CN102695958B - 波形的精确测量 - Google Patents

波形的精确测量 Download PDF

Info

Publication number
CN102695958B
CN102695958B CN200980145770.2A CN200980145770A CN102695958B CN 102695958 B CN102695958 B CN 102695958B CN 200980145770 A CN200980145770 A CN 200980145770A CN 102695958 B CN102695958 B CN 102695958B
Authority
CN
China
Prior art keywords
unit
maximum
calculation matrix
frequency
relevant
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN200980145770.2A
Other languages
English (en)
Other versions
CN102695958A (zh
Inventor
保罗·里德·史密斯
杰克·W·史密斯
弗雷德里克·M·斯雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Paul Reed Smith Guitars LP
Original Assignee
Paul Reed Smith Guitars LP
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Paul Reed Smith Guitars LP filed Critical Paul Reed Smith Guitars LP
Publication of CN102695958A publication Critical patent/CN102695958A/zh
Application granted granted Critical
Publication of CN102695958B publication Critical patent/CN102695958B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/14Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10HELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
    • G10H1/00Details of electrophonic musical instruments
    • G10H1/0008Associated control or indicating means
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16Spectrum analysis; Fourier analysis
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10HELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
    • G10H2210/00Aspects or methods of musical processing having intrinsic musical character, i.e. involving musical theory or musical parameters or relying on musical knowledge, as applied in electrophonic musical tools or instruments
    • G10H2210/031Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal
    • G10H2210/066Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal for pitch analysis as part of wider processing for musical purposes, e.g. transcription, musical performance evaluation; Pitch recognition, e.g. in polyphonic sounds; Estimation or use of missing fundamental
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10HELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
    • G10H2250/00Aspects of algorithms or signal processing methods without intrinsic musical character, yet specifically adapted for or used in electrophonic musical processing
    • G10H2250/131Mathematical functions for musical analysis, processing, synthesis or composition
    • G10H2250/215Transforms, i.e. mathematical transforms into domains appropriate for musical signal processing, coding or compression
    • G10H2250/235Fourier transform; Discrete Fourier Transform [DFT]; Fast Fourier Transform [FFT]
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Algebra (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measurement Of Current Or Voltage (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

一种用于计算机控制的数字信号处理的机器实现的方法,包括从数据存储或者从模拟信号的转换获得数字信号,以及从该数字信号确定测量矩阵。每个测量矩阵具有多个单元,每个单元具有与时间片的频率槽中的信号能量相对应的振幅。每个测量矩阵中的沿着时间片和/或频率槽的具有最大振幅的单元被识别为极大值单元。在时间和频率上重合的极大值被识别,并构建表示重合极大值的被称为“精确测量矩阵”的相关极大值矩阵,以及将相邻的被标记的极大值连接成部分链。如果仅构建了一个MM,识别多个类型的极大值以产生精确测量矩阵。

Description

波形的精确测量
相关申请的交叉引用
本申请要求2009年11月12日提交的申请号为PCT/US2009/064120的PCT专利申请的优先权,该申请的全部内容通过引用而并入本文。
技术领域
本发明涉及波形和复合波形的时间-频率-振幅的分析与测量。注意的是词“信号”是更常用的词“波形”的通用同义词,本文中两者可以替换使用。复合波形包含混合在一起的多个波形(或信号)。虽然本文中大多数指的是声频范围,但是用于本发明的目的的波形不限于任何特定的频率范围或者复合状态。
背景技术
给定的复合波形,期望能够精确的测量波形和其组成,该复合波形可能是由多个源所引起的。当波形包括在时间和频率上叠加的由不同源所产生的信号、低能信号被高能信号所遮盖、在频率上快速变化、和/或在振幅上快速变化时,难于进行该测量。如果这些波形能够被更精确的测量和分析,将大大的增加我们理解它们包含什么以及如何改变它们的能力。
波形的分析通常在时间和频率范围中完成。通常,这些波形首先被数字捕获为根据时间的振幅采样,然后使用一系列变换来测量信号,在一矩阵中显示结果。已经开发出各种技术来从时序数据中提取频率/振幅信息。然而,表示频率和振幅如何随着时间变化是个挑战,尤其是当有突变的频率和/或振幅变化、或者来自于多个源的信号占据了相同的时间和频率区域时。
用于获得时间、频率和振幅信息的一个常规变换是离散傅里叶变换(DFT)。不幸的是,从DFT的大小(尺寸)获得的频率和时间分辨率之间有折衷。通过DFT所检查的时间窗口与其尺寸成比例。因此,与小尺寸的DFT相比,大尺寸的DFT 检查较大的时间窗口。较大时间窗口使得大尺寸DFT变慢以对动态变化做出反应。
相反的,大尺寸DFT将频率范围切成非常小的片。通过DFT测量的最大频率是数位信号的采样率的一半。尺寸X的DFT将从0到最大值的频率范围分成X/2等份的“槽(bins)”。因此,DFT中每个频率槽的大小等于两倍的采样率除以其尺寸。
因此,较大尺寸的DFT具有较高频率分辨率但是较低的时间分辨率。因此,较大尺寸的DFT具有较高频率分辨率但是较低的时间分辨率。由于这一折中,操作人员寻求改进的DFT或者其他替代方法以精确的表示动态的、时变的波形,且同时具有良好的时间分辨率和频率分辨率。
光谱、离散小波变换、布赖特-维格纳、伽柏以及窗口技术仅是用于试图创建更精确的在时间、频率和振幅方面变化的动态信号的时间-频率表示的一些技术。每个技术具有其自己的优势和弱点:计算复杂性(即处理负担)、伪像/失真、时间精确度和分辨率、频率精确度和分辨率、以及振幅精确度和分辨率。本发明不是新变换技术,而是使用已有的(或新)技术结合多个变换的方法。
本发明不应当与模糊相似的但是复杂程度较低的被称为光谱相关的结合多个FT数据的形式相混淆。现有技术中建立的光谱相关,计算相同大小的FT,FT数据不是同时获取的。因此,与本发明相反,光谱相关不具有同时改善时间和频率分辨率和精确度的优点。其还污染了随着时间的信息,而这是本技术所要设计避免的。
发明人已经公开了多个专利,这些专利通过引用而被并入本文。它们是:快速发现基波的方法,美国专利6766288B1;修改复杂波形的谐波量的方法,美国专利7003120B1;以及信号撕裂方法,美国专利6798886B1。2008年11月26日提交的临时专利申请61/119198也通过引用而被并入本文。
发明内容
本发明提供一种用于数字信号处理的机器实现的方法,包括:从模拟信号 的转换或者从数据存储中获得数字信号;构建一个或多个测量矩阵(MM),该测量矩阵中包含含有特定的时间和频率的振幅的单元;在一个或多个矩阵中基于单元振幅的比较而标记极大值;以及从多个测量矩阵中识别时间和频率相对应的相关极大值单元。然后生成了具有被标记出的相关极大值的被称为精确测量矩阵(PMM)的新的矩阵。(注意:所有这些极大值为局部极大值,但是为了简洁,我们仅称它们为“极大值”。它们还可以是全局极大值,但是在本文中并不妨碍。)
每个测量矩阵通常通过使用例如快速傅里叶变换(FFT)对输入信号进行重复转换而产生。每个转换表示输入信号中的被称为时间片的时间的一部分,并产生一行单元,每个单元对应于被称为频率槽的频率范围,。每个单元被表示其对应的频率槽/时间片的信号强度的振幅所占据。识别并标记出每个测量矩阵中的沿着每个时间片和/或频率槽的具有极大值振幅的单元。可以使用许多识别极大值的方法,产生了许多类型的极大值。在时间和频率上相对应的不同矩阵中的和/或不同类型的极大值被标记在被称为“精确测量矩阵”的新矩阵中。然后将PMM中邻近的相关极大值连接在一起成为部分链。获得、确定、识别、选择、标记和关联是通过机器实现的。
极大值单元是通过比较相邻单元的振幅或者通过比较其他的特别相关的单元的振幅而识别出的。如果单元的振幅大于某些相邻单元的振幅,则该单元被确定为简单极大值单元。其它类型的极大值(下文中定义)包括:关联“小兄弟”极大值、角度极大值和窃贼极大值。如果对于相同的时间片和频率槽建立了多个极大值(在不同的MM中和/或在相同的MM/单元中的多个类型的极大值),那么该极大值相对应,并且根据特定的测试标准,在PMM中的对应的单元可以被标记为相关极大值。PMM中的每个单元中的振幅为初始MM中的对应单元的值的函数(例如加权平均数)。
术语
本文中使用了下列术语。
FT:傅里叶变换-用于计算波形频谱的振幅的方法。
DFT:离散傅里叶变换-计算离散(数字化)波形的频谱的振幅的算法。DFT输出可以是复数或者恰好是实数的振幅。本发明的许多公开实施方式仅需要实数振幅。除非明确说成是复数,本文中所有提及的DFT为具有实数输出的DFT。
FFT:快速傅里叶变换-快速运行的DFT方法,该方法如此流行以至于其名字通常用作与DFT同义。本文中DFT和FFT可交换使用。
FIR:有限脉冲响应-本文中,FIR指的是FIR滤波。FIR的集合可以产生与从具有实数振幅输出的FFT所产生的时间和频率信息相类似的时间和频率信息。
IIR:无限脉冲响应-本文中,IIR指的是IIR滤波。IIR的集合可以产生与从具有实数振幅输出的FFT所产生的时间和频率信息相类似的时间和频率信息。
窗口:在傅里叶变换(或者等同技术)中使用的时间部分。在DFT中,窗口大小(采样中)被认为是DFT的尺寸。例如,如果信号被用8000采样每秒进行数字化,尺寸为4000的DFT将对4000采样的数据(半秒)起作用。
窗口技术:流行的DFT技术并非对窗口内的采样全部相同处理的。例如,尺寸为4000的简单DFT将仅转换4000采样。利用窗口技术,4000采样将被调成分配较多的权重给中间的采样,分配较少的权重给在开始和结束的采样。窗口技术被设计来减少DFT的频率响应中的旁瓣/伪影。
dB:分贝-在例如声学与电子测量和计算中使用的测量值的对数比率。
dBFS:全尺度dB-与在数字表示中的最大峰值有关的DB。
时间片:时间的一部分。时间片可以例如通过对数据的特定时间窗口运行FFT来表示。然而,窗口要比该表示的时间片大得多并且位于时间片的正中。时间片的大小是通过连续的FFT运行之间的间隔所确定,而不是窗口的大小。对于每秒8000采样的数字化信号,如果每隔8采样运行一次新的FFT,则时间片为8采样(1毫秒)宽。FFT窗口可以是4000采样(半秒或者500时间片)宽。
频率槽:小范围的频率(例如1702-1704Hz)
单元:矩阵中的单元。通常,单元表示时间片中的频率槽并包含dBFS振幅。
MM:测量矩阵-表示一段时间的波形的频谱振幅的单元的矩阵。测量矩阵通过重复FFT(或者其他变换或者等同变换)而生成。每个FFT为其时间片生成一行(或列)单元-每个频率槽一个单元。每个单元中的振幅是在该时间片中的频率槽的振幅。然后检查单元并视情况标记极大值。当处理近似于实时的连续信号时,测量矩阵可以是无限长。对于有限时间的波形,测量矩阵可以是有限长。同样的,至少两个测量矩阵可以被称为多个测量矩阵。
极大值单元:被标记为一个或多个类型的极大值的单元。
简单极大值单元:振幅比直接相邻的单元的振幅大的单元。如果单元的振幅比相同频率槽中的在时间上的直接前面和直接后面的单元的振幅大,该单元为时间峰简单极大值。如果单元的振幅比相同时间片中的频率刚刚比其高和刚刚比其低的单元的振幅大,该单元为频率峰简单极大值。简单单元可以同时是时间和频率简单极大值。时间峰和频率峰简单极大值单元可以被区别标记,或者可以被作为同义词,而仅被缩写成为“简单极大值单元”,或者“简单极大值”,或者“局部极大值”。
关联极大值(“小兄弟”)单元:邻近简单极大值的单元,其振幅在简单极大值的指定阈值的范围内且大于另一侧的单元的振幅。如果单元为时间峰简单极大值,直接在其之前的以及之后的相同频率槽中的单元为关联极大值的候选单元。在一示例性实施方式中,如果在简单极大值之前的候选单元中的振幅在简单极大值的振幅的2dB范围内,并且还大于在简单极大值之后的单元的振幅,那么该单元将被标记为小兄弟。类似的,如果单元是频率峰简单极大值,在频率上直接在该简单极大值之上和之下的相同时间片中的单元为关联极大值的候选单元。在一示例性实施方式中,如果频率在简单极大值之上的候选单元中的振幅在简单极大值的振幅的3dB范围内,并且还大于频率在该简单极大值之上的单元的振幅,那么该单元将被标记为小兄弟。在时间上相邻的小兄弟的dB阈值不必与在频率上相邻的小兄弟的dB阈值相同。时间和频率小兄弟可以被区别标记出或者可以被作为同义词并仅仅标记为小兄弟。单个的单元可以同时是时间小兄弟和频率小兄弟。
角度极大值单元:与两边的相邻单元之间的振幅的差值的变化超过了给定阈值的单元。在示例性的实施方式中,如果单元比在相同的频率槽的在时间上直接在其之前的单元大4dB,但是仅比在其后的单元小1dB,3dB的差值使得其成为角度极大值(具体的,时间角度极大值)。类似的,通过将单元的振幅与相同时间片中的频率恰好在其上和下的单元的振幅进行比较而求得频率角度极大值。角度极大值可以被区别标记成频率角度极大值和/或时间角度极大值,或者可以被视为同义而仅标记为角度极大值。单个的单元可以同时是时间角度极大值和频率角度极大值。
窃贼极大值单元:一种极大值单元,该极大值为通过测量当信号峰进入或离开DFT窗口时的振幅变化而检测到的极大值。当峰在单元的转换窗口内时在频率槽内的能量峰将影响该槽中的所有单元的振幅。如果变换窗口为例如500时间片宽,那么峰将在离开之前进入该窗口500时间片(单元)。通过比较振幅增加和500时间片后的减少,以及还将它们两者与特定的阈值比较,可以显示窃贼极大值。然后标记中间的单元。如果峰的持续时间长于时间片,能量将倾斜提升多个单元(时间片或者行)以及后来类似地倾斜下降500单元,中间的多个单元被标记为窃贼极大值。因此,与其他类型的极大值不同,窃贼极大值不是通过比较单元与其直接邻近的单元而检测出的。由于窗口可能比单一时间片宽得多,可以在远离被标记的单元的单元中看到振幅的变化。而且,与简单极大值、关联极大值和角度极大值不同,窃贼极大值仅能作为时间极大值存在,没有类似的频率极大值。
相关极大值单元:PMM中的与在多个测量矩阵(MM)中的极大值单元相对应的单元。当多个MM中的极大值单元在时间和频率上重叠(即部分或全部重合),它们被认为是相关的,PMM中的在时间和频率上与这些相关单元中的重叠相对应的单元被称为相关极大值单元。(注意:“重合”与“对应”是等同术语。)
部分:标记的极大值单元或者一组相关的标记极大值单元(例如简单极大值及其小兄弟)。
部分链:连接在一起的部分的集合。部分链可以包括每时间片一个或多个部分。部分链可以横跨时间片成为直线、曲线和/或折线。部分链被认为是连接的单元-由于它们的物理接近性而连接。
DnMM:尺寸N测量矩阵-具有N个频率槽的测量矩阵。例如,D500MM为具有500测量槽的测量矩阵。可能无限的时间尺寸不被用作MM。
PMM:精确测量矩阵-标记有相关极大值的MM。
DnPMM:尺寸N精确测量矩阵。
信号:任何可检测的物理量或脉冲,从中能够获得讯息、数据或者信息。如上文所解释的,本发明涉及“波形”和“复合波形”的时间-频率-振幅分析与测量。术语“信号”是更常用的术语“波形”的通用的且通常公认的同义词,本申请中两者可以替换使用。因此,术语“复合波形”可以被认为是包含混合在一起的多个波形(或信号)。
附图说明
本专利或申请文件包含至少一彩色图。根据要求将提供带有彩图的本专利或专利申请出版物的复本。
图1所示为根据本发明的示例性实施方式的原理图。
图2所示为根据本发明的示例性实施方式的标记有简单极大值的示例测量矩阵的视图。
图3A、3B、3C、3D、3E和3F所示为根据本发明的示例性实施方式的可能类别的极大值检测。
图4所示为在测量矩阵之间比较以寻找极大值重合并产生相关极大值矩阵或者精确测量矩阵(PMM)的示例性结果。
图5A和5B所示为根据本发明的示例性实施方式对相同数据用单独的FFT获得的两个测量矩阵的示例性视觉展现。
图5C和5D所示为根据本发明的示例性实施方式的图5A和5B的两个测量矩阵分别确定的并通过分析工具获得的极大值的示例性视觉展现。
图5E所示为根据本发明的示例性实施方式的从图5C和5D中所示的极大值中确定出的精确测量矩阵输出数据的示例性视觉展现。
图6所示为根据本发明的示例性实施方式。
具体实施方式
本发明的示例性实施方式创建“精确测量矩阵”(PMM)作为产生根据时间的精确振幅和频率信息的新型动态计算机机器处理的一部分。PMM是新型的非常有用的数据和输出,其能比现有技术更精确。
与和传统技术相关的问题相比,本发明的某些示例性实施方式有利的具有时间序列信号的瞬时频率和振幅的高分辨率的且精确的测量值。本发明的实施方式可以通过结合不同大小的多个、同时测量矩阵(通过查找极大值单元并标记极大值单元来对单元进行标记),然后查找MM以关联极大值来实现这一优势。如上文所解释的,较小大小的变换提供较好的时间分辨率,而较大大小的变换提供较好的频率分辨率。因此,通常使用两个或更多个测量矩阵以创建全部的PMM。可以使用另外的测量矩阵(例如具有相同的尺寸但是变换不同或者窗口技术不同的测量矩阵)来提供甚至更高分辨率和精确度。还可以使用多种类型的矩阵来为PMM寻找相关极大值。相邻相关矩阵将被连接成被称为部分链的链。该连接是通过连接任意两个频率槽相邻或者相同的、且时间片相邻或相同的极大值单元来实现的。
在一个基本实施方式中,使用不同尺寸的FFT创建两个MM,标记简单极大值和小兄弟(时间和频率上的),对于小兄弟阈值为2db。在该实施方式中,所有四种类型(时间和频率、简单和小兄弟)的极大值被认为是等同的,单元仅被标记为“极大值”。然后通过比较两个MM中的具有对应时间和频率的单元并当对应单元均具有极大值时在PMM中标记极大值而创建PMM。PMM中的单元被原始MM中的对应单元的振幅的平均值所占据。
例如,假定每秒8000采样的数字声频信号。在该实施方式中,可以通过进行每80采样(每10毫秒)1000尺寸的FFT来产生一个MM。每个FFT表示 10ms长的时间片。获得的每个FFT的振幅被记录作为该MM中的一行。然后将具备简单极大值和小兄弟的资格的单元标记成极大值单元。
注意尺寸N的FFT(或者其他等同技术)产生具有N/2频率槽的MM。因此,通过尺寸1000的FFT产生的MM为D500MM。还注意的是产生的极大值频率通常等于采样率的一半-在采样率为8000的样品中为4000Hz。将0-4000的频率范围分成500等份产生8Hz宽的频率槽(0-8Hz,8-16Hz…3992-4000Hz)。然后具有简单极大值和小兄弟资格的单元被标记成极大值单元。
接着,通过进行每80采样的尺寸4000的FFT产生D2000MM。获得的每个FFT的振幅在D2000MM中被记录成一行。D2000MM的频率槽为2Hz(0-2Hz,2-4Hz...3998-4000Hz)宽。然后具有简单极大值和小兄弟资格的单元被标记成极大值单元。
注意,D2000MM的频率的精确度为D500MM的四倍。相反,凭借其较短的窗口,D500MM在时间方面的精确度为D2000MM的四倍。具体的,D2000MM是从4000采样的时间窗口计算出的(横跨半秒-50行或者时间片),而D500MM是从1000采样的时间窗口计算出的(仅横跨八分之一秒-12.5行或者时间片)。
为了同时得到D500MM的时间分辨率和D2000MM的频率分辨率,两个D500MM被关联并建立D2000PMM。由于在D500MM中的每个频率槽横跨D2000MM中的四个频率槽,在一个中识别对应于另一个中的频率槽的频率槽可能会混淆。为了简化(即在实际机器中也在本说明中)D500MM被扩展以便单元与D2000MM的单元精确对应。为此,D500MM中的每个单元被分成4等份。在D500MM中的每行中,每个单元都被划分。0-8Hz的单元被分成4个单元(0-2Hz,2-4Hz,4-6Hz和6-8Hz)。每个新单元保留了原始的0-8Hz单元的振幅和极大值标记。其它单元以相同的方式划分。因此,由于行(时间片)已经在时间上精确对应,在扩展了的D500MM中的每个单元精确对应于D2000MM中的单元,从而直接的建立了D2000PMM。
D2000PMM中的每个单元的振幅被D500MM和D2000MM中的对应单元的振幅的平均值所占据。两个振幅的任何函数是允许的,但是在这一实施方式中, PMM中的单元的振幅是在两个原始MM中的单元的能量的简单平均。如果在两个MM中的对应单元被标记成极大值,则这样的每个单元被标记成极大值。
注意,这些MM的行如何在时间上精确对应是公知常识,但是仍然值得解释。D2000MM中的第一行是从数字输出中的采样1-4000创建的。D500MM的第一行是从采样1502-2500产生的,以便居中到同一点。(中心点恰好为2000.5)。由于时间片为80采样宽,通过这些行所表示的时间片可以被认为是采样1961-2040(也以2000.5为中心)。第二行(时间片)可以是后来的80采样。通过对采样81-4080进行FFT而产生D2000MM的第二行(以2080.5为中心),对采样1581-2580进行FFT产生D500MM(也以2080.5为中心)。时间片可以被认为是采样2041-2120(同样以2080.5为中心)。注意,按照定义时间片不重叠。
可以通过变更这一点而产生本发明的其他实施方式。可以减少时间极大值,仅使用频率极大值。相反,可以仅使用时间极大值。小兄弟阈值可以从2dB变化至任何其他的值,或者可以完全不适用小兄弟。可以创建并关联两个以上的MM。当使用超过两个MM时,它们之间的一致性不必通用。例如,如果使用五个不同的测量矩阵,可能需要在相同时间和频率的五个极大值中的三个以识别相关极大值。相关极大值还可以定义为在最大尺寸MM中的极大值,该极大值与任何其它MM中的极大值相对应。根据应用或信号性质可以改变相关极大值的标准,但是必须包含两个或多个极大值的在时间和频率上的对应。而且,对于不同的频率范围,可以不同的确定相关极大值。例如,对于低频,可能需要较大尺寸测量矩阵以增加频率分辨率。相反,对于高频,较小尺寸的测量矩阵可以进行得很好。
在示例性的实施方式中可以使用这些变化的任意组合。而且,可以使用任何的窗口技术。在另一示例性实施方式中,使用相同尺寸的FFT但是不同的窗口技术产生多个MM。然后在这些MM中标记出极大值(可能用不同的标记标准),然后将比较MM以寻找相关极大值并建立PMM。在另一示例性实施方式中,使用不同尺寸的FFT和不同的窗口技术产生多个MM。例如,可以不用窗口技术产生D500MM和D2000MM,用汉明窗(Hamming window)产生另一个 D2000MM。然后关联这三个MM以产生PMM。可能的组合是无尽的。
在另一个示例性的实施方式中,仅创建单个MM。在该实施方式中,不利用窗口技术创建D4000MM。识别并标记频率峰简单极大值。还识别并标记窃贼极大值。同时标记为频率峰和窃贼极大值的任何单元为相关极大值,用这些标记的相关极大值创建PMM。
本发明的其它实施方式可以通过变更这一点而产生。MM可以具有除4000外的不同尺寸。可以使用去卷积和/或窗口技术来增强MM的频率分辨率。允许使用小兄弟。可以使用窃贼极大值的特性的函数作为小兄弟阈值,而不是使用恒定的dB数。具体的,除弱窃贼极大值外的“强”窃贼极大值可以触发不同的小兄弟阈值。
在另一示例性实施方式中,可以使用全复数FFT,MM的单元被复数所占据,极大值的识别可以同时基于单元中的振幅和相。例如,小兄弟和角度极大值阈值可以包括相组分。较大或较小相移可以被认为更能说明极大值。
在另一示例性实施方式中,一些或所有的FFT被多个IIR或者FIR所取代。每个频率槽使用单独的FIR或者IIR。使用滤波来代替目前的从一个域至另一个域的变换以识别频谱的通用技术是已知的,但是该方法计算强度更高。为了MM中的时间片相同的居中于一点,可以使用时滞补偿来调节滤波的频率响应中的群延迟变化。从FIR和IIR创建的MM被用作与从FFT创建的MM相同。
此外,应当理解的是FFT可以被另外类型的提供相同或类似类型的计算或分析特性的变换所替代。
示例性的实施方式可以组合上述的所有的、在用不同尺寸的FFT和/或其他变换和/或不同窗口技术和/或FIR或IIR的带所创建的多个MM中的多个类型的极大值。然后为相应的频率槽和时间片关联极大值。当使用FIR或者IIR,可以使用较长时间片以减少计算负担。在这种情况下,通过FIR或者IIR所产生的MM中的单个行(时间片)可以在时间上与通过FFT所产生的MM中的两个或更多个行相关联。为了促进简单相关,矩阵可以在时间上与在频率上的扩展相类似的方式扩展-或者可以不用该装置进行关联。而且,同时极大值单元的识别 在这里被描述成“标记”单元,这在一些示例性实施方式中不是文字错误。可以使用追踪那些单元是极大值而哪些不是极大值的任何方式。在一示例性实施方式中,单个平行矩阵(或阵列)包含极大值指示。因此,MM或者PMM可以不是字面上所指的机器中的单个矩阵或阵列,而可以字面上指共同包含本文中所描述的振幅和极大值信息的一组平行矩阵或者阵列。
图1所示为根据本发明的示例性实施方式的原理图。模拟信号接收装置101a捕获物理模拟信号(如上所解释的,可以包括一个或多个波形);因此可以被认为是物理模拟装置。模拟信号接收装置101a可以例如为播放磁带的磁带播放器、麦克风、摄影机或者其他传感器等。模拟-数字(A/D)转换器101b将物理模拟信号转换成数字格式。在示例性实施方式中,A/D转换器101b被固定在例如提供数字音频工作站(DAW)的数字音频机上。例如使用16比特量化和8KHz的采样频率产生数字格式。量化的每位可以提供大约6dB的动态范围。因此,示例16比特量化可以导致总动态范围为大约125dB,足够用于一些音频应用中。可使用其它量化选项,包括但不限于32比特和24比特。量化还可以是使用在例如为光盘驱动器(CD-ROM)的装置中通常使用的过采样和∑-△调制的单比特。模拟信号接收装置101a和A/D转换器101b可以是相同装置或者分开的装置。
在示例性的实施方式中,不是经由模拟信号接收装置101a和A/D转换器101b提供数字信号,而是通过存储数字信号的数据存储102提供数字信号。数据存储102可以是任何类型的数据存储,例如硬盘驱动器、网络附加存储(NAS)装置、闪盘驱动器等。然而,数据存储102不限于这些具体的示例。数据存储102可以包括其他现有的或者将来开发出的数据存储装置,而不偏离本发明的范围。
可以通过示例性实施方式处理许多类型的信号。例如,提供的数字信号可以是来自于音频频谱、视频频谱或者其它频谱的数字化的模拟信号,或者可以起源于数字形式。
在方框103-107中,无论是接收自模拟信号接收装置101a和A/D转换器101b 还是接收自数据存储102的数字信号都被变换以生成测量矩阵。变换可以例如为FFT。例如,在103-107的每个方框中,用不同的尺寸和相应的频谱分辨率对数字化的物理模拟信号进行FFT。变换的功能还可以通过中心频率适当的分隔越过目标频谱的FIR或者IIR带通滤波器的带完成。通常,进行两个或更多个这样的变换(或者滤波器组的集合)。图1所示为五个这样的变换,尽管可以使用任意数目的变换。
在方框108-112中,通过各种比较每个测量矩阵中的单元的振幅的方法来识别每个测量矩阵中的极大值单元。当测量矩阵处理实时波形时,可以一次处理一行或几行。保留一些数据先前处理过的行的数据,用于与当前正在处理的行进行比较。
在方框113中,每个测量矩阵中识别出的极大值在时间和频率方面被比较,以寻找相关极大值。这些比较可以包括相同类型的或者不同的类型极大值。在示例性的实施方式中,这些比较可以包括来自于相同变换/方框(例如方框108)的不同类型的极大值。例如,来自于方框108的窃贼极大值单元可以与来自于方框108-112中的简单和关联极大值单元进行比较。可以比较任何组合。
在方框114中,建立精确测量矩阵。来自于方框113的识别出的对应的时间片和频率槽的位置形成相关极大值,该相关极大值被标记在PMM中。PMM的单元中的振幅可以被包含在原始测量矩阵中的对应单元中的振幅的任何函数所占据(例如,平均、加权平均、中值等)。该函数可以是简单的(例如仅使用来自于一个原始矩阵的振幅)或复杂的(例如对每个原始矩阵中的单元是否为极大值和该极大值的类型敏感)。
在示例性的实施方式中,输出装置115可以是数据存储或者传输装置或者具有用户界面以将测量的信号可视化的可视装置。可视装置例如为显示装置或者打印装置。示例显示装置可以包括液晶显示器、投影显示器等。示例打印装置可以包括基于色粉的打印机、喷墨打印机、无墨打印机等。示例性实施方式的其他临时结果也可以被提供至输出装置115。在示例性实施方式中,输出装置115可以是数据存储以存储PMM。在示例性实施方式中,输出装置115可以是 传输装置以发送PMM至另一装置。然后这些结果可以被信号处理器或者其它装置所使用以修改原始波形。在示例性实施方式中,输出装置可以包括数据存储和可视装置,以便信号处理器能够被手动调节以获得满意的结果。
图2所示为通过图1的方框103-107所产生的具有被图1的方框108-112所标记的简单极大值单元的示例性的测量矩阵的视图。对于这个示例,行是时间片,列是频率槽。每个单元中的数值是相应的振幅测量值(以dBFs)。频率峰简单极大值单元被用黑框所标记,时间峰简单极大值单元被用灰色背景所标记。
例如,频率峰简单极大值为测量矩阵中的时间片中的振幅超过两个在频率上相邻的单元的振幅的单元。图2中,单元(160,671.9)被标记为频率峰简单极大值(黑色边框),因为其振幅大于相邻的单元(160,656.3)和(160,687.5)。类似的,时间峰极大值单元为在频率槽内具有局部极大值振幅的单元。图2中,单元(159,671.9)被标记为时间峰简单极大值(阴影背景),因为其振幅大于相邻的单元(158,671.9)和(160,671.9)。图3A和3C分别示出了频率峰简单极大值和时间峰简单极大值的信号强度。
尽管小兄弟未被标记在图2中,我们可以看出它们可能在的位置。假设小兄弟的阈值为3dB。单元(160,671.9)被用黑框标记为频率峰简单极大值单元。相邻单元(160,656.3)和(160,687.5)为关联极大值单元的候选,但是仅单元(160,656.3)在振幅上足够近而具有关联极大值的资格(3dB内)。由于其振幅还大于单元(160,640.6)的振幅,其为小兄弟。可以相同的确定关于时间片的关联极大值单元。图3B和3D分别示出了具有小兄弟的频率峰简单极大值和具有小兄弟的时间峰简单极大值的信号强度。
图3示出了根据本发明的一些示例性实施方式的沿着时间和频率的极大值检测的示例类型。图3A描述了频率峰简单极大值。图3B描述了频率峰简单极大值和具有几乎相同振幅的小兄弟。图3C描述了时间峰简单极大值。图3D描述了时间峰简单极大值和具有几乎相同振幅的小兄弟。
图3E所示为时间片中的角度极大值。第三点是可能的频率角度极大值。其振幅明显超过其左边的点的振幅。其振幅也稍微低于其右边的点的振幅。如果 与左边的点的差值足够大于右边的点的差值,其为角度极大值。例如,假设角度极大值的阈值为3dB。如果第三点比其左边的点大5dB,但是仅比其右边的点小1db,差值(4db)超出了阈值,其为角度极大值。然后MM中的该单元将被标记成角度极大值。注意,差值阈值不必为简单的恒定的dB值,而是可以为频率和振幅的函数。角度极大值单元还可以是振幅偏离预期凸形的单元。还可以基于频率槽内时间中的变化来类似的定义时间角度极大值。
图3F阐述了通过显示进入和离开变换窗口的信号峰来检测窃贼极大值。变换窗口要比这里的峰宽得多,因此当峰进入时,振幅增加(倾斜增加),当峰完全进入窗口时保持不变,当峰离开时振幅减少。峰的真实宽度可以从倾斜的长度来得到。该增加和下降的时间和持续时间定义了窃贼极大值。
图4所示为图1的方框113中所进行的两个测量矩阵的示例性关联。较宽的频率槽在较低尺寸的测量矩阵中(例如D500MM)。该MM中的极大值用水平线表示。较窄的频率槽在尺寸8倍高的测量矩阵中(例如D4000MM)。该MM中的极大值用垂直线表示。相关的极大值(同时是对应时间和频率的MM中的极大值)被阴影着色。这些将是图1的方框114的PMM中的极大值。
图5A和5B所示为根据本发明的示例性实施方式获得的两个测量矩阵的示例性视觉展现。图5A的测量矩阵是使用512采样点的FFT(即D256MM)生成的,图5B的测量矩阵是使用4096采样点的FFT(即D2048MM)生成的。两个测量矩阵例如为图1的方框103和104的输出。
图5C和5D所示为根据本发明的示例性实施方式获得的分别根据图5A和5B的两个测量矩阵确定的示例性视觉展现。图5C和5D的极大值单元例如分别为图1的方框108和109的输出。
图5E所示为根据本发明的示例性实施方式的从图5C和5D中所示的相关极大值所确定出的精确测量矩阵(PMM)的示例性视觉展现。PMM是在图1的方框114中获得的。
图6所示为根据本发明的示例性实施方式。输入信号1005为通过模拟装置所捕获并数字化的(101a和101b)或者从数据存储102中获得的物理模拟信号 的数字化形式。信号处理机1001处理输入信号1005,并包括:测量器1002、标记器1003和比较器1004。测量器1002从输入信号1005生成MM(实现图1的方框103-107)。标记器1003分析并标记MM。标记器1003识别并标记每个MM中的极大值(进行图1中的方框108-115)。比较器1004识别矩阵中的具有相应的时间和频率的极大值单元,并建立具有识别出的并标记出的相关极大值的PMM。
在本发明的一些示例性实施方式中,信号处理模块1001可以包括一个或多个数字处理器。该一个或多个数字处理器可以与数据存储器等相互作用,数据存储器例如为图1的数据存储器102,其可以存储被一个或多个数字处理器所使用的软件和/或数据。
测量器102、标记器1003和比较器1004可以用具有至少一中央处理单元(CPU)和多个存储器的的计算机来实现。测量器1002、标记器1003和比较器1004可以例如被实现为现场可编程门阵列(FPGA)、数字信号处理(DSP)芯片、图形处理器(GPU)、特定用途集成电路(ASIC)等。测量器1002、标记器1003和比较器1004可以以软件的形式实现为一个或多个执行器,并存储在计算机可读存储器中。
输出数据1006为精确测量矩阵。输出装置1007存储、显示和/或传送该输出数据。
本发明可以呈现为在数字计算机上的软件。其可以运行单核单处理器、多核单处理器、或者具有单核或多核的多处理器。软件可以执行方框103-112或者其组合。本发明可以通过使用通用的或者专业的数字信号处理器芯片来呈现。本发明可以包含在专用硬件中。本发明可以集成在一个或多个将被安装在计算机或其它装置上的包含例如数字信号处理器芯片的电路板上。
在示例性的实施方式中,矩阵数据结构可以被在逻辑上提供相同功能的其他数据结构所替代。这些数据结构可以由域所构成。这些数据结构可以包括但不限于例如为稀疏矩阵、链队列等。例如,识别出的极大值单元可以通过稀疏矩阵所表示,识别出的单元的链可以通过链队列表示,等。
一些示例性实施方式可以通过使用平行计算硬件来实现。在示例性实施方式中,图1的方框103-193和/或方框108-112可以用平行硬件来实现。平行计算机的主存储器可以是共享存储器(所有的处理元件之间共享单个地址空间)或者分布式存储器(其中每个处理元件具有其自己的局部地址空间)。
本发明可以具有范围广泛的应用,包括但不限于,例如,包括音频的信号方差分析、音频频谱分析、在可使用产业中任何频率范围中的信号分析、数据压缩、聋人的数字耳蜗、“声纹”信息等。
本发明开发的信息可以用于为其它信号处理器、分析装置、算法、系统和组织提供新的或者改进的输入。穿过时频平面的相关部分链的记录与沿着每个链的振幅或者内插值振幅一起可以提供丰富的和简洁的具体信号源的成分记录。先前被更强信号掩盖的信号可以被测量和视觉化,尤其是当部分被连接到PMM视觉显示中的部分链时。
本文中所描述的示例和实施方式是非限制性的示例。本发明详细描述了示例性的实施方式,本领域技术人员根据上文可以明白可以在不偏离本发明的较宽方面的情况下进行变化和改进,并因此在权利要求中所限定的本发明意于覆盖在本发明的精神的范围内的所有这些变化和改进。
本发明的示例性实施方式能够被用于精确测量声音组分,甚至当该声音组分是包含混合声音的复合波形的部分时也能精确测量。本发明的示例性实施方式还可以被用于例如包含声音的复合波形,即使该声音以短时或者长时爆声的形式出现和/或以倾斜和/或振动形式变化。

Claims (23)

1.一种用于数字信号处理的机器实现的方法,该方法包括:
从数据存储或者从接受自模拟源的或者通过物理模拟装置捕获的物理模拟信号的变换获得数字波形信号;
从所述数字波形确定两个或多于两个的测量矩阵,每个矩阵包含多个单元,每个单元表示对应的时间片和频率槽,并具有与该频率槽和时间片的信号能量相对应的振幅;
在每个测量矩阵中识别极大值单元;
从多个测量矩阵中识别在时间和频率上重合的相关极大值单元;
构建表示所述相关极大值单元的精确测量矩阵;以及
存储、传输和显示所述精确测量矩阵;
其中所述获得、确定、识别、构建、存储、传输和显示是通过一个或多个机器实现的。
2.根据权利要求1所述的方法,还包括:基于具有局部极大值振幅的每个相关极大值单元,将每个测量矩阵中的所述相关极大值单元识别为简单极大值单元。
3.根据权利要求1所述的方法,还包括:如果单元为时间峰简单极大值单元,则确定该单元为局部极大值单元。
4.根据权利要求1所述的方法,还包括:如果单元为频率峰简单极大值单元,则确定该单元为局部极大值单元。
5.根据权利要求1所述的方法,还包括:确定一个单元为关联极大值单元。
6.根据权利要求1所述的方法,还包括:确定一个单元为角度极大值单元。
7.根据权利要求1所述的方法,还包括:确定一个单元为窃贼极大值单元。
8.根据权利要求1所述的方法,还包括:确定一个单元为关联极大值单元、角度极大值单元或窃贼极大值单元,且被识别为极大值单元。
9.根据权利要求1所述的方法,其中各种类型的极大值被认为是不等同的,且每个类型的极大值被单独追踪。
10.根据权利要求1所述的方法,其中定义了多个包含多种类型的极大值的组,其中每个组中的多种类型的极大值被认为是等同的,但是不同组的多种类型的极大值不被认为是等同的,且根据组单独追踪极大值。
11.根据权利要求1所述的方法,其中,如果测量矩阵的对应的时间片和对应的频率槽的大部分单元为极大值单元,那么宣布相关极大值,且在精确测量矩阵中的对应单元被识别为相关极大值单元。
12.根据权利要求1所述的方法,其中,当且仅当测量矩阵的对应的时间片和对应的频率槽的全部单元为极大值单元,宣布相关极大值,且在精确测量矩阵中的对应单元被识别为相关极大值单元。
13.根据权利要求1所述的方法,还包括:识别所述精确测量矩阵中的对应来自所述多个测量矩阵的所述相关极大值单元的相关极大值单元。
14.根据权利要求1所述的方法,其中精确测量矩阵中的单元的振幅为测量矩阵的对应单元的振幅的、和该单元是否为极大值单元的函数。
15.根据权利要求1所述的方法,其中在精确测量矩阵中的相邻极大值被连接成部分链。
16.一种用于数字信号处理的机器实现的方法,该方法包括:
从数据存储或者从接受自模拟源的或者通过物理模拟装置捕获的物理模拟信号的变换获得数字波形信号;
从数字波形确定一个或多个测量矩阵,每个矩阵包含多个单元,每个单元表示对应的时间片和频率槽,并具有与该频率槽和时间片的信号能量相对应的振幅;
在每个测量矩阵中识别两个或更多个类型的极大值单元;
在多个测量矩阵中识别在时间和频率上重合的各类型的相关极大值单元;
构建表示所述相关极大值单元的精确测量矩阵;以及
存储、传输和显示所述精确测量矩阵;
其中获得、确定、识别、构建、存储、传输和显示是通过一个或多个机器实现的。
17.根据权利要求16所述的方法,其中用于识别相关极大值单元的多个极大值单元包括窃贼极大值单元和频率峰简单极大值单元。
18.根据权利要求16所述的方法,其中识别出的相关极大值单元具有窃贼极大值单元和至少一种其它类型的极大值单元。
19.根据权利要求16所述的方法,还包括:如果单元为频率峰简单极大值单元,则确定该单元为局部极大值单元。
20.根据权利要求16所述的方法,还包括:如果单元为时间峰简单极大值单元,则确定该单元为局部极大值单元。
21.根据权利要求16所述的方法,其中关联极大值单元也被认为是极大值单元。
22.根据权利要求16所述的方法,其中角度极大值单元被认为是极大值单元。
23.根据权利要求16所述的方法,其中在精确测量矩阵中的相邻极大值被连接成部分链。
CN200980145770.2A 2009-11-12 2009-11-12 波形的精确测量 Active CN102695958B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2009/064120 WO2011059432A1 (en) 2009-11-12 2009-11-12 Precision measurement of waveforms

Publications (2)

Publication Number Publication Date
CN102695958A CN102695958A (zh) 2012-09-26
CN102695958B true CN102695958B (zh) 2016-10-19

Family

ID=43991874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980145770.2A Active CN102695958B (zh) 2009-11-12 2009-11-12 波形的精确测量

Country Status (9)

Country Link
EP (1) EP2391895B1 (zh)
JP (1) JP6105286B2 (zh)
KR (1) KR101648597B1 (zh)
CN (1) CN102695958B (zh)
BR (1) BRPI0921829A2 (zh)
CA (1) CA2743613C (zh)
IL (1) IL212820A0 (zh)
RU (1) RU2526889C2 (zh)
WO (1) WO2011059432A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2499504B1 (en) * 2009-11-12 2021-07-21 Digital Harmonic LLC A precision measurement of waveforms using deconvolution and windowing
US9702907B2 (en) 2011-12-16 2017-07-11 Tektronix, Inc. Frequency mask trigger with non-uniform bandwidth segments
ES2568640T3 (es) 2012-02-23 2016-05-03 Dolby International Ab Procedimientos y sistemas para recuperar de manera eficiente contenido de audio de alta frecuencia
US8873821B2 (en) 2012-03-20 2014-10-28 Paul Reed Smith Guitars Limited Partnership Scoring and adjusting pixels based on neighborhood relationships for revealing data in images
CN103675383B (zh) * 2013-11-29 2016-04-13 上海华力微电子有限公司 一种量测波形的电路
US11300482B2 (en) * 2019-08-06 2022-04-12 Computational Systems, Inc. Graphical differentiation of spectral frequency families

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0485315A2 (en) * 1990-11-05 1992-05-13 International Business Machines Corporation Method and apparatus for speech analysis and speech recognition
CN101053167A (zh) * 2004-05-27 2007-10-10 诺基亚公司 在接收器中执行采集

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA1257351A (en) * 1984-07-04 1989-07-11 Mount Isa Mines Limited Cross correlator
JP3266819B2 (ja) * 1996-07-30 2002-03-18 株式会社エイ・ティ・アール人間情報通信研究所 周期信号変換方法、音変換方法および信号分析方法
JP3746580B2 (ja) * 1996-12-09 2006-02-15 株式会社アドバンテスト Cdma信号の波形品質測定方法
US7003120B1 (en) 1998-10-29 2006-02-21 Paul Reed Smith Guitars, Inc. Method of modifying harmonic content of a complex waveform
US6766288B1 (en) 1998-10-29 2004-07-20 Paul Reed Smith Guitars Fast find fundamental method
JP4659190B2 (ja) * 2000-08-31 2011-03-30 アンリツ株式会社 波形測定装置
AU2002248164A1 (en) * 2000-11-09 2002-08-06 Hrl Laboratories, Llc Blind decomposition using fourier and wavelet transforms
US7260054B2 (en) 2002-05-30 2007-08-21 Denso Corporation SINR measurement method for OFDM communications systems
JP2006251712A (ja) * 2005-03-14 2006-09-21 Univ Of Tokyo 観測データ、特に、複数の音源からの音が混在している音響信号の解析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0485315A2 (en) * 1990-11-05 1992-05-13 International Business Machines Corporation Method and apparatus for speech analysis and speech recognition
CN101053167A (zh) * 2004-05-27 2007-10-10 诺基亚公司 在接收器中执行采集

Also Published As

Publication number Publication date
EP2391895A4 (en) 2014-11-05
BRPI0921829A2 (pt) 2016-01-12
WO2011059432A1 (en) 2011-05-19
RU2011119089A (ru) 2012-11-20
RU2526889C2 (ru) 2014-08-27
CA2743613C (en) 2018-08-14
EP2391895A1 (en) 2011-12-07
EP2391895B1 (en) 2021-07-21
KR20120094415A (ko) 2012-08-24
JP2013506145A (ja) 2013-02-21
CA2743613A1 (en) 2011-05-19
IL212820A0 (en) 2011-07-31
JP6105286B2 (ja) 2017-04-05
CN102695958A (zh) 2012-09-26
KR101648597B1 (ko) 2016-08-16

Similar Documents

Publication Publication Date Title
CN102695958B (zh) 波形的精确测量
Zhou et al. Hybrid event detection and phase‐picking algorithm using convolutional and recurrent neural networks
Capus et al. Bio-inspired wideband sonar signals based on observations of the bottlenose dolphin (Tursiops truncatus)
EP1974225B1 (en) Signal analyser
CN102667501A (zh) 使用反卷积和窗的精确波形测量
US9600445B2 (en) Precision measurement of waveforms
EP0134238A1 (en) Signal processing and synthesizing method and apparatus
CN102770856B (zh) 用于精确波形测量的域识别和分离
Vuan et al. Improving the detection of low‐magnitude seismicity preceding the Mw 6.3 L’Aquila earthquake: Development of a scalable code based on the cross correlation of template earthquakes
CN110808068A (zh) 一种声音检测方法、装置、设备和存储介质
Ovcharuk et al. Features of registration of acoustic signals in multichannel acoustic-emission systems
WO2020154367A1 (en) Systems and methods for pre-filtering audio content based on prominence of frequency content
Goldstein et al. Guitar Music Transcription from Silent Video.
JP2003344550A (ja) 地震観測システム、地震解析装置、地震観測プログラム及び記録媒体
CN116879950B (zh) 基于直达波和sPL初动极性与振幅比的震源机制反演方法
CN100483138C (zh) 单周期波形检测分析方法及系统
WO2014096756A1 (en) Detection method and apparatus
Jacobson et al. Evaluation of an automated acoustic beaked whale detection algorithm using multiple validation and assessment methods
Ellis et al. Summary of Environmental Acoustic Data Analysis
Medynski et al. Performances of a high-resolution goniometric method
KR910008689B1 (ko) 신호 파형 분석 장치 및 방법
Hill et al. A microcomputer seismic processing system for engineering applications
JP3295845B2 (ja) 神経回路網を用いた波形評価装置
Kahrs Detecting Chaos in the Field
JPH0526720A (ja) 類別認識装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant