MATLAB을 통한 음성신호의 분석2

소개글

MATLAB을 통한 음성신호의 분석2에 대한 보고서 자료입니다.

목차

I. 주차별 계획 및 회의록

1. 조원별 역할 분담

2. 주차별 계획

3. 회의록

II. Filtering

1. Filter의 의미

2. FIR Filter와 IIR Filter

III. Data 분석 및 MATLAB Code

1. 임펄스 응답 h[n] 파형과 전달함수 H(ejw) 도시

2. Voice \'a\' Power Spectrum Illustration

3. Calculating of Average Power of Voice Signal

4. Z(ejw)의 Power Spectrum 도시

(1) Cosine Signal y[n]

(2) z[n]=y[n]+x[n]

5. V(ejw)의 Power Spectrum 도시

(1) Once Convolution

(2) Twice Convolution

6. MATLAB Code

IV. Project를 마치며...

본문내용

ncy(Hz)','fontsize',12)
ylabel('Magnitude', 'fontsize',12)
title('Magnitude of Voice "a"', 'fontsize', 14), grid
subplot(212), plot(freq, angle(X), 'm')
xlabel('Frequency(Hz)','fontsize',12)
ylabel('Phase', 'fontsize',12)
title('Phase of Voice "a"', 'fontsize', 14), grid
%% Average Power Calculation
n = length(x);
P = mean(x.^2);
%% z[n] and Z[jw]
t = -9:18/(n-1):9;
y = (P^0.5)*cos(2*pi*2000*t);
z = x + y';
Y = fft(y, 8000);
Z = fft(z, 8000);
figure(2), subplot(211), plot(freq, abs(Y), 'r')
xlabel('Frequency(Hz)','fontsize',12)
ylabel('Magnitude', 'fontsize',12)
title('Magnitude of Y', 'fontsize', 14), grid
subplot(212), plot(freq, angle(Y), 'm')
xlabel('Frequency(Hz)','fontsize',12)
ylabel('Phase', 'fontsize',12)
title('Phase of Y', 'fontsize', 14), grid
figure(3), subplot(211), plot(freq, abs(Z), 'r')
xlabel('Frequency(Hz)','fontsize',12)
ylabel('Magnitude', 'fontsize',12)
title('Magnitude of Z', 'fontsize', 14), grid
subplot(212), plot(freq, angle(Z), 'm')
xlabel('Frequency(Hz)','fontsize',12)
ylabel('Phase', 'fontsize',12)
title('Phase of Z', 'fontsize', 14), grid
%% Convolution
v1 = conv(h, z);
v2 = conv(h, v1);
V1 = fft(v1, 8000);
V2 = fft(v2, 8000);
% Once Convolution
figure(4), subplot(211), plot(freq, abs(V1), 'r')
xlabel('Frequency(Hz)','fontsize',12)
ylabel('Magnitude', 'fontsize',12)
title('Magnitude Once Conv V', 'fontsize', 14), grid
subplot(212), plot(freq, angle(V1), 'm')
xlabel('Frequency(Hz)','fontsize',12)
ylabel('Phase', 'fontsize',12)
title('Phase of Once Conv V', 'fontsize', 14), grid
% Twise Convolution
figure(5), subplot(211), plot(freq, abs(V2), 'r')
xlabel('Frequency(Hz)','fontsize',12)
ylabel('Magnitude', 'fontsize',12)
title('Magnitude of Twice Conv V', 'fontsize', 14), grid
subplot(212), plot(freq, angle(V2), 'm')
xlabel('Frequency(Hz)','fontsize',12)
ylabel('Phase', 'fontsize',12)
title('Phase of Twice Conv V', 'fontsize', 14), grid
IV. Project를 마치며...
이번 두 번째 프로젝트도 마찬가지로 음성 신호를 분석하기위해 ‘MATLAB’이라는 프로그램을 사용하였다. ‘MATLAB’을 이용하여 시간영역 파형을 도시하고, Time-Domain 그래프 및 Frequency-Domain 그래프를 분석해 나가며 Discrete Signal에 대한 분석방법과 Spectrum 해석 능력을 습득할 수 있었다. 또한 sptool을 통해 FFT를 하지 않고도 Filtering 특성을 확인해 볼 수 있었다.
이번 프로젝트는 이론상으로만 알고 있던 Filtering의 개념을 실제로 적용해 볼 수 있는 기회였다. 실제로 적용해봄으로써 Filtering 전과 Filtering 후의 파형을 도시하여 확인해보니 두 파형의 확연한 차이를 볼 수 있었다. 처음 h[n]의 계수를 보고 도시해본 결과 Sinc Function이란 것을 알 수 있었고, 이것은 주파수영역에서는 구형파가 나올 것이란 것을 예상했었다. 실제로 FFT를 해본 결과 구형파와 비슷했고, 대부분의 에너지가 0Hz~1.5kHz에 모여있는 것을 보고 이것은 1.5kHz의 Low Pass Filter라는 것을 알 수 있었다. 따라서 원래의 음성신호에 2kHz의 Cosine 신호를 합성한 후 Filtering을 하면 Cosine 신호가 사라질 것이라고 예상을 하였는데, 제거가 됨을 확인해보았다. 이번에 적용한 Filter는 FIR Filter였기 때문에 완벽한 복원이 이뤄지지 않았지만, IIR Filter를 적용하면 완벽한 복원이 가능할 것이다. 하지만 IIR Filter는 이론상으로만 존재하므로 실제로 구현하기에는 무리가 따른다.
실제로 Filtering이란 것은 그 범위가 굉장히 넓다. 음악을 들을 때 Equalizer라는 것도 Low Pass Filter와 High Pass Filter를 적당히 조절하는 것으로 낮은 주파수의 Gain을 조절하거나 높은 주파수의 Gain을 조절함으로써 작동하는 것이다.
이번 프로젝트를 통해서 이론적인 면과 실제 데이터 분석에서의 차이점을 확인하고 그 이유에 대해서 생각해보는 시간을 가질 수 있었다. 또한 각자의 역할을 적절히 분배하여 이번 과제를 해결해 나가는데 있어서 한결 수월하게 할 수 있었다.

키워드

음성신호,   MATLAB,   신호처리,   신호및시스템