Уровень пересечения нулем
rate = zerocrossrate(___,Name,Value)
zerocrossrate(___) без выходных аргументов строит rate вдоль оси Y и соответствующего номера окна вдоль оси X. Если длина окна равна полной длине сигнала, то графики функций длина окна вдоль оси X и пересекающегося уровня посреди окна.
Рассмотрите вектор из единиц с чередованием знаков. Отобразите данные на графике.
x = [1 -1 1 -1 1 -1 1 -1 1 -1]; plot(x)
Вычислите уровень пересечения нулем x.
r = zerocrossrate(x)
r = 0.9500
Используйте третий выходной аргумент, чтобы найти местоположения, где пересечения происходят. Постройте x и местоположения пересечения нулем. Функция возвращает индекс на следующей выборке после пересечения, не обязательно точного местоположения пересечения. Первая выборка отмечена как точка пересечения, потому что функция рассматривает начальное состояние x быть нулем по умолчанию.
[~,~,indices] = zerocrossrate(x); plot(x) hold on plot(x(indices),'*') hold off
Вычислите уровень пересечения нулем x использование метода сравнения. Уровень отличается от значения, вычисленного с помощью метода различия.
rC = zerocrossrate(x,Method="comparison")rC = 0.9000
Вычислите уровень пересечения нулем x снова использование метода различия и задает нуль как положительный. Уровень равен значению, вычисленному с помощью метода сравнения.
rZ = zerocrossrate(x,ZeroPositive=1)
rZ = 0.9000
Теперь задайте начальное состояние x как 1. Уровень равен предыдущему результату.
rI = zerocrossrate(x,InitialState=1)
rI = 0.9000
Загрузите набор температурных показаний в Цельсия, бравшемся каждый час в Аэропорту Логана в Бостоне в течение целого месяца января 2011. Создайте timetable и используйте retime агрегировать данные в среднесуточные значения.
load bostemp t = hours(1:24*31)'; TT = timetable(t,tempC); rTT = retime(TT,'daily','mean');
Считайте номер дней, температура пересекает ежемесячное среднее значение. Отобразите данные на графике и включайте горизонтальную линию при ежемесячной средней температуре, чтобы визуализировать, где пересечения происходят.
avg = mean(TT.tempC)
avg = -1.3007
[~,count] = zerocrossrate(rTT,Level=avg)
count = 9
plot(hours(rTT.t/24),rTT.tempC) yline(avg) xlabel('Time elapsed since January 1, 2011 (days)') ylabel('Average daily temperature (\circC)') axis tight
Речь может быть охарактеризована как озвучиваемый или неречевая. Речевая речь, такая как гласные звуки, происходит, когда голосовые связки вибрируют. В неречевой речи, такой как большинство совместимых звуков, не вибрируют голосовые связки. Можно использовать нулевые пересечения, чтобы классифицировать речевые и неречевые области на звуковой сигнал.
Загрузите звуковой сигнал в рабочую область MATLAB®. Речь говорит, "Дуб силен, и также дает оттенок".
[y,fs] = audioread("oak.m4a"); % To hear, type soundsc(y,fs)
Сигнал производится на уровне 44,1 кГц. Вычислите уровень пересечения нулем для 10 MS Windows с помощью метода сравнения.
win = fs*0.01;
rate = zerocrossrate(y,WindowLength=win,Method="comparison");Постройте rate визуализировать пересекающийся уровень для каждого сегмента. Речевая речь, как ожидают, будет иметь низкий уровень пересечения, в то время как неречевая речь, как ожидают, будет иметь высокий уровень пересечения.
plot(rate)
Используйте порог 0.1 дифференцироваться между речевыми и неречевыми сегментами. Создайте signalMask объект, который имеет две категории ("Неречевой" и "Речевой") и строит видимые области (ROIs). Сравните области речевой и неречевой речи в местоположении каждого произносимого слова.
Речь IBM® Watson в текстовом программном обеспечении API и Audio Toolbox™ может использоваться, чтобы извлечь слова из звукового файла. Загрузите Transcription.mat в рабочую область. Помеченный набор сигнала содержит звуковой сигнал, пределы ROI, и помечает для каждого произносимого слова. Для получения дополнительной информации смотрите, Маркируют Spoken Words in Audio Signals Using External API. Отобразите произносимые слова на графике.
h = 0.1; idu = find(rate > h); idu(1:2) = []; vi = [(idu-1) idu]*win; m = sigroi2binmask(vi,length(y)); mask = signalMask([m ~m],Categories=["Unvoiced" "Voiced"],SampleRate=fs); plotsigroi(mask,y) load Transcription ln = getLabelNames(transcribedAudio); v = getLabelValues(transcribedAudio,1,ln); v.Value = categorical(v.Value,v.Value); RL = v.ROILimits; VL = v.Value; hold on text(mean(RL,2),-0.7*ones(size(VL)),VL,HorizontalAlignment="center", ... FontSize=11,FontWeight="bold") hold off
