对音乐信号的处理——从傅里叶分析到小波分析.pptVIP

对“音乐”信号的处理——从傅里叶变换到小波变换 电气与自动化工程学院 王文白 1013203051 黄晓光 1013203036 内容提要 所谓“音乐”信号 傅里叶变换能做些什么 从傅里叶变换到小波变换 小波变换能做些什么 总结 所谓“音乐”信号 主要特征： 简单来说，一段音乐由一些时间片段组成。 一个时间片段中，可能只有一个音符，或有多个音符叠加。 一个音符由一系列不同频率的正弦波形组成。 有些信号从人类感观来看难以称为音乐，但确实符合前面提到的主要特征。 所谓“音乐”信号 次要特征： 基频和泛频，十二平均律 朱载堉，明朝律学家、历学家、数学家。于音乐、天文、历法、数学、珠算、舞蹈、文学等领域皆有成就。一并，他是辞去王爵，归隐山林的藩王王子。 傅里叶变换能做什么 从最直接的角度来看，傅里叶变换对于平稳的、不同频率正弦波叠加而成的信号，能够准确地得到各分量的频率。 进一步地，短时傅里叶变换通过加窗的方式，提供了一种对长时信号进行局部分析的手段。 两个经典应用 傅里叶变换能做什么 2012年南非世界杯“呜呜祖拉”的噪音消除 傅里叶变换能做什么 球场上的“呜呜祖拉” 傅里叶变换能做什么 董事长手机号码泄露事件 从傅里叶变换到小波变换 从傅里叶变换到小波变换，不再仅仅以正弦余弦函数为基函数对信号进行分解。 不再拘泥于准确的频率，使得小波变换可以更加灵活地实现一些功能。 小波变换能做什么 压缩 信噪 频带分析 奇异信号检测 压缩 音乐的压缩，目的是以可接受的音质下降，换取存储空间的较少占用。 因此，当采用wav格式存储时，只要序列长度，采样频率，采样精度不变，wav格式占用存储空间就是一个定值。 信噪 对于音乐而言，除非自己录，或者自己构造，否则想得到合适的含噪声的音乐并不容易。 自己录要受限于录音质量，有时候细节损失比背景噪声干扰的影响大得多。 多尺度一维小波分解后……反其道而行之。 wavdec→[C,L]→[CAn,CDn,CDn-1,……CD1] → →[a1*CAn,a2*CDn,a3*CDn-1,……an+1*CD1] → wavrec 可以实现一定意义下的变声效果 频带分析 一般来说，每个音符都由基频和多个泛频的正弦波组成，泛频是基频的整数倍。基频决定了该音符在键盘上的位置。至于基频和泛频信号谁的幅值更大，没准。 但不论是真实值还是测量值，总会有误差。 如果是两个音符叠加，基频的获取将更加困难。 如果先去掉一部分频带，再提取基频会变得容易。 频带分析 奇异信号检测 如果两个相邻的音符在键盘上的位置也相邻，那么它们的基频相差5%多一点，单纯凭借小波变换检测音符切换位置并不容易，必须结合其他方式。 但可以通过小波变换对信号预处理，使得检测音符切换位置变得容易。 奇异信号检测 奇异信号检测 奇异信号检测 奇异信号检测 如果找到了音符切换位置，就能将音乐切成单一音符的时间片段。 对每个片段进行小波变换压缩频带，结合傅里叶变换得到基频，就能确定每个时间片段的音符。 音符与持续时间的确定，使得音乐的特征存储变得容易。 这应该就是“哼唱搜索”最简单的实现方式。 总结 常见的音乐信号，整体来看变化很大——频率间断很常见；但局部又很平稳——时间片段内频率分量保持不变。 对于局部的处理，傅里叶变换能得到关于频率信息更为准确的结果。 但对于整体的处理，以及能够得到一个准确的“局部”，小波变换是一个有力的工具。 感谢各位观看