Регулируемый стабилизатор напряжения. На LM317. Своими руками

-

Комментарии

Отправить комментарий

Популярные сообщения из этого блога

Распознавание речи без библиотек

-
Изображение
Алгоритмов обработки сигналов великое множество. У каждого есть свои достоинства и недостатки. В распознавании звуковых сигналов приоритет отдан цифровой обработке сигналов где все построено на расчете изменений тока во времени. На заре развития электросвязи для измерения частоты использовались резонансные фильтры. Для объяснения работы органов слуха использовали резонансную теорию которая имеет много сторонников и до сих пор считается классической. Если допустить что при распознавании звуков главным является не определение спектра частот то появится возможность найти «философский камень» — алгоритмы распознавания звуковых сигналов не используя производных от времени которые бы однозначно классифицировали звуковую волну. Если считать что слуховой образ — не сумма тональностей а соотношение тональностей то не потребуется определять все частоты звуковом сигнале как делается в существующих программах распознавания звуковых сигналов. В системах распознавания речи, содержащих слова, распозн...
Далее...

Задержка звука с Python

-
Изображение
  Задержка звука с Python ¶ Исходный код ноутбука Задержка является фундаментальным звуковым эффектом. Идея воспроизведения звука и его повторения через некоторое время проста, но он широко используется в производстве музыки в качестве отдельного эффекта и в качестве основы реверберации , хора и отбортовки . В этой статье я расскажу о версии задержки, чтобы проверить поддержку звука в стандартной библиотеке и лучше понять, как работает эффект. Чтобы реализовать функцию задержки, нам нужно будет прочитать и записать аудиоданные, добавить два аудиосигнала вместе, изменить громкость сигнала и создать пустое пространство в конце сигнала. Окончательная версия функции сможет генерировать следующие звуковые файлы (и многие другие) на основе ввода. В 1]: из IPython.display импортируйте аудио , дисплей , HTML  s3 = 'https://s3.amazonaws.com/audio-experiment/examples/' #display аудио объект и текстовую ссылку для браузеров , не совместимых с <аудио>  Защиту display_link_a...
Далее...

Алгоритм

-
  Сто первая попытка объяснить идею заложенную в алгоритм: Главное в анализе речевых данных – это выделить признаки, которые можно считать основными для идентификации лингвистического содержания. Все шумы и признаки которые отвечают за окраску можно отбросить. Принято использовать частотные или временные признаки отдельно или совместно. Считаю возможным использовать безразмерную величину как скважность, один из классификационных признаков импульсных систем, определяющий отношение периода следования (повторения) импульсов к длительности импульса. Речевой сигнал на выходе компаратора получится прямоугольным, с импульсами с различной длительности и периодов. Смысловое содержание при прослушивании сохраняется. Чем выше частота тем ближе звук к оригиналу. В  теории  ни бум-бум НО проверял на практике. Речь диктора можно прокрутить быстрее или тише значит изменятся и частотные и временные характеристики. Не изменится лишь скважность. Остается найти алгоритмы нахождения участков...
Далее...