ДИГИТАЛНО ПРОЦЕСИРАЊЕ НА АУДИО

Објавено: март 8, 2019

Предмет: Дигитално процесирање на аудио

Код: 3ФЕИТ05003

Број на ЕКТС кредити: 6 ЕКТС

Неделен фонд на часови:3+0+0+3

Наставник: Доц. д-р Бранислав Геразов

Цели на предметната програма (компетенции): Целта на програмата е да им овозможи на студентите да се стекнат со проширени знаења за техниките за анализа, синтеза и препознавање на аудиосигналите. Истата е дизајнирана да им ги доближи најразличните пристапи и апликации во дигиталното процесирање на аудиото, преку разгледување на најновите достигнувања.

Содржина на предметната програма: 1. Основи на дигитално аудио, принципи на дигитализација на звукот, фреквенција на семплирање, надсемплирање, џитер.     2. Работа со аудиосигналите во дигитален домен; квантизација, резолуција и шум на квантизација, дитер, обликување на шумот.     3. Фуриеова трансформација, Z-трансформација, амплитуден и фазен спектар на аудиосигналите.     4. Метода на прозорци, принцип на квазистационарност, Фуриеова трансформација на временски отсечоци (STFT), типови на прозорци и нивни карактеристики, спектрограм.      5. Основи на дигиталните филтри, филтрирање на аудиосигналите, филтри со конечен импулсен одѕив (FIR), филтри со бесконечен импулсен одѕив (IIR), типови на филтри со линеарна фазна карактеристика, дизајн на FIR филтри.     6. Ниско-пропусни (НП), високо-пропусни (ВП), филтри пропусници на опсег (ПО), филтри непропусници на опсег (НО), Notch филтри. Банки на филтри, еквализација.     7. Аудиоефекти во временски домен: Процесирање на аудиосигналите базирано на доцнење, ехо, реверберација, филтер сèпропусник (СП), Шредеров природен ревербератор, фленџ, хор, дисторзија.     8. Аудиоефекти во трансформациски домен: тремоло, вибрато, wah-wah, фејзер, роботизација, вокодер.     9. Компресија на аудиосигналите, основи на психоакустиката, компресија базирана на психоакустика, праг на чујност, маскирање, критични опсези, MP3, AAC, битска брзина.     10. Компресија на говор, основи на создавање на говорот, LP анализа на спектарот; LP10, CELP, VOCODER.     11. Примена на машинско учење во анализата на аудиосигналите, препознавање на музички инструмент, екстракција на обележја за тренинг на алгоритми за машинско учење, аудиторен спектрограм, мел-фреквенциски кепстрални коефициенти (MFCC).     12. Гаусови мешавински модели (ГММ), тренирање со максимизација на очекувањето (ЕМ), универзален позадински модел (UBM), адаптација на UBM моделот, пресметка на логаритамот од односот на веројатности (LLRM).     13. Синтеза на музички инструменти, синтеза со конкатенација.

Литература:

Задолжителна литература
Бр.АвторНасловИздавачГодина
1Udo ZölzerDigital Audio Signal ProcessingWiley2008
2Andreas Spanias, Ted Painter,‎ Venkatraman AttiAudio Signal Processing and CodingWiley-Interscience2007
Дополнителна литература
Бр.АвторНасловИздавачГодина
1Ian McLoughlinApplied Speech and Audio Processing: With Matlab ExamplesCambridge University Press 
2Udo ZölzerDAFX: Digital Audio EffectsWiley2011
3Julius O. Smith IIISpectral Audio Signal ProcessingW3K Publishing2011