প্রথম পদক্ষেপটি আপনার শুরুর নমুনা হার এবং আপনার টার্গেটের নমুনা হার উভয়ই যুক্তিযুক্ত সংখ্যা যাচাই করা । যেহেতু তারা পূর্ণসংখ্যা হয় তারা স্বয়ংক্রিয়ভাবে যুক্তিযুক্ত সংখ্যা। যদি তাদের মধ্যে একটি যুক্তিসঙ্গত সংখ্যা না হয় তবে এখনও নমুনার হার পরিবর্তন করা সম্ভব হবে তবে এটি একটি ভিন্ন প্রক্রিয়া এবং আরও কঠিন।
পরবর্তী পদক্ষেপটি হল দুটি নমুনার হারগুলি ফ্যাক্টর করা। সেক্ষেত্রে প্রারম্ভিক নমুনার হার 44100, যা । লক্ষ্য নমুনার হার, 16000, 2 2 ∗ 5 3 এর গুণনীয়ক । সুতরাং, শুরুর নমুনা হারকে লক্ষ্য হারে রূপান্তর করতে আমাদের অবশ্যই 3 2 ∗ 7 2 দ্বারা এবং 2 5 ∗ 5 দ্বারা বিভক্ত করতে হবে ।22। 32। 52। 7227। 5332। 7225। 5
আপনি কীভাবে ডেটা পুনরায় নমুনা করতে চান তা বিবেচনা না করে পূর্ববর্তী পদক্ষেপগুলি করতে হবে। এখন এফএফটি এর সাহায্যে এটি কীভাবে করা যায় সে সম্পর্কে আলোচনা করা যাক। এফএফটি এর সাথে পুনরায় মডেল করার কৌশলটি এফএফটি দৈর্ঘ্য বাছাই করা যা সমস্ত কিছু সুন্দরভাবে কাজ করে। এর অর্থ একটি এফএফটি দৈর্ঘ্য বাছাই যা ডেসিমেশন হারের একাধিক (এই ক্ষেত্রে 441)। উদাহরণের স্বার্থে, আসুন আমরা 441 এর এফএফটি দৈর্ঘ্য বাছাই করি, যদিও আমরা 882 বা 1323 বা 441 এর অন্য কোনও ধনাত্মক একাধিক বাছাই করতে পারতাম।
এটি কীভাবে কাজ করে তা বোঝার জন্য এটি কল্পনা করতে সহায়তা করে। আপনি একটি অডিও সিগন্যাল দিয়ে শুরু করেছেন যা দেখতে পেয়েছে, ফ্রিকোয়েন্সি ডোমেনে, নীচের চিত্রের মতো কিছু।
আপনি যখন আপনার প্রক্রিয়াজাতকরণটি সম্পন্ন করবেন আপনি যখন নমুনার হার 16 কেজি হার্জ হ্রাস করতে চান তবে আপনি যতটা সম্ভব বিকৃতি চান। অন্য কথায়, আপনি কেবল উপরের চিত্র থেকে -8 কেএজেডজ থেকে +8 কেএইচজেডে রেখে সমস্ত কিছু ফেলে রাখতে চান। এটি নীচের ছবিতে ফলাফল।
দয়া করে নোট করুন যে নমুনার হারগুলি স্কেল করার জন্য নয়, তারা ধারণাগুলি চিত্রিত করার জন্য কেবল সেখানে রয়েছে।
25। 5
আপনার সন্দেহ হতে পারে, বেশ কয়েকটি সম্ভাব্য সমস্যা রয়েছে। আমি প্রত্যেকটির মধ্য দিয়ে যাব এবং কীভাবে আপনি এগুলি কাটিয়ে উঠতে পারবেন তা ব্যাখ্যা করব।
যদি আপনার ডেটা ডেসিমেশন ফ্যাক্টরের সুন্দর একাধিক না হয় তবে আপনি কী করবেন? ডেসিমেশন ফ্যাক্টরের একাধিক করার জন্য আপনার ডেটার প্রান্তটি যথেষ্ট জিরো দিয়ে প্যাডিং দিয়ে আপনি সহজেই এটিকে কাটিয়ে উঠতে পারেন। ডেটা এফএফটি'র আগে প্যাড করা হয়।
যদিও আমি যে পদ্ধতিটি ব্যাখ্যা করেছি তা খুব সহজ, এটি সময়-ডোমেনে বাজানো এবং অন্যান্য কদর্য শিল্পকর্মের পরিচয় দিতে পারে এটি এটিও আদর্শ নয়। উচ্চ ফ্রিকোয়েন্সি ডেটা ফেলে দেওয়ার আগে আপনি ফ্রিকোয়েন্সি ডোমেন ডেটা ফিল্টার করে এড়াতে পারেন। আপনি আপনার ফিল্টার দৈর্ঘ্যের এফএফটি'র মাধ্যমে এটি করেনঠl - 1জিরোস (দয়া করে নোট করুন যে ডেটা নমুনার সংখ্যা এবং প্যাডিং নমুনাগুলির পরিমাণ অবশ্যই ডেসিমেশন ফ্যাক্টরের একটি ইতিবাচক একাধিক হতে হবে - আপনি এই সীমাবদ্ধতাটি পূরণের জন্য প্যাডিং দৈর্ঘ্য বাড়িয়ে নিতে পারেন), প্যাডেড ডেটা এফএফটি'র করে, ফ্রিকোয়েন্সি ডোমেনকে গুণ করে ডেটা এবং ফিল্টার এবং তারপরে উচ্চ ফ্রিকোয়েন্সি (> 8 কেএইচজেড) অ্যালিজ করে উচ্চ ফ্রিকোয়েন্সি ফলাফলগুলি বাদ দেওয়ার আগে কম ফ্রিকোয়েন্সি (<8 kHz) ফলাফলগুলিতে নেমে আসে। দুর্ভাগ্যক্রমে, যেহেতু ফ্রিকোয়েন্সি ডোমেনে ফিল্টার করা তার নিজস্ব ক্ষেত্রে একটি বড় বিষয়, তাই আমি এই উত্তরে আরও বিশদে যেতে পারব না। যদিও আমি বলব যে আপনি যদি একাধিক অংশে ডেটা ফিল্টার করে এবং প্রক্রিয়াজাত করে থাকেন তবে ফিল্টারিংকে অবিচ্ছিন্ন করতে আপনাকে ওভারল্যাপ-এন্ড-অ্যাড বা ওভারল্যাপ-এ-সেভ বাস্তবায়ন করতে হবে ।
আশা করি এটা কাজে লাগবে.
সম্পাদনা: ফ্রিকোয়েন্সি ডোমেন নমুনার প্রারম্ভিক সংখ্যা এবং ফ্রিকোয়েন্সি ডোমেন নমুনাগুলির লক্ষ্য সংখ্যার মধ্যে পার্থক্য এমন কি হওয়া দরকার যাতে আপনি ফলাফলের নেতিবাচক দিক হিসাবে একই ধরণের নমুনাকে ফলাফলের ইতিবাচক দিক থেকে সরাতে পারেন। আমাদের উদাহরণের ক্ষেত্রে, নমুনাগুলির শুরুর সংখ্যাটি হ'ল ডেসিমেশন হার বা ৪৪১, এবং নমুনাগুলির লক্ষ্য সংখ্যা হ'ল আন্তঃবিবর্তন হার বা 160. পার্থক্যটি 279, যা এমনকি নয়। সমাধানটি এফএফটি দৈর্ঘ্যকে দ্বিগুণ করে 882 করতে হবে, যার ফলে নমুনাগুলির লক্ষ্য সংখ্যাকেও দ্বিগুণ করে 320 করা যায়। এখন পার্থক্যটিও সমান, এবং আপনি কোনও সমস্যা ছাড়াই উপযুক্ত ফ্রিকোয়েন্সি ডোমেন নমুনাগুলি ফেলে দিতে পারেন।