U N I V E R Z I T E T U T U Z L I

F A K U L T E T E L E K T R O T E H N I K E

K O M U N I K A C I J E

MULTIMEDIJSKI

SISTEMI I KOMUNIKACIJE

LABORATORIJSKA VJEŽBA 1

Kodiranje zvuka, govora i muzike

Mirza Aganović III-22/06

Zadatak 1 .

Potrebno je analizirati govorni signal, uočiti razlike između njegovih zvučnih i bezvučnih

glasova, te odgovoriti na postavljena pitanja.

1. Pokrenuti Spwave aplikaciju.

2. Otvoriti datoteku Seven.wav tako što se iz menija izabere File -> Open .

Nakon što se datoteka učita, aplikacija Spwave će prikazati vremensku analizu govornog

signala (u ovom slučaju radi se o riječi "seven"). Vaš je zadatak otkriti glasove "s" i "n"

unutar izgovorene riječi. Nakon što otkrijete odsječke koji ih predstavljaju, nad navedenim

odsječcima provedite frekventnu analizu.

3. U meniju Edit izaberite Preference for Analysis , zatim Attribute , te markirajte opciju Use

a linear spectrum . Time se amplitude u frekvencijskoj analizi govornog signala prikazuju u

linearnoj ljestvici.

4. Označiti odsječak učitanog govornog signala te pritisniti kombinaciju tipki Shift i N.

5. Kako bi prikaz učinili razumljivijim, označite dio frekvencijskog spektra i

“povećajte"/"smanjite" ga korištenjem kombinacije tipki Alt i I/Alt i O.

Na slici je prikazana frekvencijska analiza glasa „s“. Ovaj glas nema harmoničnu strukturu i

zbog toga je to bezvučni glas. Spektar raste od nulte frekvencije prema gore.

6. Koje sve razlike uočavate u frekvencijskoj analizi glasova "s" i "n"? Objasnite. Precrtajte

frekvencijske spektre glasova "s" i "n" dobivene ovom analizom, te na njima označite

specifičnosti vezane za te glasove.

Na slici je prikazan frekvencijski spektar glasa „n“. Za razliku od glasa „s“ ovaj oglas ima

harmoničnu strukturu. Spektar glasa „n“ kreće od nulte frekvencije i onda naglo raste na više

frekvencije.

7. Identificirajte ( približno ) formante glasa "e" iz riječi "seven". Na kojim se frekvencijama

oni pojavljuju?

Frekvencijski spektar glasa „e“ pojavljuje se na : 134.572[Hz], 150.121 [Hz], 306.879[Hz],

603.030[Hz].

Zadatak 2.

Potrebno je snimiti vlastiti govorni signal i analizirati ga. Cilj je uočiti razlike između

zvučnih i bezvučnih glasova te karakteristične formante pojedinih glasova.

Odgovorite na sljedeća pitanja:

a) Na vremenskom prikazu signala pronađite po jedan zvučni i bezvučni glas (po izboru) te

uočite razlike između odabranih signala. Po potrebi uvećajte prikaz dijela signala opcijom

View->Zoom In. U slučaju pojave šumova u snimljenom govornom signalu, provedite opciju

fitriranja šuma Efect->Noise Removal. Filtriranjem šuma će se jasnije uočiti razlike između

signala zvučnih i bezvučnih glasova. Kopirajte sliku iz aplikacije, na kojoj ste označili

posmatrane signale te opišite uočene razlike.

Rečenica: „Mirza Aganović“. Zvučni glas: „a“; bezvučni: „ć“. Potrebno je bilo provesti

operaciju filtriranja šuma.

Na slici j prikazano uklanjenje šuma

b) Odabrane signale glasova prikažite u frekventnom domenu (opcija Analyze -> Plot

Spectrum). Objasnite prikazane razlike u spektru. Kopirajte sliku sa frekventnim spektrom

koji ste dobili ovom analizom te na njemu označite specifičnosti vezane za te glasove.

Zvučni glas „a“

Bezvučni glas „ć“

c) Identificirajte (približno) formante jednog od sljedećih glasova: "a", "e", "i" koji se

pojavljuju u vašem govornom signalu. Na kojim se frekvencijama pojavljuju formanti?

Kopirajte sliku iz aplikacije sa uočenim formantima i naznačite o kojem je glasu riječ.

Spektar glasa „a“

Zadatak 3.

Vaš je zadatak analizirati neku od ponuđenih izgovorenih fraza mijenjajući broj

koeficijenata LPC kodera. Prvo odaberite izgovorenu frazu, a zatim snimite vlastiti glas

(upustvo u nastavku). Odgovoriti na sljedeća pitanja za oba slučaja.

a) Šta zaključujete, kako broj koeficijenata utječe na kvalitetu zvuka (govornog signala)? Šta

se događa sa frekventnim spektrom u zavisnosti od broja koeficijenata? Obrazložite.

b) Za odabranu frazu (snimljeni glas) odaberite prikaz osnovne frekvencije i pomoću

ponuđenih opcija modificirajte osnovnu frekvenciju. Objasnite uticaj promjena na doživljaj i

kvalitetu zvuka?

Mijenjanjem broja koeficijenata mijenja se i kvalitet zvuka. Veći broj koeficijenata (npr. 12)

zvuk je bolji a sa manje koeficijenata signal se pogoršava i govor postaje nerazumljiv.

c) Odaberite zvučnu datoteku Beethoven (muzika) u padajućem meniju te je analizirajte

(promjenom broja koeficijenata). Postoji li razlika u kvaliteti kodiranja govornog i muzičkog

signala s koderom LPC? Obrazložite.

LPC koder nije pogodan za muzički signal jer je on namijenjen za kodiranje govora (zasnovan

na modelu govoronog trakta)

d)Izračunati brzinu (engl. bitrate ) kodera LPC za slučaj u kojem je linearni filter određen sa

10 koeficijenata.

Frekvencija uzorkovanja: 8kHz

Dužina okvira: 180 uzoraka = 22.5 ms

ukupan broj bita za jedan okvir: 54; 44.444 okvira/s (1000/22.5)

54 x 44.444 = 2.4 kbps

Brzina LPC za 10 koeficijenata je 2.4 kbps.

Zadatak 4.

1. Pokrenite aplikaciju Spwave te učitajte datoteku Fox.aiff.

2. Snimiti kopiju datoteke biranjem opcije Save As unutar menija File, i to tako da odaberete

kodeke Microsoft GSM 6.10 (Fox_gsm.wav), Microsoft ADPCM (Fox_adpcm.wav), te

Microsoft PCM (Fox_pcm.wav) u padajućem meniju Save as type (u zagradama su dani

nazivi koje ćete dodjeliti novonastalim datotekama). Bitno je da svaki put, prije promjene

formata izvorne datoteke Fox.aiff, istu učitate odabirom opcije Open New unutar menija File.

3. Preslušajte sve verzije datoteke Fox pomoću aplikacije Spwave i popunite tabelu 1. Za

ocjenu subjektivne kvalitete koristite mjerila (ocjene) spomenuta na predavanjima. Izračunajte

približnu brzinu za svaku od navedenih datoteka.

4. Uporedite veličine datoteka i ocjene njihove subjektivne kvalitete, što zaključujete?

Tabela 1. Usporedba formata za kodiranje zvuka (muzike)

Naziv datoteke Subjektivna ocjena Veličina [ kB]

Fox.aiff 4 192

Fox_GSM.wav 2 39.2

Fox_ADPCM.wav 3 98.8

Fox_PCM.wav 4 192

Vidimo da Fox_GSM.wav je najlošiju kvalitetu, ali ima dobru kompresiju u odnosu na druge.

Fox_ADPCM.wav i Fox_PCM.wav su veoma dobre kvalitete ali zbog njihove velike brzine

njihovo kodiranje zauzima vise resursa.