεστες (και όχι στους κανονικοποιμένους) και εξάζει τους φιλτραρισμένους σαν frameFout.
Αυτούς τους συντελεστες παίρνει η iTNS σαν frameFin, τους περνάει απο το αντίστροφο φίλτρο και τους εξάγει σαν frameFout.(άρα καταλήγουμε στους αρχικούς MDCT)

[polizois]

Τα βήματα 1-3 είναι για να βρείς τους συντελεστές a. Το φίλτρο που δημιουργείς εφαρμόζεται στους αρχικούς MDCT όχι στους κανονικοποιημένους.

Όντως...δεν το είχα προσέξει

[Argirios]

Όντως...δεν το είχα προσέξει

Και εγώ το ίδιο λάθος έκανα και προσπαθούσα να τους αποκανονικοποιήσω μετά, με πήρε 2 μέρες να το καταλάβω. 

[mpraskafoutas]

για το δεύτερο επίπεδο,εγώ δεν έχω καταλάβει το εξής:

στην εκφώνηση λέει ότι το βήμα 3 κβαντίζει τους παραπάνω συντελεστές (προφανώς εννοεί τους α) και πρέπει εμείς να φτιάξουμε ένα δικό μας κβαντιστή, ενώ στο πρότυπο υπάρχει ένας ψευδοκώδικας, ο οποίος κβαντίζει τους συντελεστές ανάκλασης r και από αυτούς μετά βρίσκεις τους lpc α. τι από τα 2 πρέπει να κάνουμε εμείς;

[Apostolof]

Το SNR θα πρέπει να είναι 3 ψηφίο.

Για debugging μπορείς να βάλεις όλα τα παράθυρα OLS για να δεις αν έχεις λάθος στα άλλα 3 (ESH, LSS, LPS) και θα πρέπει να βγαίνει το ίδιο σήμα, ή μπορείς να χρησιμοποιήσεις SIN παράθυρα (που υπολογίζονται πιο εύκολα) για να δεις αν έχεις λάθος στα KBD. 

Εσύ κατάφερες να βγάλεις 3ψήφιο SNR; Αν ναι, μπορείς να ανεβάσεις ένα plot του e που έχεις; plot(originalAudioData(1:length(decodedAudio), 1) - decodedAudio(1:end, 1))

Στη συνάρτηση TNS η παράμετρος frameFin και η έξοδος θα είναι 1024X1 όπως λέει, θα έχει δηλαδή μόνο το ένα κανάλι, ή έχει κάνει κάποιο λάθος; Μέχρι εκείνο το σημείο βάζουμε παντού και τα δύο κανάλια σε ένα πίνακα.

Εδιτ: τα sin παράθυρα πρέπει να είναι μη μηδενικά στην αρχή/τέλος (όπως στο συνημμένο) ή έχω κάτι λάθος;

[fibonacci]

2 μιικρές απορίες για το 2ο level όποιος έχει όρεξη. έστειλα και mail στον ντελό αλλά καμία ανταπόκριση.

-- Από την εκφώνηση που μας δώσατε mm-hw-2018.v.1.0.pdf κατανοώ ότι στο βήμα 2 της διαδικασίας βγαίνουν άμεσα από την κανονική εξίσωση οι συντελεστές α ( 1x5 ), τους οποίους ίσως μπορούμε να πάρουμε και απευθείας από τη συνάρτηση της matlab lpc(). Στη συνέχεια θα τους κβαντίσουμε (πιθανότατα με κάποιο κβαντιστή δικής μας δημιουργίας) ώστε να αντιστοιχιστούν σε ακέραιες τιμές 4 bits.
   Από την άλλη, στο πρότυπο w2203tfa.pdf (σελ. 137-138) περιγράφεται μια διαφορετική διαδικασία κατά την οποία κβαντίζονται πρώτα οι συντελεστές ανάκλασης r, από τους οποίους παίρνουμε τους τελικούς συντελεστές α (μάλλον κβαντισμένους ???).

   Ποια από τις δύο διαδικασίες πρέπει να ακολουθήσουμε; Και αν πρέπει να ακολουθήσουμε την εκδοχή του προτύπου, πως μπορούμε να υπολογίσουμε το κέρδος πρόβλεψης (gp) που χρησιμοποιείται για να κρίνουμε αν χρειάζεται να εκτελέσουμε τον TNS ή όχι.



-- Τέλος, όσον αφορά της ΣΜ του φίλτρου Htns(z), όπως λέτε στην εκφώνηση, χρησιμοποιούνται οι τελικοί κβαντισμένοι συντελεστές α. Στην περίπτωση που η αντίστροφη ΣΜ δεν είναι ευσταθής και αντιστρέψουμε τους πόλους που βρίσκονται εκτός του μοναδιαίου κύκλου, τότε θα πρέπει να αλλάξουν αντίστοιχα οι βέλτιστοι κβαντισμένοι συντελεστές α, έτσι ώστε η ΣΜ να δίνει τους κατάλληλους ευσταθείς πόλους. Σε αυτή, λοιπόν, την περίπτωση θα πρέπει να ξανακβαντίσουμε τους συντελεστές α που θα προκύψουν από τη ΣΜ των νέων πόλων ;