MATLAB Note/音声の加工 - Miyazawa’s Pukiwiki 公開版
MATLABで正弦波を作る（デジタル波） b = 1.0; %正弦波の振幅 f = 12; %周波数（1[s]の間に何回同じ波形が出現するか） Fs = 8820; %サンプリング周波数 t = 0 : 1/Fs : 1.0; %[時間軸の作成] 1/Fs 間隔で 0.0～1.0[s] まで data = b * sin(2 * pi * f * t); %pi=円周率π plot(data); title('時間信号'), xlabel('time[sample]'); 余弦波（cos波） 余弦波の式は、以下のようになる。 a：正弦波の振幅 円運動する点の横座標を、時間の関数として表現した式である。 MATLABで余弦波を作る（デジタル波） a = 1.0; f = 12; Fs = 8820; t = 0 : 1/Fs : 1.0; data = a * cos(2 * pi * f
MATLAB Note/統計/確率分布 - Miyazawa’s Pukiwiki 公開版
確率分布（確率密度関数） † 確率分布の特性と分類に関して、さまざまな確率分布（滋賀大中川先生） に総合的な解説があります。 以下、Statistics Toolbox の関数を使用します。 参考：Statistics Toolbox でサポートされている確率分布 Rでも同じことができるはずです。R Note/統計/確率分布 を参照して下さい。 ↑ 連続変数（Continuous variable） † 連続的に変化する値の出現頻度を扱う分布。 【引用】 （略）棒が倒れる方向 X は、0 から 360°の間の任意の値を取ることができます。このような分布を連続型分布といいます。（略）ここで注意してもらいたいのは、離散型分布の確率関数とは異なり、確率密度関数 f(x) は、X が 値 x を取るときの確率を表しているわけではないことです。（略）なぜなら、倒れたときの角度がある特定の値に完全に一
http://shower.human.waseda.ac.jp/~m-kouki/pukiwiki_public/index.php?MATLAB%20Note/%E7%B5%B1%E8%A8%88
MATLAB Note/Neural Network Toolbox/SOM（自己組織化マップ） - Miyazawa’s Pukiwiki 公開版
自己組織化マップ（Self-Organizing Maps, SOM） † リファレンス 競合学習ネットワーク 自己組織化マップ デモンストレーション サブプロパティ net.layers のリファレンス（トポロジー関数、距離関数） トポロジー関数、距離関数のカスタマイズ ↑ 学習に使用するデータ † 入力として使うのは、おなじみのあれ*1です。 あれ → 横軸の特徴量の数は、入力層の要素（ノード）数に対応します。 縦軸の1行が、逐次型（適応）学習の1回のステップで与えられる入力ベクトルに対応します。 また、この13×16の入力ベクトルセットが、バッチ型（訓練）学習の1回のエポックで与えられる入力ベクトルに対応します。 ↑ 基本SOM（単層） † まずは、Neural Network Toolbox での基本SOMの実装についてまとめておきます。 ここで作成するSOMは、5×4の二次元
自己組織化マップの概要 - Miyazawa’s Pukiwiki 公開版
自己組織化マップ（Self-Organizing Maps, SOM）とは † 統計学的説明 ： 多くのパラメータを使うことで近似的にノンパラメトリックで非線形なPCA（主成分分析）を実現する手法*1 PCAとは … 多次元のデータを、できるだけ情報量を落とすことなく、低次元に要約する。 例 : [数学の点, 国語の点, 理科の点, 社会の点] → [数学+理科の点, 国語+社会の点]*2 非線形PCAとは … 非線形関数であっても推定可能、SOM や カーネル主成分分析 など。 例 : 三角関数（データが原点を中心にした円弧上に存在する場合、x,yは偏角θの1次元で表現できる）*3 生理学的説明 ： 大脳感覚野の特徴地図が知覚経験によって形成されていく様子を説明したモデル（の、簡易版）*4 網膜細胞の入力から、一次視覚野の方位選択性+眼優位性構造 を再現することができる。 応用的説明 ：
動的特徴量（デルタパラメータ） - Miyazawa’s Pukiwiki 公開版
デルタパラメータとは？ † 音声認識の際、動的な特徴をあらわす指標として使われる。 初出は Furui, 1986.*1 意義 中川, 2000.*2 より引用 スペクトルの時間方向の動的変化の特徴は音声認識にとって重要なパラメータであり、これを回帰モデルでモデル化し、1次回帰係数（Δケプストラム）、2次回帰係数（ΔΔケプストラム）と呼ばれ広く用いられている（隣接スペクトルの差分もΔケプストラムと呼ばれており、同様に効果がある） 和田ら, 2002.*3 より引用 デルタケプストラムは、ケプストラムの時間変化の微分を差分ベクトルにより近似した動的特徴量である。(略) LPCケプストラムを取り除きデルタケプストラムのみを特徴量として用いることで耐雑音性が改善されると考えられる。しかしながらデルタケプストラムのみを特徴量とするには母音などの定常に近い音声の認識に不安を残す。 計算方法 HTK
MATLAB Note/ファイル操作 - Miyazawa’s Pukiwiki 公開版
公開準備中 ファイル読み込み † 配列の読み込み テキストファイル magik.txt に記述された以下のような値を、直接MATLABの配列に取り込みたいとします。 16.0 3.0 2.0 13.0 5.0 10.0 11.0 8.0 9.0 6.0 7.0 12.0 4.0 15.0 14.0 1.0 カンマ区切りでも、スペース区切りでも、タブ区切りでもかまいません。 MATLABへの読み込みは以下のようにします。 >> A = load('magik.txt') A = 16 3 2 13 5 10 11 8 9 6 7 12 4 15 14 1 文字列の読み込み テキストファイル hello.txt に記述された以下のような文字列を、直接MATLABに取り込みたいとします。 HelloWorld1! HelloWorld2!! MATLABへの読み込みは以下のようにします。 [na
MATLAB Note/音声の分析 - Miyazawa’s Pukiwiki 公開版
音声を取り込む・再生する † WAVREAD Microsoft WAVE (".wav") サウンドファイルの読み込み filename = 'a.wav'; %読み込むファイル名を指定 [data,Fs,Bits] = wavread(filename); %dataに音声データ、Fsにはサンプリング周波数を代入 sound(data,Fs); %サンプリング周波数 Fs で再生 wavplay(data,Fs); %サンプリング周波数 Fs でWindows のオーディオ出力を使って再生 wavplay(data,Fs,'async'); %音声の再生に平行して処理を続行する disp('再生中...'); デフォルトで、以下のような音声データが用意されています。 load laughter; %笑い声 sound(y, Fs); load handel; %handelのハレルヤ
メル周波数ケプストラム（MFCC） - Miyazawa’s Pukiwiki 公開版
スペクトラム（spectrum）とは † 音声や地震波などの周期性のある信号は、どれだけ複雑な信号であっても、単純な波に分解できる（フーリエの定理） 単純な波...単一の周波数と振幅をもつ正弦波、余弦波 上記の定理に従って、ある信号の周波数成分と振幅の成分を抽出したものが、周波数スペクトラム（スペクトル）です*1。 スペクトラムの求め方（MATLABによる説明） 以下のような複雑な波を考えます。 MATLABで上の波を生成するには、以下のコードを実行 time = 0 : 1 / 8820 : 0.05; sinwav_1 = 1.2 * sin(2 * pi * 130 * time); coswav_1 = 0.9 * cos(2 * pi * 200 * time); sinwav_2 = 1.8 * sin(2 * pi * 260 * time); coswav_2 = 1.4
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://shower.human.waseda.ac.jp/~m-kouki/pukiwiki_public/117.html
http://shower.human.waseda.ac.jp/~m-kouki/pukiwiki_public/33.html
研究報告 母音フォルマントパターンの分類 - Miyazawa's Weblog
Index - Miyazawa’s Pukiwiki 公開版