Modificació del contracte de treball

STFT:Es una modificació de la TF q afegeix el terme d finestra w.Es fa per aproximar la TF a com s comporta la nostra oïda, s a dir, analitzant trames petites d so i no tot d cop.S’aconsegueix enfinestrant l senyal.
Terme anomenat Hop-size,és l q s salta d'1 finestra  anàlisi a 1 altre.Al final,x obtenir la senyal final, hem d fer overlap-and-add.SIN:Es una modificació de STFT, després de fer la TF del senyal, analitza i detecta els pics dels components sinusoïdals. En aquest model s’utilitza un paràmetre anomenat ‘threshold’ que s’utilitza per determinar a quin nivell de dB volem trobar els pics dels componentsQuan es fa la re-síntesi d’aquest senyal només es representen les components trobades utilitzant els seus paràmetres ( A,w,p).HARMO:Captura tots els components harmònics del senyal, nomes necessitem la freqüència fonamental ja que totes les altres son múltiples d’aquesta.Qualsevol espectre variant en el temps pot ser modelat com suma de sinusoides variants en el temps. Tot i així molts dels lòbuls espectrals d’un espectre no corresponen als parcials actuals del so analitzat.Un parcial(component del so) es el resultat de una vibració del sistema generador, poden ser modelats com a sinusoides variants en el temps, poden ser reconeguts en el domini freqüencial per la seva magnitud, fase, relació amb altres parcials o evolució en el temps.Quan els parcial d’un so estan relacionats harmònicament, els diem harmònics.SIN+RESIDU:Es una extensió del model sinusoïdal al que se li ha incorporat la representació de components de soroll no assimilables a la suma de sinusoides. Aquest model assumeix que les sinusoides son parcials estables que varien lentament en el temps, i que el component residual es pot obtenir generant els components sinusoïdals i aleshores sostraient aquests al senyal original.SIN+STO:Un cop tenim els pics del senyal detectats amb les seves corresponents amplituds, freqüències i fases, i una component residual, per la part residual podem continuar modelant el so per obtenir una representació més flexible i més compacta. Quan els pics s’han identificat i restat, la part residual pot ser considerada un senyal estocàstic. Per tal de modelar les parts rellevants de la part residual, com el fregament de l’arc en el violí o el soroll de respirar en els instruments de vent, necessitem una bona resolució freqüencial.Residual analysis: residu és un senyal estocàstic vindrà descrit per l’amplitud i les característiques freqüencials. No és necessari conèixer la fase instantània o la forma exacta de l’espectre. Per tant, un frame del residu estocàstic pot ser caracteritzat per un filtre. Aquest filtre codifica l’amplitud i la freqüència general del residu. La representació del residu per a tot el so serà una seqüència d’aquests filtres.Per tal de dissenyar el filtre crearem un corba amb la magnitud de l’espectre del frame actual. Una opció per trobar aquesta línia és buscar els màxims locals i connectar-los per línies. Una altra tècnica és utilitzar LPC.Residual synthesis:Generem soroll que té les característiques d’amplitud i freqüència donades per l’envolupant. Filtrem soroll blanc amb aquestes envolupants. Un cop s’han generat la component harmònica i la component residual podem computar la IFFT.

Detecció DE F0 EN EL DOMINI TEMPORAL:

En aquest cas hem de fer l’autocorrelació del senyal per ell mateix retardat. I observar en el coeficient de correlació mes elevat de la gràfica, el qual serà la nostra f0.

Detecció DE F0 DELS PICS ESPECTRALS

En aquest cas l’algoritme que es fa servir es el de TWM aquest algoritme consisteix en dos passos, seleccionar les possibles freqüències candidates a ser f0, mesurar la seva qualitat a traves de la comparació amb l’harmònic predit mes proper (measured-to-predicted error) i cada harmònic predit es comparat amb el parcial mes proper mesurat (predicted-to-measured error) i combinant aquests dos errors el candidat que retorni un error mes baix serà l’escollit.

Detecció DE PICS:

Assumint que hem escollit correctament el tamany de finestra i la longitud de la DFT,podem fer la detecció de pics.Un pic es el punt en el que tant les mostres anteriors com les posteriors tenen una amplitud menor.El zero-padding incrementa el numero de mostres a la DFT,per tant incrementa la resolució dels pics i ens permet ser mes precisos al detectar-los. Combinant el zero-padding amb alguna interpolació espectral, millorem molt la detecció de pics.Si no volem solapament haurem de tenir sempre en compte que l’ample del lòbul principal no sigui major a l’ increment en freqüència.Cada pic de l’espectre de la magnitud es representa en la fase com una zona plana.La interpolació parabòlica s’utilitza per tal de millorar la detecció de pics, ja que una paràbola te una forma similar a la produïda per l’enfinestrament. Per tant a cada pic  es fa la interpolació amb una paràbola amb els punts del voltant i aconseguim valors molt mes propers als reals, que son els que ens proporcionen la informació que desitgem.

Peak continuation

Un cop s’han trobat els pics espectrals, l’algoritme de pic continu pot organitzar els pics en trajectòries freqüencials on cada trajectòria modela un sinus variant en el temps.

Sinusoidal Synthesis

Quan s’han identificat i ordenat tots els pics espectrals podem començar amb la part de síntesi. Per cada pic, es genera un sinus utilitzant oscil·ladors i es sumen utilitzant síntesi additiva.

TAMANY DE FINESTRA(M)

S’escolleix depenent del tipus de finestra i de la resolució temporal/freqüencial desitjada. Una finestra gran aportarà una bona resolució freqüencial. En canvi, una finestra petita aportarà una bona resolució temporal. Volem un tamany de finestra senar, ja que d’aquesta manera el que aconseguim es centrar l’espectre en el 0 i per tant ens facilita reconèixer la fase. Es calcula com: (fs/f0)*bin

1. Enfinestrament del senyal d’entrada per anar analitzant –lo en trames

2,3. Zero-phase del senyal enfinestrat, es mes adient que el enfinestrat normal i aplica els coeficients més alts a les primeres mostres de la trama

4.   FFT del senyal resultant per obtenir la magnitud i la fase

5.   Magnitud(en dB) de les freqüències positives, només necessitarem aquestes per analitzar el senyal. Després, al re-sintetitzar es generaran les negatives a partir d’aquestes.

6.   Fase de les freqüències positives, es fa un ‘unwrap’ per tenir totes les fases positives