Обратная константа-Q преобразовывает использующие неустановившиеся кадры Габора
xrec = icqt(cfs,g,fshifts)xrec = icqt(___,'SignalType',sigtype)[xrec,gdual] = icqt(___)xrec = icqt(cfs,g,fshifts)xrec, коэффициентов cfs. cfs является матрицей, массивом ячеек или массивом структур. g является массивом ячеек неустановившегося Габора, постоянные-Q аналитические фильтры раньше получали коэффициенты cfs. fshifts является вектором сдвигов интервала частоты для постоянных-Q полосовых фильтров в g. icqt принимает по умолчанию, что исходный сигнал был с действительным знаком. Указать на исходный входной сигнал было с комплексным знаком, используйте пару "имя-значение" 'SignalType'. Если вход к cqt был одним сигналом, то xrec является вектором. Если вход к cqt был многоканальным сигналом, то xrec является матрицей. cfs, g и fshifts должны быть выходные параметры cqt.
Загрузите и постройте сигнал Генделя.
load handel t = (0:length(y)-1)/Fs; plot(t,y) title('Handel') xlabel('Time (s)')
Получите постоянное-Q преобразование сигнала с помощью sparse, преобразовывают опцию. Поскольку преобразование будет инвертировано, необходимо также возвратить кадры Габора и сдвиги частоты, используемые в анализе.
[cfs,~,g,fshifts] = cqt(y,'SamplingFrequency',Fs,'TransformType','sparse');
Инвертируйте постоянное-Q преобразование и продемонстрируйте совершенную реконструкцию путем показа максимальной абсолютной ошибки реконструкции и относительной энергетической ошибки в дБ.
xrec = icqt(cfs,g,fshifts); maxAbsError = max(abs(xrec-y))
maxAbsError = 7.7716e-16
relEnergyError = 20*log10(norm(xrec-y)/norm(y))
relEnergyError = -301.4662
Теория неустановившегося Габора (NSG) кадры для адаптивного частотой анализа и эффективные алгоритмы для анализа и синтеза с помощью кадров NSG происходит из-за Dörfler, Holighaus, Гриля и Веласко [1], [2]. Алгоритмы, используемые в cqt и icqt, были разработаны Dörfler, Holighaus, Грилем и Веласко и описаны в [1], [2]. В [3], Schörkhuber, Klapuri, Holighaus и Dörfler разрабатывают и обеспечивают, алгоритмы для исправленного фазой CQT преобразовывают, какие соответствия коэффициенты CQT, которые были бы получены наивной сверткой. Большой Аналитический Тулбокс Частоты Времени (https://github.com/ltfat) обеспечивает обширный комплект алгоритмов для неустановившихся кадров Габора [4].
[1] Holighaus, N., М. Дерфлер, Г. А. Веласко и Т. Грилл. "Среда для обратимых постоянных-Q преобразований в реальном времени". Транзакции IEEE на Аудио, Речи и Обработке Языка. Издание 21, № 4, 2013, стр 775–785.
[2] Веласко, G. A. Н. Холайос, М. Дерфлер и Т. Грилл. "Создавая обратимое постоянное-Q преобразование с неустановившимися кадрами Габора". В Продолжениях 14-й Международной конференции по вопросам Эффектов Цифрового аудио (DAFx-11). Париж, Франция: 2011.
[3] Schörkhuber, C., А. Клапури, Н. Холайос и М. Дерфлер. "Тулбокс MATLAB для Эффективных Совершенных Преобразований Частоты Времени Реконструкции с Разрешением Логарифмической Частоты". Представленный AES 53-я Международная конференция по вопросам Семантического Аудио. Лондон, Великобритания: 2014.
[4] Průša, Z., П. Л. Сындергэард, Н. Холайос, К. Висмеир и П. Бэлэзс. Большой Аналитический Тулбокс Частоты Времени 2.0. Звук, Музыка, и Движение, Примечания Лекции в Информатике 2014, стр 419-442.