Classification des instruments de musique Matlab

Analyse du signal audio.


5.

Pour obtenir un spectre à bande large il faut réduire le nombre de points prélevés par fenêtre d’analyse dans le calcul de la FFT (32 points par exemple).

Pour obtenir un spectre à bande étroite il faut augmenter le nombre de points prélevés par fenêtre d’analyse dans le calcul de la FFT(512 points par exemple).

Le calcul de Fo est plus évident dans le cas d’un spectre à bande large, le fondamental peut se trouver directement grâce à la périodicité de la bande de fréquence la plus basse.

Enregistrement et analyse de la parole

1.

Travaillant sur mon ordinateur personnel (Mac OSX) j’ai rencontré quelques difficultés dans l’analyse spectrale sur les phrases enregistrées directement dans wavesurfer.
Il semblerait que le problème soit lié au format des fichiers, une conversion des enregistrements en mono 16kHz avant analyse spectrale paraissait régler ce problème, la fenêtre d’erreur ne s’affichant plus. Cependant les valeurs des formats trouvés ne semblent tout de même pas correspondre à ce qu’ils devraient être. J’ai continué à travailler avec ces données tout en sachant qu’elles n’étaient pas cohérentes.

2.

"Un Loup s'est jeté immédiatement sur la petite chèvre"

'a' -> F1 = 320Hz, F2 = 1640Hz

'i' -> F1 = 160Hz, F2 = 2200Hz

'ou' -> F1 = 240Hz, F2 = 1200Hz

"Mon père m'a donné l'autorisation"

'a' -> F1 = 480Hz, F2 = 1520Hz

'i' -> F1 = 280Hz, F2 = 1640Hz

"La vaisselle propre est mise sur l'évier"

'a' -> F1 = 400Hz, F2 = 1480Hz

'i' -> F1 = 280Hz, F2 = 1720Hz


3.

aF1 = [320,480,400];

aF2 = [1640,1520,1480];

iF1 = [160,280,280];

iF2 = [2200,1640,1720];

uF1 = [240];

uF2 = [1200];

f1 = (1:500);

f2 = (1000:2500);

figure();

subplot(1,1,1);

axis([1 500 1000 2500])

plot(aF1, aF2, '.r');

text(aF1,aF2, 'a')

hold all;

plot(iF1, iF2, '.g');

text(iF1,iF2, 'i')

plot(uF1,

...