ש×פ×ר ×××× ×¤×¨×××¨× ×ק×××× ××ת×ת ש××¢ ×קצ××× × ××××× - SIPL - ×××× ×××
ש×פ×ר ×××× ×¤×¨×××¨× ×ק×××× ××ת×ת ש××¢ ×קצ××× × ××××× - SIPL - ×××× ×××
ש×פ×ר ×××× ×¤×¨×××¨× ×ק×××× ××ת×ת ש××¢ ×קצ××× × ××××× - SIPL - ×××× ×××
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
0.07<br />
0.06<br />
380Hz<br />
0.05<br />
0.04<br />
300Hz<br />
0.03<br />
0.02<br />
0.01<br />
0<br />
-0.01<br />
-0.02<br />
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014<br />
time [sec]<br />
:6.5<br />
איור פונקצית אוטוקורלציה – דוגמה למצב בעייתי.<br />
בדוגמה, פונקציית אוטוקרלציה של אות פסנתר הכולל שלושה תדרים יסודיים:<br />
הרץ. בפונקציה לא הובחנו שלושה שיאים. שני התדרים 440 הרץ הובחנו ע"י שיא אחד<br />
מייצג בתדר<br />
370 ,295 ו- 440<br />
370 ו-<br />
.380Hz<br />
Figure 6.5: Autocorrelation function – example of a problematic situation.<br />
The example shows the autocorelation function of musical (piano) signal, which is composed of three<br />
fundamental frequencies at:295, 380 and 440 Hz. The function does not show three peaks. The two<br />
frequencies, 370 and 440Hz were observed as one peak at 380Hz.<br />
לפיכך, בהרבה מצבים, אלגוריתם זה אינו מפיק את התדרים היסודיים. פונקציית האוטוקרלציה<br />
מציגה הרבה שיאים, ולא תמיד ניתן לדעת אלו מהשיאים מייצגים את התדרים היסודיים. כפי<br />
שהוצג בדוגמאות, לא תמיד מבחינים בשיאים נפרדים בגלל מגבלת רזולוציה בזמן (עבור תדרים<br />
יסודיים גבוהים).<br />
6.3 אלגוריתם למציאת תדרים יסודיים בעזרת החלקת ספקטרום<br />
אלגוריתם נוסף למציאת תדרים יסודיים בשיטה איטרטיבית בעזרת החלקת ספקטרום מתואר<br />
ב- [24].<br />
האלגוריתם פועל באיטרציות, כאשר בכל איטרציות, מוצאים תדר יסודי<br />
התדר היסודי הדומיננטי.<br />
(pitch)<br />
יחיד, שהוא<br />
בכל שלב מחסירים את ההרמוניות של התדר היסודי מאות הכניסה, ולאחר מכן מתחיל שלב חדש<br />
של מציאת התדר היסודי הדומיננטי הבא (מתוך שארית אות הכניסה).<br />
סכימת מלבנים של תהליך זה מתואר באיור<br />
.6.6<br />
- 65 -