রেফারেন্সের জন্য ধন্যবাদ! আপনি ড্রাম বর্ধনের বিষয়ে আপনার কাজের কথা উল্লেখ করতে ভুলে গেছেন , যা সামার_মোর_আর_আর_আর_আর অ্যাপ্লিকেশনটির জন্যও আগ্রহী হতে পারে। ওয়েল, এটি সর্বোপরি নির্ভর করে আপনি এটির সাথে কী করতে চান। আপনার কি মনে আছে একটি নির্দিষ্ট "শেষ অ্যাপ্লিকেশন"?
আমি পিচনেটসের উপরের বক্তব্যগুলির সাথে সম্পূর্ণ একমত। সম্পূর্ণ হওয়ার জন্য, আমার অবশ্য বলা উচিত যে ফলাফলগুলি বাড়ানোর জন্য কারাওকে ট্র্যাক প্রজন্মের জন্য মাত্তি রাইন্যেনের দ্বারা আপনি উল্লেখ করেছেন কণ্ঠস্বর বৃদ্ধি হয়েছে mentioned
আপনার প্রশ্নের উত্তর দিতে:
কার্যকারিতা দেওয়া, কোনটি পছন্দ করা হয় (বা অন্য কোনও সমাধান :)?
পিচেনেটস যেমন বলেছে, তেমনি আপনার প্রয়োজন অনুসারে দেখা যাচ্ছে না: মানুষের কণ্ঠের সুরেলা কাঠামো (এবং আরও সাধারণভাবে কোনও "আকর্ষণীয়" শব্দ - অর্থাত সাইনোসয়েডের বাইরে কিছু নয় বলে) লো-পাস / হাই-পাস ফিল্টারিং ব্যর্থ হতে বাধ্য is )।
যদি দ্বিতীয়টি হয়, পটভূমিটি গণনার সময় দুটি চ্যানেল এ এবং বি, (বিএ) বা (এবি) ব্যবহার করা যাক? দুটি চ্যানেল মার্জ করার সাথে সাথে, পাটিগণিতের অর্থ যথেষ্ট সঠিক?
আবার, আপনি যে দ্বিতীয় পদ্ধতিটি উল্লেখ করেছেন সেটি তা করবে না কারণ আপনি কেবলমাত্র কেন্দ্রের সিগন্যালটি সরাতে পারবেন, এটি পুনরুদ্ধার করবেন না। অন্য কথায়, এমনকি কণ্ঠস্বরগুলি "সেন্টারে" রয়েছে, ভোকাল কেবল সিগন্যাল পাওয়ার জন্য কোনও সাধারণ গণিত নেই।
বা আমি প্রতিটি চ্যানেল দুটি এর গুণক দ্বারা ডাউনসাম্পল করতে পারি এবং মনো ফলাফল হিসাবে ডাউনস্যাম্পলড সিগন্যালগুলি ইন্টারলিভ করতে পারি?
এর ... উপরোক্ত পরামর্শ অনুসারে মনো-চ্যানেল সংকেত পাওয়ার জন্য চ্যানেলগুলির গড় গড় বোঝা যায় এবং এটি আপনার সিগন্যালের বর্ণাল বৈশিষ্ট্যগুলিকে ভেঙে ফেলবে না (ধরে নেওয়া হয় যে স্টেরিও সিগন্যালটি অধঃপতিত নয়)। সুতরাং আপনি একটি মনো সংকেত পান যাতে আপনার কাছে মূলত পূর্বের মতো একই সংগীত সামগ্রী।
প্রতিটি চ্যানেলকে সঠিকভাবে ডাউনস্যাম্পল করার অর্থ আপনি প্রথমে একটি লো-পাস ফিল্টার প্রয়োগ করুন (আপনার ক্ষেত্রে স্যাম্পলিং_রেট / 4 এর কাট-অফ ফ্রিকোয়েন্সি সহ) এবং তারপরে আপনি নিরাপদে প্রতি 2 টি নমুনা নিতে পারেন। চ্যানেলগুলিকে আন্তঃবিভক্ত করার বিষয়ে তেমন কিছু বলার নেই যা এইভাবে ডাউন স্যাম্পলড হয়: বেশিরভাগ সাধারণ ক্ষেত্রে এটি আপনার সংকেতের বর্ণালী বৈশিষ্ট্যগুলি ভঙ্গ করছে। আপনি সম্ভবত এটি চান না।
প্রকৃতপক্ষে, লো-পাস ফিল্টারিংয়ের ক্রিয়াকলাপের পরে প্রতি 2 টি নমুনা নির্ধারণ করে এবং উচ্চ 0 টি ফ্রিকোয়েন্সিগুলিতে রাখা কম ফ্রিকোয়েন্সি উপাদানগুলিকে "মিররিং" করতে এই 0 এর শীর্ষস্থানগুলি ফিউরিয়ার ডোমেনে রেখে। স্যাম্পলিং তত্ত্বের প্রক্রিয়াকরণের পাঠগুলির সংকেতটি মনে রাখবেন: ইমপ্লাইসগুলির ক্রম (বা ডায়রাক্স) দ্বারা গুণ করলে ফুরিয়ার ডোমেনের ডায়াকের আরও একটি অনুক্রমের সাথে সমঝোতার ফলাফল হয়, সেই ক্ষেত্রে, সংকেতের ফ্রিকোয়েন্সি বর্ণালী পুনরাবৃত্তি হয় (পর্যায়ক্রমিক) স্যাম্পলিং হারের সমান সময়কালে ফ্রিকোয়েন্সি অক্ষ বরাবর।
সাধারণত, ডাউনস্যাম্পলিং করার সময় আপনি 0 টি সরিয়ে ফেলেন (কারণ আপনি একটি নতুন নমুনার হার অনুমান করে)। তবে এখানে, এগুলি রাখা খুব বিরক্তিকর অতিরিক্ত উচ্চ ফ্রিকোয়েন্সি উপাদানগুলিতে করে। এই সংকেতগুলি ইন্টারলেভ করা এটি সংশোধন করে না।
ভাল, সব মিলিয়ে সংক্ষিপ্ত উত্তর: এটি করবেন না । :-)
শেষ অবধি, আমি আপনাকে এলভিএইসিএ ২০১২ সম্মেলনের জন্য উদ্ভূত জিইউআই ব্যবহার করার পরামর্শ দিচ্ছি: এর জন্য গিট রেপো রয়েছে । আমি এখনও এটি ডিবাগ করছি এবং এটি উন্নতি করছি, সুতরাং মন্তব্যগুলি স্বাগত: ডি
আশা করি এইটি কাজ করবে!