Les différentes étapes du script SQuantifU.m sont les suivantes :
- Chargement d'un fichier wave
- Création du vecteur temps de longueur taille du signal contenu dans le fichier wave
- Affichage du signal avant quantification
- Normalisation de l'amplitude à l'aide d'un coefficient amplificateur du signal d'entrée
- Afficher le signal amplifié
- Ecouter le son amplifié
- (...)
[...] Figure 23 : Courbe Lorsque l'on observe la courbe reliant le rapport signal à bruit à l'ordre du filtre on constate une très légère tendance à la stabilité du rapport signal à bruit Influence du gain et du débit sur le rapport S/B Dans un premier temps, on évalue l'influence du gain sur le rapport S/B. On modifie alors le code Matlab pour faire obtenir le rapport S/B pour différentes valeurs de gain. Figure 24 : S/B=f(gain) La courbe augmente en réduisant les erreurs jusqu'à dépasser un niveau de saturation ce qui provoque des erreurs. On constate alors que la valeur optimale du gain est égale à 35. On trace alors la courbe pour un gain de 35. [...]
[...] On en déduit qu'il est préférable d'amplifier le signal avant de le quantifier Quantification scalaire du fichier froid.wav On réalise la quantification scalaire du fichier froid.wav dont a été extrait le fichier froid2.wav On trace la courbe On constate que la courbe obtenue pour un gain unitaire est identique à la courbe précédente. La courbe obtenue pour un gain d'amplification légèrement inférieur au gain maximal est moins que celle obtenue précédemment. Ceci est du au fait que la valeur du gain maximal n'est plus la même. Cette différence de valeurs provient très certainement des deux souffles présents dans froid.wav 2 Quantification scalaire logarithmique Etude des fonctions lin2mu et mu2lin La fonction lin2mu convertit un signal linéaire en un signal quantifie avec une quantification scalaire logarithmique. [...]
[...] Les échantillons ne sont donc pas corrélés Variation de la longueur de l'analyse A l'aide du programme CELP on utilise un filtre prédictif d'ordre 8 et Tableau 4 : influence de la longueur de l'analyse On constate ainsi que la longueur de l'analyse influence sur la qualité du signal synthétisé. Il est donc important de choisir une longueur d'analyse ni trop longue ni trop courte. Dans notre cas 1000 échantillons semblent être un bon compromis Variation de l'ordre du filtre Désormais on fait varier l'ordre du filtre. On constate alors que plus l'ordre du filtre augmente plus la différence entre la réponse impulsionnelle du filtre et la fft du signal d'entrée s'amenuisent. Ceci traduit une amélioration de la qualité du signal synthétisé. [...]
[...] Les étapes sont les suivantes : - Chargement de la trame suivante sous-trames) - Pas suivant : F1 : Coefficients du filtre - F1 : Coefficients du filtre - Pas suivant : F6 : Encodage des coefficients LSP quantifiés - Encodage des coefficients LSP quantifiés - Pas suivant : F7 : CODAGE DE LA SOUS-TRAME COURANTE - F7 : CODAGE DE LA SOUS-TRAME COURANTE - Pas suivant : F1 : coefficients du filtre interpolés - F1 : coefficients du filtre interpolés - Pas suivant : F5 : RECHERCHE DANS LE DICTIONNAIRE ADAPTATIF - F5 : RECHERCHE DANS LE DICTIONNAIRE ADAPTATIF - Pas suivant: F4 : Principe de recherche dans le dictionnaire adaptatif - F4 : Principe de recherche dans le dictionnaire adaptatif - Pas suivant: F7: Erreur initiale - F7: Erreur initiale - Pas suivant: F4 : Erreur quadratique initiale - F4 : Erreur quadratique initiale - Pas suivant: F2: Scores, gains et valeurs optimales - F2: Scores, gains et valeurs optimales - F6 : Gain et retard quantifiés (vecteur adaptatif) - Pas suivant: F4 : RECHERCHE DANS LE DICTIONNAIRE STOCHASTIQUE - F4 : RECHERCHE DANS LE DICTIONNAIRE STOCHASTIQUE - Pas suivant: F7 : Erreur tenant compte de la modélisation adaptative - F7 : Erreur tenant compte de la modélisation adaptative - Pas suivant: F4 : Erreur quadratique tenant compte de la modélisation adaptative - F4 : Erreur quadratique tenant compte de la modélisation adaptative - Pas suivant: F3 : scores, gains et valeurs optimales - F3 : scores, gains et valeurs optimales - Pas suivant: F6 : Gains et index quantifies (vecteur stochastique) - F6 : Gains et index quantifies (vecteur stochastique) - Pas suivant: F4 : RESULTATS FINAUX POUR LA SOUS-TRAME COURANTE - F4 : RESULTATS FINAUX POUR LA SOUS-TRAME COURANTE - Pas suivant: F7 : Signaux finaux pour la sous-trame courante - F7 : Signaux finaux pour la sous-trame courante - Pas suivant: F4 : Erreur quadratique finale pour la sous-trame courante - F4 : Erreur quadratique finale pour la sous-trame courante - Pas suivant: F5 : Remise à jour du dicionnaire adaptatif - F5 : Remise à jour du dicionnaire adaptatif - Pas suivant: F6 : Encodage des gains et index - F6 : Encodage des gains et index Analyse LPC On ouvre les fenêtres filtres Anseg(Z) et flux de sortie. L'ordre du filtre recherché est 10. La trame contient 4 sous-trames. Les coefficients du filtre d'une sous-trame à une autre ne changent pas. [...]
[...] Pour le premier point, il faut tenir compte du fait qu'il existe = Nombre de bits de quantification possibilités pour quantifier une valeur. Ces possibilités constituent des pas de quantification. Une des manières de déterminer à quel intervalle appartient la valeur y comprise entre et 1. Cet intervalle est défini par y modulo ce qui correspond à round(y*2^(b-1))/2^(b-1). Pour le second point, la valeur du rapport signal sur bruit est déterminée en dB, elle correspond donc à 10 * log10 (puissance du signal / puissance du bruit). [...]
Source aux normes APA
Pour votre bibliographieLecture en ligne
avec notre liseuse dédiée !Contenu vérifié
par notre comité de lecture