capella | 孤独の信号処理

Sonic Visualiserがとても便利

はじめにどんな実験でもそうですが、処理結果を可視化できないと何が起きているのか直感的に理解する事が難しいです。そのため、処理結果の可視化は研究や開発にとっては非常に重要ですが、一方で、可視化技術そのものに注力しすぎて

はじめに音声信号の基本周波数を推定したあと、音楽的な解釈を与えたい場合はたくさんあります。例えば人の声であれば音域を調べたかったり、音楽であれば周波数成分をピアノロール的に表現して和音構造を確認したい等です。

はじめに信号処理の理論ばかり追っていてもどう役に立てれば良いのかわからず、なかなかモチベーションが上がりません。今回は、信号処理の応用例として、人間の声のピッチ、つまり音程を自己相関関数で推定してみます。

はじめに DFTで周波数変換する際に窓関数の概念は避けて通れません。今まで窓関数を使った事がないという方の場合、それは矩形窓を使っていた事になります。

はじめに信号処理といえばフィルタは欠かせない概念です。音声や画像といったみじかな情報に対して施されるものから、電波通信の周波数変調、信号波の取り出し、はたまた統計処理等の様々な工学分野で応用されています。数学にもフィ

はじめに信号処理の学習を進める前に、基本的な数の概念に立ち返ります。なぜなら信号処理は、DFTに代表される通り、複素関数までを対象とする数学の応用分野だからです。そもそもなぜ複素数が出てくる必要があるのか？

離散フーリエ変換は、窓長を１周期とする周期性のある波を最長とし、その整数倍周波数の足し合わせ表現に原信号を変換します。原信号が素直に整数倍の周波数のサイン波で構成されていれば、いわゆるサイドローブが現れず、綺麗な変換結果

信号を分析する手法の一つに自己相関関数があります。対象とする信号の性質に応じて定義は複数存在しますが、有限長の離散信号に対しては、以下の式で定義する自己相関関数を用いることが多いです。