Music Information Retrieval - automatische Genre-Klassifikation

Größe: px
Ab Seite anzeigen:

Download "Music Information Retrieval - automatische Genre-Klassifikation"

Transkript

1 Music Information Retrieval - automatische Genre-Klassifikation Julian Hartmann & Christoph Sünderkamp Institut für Informatik, Seminar Mustererkennung im Alltag 8./

2 Gliederung 1. Einordnung 2. Begriffe und Grundlagen 3. Merkmalsextraktion 4. Klassifikation 5. Fazit automatische Genre-Klassifikation 2

3 1. Einordnung Music Information Retrieval (MIR) Feature Extraction Melody Feature Extraction Rhythm Similarity (Query by Humming) Fingerprinting User Behaviour Genre Classification automatische Genre-Klassifikation 3

4 2. Begriffe und Grundlagen 2.1 Taxonomie, Genre-Hierarchie 2.2 Audioformat 2.3 Klang 2.4 Fouriertransformation 2.5 PCA automatische Genre-Klassifikation 4

5 2.1 Taxonomie, Genre-Hierarchie automatische Genre-Klassifikation 5

6 2.1 Taxonomie, Genre-Hierarchie automatische Genre-Klassifikation East Coast West Coast 6

7 2.1 Taxonomie, Genre-Hierarchie Zuordnung von Musikstücken in Gruppen (Genre) Genre enthält Stücke ähnlichen Stils Genre lässt sich weiter untergliedern (Subgenre) Je weiter untergliedert, umso unschärfer die Abgrenzung automatische Genre-Klassifikation 7

8 2.2 Audioformat WAVE Repräsentation von Audiosignal als PCM kontinuierliches Signal diskretisiert (Abtastrate, Quantisierung) verlustfrei hinsichtlich psychoakustischer Wahrnehmung Audioanalyse basiert auf Signal automatische Genre-Klassifikation 8

9 2.3 Klang - Bestandteile der Musik Töne Grundelemente der Musik Ton/Klang: Grundton + Obertöne Eigenfrequenzen des Klangerzeugers (z.b. schwingende Klaviersaiten) Parameter eines Tons Tonhöhe Frequenz Lautstärke Amplitude Klangfarbe wird durch Gewichtung von Obertönen bestimmt, die mit Grundton mitschwingen automatische Genre-Klassifikation 9 9

10 2.3 Klang - physikalische Musik Frequenz f und Amplitude y 0 Schwingung künstlich erzeugter Ton: Sinuston yt () = y sin(2 π ft) 0 mitschwingende Obertöne überlagerte Wellen Gesamtheit aller Obertöne Frequenzspektrum automatische Genre-Klassifikation 10

11 2.3 Klang - Beispiel automatische Genre-Klassifikation 11

12 2.4 Fouriertransformation Transformation von zeit-basierter in frequenzbasierte Darstellung Zerlegung des Signals in Frequenzen Merkmalsberechnung auf Spektrum N 1 2 π * F* n Re( F) = x( n)*cos n= 0 N N 1 2 π * F* n Im( F) = x( n)*sin n= 0 N ComplexAmplitude( F) = Re( F) i*im( F) automatische Genre-Klassifikation 12

13 2.4 Fouriertransformation - Überlagerung von Schwingungen automatische Genre-Klassifikation 13

14 2.4 Fouriertransformation - Beispiel peaks geben ursprüngliche Sinusschwingungen an automatische Genre-Klassifikation 14

15 2.5 PCA Ausgangspunkt: Vektoren in einem festgelegten Koordinatensystem Ziel: Dimensionsreduktion durch Projektion in anderes Koordinatensystem Beiträge (Linearkombinationen) mit geringer Entropie können vernachlässigt werden PCA minimiert Projektionsfehler, jedoch nicht den Klassifikationsfehler automatische Genre-Klassifikation 15

16 3. Merkmalsextraktion 1. Einordnung 2. Begriffe und Grundlagen 3.1 Vorgehen 3.2 Merkmale Timbral Texture Features Rhythmic Content Features 4. Klassifikation 5. Fazit automatische Genre-Klassifikation 16

17 3.1 Vorgehen - Fenster Signal Überlappung Texture Window Analysis Window automatische Genre-Klassifikation 17

18 3.1 Vorgehen - Fenstergröße Auswertung nur mittels eines Ausschnitts (Texture Window) Wahl des Ausschnitts? Größe des Ausschnitts? Analysis Window: wenige ms um Stationarität des Signals zu erhalten - z.b. 23 ms (512 samples bei 22 khz Abtastrate) Texture Window: umfasst mehrere Analysis Windows z.b. 1 s (43 Analysis Windows) Wieviele Ausschnitte? automatische Genre-Klassifikation 18

19 3.1 Vorgehen - Extraktion automatische Genre-Klassifikation 19

20 3.2.1 Timbral Texture Features signal-basiert Zero-Crossing RMS-Energy / Loudness Low-Energy spektrum-basiert Spectral Centroid Spectral Rolloff Spectral Flux Mel-Frequency Cepstral Coefficients (MFCC) automatische Genre-Klassifikation 20 20

21 3.2.1 signal-basierte Merkmale automatische Genre-Klassifikation 21 21

22 3.2.1 Zero-Crossing approximatives Maß für Noisiness misst die Überkreuzungen der Amplitude mit dem Nullwert (Nullstellen) N n=1 Z t = 1 2 sign(x[n]) sign(x[n 1]) automatische Genre-Klassifikation 22 22

23 3.2.1 Energy Features RMS-Energy / Loudness Maß für die Lautstärke des Stücks basiert auf Amplituden 1 n Low-Energy n i=1 s i 2 höherer Wert korrespondiert mit mehr Dynamik Fenster mit geringerem RMS als Durchschnittswert automatische Genre-Klassifikation 23 23

24 3.2.1 spektrale Merkmale automatische Genre-Klassifikation 24 24

25 3.2.1 Spectral Centroid repräsentiert das Zentrum der Verteilung des Frequenz-Spektrums Maß für die Schärfe des Klanges je höher der SC, umso heller klingt der Ton C t = N n=1 N n=1 M t [n] n M t [n] automatische Genre-Klassifikation 25 25

26 3.2.1 Spectral Rolloff weiteres Maß, um das Spektrum zu beschreiben Ermittelt wird die Rolloff-Frequenz, bis zu der sich α % der Frequenz- Verteilung aufsummieren. R t n=1 M t [n] = α 100 N n=1 M t [n] automatische Genre-Klassifikation 26 26

27 3.2.1 Spectral Flux misst die Fluktuation des Spektrums Differenz einzelner Magnituden zwischen den Ausschnitten/Frames automatische Genre-Klassifikation 27 27

28 3.2.1 MFCC die ersten fünf Koeffizienten für Musik- Klassifikation geeignet sog. perzeptive bzw. wahrnehmungs-gerechte Mel-Skala der Frequenzen berücksichtigt dies insbesondere im Frequenzbereich gesprochener Sprache FFT log Spektrum Mel-Skala DCT MFCC automatische Genre-Klassifikation 28 28

29 3.2.1 subfeatures Von allen Timbral Texture Features können subfeatures berechnet werden: Mittel M Standardabweichung S Mittel der Ableitung DM Standardabweichung der Ableitung DS... Jeweils über alle Analyse-Fenster. automatische Genre-Klassifikation 29 29

30 3.2.2 Rhythmic Content Features basieren auf beat-histogram repräsentiert die Rhythmik eines Stückes z.b. geeignet zur Unterscheidung zwischen Hip-Hop und Kammermusik automatische Genre-Klassifikation 30 30

31 3.2.2 beat-histogram 1. Wavelet-Transformation: Zerlegung des Signals in mehrere Frequenzbänder 2. Full-Wave-Rectification für einzelne Bänder 3. Low-Pass-Filtering 4. Downsampling 5. Mean-Removal 6. Aggregation 7. Enhanced-Autocorrelation automatische Genre-Klassifikation 31 31

32 3.2.2 beat-histogram - Beispiel automatische Genre-Klassifikation 32 32

33 3.2.2 Merkmale A0,A1: Relative Amplitude der beiden Hauptpeaks, im Verhältnis zur Amplitudenverteilung RA: Verhältnis der beiden größten Amplituden: P1,P2: Periodenlänge der beiden Hauptpeaks, gemessen in BPM SUM: Summe aller Amplituden des Beat-H. automatische Genre-Klassifikation 33 33

34 4. Klassifikation 1. Einordnung 2. Begriffe und Grundlagen 3. Merkmalsextraktion 4.1 Hierarchischer Ansatz 4.2 Eigene Umsetzung 4.3 Erweiterungen 5. Fazit automatische Genre-Klassifikation 34 34

35 4.1 Hierarchischer Ansatz Klassifikation anhand der Genre-Hierarchie Genre-Abhängigkeit der Merkmale Probleme der Dimensionalität Anpassung eines Klassifikators an eine geänderte Taxonomie automatische Genre-Klassifikation 35 35

36 4.1 Burred und Lerch Taxonomie mit 17 zu unterscheidenden Subgenres direkter Ansatz mit hierarchischem verglichen ähnliche Erfolgsquoten ABER: Fehler unterschiedlich zu bewerten Zuordnung eines East Coast Stücks zu West Coast weniger negativ zu werten, als zu Klassik beim direkten Ansatz keine Unterscheidung möglich automatische Genre-Klassifikation 36 36

37 4.2 Eigene Umsetzung vereinfachte Taxonomie: classic (30), non-classic (23) pop (11), rock (12) Testmenge (29) knn-klassifikator mit euklidischer Distanz als Metrik auf erster Stufe Klassifikation mit Merkmalen Loudness.M und ZeroCrossings.DS wie von Burred und Lerch vorgeschlagen automatische Genre-Klassifikation 37 37

38 4.2 Ergebnis Stufe 1 classic vs. non-classic Merkmal Loudness automatische Genre-Klassifikation 38 38

39 4.2 Ergebnis Stufe 1 classic vs. non-classic Merkmal ZeroCrossings automatische Genre-Klassifikation 39 39

40 4.2 Ergebnis Stufe 1 classic vs. non-classic Klassik-Stücke werden korrekt klassifiziert Problem: non-classic Stück zu classic zugeordnet automatische Genre-Klassifikation 40 40

41 4.2 Ergebnis Stufe 2 pop vs. rock Merkmale Low-Energy und MFCC(2).S überwiegend richtige Trennung Problem: unscharfe Klassengrenzen automatische Genre-Klassifikation 41 41

42 4.2 Vergleich hierarchisch / direkt direkte Zuordnung zu Genre Klassifikation auf Basis aller 4 Merkmale Genre Klassifikation classic pop rock classic 11 / 11 1 / 1 1 / 2 pop 6 / 3 1 / 2 rock 2 / 5 7 / 5 automatische Genre-Klassifikation 42 42

43 4.3 Erweiterungen Ausbau der Genre-Hierarchie Hinzunahme mehrerer Merkmale Auswahl und Dekorrelation per PCA größere Trainingsmenge mehr Stücke mehr Ausschnitte pro Stück automatische Genre-Klassifikation 43 43

44 5. Fazit es funktioniert es wird benötigt junges Forschungsgebiet weitere genrespezifische Merkmale allgemeingültige Taxonomien einbeziehen von Metadaten (MPEG-7) automatische Genre-Klassifikation 44 44

45 Literatur Burred, J.J.; Lerch, A.; A hierarchical approach to automatic musical genre classification; In Proc. of the 6. Int. Conference on Digital Audio Effects (DAFx-03), London, UK, September Cook, P.;Tzanetakis, G.; Musical Genre Classification of Audio Signals; IEEE Transaction on Speech and AUDIO Processing, Vol. 10, No. 5, Juli 2002 automatische Genre-Klassifikation 45 45

46 Vielen Dank für Ihre Aufmerksamkeit! automatische Genre-Klassifikation

Kybernetik Laplace Transformation

Kybernetik Laplace Transformation Kybernetik Laplace Transformation Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 73 / 50 2453 mohamed.oubbati@uni-ulm.de 08. 05. 202 Laplace Transformation Was ist eine Transformation? Was ist

Mehr

MATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB

MATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB MATLAB Kurs 2010 Teil 2 Eine Einführung in die via MATLAB 26.11.2010 & 03.12.2010 nhaltsverzeichnis 1 2 3 Ziele Kurze Einführung in die -Analyse Ziele Kurze Einführung in die -Analyse MATLAB Routinen für

Mehr

Carl von Ossietzky Universität Oldenburg. Masterarbeit

Carl von Ossietzky Universität Oldenburg. Masterarbeit Carl von Ossietzky Universität Oldenburg Masterstudiengang Hörtechnik + Audiologie Masterarbeit Eine Methode zur Gesangsdetektion basierend auf musikalischen Merkmalen und Merkmalen aus den Frequenzmodulationen

Mehr

Technische Beschreibung der akustischen Signalkette

Technische Beschreibung der akustischen Signalkette Technische Beschreibung der akustischen Signalkette Wichtige Aufgabe: Vielfältige Medien Gestaltung akustischer Kommunikationsketten (Sprache, Geräusche, Musik, CD, Radio, mp3,...) Unterschiedlichste Information

Mehr

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004 4 Signalverarbeitung 4.1! Grundbegriffe! 4.2! Frequenzspektren, Fourier-Transformation! 4.3! Abtasttheorem: Eine zweite Sicht Weiterführende Literatur (z.b.):!! Beate Meffert, Olaf Hochmuth: Werkzeuge

Mehr

Übung zur Vorlesung. Digitale Medien. Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid, Hanna Schneider

Übung zur Vorlesung. Digitale Medien. Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid, Hanna Schneider Übung zur Vorlesung Digitale Medien Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid, Hanna Schneider Wintersemester 2015/16 Frequenzraum 0 5 10 15 20 Zeit (ms) f = 1/T T = 10ms = 0,01s f = 1/ 0,01s

Mehr

Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT)

Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Ziele In diesem Versuch lernen Sie zwei Anwendungen der Diskreten Fourier-Transformation in der Realisierung als recheneffiziente schnelle

Mehr

VAD - Voice Activity Detection -

VAD - Voice Activity Detection - VAD - - erstellt: Robert Schaar s63012 erstellt: Robert Schaar s63012 Mensch-Maschine-Robotik 1. Einleitung 2. Aufbau des Algorithmus 2.1. allgemeiner Aufbau 2.2. Fourier-Transformation 2.3. Short-Time

Mehr

Praktikum: Digitale Signalverarbeitung (ET215) Test 1

Praktikum: Digitale Signalverarbeitung (ET215) Test 1 PROFESSOR DR.-ING. MARTIN WERNER M.W. Fachbereich Elektrotechnik und Informationstechnik Hochschule Fulda Praktikum: Digitale Signalverarbeitung (ET215) Test 1 Erklärung Mit meiner Unterschrift erkläre

Mehr

Modulation. Kommunikationstechnik, SS 08, Prof. Dr. Stefan Brunthaler 104

Modulation. Kommunikationstechnik, SS 08, Prof. Dr. Stefan Brunthaler 104 Modulation Kommunikationstechnik, SS 08, Prof. Dr. Stefan Brunthaler 104 Datenfernübertragung I Über kurze Entfernungen können Daten über Kupferkabel übertragen werden, indem jedes Bit mit einer positiven

Mehr

Die Bedeutung und Anwendung von Music Information Retrieval

Die Bedeutung und Anwendung von Music Information Retrieval Fachhochschule Potsdam Fachbereich Informationswissenschaften Die Bedeutung und Anwendung von Music Information Retrieval Diplomarbeit zur Erlangung des akademischen Grades: Diplom-Dokumentar(in) FH eingereicht

Mehr

Messung & Darstellung von Schallwellen

Messung & Darstellung von Schallwellen Messung Digitalisierung Darstellung Jochen Trommer jtrommer@uni-leipzig.de Universität Leipzig Institut für Linguistik Phonologie/Morphologie SS 2007 Messung Digitalisierung Darstellung Überblick Messung

Mehr

Longitudinale und transversale Relaxationszeit

Longitudinale und transversale Relaxationszeit Longitudinale und transversale Relaxationszeit Longitudinale Relaxationszeit T 1 (Zeit, die das System benötigt, um nach dem rf- Puls zurück ins Gleichgewicht zu kommen) Transversale Relaxationszeit T

Mehr

Audio-Feature-Analyse als Ergänzung kollaborativen Filterns im Kontext von Musikempfehlungsdiensten Exposé zur Masterarbeit

Audio-Feature-Analyse als Ergänzung kollaborativen Filterns im Kontext von Musikempfehlungsdiensten Exposé zur Masterarbeit Technische Universität Berlin Fakultät I - Geisteswissenschaften Fachgebiet Audiokommunikation Betreuer: Dr. Steffen Lepa, Prof. Dr. Stefan Weinzierl Audio-Feature-Analyse als Ergänzung kollaborativen

Mehr

Geophysikalische und geotechnische Feldversuche und deren Interpretation

Geophysikalische und geotechnische Feldversuche und deren Interpretation Geophysikalische und geotechnische Feldversuche und deren Interpretation zur Ermittlung der Bebenverstärkung und des Bodenverflüssigungspotentials infolge Erdbeben Dr. J. Studer Studer Engineering 8038

Mehr

Physik & Musik. Stimmgabeln. 1 Auftrag

Physik & Musik. Stimmgabeln. 1 Auftrag Physik & Musik 5 Stimmgabeln 1 Auftrag Physik & Musik Stimmgabeln Seite 1 Stimmgabeln Bearbeitungszeit: 30 Minuten Sozialform: Einzel- oder Partnerarbeit Voraussetzung: Posten 1: "Wie funktioniert ein

Mehr

Allgemeine Psychologie: Auditive Wahrnehmung. Sommersemester 2008. Thomas Schmidt

Allgemeine Psychologie: Auditive Wahrnehmung. Sommersemester 2008. Thomas Schmidt Allgemeine Psychologie: Auditive Wahrnehmung Sommersemester 2008 Thomas Schmidt Folien: http://www.allpsych.uni-giessen.de/thomas Literatur Rosenzweig et al. (2005), Ch. 9 Die Hörwelt Auditorische Gruppierung

Mehr

Text Mining von Songtexten

Text Mining von Songtexten Technische Universität Wien WS 2006/07 Diplomarbeit Text Mining von Songtexten Bakk.techn. Jerome Penaranda November 2006 Betreut durch Ao.Univ.Prof. Dipl.-Ing. Dr.techn. Andreas Rauber Danksagung An dieser

Mehr

Produktbeschreibung. MCD Audio Analyzer. Softline. Modline. Funktionen und Merkmale des Produkts. Conline. Boardline. Avidline. Pixline.

Produktbeschreibung. MCD Audio Analyzer. Softline. Modline. Funktionen und Merkmale des Produkts. Conline. Boardline. Avidline. Pixline. Produktbeschreibung Funktionen und Merkmale des Produkts Softline Modline Conline Boardline MCD Audio Analyzer Avidline Pixline Applikation MCD Elektronik GmbH Hoheneichstr. 52 75217 Birkenfeld Telefon

Mehr

Technik der Fourier-Transformation

Technik der Fourier-Transformation Was ist Fourier-Transformation? Fourier- Transformation Zeitabhängiges Signal in s Frequenzabhängiges Signal in 1/s Wozu braucht man das? Wie macht man das? k = 0 Fourier- Reihe f ( t) = Ak cos( ωkt) +

Mehr

SONOR. Implementierungsspezifikation: Filterprüfung Version 2.0. Dipl. Ing. Udo Marx. Version: 1.1.0.0

SONOR. Implementierungsspezifikation: Filterprüfung Version 2.0. Dipl. Ing. Udo Marx. Version: 1.1.0.0 Zertifiziert nach DIN ISO 9001 (Reg. Nr. 90799443) Dipl. Ing. Udo Marx Softwareentwicklung & Systemanalyse SONOR Implementierungsspezifikation: Filterprüfung Version 2.0 Version: 1.1.0.0 Autor: Dipl. Ing.

Mehr

Modulationsanalyse. Amplitudenmodulation

Modulationsanalyse. Amplitudenmodulation 10/13 Die liefert Spektren der Einhüllenden von Teilbändern des analysierten Signals. Der Anwender kann damit Amplitudenmodulationen mit ihrer Frequenz, ihrer Stärke und ihrem zeitlichen Verlauf erkennen.

Mehr

Digitale Signalbearbeitung und statistische Datenanalyse

Digitale Signalbearbeitung und statistische Datenanalyse Digitale Signalbearbeitung und statistische Datenanalyse Teil 5 8 Aus ontinuierlichem Signal werden in onstanten Zeitintervallen Daten entnommen ontinuierliches Signal x(t) Einheitsimpulsfuntion Gewichtete

Mehr

Bildverarbeitung Herbstsemester 2012. Fourier-Transformation

Bildverarbeitung Herbstsemester 2012. Fourier-Transformation Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie

Mehr

Fourier - Transformation

Fourier - Transformation Fourier - Transformation Kurzversion 2. Sem. Prof. Dr. Karlheinz Blankenbach Hochschule Pforzheim, Tiefenbronner Str. 65 75175 Pforzheim Überblick / Anwendungen / Motivation: Die Fourier-Transformation

Mehr

1 EINLEITUNG 1.1 INHALTSBEZOGENE DATENSUCHE

1 EINLEITUNG 1.1 INHALTSBEZOGENE DATENSUCHE 1 EINLEITUNG Durch die rasante Entwicklung im Bereich der Netzwerk- und Speichertechnologien sind heutzutage große Datenarchive und weit verzweigte Netze zum Alltag geworden. Allen voran steht hier das

Mehr

1. SCHALLWELLEN. A06 Akustik A06

1. SCHALLWELLEN. A06 Akustik A06 Akustik 1. SCHALLWELLEN Bewegt man eine Blattfeder langsam hin und her, so strömt die Luft einfach um die Blattfeder herum. Schwingt dagegen die Blattfeder hinreichend schnell, so steht der Luft für den

Mehr

Konsolidierung von Software-Varianten in Software-Produktlinien ein Forschungsprogramm

Konsolidierung von Software-Varianten in Software-Produktlinien ein Forschungsprogramm Konsolidierung von Software-Varianten in Software-Produktlinien ein Forschungsprogramm Rainer Koschke Universität Bremen Workshop Software-Reengineering Bad Honnef 5. Mai 2005 Bauhaus Forschungskooperation

Mehr

Skriptum zur 4. Laborübung. Spektren

Skriptum zur 4. Laborübung. Spektren Elektrotechnische Grundlagen der Informatik (LU 182.085) Skriptum zur 4. Laborübung Spektren Christof Pitter Wolfgang Puffitsch Technische Universität Wien Institut für Technische Informatik (182) 1040,

Mehr

INTELLIGENTE DATENANALYSE IN MATLAB

INTELLIGENTE DATENANALYSE IN MATLAB INTELLIGENTE DATENANALYSE IN MATLAB Bildanalyse Literatur David A. Forsyth: Computer Vision i A Modern Approach. Mark S. Nixon und Alberto S. Aguado: Feature Extraction and Image Processing. Ulrich Schwanecke:

Mehr

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining Gliederung 1. Einführung 2. Grundlagen Data Mining Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining 3. Ausgewählte Methoden des Data

Mehr

Multimediale Werkzeuge, Audio: Formate, Tools. -Sound/Audio Objekte. Formate, Beispiele:

Multimediale Werkzeuge, Audio: Formate, Tools. -Sound/Audio Objekte. Formate, Beispiele: Multimediale Werkzeuge, Audio: Formate, Tools -Sound/Audio Objekte Formate, Beispiele: - Mp3 (Kurz für MPEG1/2 Layer 3) - PCM (z.b. Wave Datei), übliche Formate: CD: 44100 HZ Abtastrate, 16 Bits/Abtastwert.

Mehr

DFT / FFT der Titel der Präsentation wiederholt (Ansicht >Folienmaster) Dipl.-Ing. Armin Rohnen, Fakultät 03, rohnen@hm.edu

DFT / FFT der Titel der Präsentation wiederholt (Ansicht >Folienmaster) Dipl.-Ing. Armin Rohnen, Fakultät 03, rohnen@hm.edu 1 Grundlagen Abtasttheorem Fenster Zeit - Frequenzauflösung Pegelgenauigkeit Overlap Mittelung 2 2 volle Schwingungen 32 Abtastwerte Amplitude = 1 Pascal Signallänge = 1 Sekunde Eine Frequenzline bei 2

Mehr

(query by image content)

(query by image content) Proseminar Multimedia Information-Retrieval-Systeme (query by image content) Das QBIC Projekt 1. Einleitung 1.1 Was ist QBIC 1.2 Wo wird es verwendet 2. QBIC im Detail 2.1 technische Grundlagen 2.2 Aufbau

Mehr

Empfindlichkeit und Rauschmaß eines DVB T Sticks

Empfindlichkeit und Rauschmaß eines DVB T Sticks Empfindlichkeit und Rauschmaß eines DVB T Sticks Messung kritischer Spezifikationen eines Salcar Stick DVB T RTL 2832U&R820T SDR Salcar Stick, oder ähnlich Blockschaltbild des R820T Tuners Aufbau für Empfindlichkeitsmessung:

Mehr

Clustering Seminar für Statistik

Clustering Seminar für Statistik Clustering Markus Kalisch 03.12.2014 1 Ziel von Clustering Finde Gruppen, sodas Elemente innerhalb der gleichen Gruppe möglichst ähnlich sind und Elemente von verschiedenen Gruppen möglichst verschieden

Mehr

1. Vorüberlegungen zu visueller und auditiver Eigenwahrnehmung. 2. Auditive Eigenwahrnehmung/ Eigenwahrnehmung der Stimme

1. Vorüberlegungen zu visueller und auditiver Eigenwahrnehmung. 2. Auditive Eigenwahrnehmung/ Eigenwahrnehmung der Stimme Gliederung: 1. Vorüberlegungen zu visueller und auditiver Eigenwahrnehmung 2. Auditive Eigenwahrnehmung/ Eigenwahrnehmung der Stimme 2.1 Relevanz für Kommunikation 2.2 Eigenschaften der EdS: Kanäle 2.3

Mehr

Referenz. Kurzbezeichnung des Projekts ASAR. Langtitel des Projekts. Analyse und Synthese der richtungsabhängigen akustischen Eigenschaften

Referenz. Kurzbezeichnung des Projekts ASAR. Langtitel des Projekts. Analyse und Synthese der richtungsabhängigen akustischen Eigenschaften Referenz Kurzbezeichnung des Projekts Langtitel des Projekts Fachgebiet, inhaltliche Schwerpunkte Kategorie Hintergrund/Anlass ASAR Analyse und Synthese der richtungsabhängigen akustischen Eigenschaften

Mehr

V 35 Werkstoffuntersuchungen mit Ultraschall

V 35 Werkstoffuntersuchungen mit Ultraschall V 35 Werkstoffuntersuchungen mit Ultraschall 1. Aufgabenstellung 1.1 Untersuchen Sie den Wellencharakter des Ultraschalls im Hochfrequenzund Amplitudenmode, und bestimmen Sie die Frequenz des verwendeten

Mehr

Methodenseminar. Messtechnik und Biosignalerfassung / Übungen. Assist. Prof. Dipl.-Ing. Dr. Manfred Bijak

Methodenseminar. Messtechnik und Biosignalerfassung / Übungen. Assist. Prof. Dipl.-Ing. Dr. Manfred Bijak Methodenseminar Messtechnik und Biosignalerfassung / Übungen Assist. Prof. Dipl.-Ing. Dr. Manfred Bijak Dieses Skriptum ist ausschließlich als Lernbehelf im Rahmen der Lehrveranstaltung LV 809.045 Messtechnik

Mehr

Mathematische Melodieanalyse - Ein Streifzug

Mathematische Melodieanalyse - Ein Streifzug RMA - MuWi UHH WS 05/06 Mathematische Melodieanalyse - Ein Streifzug Universität Hamburg Mathematische Melodieanalyse - Einleitung Mathematische Melodieanalyse befasst sich mit der algorithmischen Analyse

Mehr

Proseminar Kompressionsalgorithmen am Beispiel Mp3

Proseminar Kompressionsalgorithmen am Beispiel Mp3 Proseminar Kompressionsalgorithmen am Beispiel Mp3 Von S. Kortler und E. Yueksekdag bei Dr. Gerhard Schrott 22. Mai 2003 TUM Sommersemester 2003 Gliederung 1. Wozu eigentlich Audiokompression 2. Verschiedene

Mehr

Schwingungsanalyse an elektrischen Maschinen

Schwingungsanalyse an elektrischen Maschinen Schwingungsanalyse an elektrischen Maschinen Wolfgang Hüttl Oskar-von-Miller Str. 2, D-86356 Neusäß Tel.: +49 821 48 001-55, Fax: +49 821 48 001-40 E-Mail: wolfgang.huettl@amserv.de Internet: www.amserv.de

Mehr

Schwingende Saite (M13)

Schwingende Saite (M13) Schwingende Saite (M13) Ziel des Versuches Ein musikalischer Versuch. Sie lernen die Grundlagen aller Saiteninstrumente kennen und beschäftigen sich experimentell mit dem wichtigen physikalischen Konzept

Mehr

Februar 06 Uni Basel Seminar Künstliche Intelligenz Stefan Pauwels Emotion Recognition :-)

Februar 06 Uni Basel Seminar Künstliche Intelligenz Stefan Pauwels Emotion Recognition :-) Emotion Recognition :-) Themenüberblick Emotionen Emotion Recognition Speech Facial Expression Mulitmodal Emotion Recognition Integrationsmöglichkeiten der zwei Kanäle Emotionen: Grundlagen Konsens in

Mehr

Ordnungsanalyse. Einleitung

Ordnungsanalyse. Einleitung 10/13 Einleitung Bei der Analyse von Motorgeräuschen ist es nahe liegend, dass die Drehzahl des Motors bei der Entwicklung dieser Geräusche die wichtigste Rolle spielt: Bestimmte, je nach Drehwinkel erzeugte

Mehr

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Gliederung Einleitung Problemstellungen Ansätze & Herangehensweisen Anwendungsbeispiele Zusammenfassung 2 Gliederung

Mehr

Kapitel IR:I. I. Einführung. Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval

Kapitel IR:I. I. Einführung. Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval Kapitel IR:I I. Einführung Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval IR:I-1 Introduction STEIN 2005-2010 Retrieval-Szenarien Liefere Dokumente, die die Terme «Information» und

Mehr

Anfänge in der Antike

Anfänge in der Antike Akustik Eine wesentliche Grundlage der Musik ist der Schall. Seine Eigenschaften erforscht die Akustik (griechisch: ακουειν = hören). Physikalisch ist Schall definiert als mechanische Schwingungen und

Mehr

Stefan Gössner 21.09.2004 Multimedia: Eine Einführung. Was ist Multimedia? Was ist ein Medium? Was ist Multimedia? Multimedia?

Stefan Gössner 21.09.2004 Multimedia: Eine Einführung. Was ist Multimedia? Was ist ein Medium? Was ist Multimedia? Multimedia? 1 of 7 Stefan Gössner 21.09.2004 Multimedia: Eine Einführung Stefan Gössner Was ist Multimedia? vielverwendeter Begriff hat was mit Computern zu tun? Multi + Media? Was ist ein Medium? Mittel zur Verbreitung

Mehr

Dokumenten-Clustering. Norbert Fuhr

Dokumenten-Clustering. Norbert Fuhr Dokumenten-Clustering Norbert Fuhr Dokumenten-Clustering (Dokumenten-)Cluster: Menge von ähnlichen Dokumenten Ausgangspunkt Cluster-Hypothese : die Ähnlichkeit der relevanten Dokumente untereinander und

Mehr

Grundlagen - Digitaler Klang Klangsynthese Verfahren Wavetable Oszillator Additive Synthese

Grundlagen - Digitaler Klang Klangsynthese Verfahren Wavetable Oszillator Additive Synthese Grundlagen - Digitaler Klang Klangsynthese Verfahren Wavetable Oszillator Additive Synthese Überblick Ringmodulation Amplitudenmodulation Frequenzmodulation Waveshaping Weitere Verfahren Programme Stichworte

Mehr

MP3 Ein paar Grundlagen. Damit wir wissen von was wir reden. Das Werkzeug Audiograbber. Zum Erstellen von MP3 Dateien. Das Werkzeug Winamp

MP3 Ein paar Grundlagen. Damit wir wissen von was wir reden. Das Werkzeug Audiograbber. Zum Erstellen von MP3 Dateien. Das Werkzeug Winamp MP3 Was ist das? MP3 Ein paar Grundlagen Das Werkzeug Audiograbber Zum Erstellen von MP3 Dateien Das Werkzeug Winamp Der neue CD-Spieler Die Technik aktuell ausserhalb des PC s: MP3 Player, Memo-Sticks

Mehr

Anwendung der Random Decrement Technique (RDT) beim Monitoring von Bauwerken

Anwendung der Random Decrement Technique (RDT) beim Monitoring von Bauwerken 1 Anwendung der Random Decrement Technique (RDT) beim Monitoring von Bauwerken Boris RESNIK und Moritz KÖLLING Beuth Hochschule für Technik, Berlin, resnik@beuth-hochschule.de Zusammenfassung Bei der Entwicklung

Mehr

Einführung in die Signalverarbeitung

Einführung in die Signalverarbeitung Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung

Mehr

Digitale Bildverarbeitung

Digitale Bildverarbeitung Digitale Bildverarbeitung Eine praktische Einführung von Thorsten Hermes 1. Auflage Hanser München 2004 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 22969 3 Zu Leseprobe schnell und portofrei

Mehr

Signalübertragung und -verarbeitung

Signalübertragung und -verarbeitung ILehrstuhl für Informationsübertragung Schriftliche Prüfung im Fach Signalübertragung und -verarbeitung 6. Oktober 008 5Aufgaben 90 Punkte Hinweise: Beachten Sie die Hinweise zu den einzelnen Teilaufgaben.

Mehr

Elektrotechnik-Grundlagen Teil 2 Messtechnik

Elektrotechnik-Grundlagen Teil 2 Messtechnik Version 1.0 2005 Christoph Neuß Inhalt 1. ZIEL DER VORLESUNG...3 2. ALLGEMEINE HINWEISE ZU MESSAUFBAUTEN...3 3. MESSUNG ELEMENTARER GRÖßEN...3 3.1 GLEICHSTROMMESSUNG...3 3.2 WECHSELSTROMMESSUNG...4 4.

Mehr

Multimedia-Metadaten und ihre Anwendung

Multimedia-Metadaten und ihre Anwendung Multimedia-Metadaten und ihre Anwendung 14.02.2006 Video Retrieval und Video Summarization Maria Wagner Aspekte des Video Retrieval 2/14 Videoanalyse Analyse nötig, um Struktur und Metadaten zu erkennen

Mehr

Allgemeine Beschreibung von Blockcodes

Allgemeine Beschreibung von Blockcodes Allgemeine Beschreibung von Blockcodes Bei Blockcodierung wird jeweils eine Sequenz von m q binären Quellensymbolen (M q = 2) durch einen Block von m c Codesymbolen mit dem Symbolumfang M c dargestellt.

Mehr

Ein hierarchisches Modell zur inhaltsbezogenen Audio-Klassifikation

Ein hierarchisches Modell zur inhaltsbezogenen Audio-Klassifikation Carl von Ossietzky Universität Oldenburg Studiengang Hörtechnik und Audiologie MASTERARBEIT Ein hierarchisches Modell zur inhaltsbezogenen Audio-Klassifikation vorgelegt von Steffen Kortlang Betreuender

Mehr

Metering. Version 0.9. c 2008 Holger Stolzenburg

Metering. Version 0.9. c 2008 Holger Stolzenburg Metering Metering Version 0.9 c 2008 Holger Stolzenburg 1 von 8 Inhaltsverzeichnis 1 Aussteuerungsmessgeräte 3 1.1 Normpegel............................................. 3 1.2 VU (Volume Unit)-Meter....................................

Mehr

Messtechnik-Praktikum. Spektrumanalyse. Silvio Fuchs & Simon Stützer. c) Berechnen Sie mit FFT (z.b. ORIGIN) das entsprechende Frequenzspektrum.

Messtechnik-Praktikum. Spektrumanalyse. Silvio Fuchs & Simon Stützer. c) Berechnen Sie mit FFT (z.b. ORIGIN) das entsprechende Frequenzspektrum. Messtechnik-Praktikum 10.06.08 Spektrumanalyse Silvio Fuchs & Simon Stützer 1 Augabenstellung 1. a) Bauen Sie die Schaltung für eine Einweggleichrichtung entsprechend Abbildung 1 auf. Benutzen Sie dazu

Mehr

Seminar Textmining SS 2015 Grundlagen des Maschinellen Lernens

Seminar Textmining SS 2015 Grundlagen des Maschinellen Lernens Seminar Textmining SS 2015 Grundlagen des Maschinellen Lernens Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 17.04.2015 Entscheidungsprobleme beim Textmining

Mehr

3. Entscheidungsbäume. Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002)

3. Entscheidungsbäume. Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002) 3. Entscheidungsbäume Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002) (aus Wilhelm 2001) Beispiel: (aus Böhm 2003) Wann sind Entscheidungsbäume

Mehr

Simulink: Einführende Beispiele

Simulink: Einführende Beispiele Simulink: Einführende Beispiele Simulink ist eine grafische Oberfläche zur Ergänzung von Matlab, mit der Modelle mathematischer, physikalischer bzw. technischer Systeme aus Blöcken mittels plug-and-play

Mehr

THz Physik: Grundlagen und Anwendungen

THz Physik: Grundlagen und Anwendungen THz Physik: Grundlagen und Anwendungen Inhalt: 1. Einleitung 2. Wechselwirkung von THz-Strahlung mit Materie 3. Erzeugung von THz-Strahlung 3.1 Elektronische Erzeugung 3.2 Photonische Erzeugung 3.3 Nachweis

Mehr

Einführung in die Signalverarbeitung

Einführung in die Signalverarbeitung Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung

Mehr

Praktikumsbericht. Gruppe 6: Daniela Poppinga, Jan Christoph Bernack, Isaac Paha. Betreuerin: Natalia Podlaszewski 28.

Praktikumsbericht. Gruppe 6: Daniela Poppinga, Jan Christoph Bernack, Isaac Paha. Betreuerin: Natalia Podlaszewski 28. Praktikumsbericht Gruppe 6: Daniela Poppinga, Jan Christoph Bernack, Isaac Paha Betreuerin: Natalia Podlaszewski 28. Oktober 2008 1 Inhaltsverzeichnis 1 Versuche mit dem Digital-Speicher-Oszilloskop 3

Mehr

Hauptseminar Autofokus

Hauptseminar Autofokus Hauptseminar Autofokus Hans Dichtl 30. Januar 2007 Wann ist ein Bild fokussiert? Wann ist ein Bild fokusiert? Welche mathematischen Modelle stehen uns zur Verfügung? Wie wird das elektronisch und mechanisch

Mehr

Physik & Musik. Klavier. 1 Auftrag

Physik & Musik. Klavier. 1 Auftrag Physik & Musik 11 Klavier 1 Auftrag Physik & Musik Klavier Seite 1 Klavier Bearbeitungszeit: 45 Minuten Sozialform: Einzel- oder Partnerarbeit Einleitung: Obertöne Die meisten in der Musik verwendeten

Mehr

Broadband EMI Noise Measurement in Time Domain

Broadband EMI Noise Measurement in Time Domain Broadband EMI Noise Measurement in Time Domain Florian Krug, Peter Russer Institute for High-Frequency Engineering Technische Universität München fkrug@ieee.org 1 Inhalt Einführung Time-Domain Electromagnetic

Mehr

Wichtige Eigenschaft: zeitliche Abnahme der Schallintensität. Akustische Ereignisse sind zeitliche Phänomene mit Anfang und Ende

Wichtige Eigenschaft: zeitliche Abnahme der Schallintensität. Akustische Ereignisse sind zeitliche Phänomene mit Anfang und Ende Schallaufzeichnung Wichtige Eigenschaft: zeitliche Abnahme der Schallintensität Akustische Ereignisse sind zeitliche Phänomene mit Anfang und Ende Akustische Ereignisse sind vergänglich Akustische Ereignisse

Mehr

Prozeßbezogene Signalverarbeitung in der LDA- und PDA-Meßtechnik

Prozeßbezogene Signalverarbeitung in der LDA- und PDA-Meßtechnik Slide 1 Prozeßbezogene Signalverarbeitung in der LDA- und PDA-Meßtechnik Postdoktorandenprogramm der DFG Zusammenarbeit mit Dantec MT Betreuung durch Universität Rostock Slide Postdoktorandenprogramm Ziel

Mehr

Clusteranalyse. Clusteranalyse. Fragestellung und Aufgaben. Abgrenzung Clusteranalyse - Diskriminanzanalyse. Rohdatenmatrix und Distanzmatrix

Clusteranalyse. Clusteranalyse. Fragestellung und Aufgaben. Abgrenzung Clusteranalyse - Diskriminanzanalyse. Rohdatenmatrix und Distanzmatrix TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Biometrische und Ökonometrische Methoden II SS 00 Fragestellung und Aufgaben Abgrenzung

Mehr

(Anleitung für Klassenstufe 7 bis 10) 1 Theoretischer Hintergrund

(Anleitung für Klassenstufe 7 bis 10) 1 Theoretischer Hintergrund 1 Versuch M18: Musik und Töne (Anleitung für Klassenstufe 7 bis 10) Was wäre unsere Welt ohne Musik? Vielleicht spielst du selber ein Instrument oder jemand aus deinem Bekanntenkreis. Auf jeden Fall ist

Mehr

Modulationsverfahren

Modulationsverfahren Funktions- und Fehleranalyse Herr Rößger 2011 2012 Modulationsverfahren Definition: Modulation ist die Beeinflussung einer Trägerschwingung durch eine Information. Trägerschwingung: Informationsparameter:

Mehr

Maschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn

Maschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn 16. Januar 2014 Übersicht Stand der Kunst im Bilderverstehen: Klassifizieren und Suchen Was ist ein Bild in Rohform? Biologische

Mehr

Lokale Frequenzanalyse

Lokale Frequenzanalyse Lokale Frequenzanalyse Fourieranalyse bzw. Powerspektrum liefern globale Maße für einen Datensatz (mittleres Verhalten über die gesamte Länge des Datensatzes) Wiederkehrdiagramme zeigten, dass Periodizitäten

Mehr

Diphone Studio. Teil 3 Analyse resonanter Modelle und Chant-Synthese. Hans Tutschku tutschku@ircam.fr

Diphone Studio. Teil 3 Analyse resonanter Modelle und Chant-Synthese. Hans Tutschku tutschku@ircam.fr Diphone Studio Teil 3 Analyse resonanter Modelle und Chant-Synthese Hans Tutschku tutschku@ircam.fr Der Artikel bezieht eine Sammlung von Beispielklängen ein, die auf folgender web-adresse angehört werden

Mehr

Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT)

Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT) Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT) Inhaltsverzeichnis 1 Allgemeines Filter... 2 2 Filter auf dem Signalprozessor... 2 3 Zusammenhang Zeitsignal und Frequenzspektrum...

Mehr

Vermessung und Verständnis von FFT Bildern

Vermessung und Verständnis von FFT Bildern Vermessung und Verständnis von FFT Bildern Viele Auswertungen basieren auf der "Fast Fourier Transformation" FFT um die (ungewünschten) Regelmäßigkeiten im Schliffbild darzustellen. Die Fourier-Transformation

Mehr

Automatische Gesprächsauswertung im Callcenter

Automatische Gesprächsauswertung im Callcenter Einleitung Forschungsbeitrag Automatische Gesprächsauswertung im Callcenter Projekt CoachOST Dipl.-Wirtsch.-Inf. Mathias Walther Prof. Dr. Taïeb Mellouli Lehrstuhl für Wirtschaftsinformatik und Operations

Mehr

Das Quelle-Filter-Modell der Vokalproduktion

Das Quelle-Filter-Modell der Vokalproduktion Jochen Trommer jtrommer@uni-leipzig.de Universität Leipzig Institut für Linguistik Phonetikanalyse SS 2007 Beispiel 1: Federpendel Beispiel 2: Weingläser Schwingung beim Federpendel Beispiel 1: Federpendel

Mehr

Kapitel 11* Grundlagen ME. Aufbau eines ME-Systems Entwicklung eines ME-Systems. Kapitel11* Grundlagen ME p.1/12

Kapitel 11* Grundlagen ME. Aufbau eines ME-Systems Entwicklung eines ME-Systems. Kapitel11* Grundlagen ME p.1/12 Kapitel 11* Kapitel11* Grundlagen ME p.1/12 Grundlagen ME Aufbau eines ME-Systems Entwicklung eines ME-Systems Kapitel11* Grundlagen ME p.2/12 Aufbau eines ME-Systems (1) on line Phase digitalisiertes

Mehr

SYNCHRONISATION VON HERZ UND ATMUNG

SYNCHRONISATION VON HERZ UND ATMUNG SYNCHRONISATION VON HERZ UND ATMUNG Vortrag von Benjamin Klima Inhaltsverzeichnis 1. 2. 3. Jules Antoine Lissajous 4. Die Lissajous Figur 5. 6. 7. Unsere Daten 8. Unsere Auswertung und Veranschaulichung

Mehr

TONHÖHE UND LAUTSTÄRKE

TONHÖHE UND LAUTSTÄRKE TONHÖHE UND LAUTSTÄRKE 1 Funktionsgenerator 1 Oszilloskop, Zweikanal 1 Lautsprecher Verbindungsleitungen Range Function LOUD SPEAKER Der Stativreiter wird am Stativfuß H-Form befestigt. An ihm wird die

Mehr

-Oktavanalyse Wavelet. FFT 1 / n. -Oktavanalyse Wavelet. Fast Fourier Transformation

-Oktavanalyse Wavelet. FFT 1 / n. -Oktavanalyse Wavelet. Fast Fourier Transformation 11/13 FFT 1 / n -Oktavanalyse Wavelet FFT 1 / n -Oktavanalyse Wavelet Für die meisten akustischen Untersuchungen ist eine reine Pegelanalyse unzureichend, denn nicht nur der Pegel, sondern auch die frequenzabhängige

Mehr

Wichtige Eigenschaft: zeitliche Abnahme der Schallintensität. Akustische Ereignisse müssen Jetzt oder Nie gehört werden

Wichtige Eigenschaft: zeitliche Abnahme der Schallintensität. Akustische Ereignisse müssen Jetzt oder Nie gehört werden Audiodesign Aufzeichnung akustischer Ereignisse Wichtige Eigenschaft: zeitliche Abnahme der Schallintensität Akustische Ereignisse sind zeitliche Phänomene mit Anfang und Ende Akustische Ereignisse sind

Mehr

V 322 Überlagerung und Modulation /AD-Wandler

V 322 Überlagerung und Modulation /AD-Wandler V 322 Überlagerung und Modulation /AD-Wandler 1. Aufgaben 1.1 Digitalisieren Sie ein analoges Signal und experimentieren mit der Abtastrate und Sampleanzahl. 1.2 Überlagern Sie 2 Frequenzen und beobachten

Mehr

Akustische Grundlagen

Akustische Grundlagen Akustische Grundlagen Singen als Klangbild Für das Singen gelten Gesetze, Gegebenheiten und Phänomene der Akustik Akustik ist ein Teilbereich der Physik Zum Verständnis der Funktion des Stimmmechanismus

Mehr

4 Erzeugung von Tonsignalen

4 Erzeugung von Tonsignalen 4 Erzeugung von Tonsignalen 4.1 Etwas Theorie: Sample, Samplefrequenz, Abtasten Zeit in ms u1(t) 0 0 1 3,09 2 5,88 3 8,09 4 9,51 5 10 6 9,51 7 8,09 8 5,88 9 3,09 10 0 11-3,09 12-5,88 13-8,09 14-9,51 15-10

Mehr

Inhalt. 1. Einleitung... 9

Inhalt. 1. Einleitung... 9 Inhalt 1. Einleitung............................................... 9 2. Grundsätzliches......................................... 11 2.1 Wann muss eine Trommel gestimmt werden?................... 12 2.2

Mehr

MTV-Klausurvorbereitung, TFH Berlin, Cornelius Bradter

MTV-Klausurvorbereitung, TFH Berlin, Cornelius Bradter Modulation Die Modulation ist ein technischer Vorgang, bei dem ein oder mehrere Merkmale einer Trägerschwingung entsprechend dem Signal einer zu modulierenden Schwingung verändert werden. Mathematisch

Mehr

Einfluß von Wind bei Maximalfolgenmessungen

Einfluß von Wind bei Maximalfolgenmessungen 1 von 5 05.02.2010 11:10 Der Einfluß von Wind bei Maximalfolgenmessungen M. KOB, M. VORLÄNDER Physikalisch-Technische Bundesanstalt, Braunschweig 1 Einleitung Die Maximalfolgenmeßtechnik ist eine spezielle

Mehr

1.3 Digitale Audiosignale

1.3 Digitale Audiosignale Seite 22 von 86 Abb. 1.2.12 - Wirkung der Schallverzögerung Effekte sind: Delay, Echo, Reverb, Flanger und Chorus Hört man ein akustisches Signal im Raum, dann werden die Signale von Wänden und anderen

Mehr

Schwarzes Brett. Dies Academicus am 26.11.03

Schwarzes Brett. Dies Academicus am 26.11.03 Schwarzes Brett Einführung: Audio Retrieval WS 2003/04 Hauptseminar Christa Womser-Hacker Dies Academicus am 26.11.03 IfAS Forschungskolloquium 2003: Di, 18.00 Uhr 14tägig 2004: Di, 18.00 Uhr wöchentlich

Mehr

AM/FM/ϕM-Messdemodulator FS-K7

AM/FM/ϕM-Messdemodulator FS-K7 Datenblatt Version 02.00 AM/FM/ϕM-Messdemodulator FS-K7 April 2005 für die Analysatoren FSQ/FSU/FSP und die Messempfänger ESCI/ESPI AM/FM/ϕM-Messdemodulator zur Bestimmung analoger Modulationsparameter

Mehr

SDR# Software Defined Radio

SDR# Software Defined Radio SDR# Software Defined Radio Beispiel von DVB T USB Stick und SDR Receiver Frequenz 24 1700MHz Frequenz 0,1 2000MHz, mit Down Converter für KW Treiber und Software http://sdrsharp.com/#download 1 Nach dem

Mehr