gammatoneFilterBank
Набор фильтров Gammatone
Описание
gammatoneFilterBank анализирует сигнал путем передачи его через банк фильтров gammatone, равномерно распределенных по шкале ERB. Наборы фильтров Gammatone были спроектированы, чтобы смоделировать человеческую слуховую систему.
Смоделировать человеческую слуховую систему:
Создайте
gammatoneFilterBankобъект и набор его свойства.Вызовите объект с аргументами, как будто это была функция.
Чтобы узнать больше, как Системные объекты работают, смотрите то, Что Системные объекты? MATLAB.
Создание
Синтаксис
Описание
gammaFiltBank = gammatoneFilterBank
gammaFiltBank = gammatoneFilterBank(range)Range свойство к range.
gammaFiltBank = gammatoneFilterBank(range,numFilts)NumFilters свойство к numFilts.
gammaFiltBank = gammatoneFilterBank(range,numFilts,fs)SampleRate свойство к fs.
gammaFiltBank = gammatoneFilterBank(___,Name,Value)
gammaFiltBank = gammatoneFilterBank([62.5,12e3],'SampleRate',24e3) создает gammatone набор фильтров, gammaFiltBank, с полосовыми фильтрами, помещенными между 62,5 Гц и 12 кГц. gammaFiltBank действует на уровне частоты дискретизации 24 кГц.Свойства
Использование
Синтаксис
Описание
Входные параметры
Выходные аргументы
Функции объекта
Чтобы использовать объектную функцию, задайте Систему object™ как первый входной параметр. Например, чтобы выпустить системные ресурсы Системного объекта под названием obj, используйте этот синтаксис:
release(obj)
Примеры
Примените Gammatone Фильтербанк
Создайте значение по умолчанию gammatone набор фильтров для частоты дискретизации на 16 кГц.
fs = 16e3;
gammaFiltBank = gammatoneFilterBank('SampleRate',fs)
gammaFiltBank =
gammatoneFilterBank with properties:
FrequencyRange: [50 8000]
NumFilters: 32
SampleRate: 16000
Используйте fvtool визуализировать ответ набора фильтров.
fvtool(gammaFiltBank)
Белый Гауссов шум процесса через набор фильтров. Используйте спектр анализатор, чтобы просмотреть спектр фильтра выходные параметры.
sa = dsp.SpectrumAnalyzer('SampleRate',16e3,... 'PlotAsTwoSidedSpectrum',false,... 'FrequencyScale','log',... 'SpectralAverages',100); for i = 1:5000 x = randn(256,1); y = gammaFiltBank(x); sa(y); end
Анализ и синтез
Этот пример иллюстрирует неоптимальный, но простой подход к анализу и синтезу с помощью gammatoneFilterBank.
Читайте в звуковом файле и слушайте его содержимое.
[audioIn,fs] = audioread('Counting-16-44p1-mono-15secs.wav');
sound(audioIn,fs)Создайте gammatoneFilterBank по умолчанию. Частотный диапазон по умолчанию набора фильтров составляет 50 - 8 000 Гц. Частоты за пределами этой области значений ослабляются в восстановленном сигнале.
gammaFiltBank = gammatoneFilterBank('SampleRate',fs)gammaFiltBank =
gammatoneFilterBank with properties:
FrequencyRange: [50 8000]
NumFilters: 32
SampleRate: 44100
Передайте звуковой сигнал через gammatone набор фильтров. Выход является 32 каналами, где номер каналов определяется NumFilters свойство gammatoneFilterBank.
audioOut = gammaFiltBank(audioIn); [N,numChannels] = size(audioOut)
N = 685056
numChannels = 32
Чтобы восстановить исходный сигнал, суммируйте каналы. Слушайте результат.
reconstructedSignal = sum(audioOut,2); sound(reconstructedSignal,fs)
gammatone набор фильтров ввел различные групповые задержки выходных каналов, который приводит к плохой реконструкции. Чтобы компенсировать групповую задержку, удалите начинающуюся задержку из отдельных каналов и нулевой клавиатуры концы каналов. Используйте info получить групповые задержки. Слушайте компенсированную групповой задержке реконструкцию.
infoStruct = info(gammaFiltBank); groupDelay = round(infoStruct.GroupDelays); % round for simplicity audioPadded = [audioOut;zeros(max(groupDelay),gammaFiltBank.NumFilters)]; for i = 1:gammaFiltBank.NumFilters audioOut(:,i) = audioPadded(groupDelay(i)+1:N+groupDelay(i),i); end reconstructedSignal = sum(audioOut,2); sound(reconstructedSignal,fs)
Создайте спектрограмму Gammatone
Читайте в звуковом сигнале и преобразуйте его в моно для легкой визуализации.
[audio,fs] = audioread('WaveGuideLoopOne-24-96-stereo-10secs.aif');
audio = mean(audio,2);Создайте gammatoneFilterBank с 64 фильтрами, которые порождают линейную оболочку столбцов 62.5 к 20 000 Гц. Передайте звуковой сигнал через набор фильтров.
gammaFiltBank = gammatoneFilterBank('SampleRate',fs, ... 'NumFilters',64, ... 'FrequencyRange',[62.5,20e3]); audioOut = gammaFiltBank(audio);
Вычислите энергию на полосу с помощью 50 MS Windows с перекрытием на 25 мс. Используйте dsp.AsyncBuffer разделить сигналы на перекрытые окна и затем регистрировать значение RMS каждого окна для каждого канала.
samplesPerFrame = round(0.05*fs); samplesOverlap = round(0.025*fs); buff = dsp.AsyncBuffer(numel(audio)); write(buff,audioOut.^2); sink = dsp.AsyncBuffer(numel(audio)); while buff.NumUnreadSamples > 0 currentFrame = read(buff,samplesPerFrame,samplesOverlap); write(sink,mean(currentFrame,1)); end
Преобразуйте энергетическую ценность в дБ. Стройте энергию на полосу в зависимости от времени.
gammatoneSpec = read(sink); D = 20*log10(gammatoneSpec'); timeVector = ((samplesPerFrame-samplesOverlap)/fs)*(0:size(D,2)-1); cf = getCenterFrequencies(gammaFiltBank)./1e3; surf(timeVector,cf,D,'EdgeColor','none') axis([timeVector(1) timeVector(end) cf(1) cf(end)]) view([0 90]) caxis([-150,-60]) colorbar xlabel('Time (s)') ylabel('Frequency (kHz)')
Алгоритмы
gammatone набор фильтров часто используется в качестве фронтэнда симуляции улитки уха, которая преобразовывает комплексные звуки в многоканальный шаблон действия как наблюдаемый в слуховом нерве. [2] gammatoneFilterBank следует алгоритму, описанному в [1]. Алгоритм является реализацией идеи, предложенной в [2]. Проект gammatone набора фильтров может быть описан в двух частях: форма фильтра (gammatone) и шкала частоты. Шкала эквивалентной прямоугольной пропускной способности (ERB) задает относительный интервал и пропускную способность фильтров gammatone. Деривация шкалы ERB также обеспечивает оценку слухового ответа фильтра, который тесно напоминает фильтр gammatone.
Шкала частоты
Шкала ERB была определена с помощью метода маскирования с пазами шума. Этот метод включает аудирование, где с пазами шум сосредоточен на тоне. Степень тона настраивается, и слышимый порог (степень, требуемая для тона, который услышат), зарегистрирован. Эксперимент повторяется для различных ширин метки и центральных частот.
С пазами шумовой метод принимает, что слышимый порог соответствует постоянному signal-to-masker отношению при выходе теоретического слухового фильтра. Таким образом, отношение степени f c тон и заштрихованная область является постоянным. Поэтому отношение между слышимым порогом и 2Δf (пропускная способность метки) линейно связано с отношением между шумом, прошел через фильтр и 2Δf.
Производная функции, имеющей отношение Δf к шуму, прошла через оценки фильтра слуховая форма фильтра. Поскольку Δf имеет обратную связь с шумовой степенью, прошел через фильтр, производная функции должна быть умножена на –1. Получившаяся слуховая форма фильтра обычно аппроксимируется как фильтр roex.
Эквивалентная прямоугольная пропускная способность слухового фильтра задана как ширина прямоугольного фильтра, требуемого передать ту же шумовую степень как слуховой фильтр.
[4] задает ERB как функцию центральной частоты для молодых прослушивателей с нормальным слушанием и умеренным уровнем шума:
Шкала ERB (ERBs) является расширением отношения между ERB и центральной частотой, выведенной путем интеграции обратной величины функции ERB:
Спроектировать gammatone набор фильтров, [2] предлагает распределить центральные частоты фильтров пропорционально их пропускной способности. Выполнять это, gammatoneFilterBank задает центральные частоты, как линейно расположено с интервалами по шкале ERB, покрывая заданный частотный диапазон желаемым количеством фильтров. Можно задать частотный диапазон и желаемое количество фильтров с помощью FrequencyRange и NumFilters свойства.
Ссылки
[1] Slaney, Малкольм. "Эффективное внедрение Паттерсона-Холдуорта слуховой набор фильтров". Технический отчет 35, 1993 Apple Computer.
[2] Паттерсон, R.d., К. Робинсон, Дж. Холдсуорт, Д. Маккеаун, Ц. Чжан и М. Аллерхэнд. "Комплексные Звуки и Слуховые Изображения". Слуховая Физиология и Восприятие. 1992, стр 429–446.
[3] Аертсен, утра H. J. и П. Ай. М. Джохэннесма. "Спектровременные Восприимчивые Поля Слуховых Нейронов в Grassfrog". Биологическая Кибернетика. Издание 38, Выпуск 4, 1980, стр 223–234.
[4] Glasberg, Брайан Р. и главный судья Брайана Мур. "Деривация Слуховых Форм Фильтра из С пазами шумовых Данных". Слушание Исследования. Издание 47. Выпуск 1-2, 1990, стр 103 - 138.