Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Feature Extraktion 22<br />
über s<strong>in</strong>d laut Abtasttheorem mit den periodisch fortgeführten Amplituden enthalten -<br />
die Koeffizienten entsprechen somit den komplex Konjugierten jener des unteren Halb-<br />
bandes. Sie enthalten ke<strong>in</strong>e zusätzliche Information <strong>und</strong> können daher vernachlässigt<br />
werden. Dass dies durchaus S<strong>in</strong>n macht, wird auch klar, wenn man sich das Abtast-<br />
theorem an sich vor Augen hält. Es besagt, dass man e<strong>in</strong>e Abtastrate <strong>von</strong> m<strong>in</strong>destens<br />
fs benötigt, um Frequenzen bis zu fs/2 darstellen zu können. Somit ist klar, dass al-<br />
le im Audio-Signal vorhandenen Frequenzen im unteren Halbband liegen müssen. Von<br />
diesem kann somit Betrags- sowie Phasenspektrum berechnet werden.<br />
3.2.2 Fast Fourier Transformation<br />
Aufgr<strong>und</strong> der großen Bedeutung der Diskreten Fourier Transformation <strong>in</strong> der Signal-<br />
verarbeitung stellt sich die Frage nach e<strong>in</strong>em effizienten Algorithmus zur computer-<br />
gestützten Berechnung. Pr<strong>in</strong>zipiell stellt e<strong>in</strong>e Basistransformation – wie die Fourier<br />
Transformation e<strong>in</strong>e ist – e<strong>in</strong>e Multiplikation e<strong>in</strong>es E<strong>in</strong>gangsvektors der Länge N (hier<br />
das Signal) mit e<strong>in</strong>er Transformations-Matrix der Größe NxN dar. E<strong>in</strong>e derartige Be-<br />
rechnung hat e<strong>in</strong>e asymptotische Komplexität <strong>von</strong> O(N 2 ).<br />
Um die Komplexität zu reduzieren wird bei der so genannten Fast Fourier Transfor-<br />
mation (FFT) das Divide&Conquer-Pr<strong>in</strong>zip angewandt. Anstatt die Transformation<br />
auf das gesamte Signal anzuwenden, wird jeweils nur die Hälfte der E<strong>in</strong>gangswerte be-<br />
trachtet – e<strong>in</strong>mal jene mit geraden <strong>und</strong> e<strong>in</strong>mal jene mit ungeraden Indizes. Diese beiden<br />
wesentlich e<strong>in</strong>facher zu berechnenden Teil-DFTs werden im Anschluss wieder zusam-<br />
mengefügt. Dass sie nur e<strong>in</strong>e Länge <strong>von</strong> N/2 Ausgangswerten besitzen, während das<br />
Gesamtergebnis doppelt so lang ist, stellt ke<strong>in</strong> Problem dar, da die Koeffizienten im<br />
Frequenzbereich periodisch fortgeschrieben werden können. Bei rekursiver Fortführung<br />
dieses Verfahrens – das auch als Dezimation im Zeitbereich bezeichnet wird – lässt sich<br />
die Komplexität auf O(N log N) reduzieren.<br />
Weitere Performanzgew<strong>in</strong>ne lassen sich durch e<strong>in</strong>e iterative Implementierung des Algo-<br />
rithmus sowie geeignete Speicherverwaltung erzielen. H<strong>in</strong>tergedanke der In Place FFT<br />
ist es, die Daten so im Speicher zu halten, dass bei der Verschmelzung der Teilergebnis-<br />
se ke<strong>in</strong>e Datenumschichtungen notwendig s<strong>in</strong>d. Die dazu notwendige Reihenfolge der<br />
e<strong>in</strong>zelnen Teilergebnisse im Speicher lässt sich sehr e<strong>in</strong>fach durch Umkehr der Bits der<br />
eigentlichen Indizes ermitteln (vgl. [32], [33], [44]).