Це збоку від мого додатка з хропінням .
У мене з’явилася тріщина при створенні автокореляції аудіосигналу, щоб побачити, чи «це корелює» з хропінням / диханням дуже добре. У мене є простий алгоритм (виробляє 1,0 як нульовий елемент, що є хорошим знаком), але мені цікаво, як оцінити результат, щоб визначити, чи є сильна автокореляція, і, можливо, далі, як використовувати її для розділення різні можливі джерела звуку.
Питання №1: Чи хороший показник якості автокореляції (пропускний елемент нульовий) метрикою «якості», як будь-який, чи є щось краще?
Щоб пояснити: я просто хочу числовим способом (проти "дивлячись" на діаграму), щоб відрізнити сильно автокорельований сигнал від менш добре автокорельованого.
(Я насправді не знаю достатньо, щоб знати, які ще запитання потрібно задати.)
Деякі ранні результати: У деяких випадках автокореляція (або RMS, або пік) показує різкий стрибок хропіння - саме ту відповідь, яку я хотів би бачити. В інших випадках у цих заходів взагалі немає явного руху (а це можуть бути два послідовні хропіння з двома реакціями), а в ситуаціях з високим рівнем шуму вимірювання насправді занурюються (трохи) під час хропіння.
Оновлення - 22 травня: Нарешті я ще трохи попрацював над цим. (Мене зняли в іншому додатку, який буквально болить.) Я подав вихід автокореляції у FFT, і вихід дещо цікавий - він показує досить драматичний пік біля початку, коли хропіть.
Тому зараз я якось стикаюся з проблемою квантування цього піку. Як не дивно, найвищі вершини, з точки зору абсолютної величини, трапляються в інші часи, але я спробував співвідношення піка до середнього арифметичного, і це добре простежує. Отож, які хороші способи виміряти "пік" FFT. (І, будь ласка , не кажіть, що мені потрібно прийняти FFT - ця штука вже близька до проковтування власного хвоста. :))
Крім того, мені спало на думку, що якість FFT може дещо покращитися, якщо я відобразив дзеркальне відображення результатів автокореляції, з нулем (який за визначенням 1,0 величини) посередині. Це поставило б "хвости" з обох кінців. Це (можливо) гарна ідея? Чи має бути дзеркальне зображення вертикальним або перевернутим? (Звичайно, я спробую це незалежно від того, що ви кажете, але я подумав, може, я можу отримати деякі підказки щодо деталей.)
Випробувана плоскостопість--
Мої тестові випадки можна приблизно розділити на категорії «добре себе поводити» та категорії «проблемні діти».
Для тестів, що «добре ведуть себе», плоскостопість ЗПТ автокореляції різко знижується, а відношення піку до середньої автокореляції піднімається під час хропіння. Співвідношення цих двох чисел (пікове відношення, поділене на площину) є особливо чутливим, виявляючи 5-10-кратний підйом під час вдиху / хропіння.
Однак для «проблемних дітей» цифри прямують у прямо протилежному напрямку. Коефіцієнт піку / середнього зменшується незначно, тоді як площинність фактично збільшується на 50-100%
Різниця між цими двома категоріями (в основному) потрійна:
- Рівень шуму (як правило) вище у "проблемних дітей"
- Рівень звуку (майже завжди) нижчий у "проблемних дітей"
- "Проблемні діти", як правило, полягають у більшій кількості дихання та менш реального хропіння (і мені потрібно виявити і те й інше)
Будь-які ідеї?
Оновлення - 25.05.2012: Занадто рано передбачити танець перемоги, але коли я відобразив автокореляцію щодо точки, взяв FFT про це, а потім зробив спектральну площинність, моя комбінована схема співвідношення показала хороший стрибок у кілька різних середовищ. Відображення автокореляції, схоже, покращує якість FFT.
Однак, одна з основних мір полягає в тому, що оскільки "компонент постійного струму" відбитого "сигналу" дорівнює нулю, результат нульового FFT завжди дорівнює нулю, і цей вид порушує геометричне середнє, що включає нуль. Але пропуск нульового елемента, здається, працює.
Результат, який я отримую, далеко не достатній для того, щоб визначити хропіння / вдих самостійно, але, здається, це досить чутливе «підтвердження» - якщо я не отримаю «стрибок», то, мабуть, це не хропіння / вдих.
Я не проаналізував її уважно, але підозрюю, що те, що відбувається, - свистячий звук десь під час дихання / хропіння, і що свист - це те, що виявляється.