Extraits choisis du cours S.S.I.I.

Slides:



Advertisements
Présentations similaires
TRANSFORMEE DE FOURIER DISCRETE
Advertisements

Numérisation du signal principes
PRINCIPE SIMPLIFIE DE LA COMPRESSION MP3
1 Jean-Paul Stromboni, mars 2005, Révision des cinq premières séances S.S.I. Jean-Paul Stromboni, mars 2005, ESSI1 Elève : ______________________ groupe.
S.S.I., ESSI1, lundi 9 mai 2005 Page 1 Comment compresser avec le spectre Séance 10, 1 heure Version : lundi 9 mai 2005 Auteur : Jean-Paul Stromboni Contenu.
S.S.I., ESSI1, samedi 10 avril 2004 Page 1 Comment tailler les filtres sur mesure Séance 8, nouvelle application des filtres, 1 heure Version : samedi.
Comment créer des filtres d’ordre 1 et 2
Comment on filtre un signal audio
1 Insérez ici votre logo Insert here your logo! Atelier laboratoires virtuels Un cours pour introduire le traitement du signal à laide de lordinateur.
Comment calculer le spectre d’un signal audio
Cours 5 – Comment bien échantillonner le signal audio
Comment décimer les sons numériques
1 Jean-Paul Stromboni, octobre 2007, SI3 Réviser le devoir surveillé n°1 du cours S.S.I.I. Jean-Paul Stromboni, octobre 2007, SI3 Elève : ______________________.
Filtres (n entier, Te=1s)
Calcul de la composition fréquentielle du signal audio
1 Jean-Paul Stromboni, mars 2005, Révision des cinq premières séances S.S.I. Jean-Paul Stromboni, mars 2005, ESSI1 Elève : ______________________ groupe.
Atelier laboratoires virtuels
Du signal continu au numérique
Séries de Fourier Tout signal périodique (T) de puissance finie peut être décomposé en une somme de sinus et de cosinus. An=0 1(4/) 1+ 3 (4/3)
Traitement du Signal Hugues BENOIT-CATTIN.
Comment créer des filtres « simples »
Comment compresser avec le CODEC mlaw
Créer des interfaces avec Matlab.
Comment bien échantillonner
Cours S.S.I., SI1, avril 2007 – Comment utiliser les outils déjà présentés. Page 1 Comment utiliser les outils déjà présentés dans le cours S.S.I. et pourquoi.
Extraits choisis du cours S.S.I.I.
Sous-échantillonner le signal audio pour compresser
1 PolytechNice-Sophia, Département S.I., S.I.3, octobre 2012, Jean-Paul Stromboni Séance 7 : Retour sur les cinq premiers chapitres du cours S.S.I.I.
Sauver un signal audio numérique dans un fichier wave
3. Systèmes L.I.T Systèmes LIT, introduction
Extraits choisis du cours S.S.I.I.
1. Introduction 1.1. Modélisation des signaux
S.S.I.I., , n°7 : Construire et utiliser un banc de filtres Page 1 Construire et utiliser un banc de filtres pour analyser le spectre dun signal.
Cours S.S.I.I., , n°8, Créer des filtres pour compresser Cours S.S.I.I., , n°8, : Créer des filtres pour compresser Page 1 Mise en œuvre.
5. Echantillonnage Introduction
SSII : séance finale , lundi 9/01/2012 Page 1 Voici quelques questions pour assimiler la seconde partie du cours S.S.I.I., spectre, filtrage, banc.
Traitement du signal TD0 : Introduction.
S.S.I.I., , cours n°8 : Compresser avec un banc de filtres Page 1 Compresser avec un banc de filtres Le contenu de ce cours : T.D. n° 8 : simulation.
Du signal audio numérique à l'image numérique
Transformée de Fourier discrète et transformée de Fourier rapide
S.S.I.I., , n°6, Créer des filtres sur mesure pour compresser S.S.I.I., , n°6, : Créer des filtres sur mesure pour compresser 1 Créer un.
1 par Jean-Paul Stromboni, octobre 2008 Un autobilan pour réviser le devoir surveillé n°1 du cours S.S.I.I., par Jean-Paul Stromboni, octobre 2008 Elève.
Un principe de compression d’image
Filtrer le signal audio numérique (n entier, Te=1s)
1 Jean-Paul Stromboni, octobre 2007, SI3 Réviser le devoir surveillé n°1 du cours S.S.I.I. Jean-Paul Stromboni, octobre 2007, SI3 Elève : ______________________.
Filtrer le signal audio numérique
Un moyen de compresser le signal audio présenté à travers un exemple
S.S.I., ESSI1, le 8 février 2004 Page 1 Numériser le signal audio Séance 2, cours, 1 heure auteur : Jean-Paul Stromboni Idées clefs de la séance De nombreuses.
1 Introduction au module S.S.I. Signaux et Systèmes pour lInformatique le thème et les motivations du module S.S.I. les connaissances et le savoir faire.
Modulation analogique
Traitement Numérique du Signal
SCIENCES PHYSIQUES ET CHIMIQUES FONDAMENTALES ET APPLIQUEES
Polytech'Orléans Filtrage Multicadence Filière ESI
MODULATION D’AMPLITUDE
Utiliser le spectre et la transformée de Fourier
Théorie de l'Échantillonnage
SIG3141 Partie I: Analyse de Fourier ESIEA D Kateb
Introduction.
DU TRAITEMENT DU SIGNAL
Cours S.S.I.I., , n°7, Créer des filtres pour compresser Cours S.S.I.I., , n°7, : Créer des filtres pour compresser Page 1 Retour sur le.
Modulation analogique
Contenu du cours : Principe de la commande par retour d'état
Retour sur les filtres et bancs de filtres Jean-Paul Stromboni, décembre 2007.
S.S.I.I., , cours n°9 : Compresser avec un banc de filtres Page 1 Compresser avec un banc de filtres Contenu de cette séance : T.D. n° 9 : application.
Signal Son et Image pour l’Informaticien (S.S.I.I.) Page 1 Extraits choisis du cours S.S.I.I. On introduit ici des notions de base du traitement numérique.
Calcul de la composition fréquentielle du signal audio
1 23 mars 2004, Jean-Paul Stromboni Signaux et Systèmes pour l’Informaticien Bilan essais erreurs des six premières séances Module SSI d’ESSI 1– 23 mars.
Introduction du cours à partir d’extraits
SSII, séance n°13, bilan du cours 15 décembre 2015 Dernière séance 2015 Résumé des chapitres et notions abordées en 2015.
Introduction du cours à partir d’extraits
Transcription de la présentation:

Extraits choisis du cours S.S.I.I. Jean-Paul Stromboni, 16 septembre 2013, amphi nord, 50mn, utilise des sons Polytech'Nice-Sophia, Département SI, cours SI3, On introduit ici des notions de base du traitement numérique du signal par ordinateur multimédia : signal numérique, échantillonnage, quantification, bit rate composition fréquentielle (ou spectre), spectrogramme transformée de Fourier discrète, algorithme de FFT sous-échantillonnage, et sur échantillonnage filtrage, énergie d’un signal, banc de filtres, compression, décompression, codec On illustre avec le signal audio, puis on étend à l’image numérique On utilise Scilab (à télécharger sur http://www.scilab.org), logiciel de calcul libre et multiplateforme doté d’un langage de scripts On utilise Audacity, éditeur libre de signaux audio à télécharger aussi. Tous les documents du cours sont en http://cours.polytech.unice.fr/ssii

Évaluation et notation Deux devoirs surveillés (2/3 de la note) : avec des questions sur les cours et des questions sur les TD, documents autorisés : polys annotés et comptes-rendus de TD. Une note de Travaux Dirigés (1/3 de la note) : Avec les comptes-rendus de travaux dirigés : Ils sont rédigés par des binômes Ils contiennent : les observations, les interprétations, les réponses aux questions posées et non pas les listings, images, données numériques fournies par Scilab Ils expliquent ce qui a été fait sur un texte de TD même non terminé L’objectif des auteurs est d’expliquer le TD suffisamment clairement pour pouvoir le reprendre plus tard et le poursuivre à partir du compte rendu Assiduité et ponctualité : bonus de note

Extrait 1: son, microphone, signal audio, chronogramme l'oreille détecte certaines vibrations de l'air, les sons seuil d’audition (0dB)< niveau (W/m2) < seuil de douleur (120dB) 20 Hz < fréquence < 20 000 Hz le microphone transforme à tout instant t la pression de l'air en tension électrique proportionnelle s(t) s(t) est un signal audio le chronogramme est la représentation temporelle du signal, avec t en abscisse et s(t) en ordonnée.

Extrait 2: composition fréquentielle. Le chronogramme ci-dessus a été tracé à partir de l’expression mathématique suivante s(t): Le signal s(t) est composé des trois fréquences 200, 600 et 1000Hz

Extrait 3 : spectre d’amplitude et spectrogramme de s(t) fe/2 spectrogramme = spectre(temps) fréquence spectre calculé par l’algorithme de F.F.T. (Fast Fourier Transform) amplitude en dB fréquence fe/2

Extrait 4: signal audio sinusoïdal (ou note pure) Signal analogique et (en temps) continu Expression : s(t)= 0.8*sin(2*p*t/0.02)

Extrait 5: échantillonnage et quantification de s(t) 010 001 000 nombre de bits par échantillon : B = 3 8 niveaux de quantification pas de quantification : Q=0.25 erreur de quantification 0 < e < 0.25 Signal numérique et en temps discret période d’échantillonnage : Te= 0.001s fréquence d'échantillonnage fe =1000Hz 20 Te par période Signal en temps discret et analogique

Compression par sous-échantillonnage fe=1000 Hz

Compression par quantification

Extrait 6 : Filtrage numérique du signal tiré de Bbc.wav Le signal e tiré du fichier Bbc.wav est filtré, c’est-à-dire traité par un programme de calcul qui obtient y le signal filtré sauvé dans Bbcfiltré.wav. Le filtre multiplie le spectre du signal à filtrer par la réponse fréquentielle. Filtre passe-bas, rectangulaire, fréquence de coupure = 1000Hz, gain = 1 Bbc.wav Bbcfiltré.wav Réponse fréquentielle du filtre En ordonnée, la fréquence e y En abscisse, le temps En abscisse, le temps

Extrait 8: du son à l’image numérique s(t) D t x abscisse  X colonnes ! y Im(x,y) H y ordonnée  Y lignes !! x L

Pour vous tester vous-mêmes après ce cours: Quelle est l’URL du cours SSII ? Lire l’amplitude du fondamental d’extrait 3 sur le spectre et sur le spectrogramme : Mesurer la période, la fréquence et l’amplitude du signal de la page 4 Combien d’échantillons sur le signal à temps discret de l’extrait 5 ? Quelles sont les amplitudes maximale et minimale des signaux audio numériques ? Préciser les composantes de fréquence conservées par le filtre dans Extrait 6 ? Préciser le fondamental et les harmoniques du signal triangulaire Extrait 2 Dans le signal numérique d’Extrait 5, combien de niveaux de quantification ?

Extrait 8 : filtre d’image numérique avec Scilab // Scilab SIVP image='joconde.jpg'; im = imread(image); imd=im2double(im); img = rgb2gray(imd); imshow(img) // avec Scilab et SIVP h= fspecial(‘prewitt’) imfx = imfilter(img, h'); aimfx=imcomplement(abs(imfx)); imwrite(aimfx,’aimfx.png’); // avec Scilab et SIVP imfy = imfilter(img, h); aimfy=imcomplement(abs(imfy)); imwrite(aimfx,’aimfy.png’);

Extrait 9 : bancs de filtres, compression avec pertes h1 On code les signaux yi, i=1..M selon leur importance ou énergie M*h1 h2 M*h2 Bbc.wav … … … … hM M*hM Banc de filtres Étage sous- échantillonneur Etage de compression Banc de lissage suréchantillonnage Le signal y est tiré du fichier Bbc.wav pour être compressé. Le spectre de y est découpé en bandes de fréquence par les filtres h1, h2, …hM Les signaux filtrés sont sous-échantillonnés dans un rapport M. On néglige les signaux de "faible" énergie, il en résulte un taux de compression. Les signaux restants sont sur-échantillonnés, lissés, et le signal est décompressé.

Extrait 10 : Filtre passe bande avec Matlab Ce script Matlab lit le fichier piano.wav dans le vecteur e, filtre, et sauve le signal filtré y dans pianofiltre.wav Comparer les spectrogrammes de piano.wav (à gauche) et pianofiltre.wav (à droite) % lecture du son à filtrer [e,fe,b]=wavread ('piano.wav'); % définition du filtre R=256; % longueur du filtre fc=500; % bande passante f0=1500; % fréquence centrale N = fix(fc*R/fe); H=[ones(1,N-1),0.9,0.5,0.1,... zeros(1,R-2*N-3),0.1,0.5,... 0.9,ones(1,N-2)]; % réponse impulsionnelle h=fftshift(real(ifft(H))); filtre = 2*cos(2*pi*[0:R-1]*f0/fe).*h; % filtrage du signal audio y=filter( filtre,1,e); wavwrite(y,fe,b,'pianofiltre.wav'); % calcul de l’énergie du signal E=(y’*y)/2; En ordonnée, la fréquence En abscisse, le temps

Extrait 11 : CODEC mlaw et bruit de quantification Les signaux audio de faible amplitude peuvent être compressés par le CODEC mlaw (fichiers .au) qui réduit le nombre de bits pour coder chaque échantillon. Pour ce faire, le signal audio doit passer dans une non linéarité sigmoïde m. Sinon, un bruit de quantification peut apparaître. Pour bien le montrer en TD, on réduit davantage l'amplitude du signal piano_c3 : piano_c3 8 bit 8 1/8 m 8 bit m-1 8