0:00:07 | co bude dnešní přednášce |
---|
0:00:10 | dodělání velké v úvodu obsáhlého |
---|
0:00:14 | _e kde vlastně představuju jednotlivé technologie tak je pokud s kostce a na pěkných obrázcích |
---|
0:00:20 | a populárně |
---|
0:00:22 | a potom se podíváme už do takové tuší věci a bude to vlastně průlet T |
---|
0:00:27 | číslicové zpracování signálu aby se to shrnout jako isosceles kostce |
---|
0:00:32 | jo takže _e teď to bude taková pohodička a ve druhé části přednášky to bude |
---|
0:00:37 | možná ne pohodička |
---|
0:00:38 | ale na druhé straně jako když člověk potřebuje se zvukem řeči nebo jist lidem něco |
---|
0:00:43 | dělat prostě musí počítat |
---|
0:00:46 | takže razení dělat poďme do toho |
---|
0:00:49 | _e |
---|
0:00:50 | na minulé přednášce na tom úvodu sem vám popovídal tedy o těchto budící dneska se |
---|
0:00:54 | podíváme |
---|
0:00:55 | odch identifikace jazyka dál |
---|
0:00:58 | takže _e když _e |
---|
0:01:01 | potřebujete teda jako zjistit tady mám ste krásnej krásného brázdičky jakým jazykem se mluvilo |
---|
0:01:07 | tak _e máme vlastně v k dispozici takové dva základní přístupy které se po světě |
---|
0:01:13 | používají a první přístup je akustický a druhýmu se říká von o takticky |
---|
0:01:18 | vlastně se akustice pokud ještě trochu něco pamatujete z minulé přednášky |
---|
0:01:24 | v _e nějaký gaussovským o daleko o tom že se do těch dosovský modelu vlastně |
---|
0:01:28 | pošlou ty naše velké matice parametrů tak ten _e akusticky přístup funguje úplně stejně to |
---|
0:01:34 | znamená na jeden jazyk |
---|
0:01:36 | ale prostě jeden model který je tvořený spoustou _e spoustou gaussovek |
---|
0:01:41 | ten nebo dal model na tróne na trénujeme na co nejvíce datech _e s toho |
---|
0:01:46 | daného jazyka |
---|
0:01:47 | a pak prostě když máme těch modelu několik pro češtinu pro čínština nevím ještě P |
---|
0:01:52 | proto dalšího tak do všech modelu vlastně pošleme _e tu stejnou maticí parametrů a jenom |
---|
0:01:58 | si |
---|
0:01:59 | řekneme jak moc nám to je který model pálil |
---|
0:02:02 | srovnáme co vybereme nejvyšší číslo řek ale ten jazyk to je |
---|
0:02:07 | u toho von o taktického přístupu je to _e trochu jinak |
---|
0:02:13 | _e už toho názvu vám bude zřejmý že se bude jednat osivo nějaké fonémy |
---|
0:02:19 | a vo nějaký prostě |
---|
0:02:21 | když máte taktiku tak je to vlastně na sledu nějakých událostí že jo tak to |
---|
0:02:25 | tam bude taky |
---|
0:02:26 | je to vlastně |
---|
0:02:28 | takový líbí V název pro počítání statistik jednotit dvojic a trojic fonému které se následují |
---|
0:02:35 | _e za sebou a s toho ste schopni jako na který detaily za chvilku |
---|
0:02:40 | takže _e ten |
---|
0:02:44 | _e podívám sto mám dete a |
---|
0:02:46 | detaily tam nemám za chvilku tak možná víc _e více detailů tady |
---|
0:02:50 | takže _e u toho fantastického přístupu |
---|
0:02:54 | to máte jako vlastně první |
---|
0:02:57 | _e jako první bloček je tam samozřejmě k extrakce příznaků toto děláme úplně všude to |
---|
0:03:02 | už bych ani nemusel zmínila |
---|
0:03:04 | druhý je tady ten mozek to je hrozně hezký obrázek který vlastně ty sekvence příznaků |
---|
0:03:10 | má _e má přepsat sekvencemi nějakých hlásek _e fonémů |
---|
0:03:17 | tak |
---|
0:03:18 | teďka se vo tom jako zkusme chlup obavy |
---|
0:03:21 | _e představte si že má moc sebe z rozpoznávat _e |
---|
0:03:25 | hongkongskou čínštin úvod mandarinky _e češtiny _e obvod tcha ionské češtiny |
---|
0:03:32 | a nikdy jsem neviděl žádný trénovací data prostě přepsanej pro češtinu to že si neumim |
---|
0:03:38 | udělat čínskej fonému ve rozpoznávač |
---|
0:03:41 | myslíte že to mám rovnou zabalit ale už to bude nějaký a |
---|
0:03:51 | relevanci mě nabídli sto tisíc dolarů když takovej |
---|
0:03:55 | rozpoznávač udělám artroskopy tady že nechcou nebo |
---|
0:03:58 | nebo něco |
---|
0:04:03 | tak uvědomte si o to co tady jde v tom fonetickým přístupu _e vlastně máme |
---|
0:04:09 | tu vstupní řeč přepsat do nějakých sekvencí jednotek |
---|
0:04:13 | ale _e |
---|
0:04:15 | já to mohl jazyků ve skutečnosti nemusí vůbec rozumět jo když prostě je _e mandarinky |
---|
0:04:21 | _e čínštině |
---|
0:04:23 | _e |
---|
0:04:26 | ten procent tak |
---|
0:04:27 | hrozně jako _e častý a ten znak se _e vyslovuje |
---|
0:04:32 | _e svolán |
---|
0:04:34 | _e J u |
---|
0:04:36 | že jo u |
---|
0:04:38 | a ta je v antitěžišti ně bude zase |
---|
0:04:41 | hrozně častý tady tento znak |
---|
0:04:43 | a ten se bude _e vyslovovat _e |
---|
0:04:47 | _e chůvo _e C |
---|
0:04:50 | ta ho |
---|
0:04:52 | tak já jsem _e teďka udělal co když sem vám říkal tady tyhle |
---|
0:04:56 | je krásný slova |
---|
0:04:58 | že by si že umím čínsky |
---|
0:05:00 | abych hrozně na tom já neumím takže já jsem vlastně na jejich reprezentaci voni to |
---|
0:05:04 | ti _e číňani a charváty skutečně takhle nějak řeknou ale já jsem vlastně tady tyhlety |
---|
0:05:09 | slova |
---|
0:05:10 | nějak vyslovil pomocí vobyčejnej českej fonému který umím |
---|
0:05:15 | a úplně to samý vy můžete udělat _e číslo taktickým systém jo to znamená na |
---|
0:05:20 | místě tady tohoto nemovi horký rozpoznávače prostě použijete nějaký který máte k dispozici nemáme samozřejmě |
---|
0:05:27 | nejoblíbenější český |
---|
0:05:29 | _e kterým máme doma který jako známe ale taky násobíme si třeba maďarský fonému vy |
---|
0:05:35 | rozpoznávač |
---|
0:05:37 | nikdo z nás maďarsky neumí ale natrénovali z mého na nějaké standardní maďarské databázi a |
---|
0:05:42 | zjistili jsme že když se zapíchne do takového ale systému pro rozpoznávání jazyka takže prostě |
---|
0:05:47 | úžasný a může se čtyři roky spekuluje ne pro |
---|
0:05:51 | možná že to je protože se maďarštině _e ten _e ta databáze prostě má nadefinovaných |
---|
0:05:55 | mnohem více fonému neštěstí měl řečníka máme asi třicet devět |
---|
0:05:59 | jestli se nepletu tak maďarských jestli šedesát a možná že to tou bohatostí fonémů že |
---|
0:06:04 | prostě jako nám pomůže znáte popsat ostatní jazyky no takže tímhletím rozpoznávač M |
---|
0:06:11 | prostě |
---|
0:06:12 | _e data těch vašich jazyků já nevím tady bude mandarinky tina tady bude _e tady |
---|
0:06:19 | manštin a přepíšete dostanete takovéhle dlouhatánský je několika limitu milionové řady fonému |
---|
0:06:27 | ale těch zadá fonému potom spočítáte statistiky spočítáte statistiky každýho jednotlivýho symbolu to znamená uděláte |
---|
0:06:33 | si tabulku kde bude a někde bude na někde bude J |
---|
0:06:38 | potom se počítají statistiky dvojic fonému tak zvaný bigramy a pak se počítají statistiky projít |
---|
0:06:44 | fonému |
---|
0:06:45 | tak zvaný trigramy jo to znamená zjednodušeně řečeno máte ke každýmu jazyku tři tabulky v |
---|
0:06:51 | jedné soubory gramy druhé bigramy ve třetí trigramy |
---|
0:06:54 | tomuhle jazyku je máte taky a potom vám přijde nějaký _e neznámý signál |
---|
0:07:04 | a vy si ho přepíšete zase tím po nebojím rozpoznávač M který máte takže to |
---|
0:07:09 | bude třeba |
---|
0:07:10 | _e chůvo |
---|
0:07:12 | co |
---|
0:07:13 | no |
---|
0:07:15 | a teď toho _e foném ového řetězce |
---|
0:07:20 | vyberete jednotlivý znaky |
---|
0:07:22 | podíváte se do tabulek pro jednotlivý jazyky jaký mají tady tyto znaky předpočítaný pravděpodobnosti to |
---|
0:07:28 | vám dat jedno skóre pak se tam podíváte na bigramy |
---|
0:07:32 | druhý score podíváte se na trigramy třetí score a |
---|
0:07:36 | zjednodušeně prostě který s těch jazykových modelů nebo tak zvaných von o taktický modelu pro |
---|
0:07:43 | který jazyk tam bude víc bečova tady s těmahle testovacím a data má tak ten |
---|
0:07:48 | prohlásíte prostě že je dobrý a že vyhrává |
---|
0:07:51 | a že tenleten jazyk se nám rozpozná jo takže todleto je princip vono taktický ho |
---|
0:07:56 | přístupu |
---|
0:07:57 | který se taky rozpoznávání jazyka velice používá a je |
---|
0:08:01 | docela dobrý je že většinou komplementární tím akustickým |
---|
0:08:05 | takže když se výsledky tady těch dvou systému smíchají tak je to prostě lepší než |
---|
0:08:10 | jednotlivé |
---|
0:08:12 | _e |
---|
0:08:14 | jo takže rozpoznávání jazyka tetě vlastně jako taková _e takový |
---|
0:08:20 | poznámka k tomu na čem ty systémy pro rozpoznávání jazyka trénovat |
---|
0:08:25 | potřebujete zjednodušeně mnoho nahrávek daného jazyka a k tomu mnoho bych ještě připojil že potřebujete |
---|
0:08:32 | se z té cílové oblasti kterou je budete chtít rozpoznávat znamená pokud C budete takový |
---|
0:08:39 | systém vybije vyvíjet |
---|
0:08:41 | pro _e nějakou _e za nějakou armádu nebo pro někoho tak vás asi nebude zajímat |
---|
0:08:47 | _e krásná řeč _e nějakých mluvčích nebo hlasatel u k televizi |
---|
0:08:53 | ale potřebovali byste nahrnou co nejvíce prostě _e telefonních nebo v obyčejných hovoru pomocí |
---|
0:09:00 | prostě ten styl řeči kterým lidi _e normálně mluví |
---|
0:09:05 | tady v tom tímto jsme se zabývali |
---|
0:09:08 | vlastně _e v jednom takovém projektíku bysme vlastně pomáhaly americké len když _e není byste |
---|
0:09:16 | kdy ta konzorcium sesbírat nějaká data to evaluace _e těchdle těch systémů v roce dva |
---|
0:09:22 | tisíce osum |
---|
0:09:23 | adam toto dokonce jako přesile surface li nějaké peníze |
---|
0:09:27 | ale šlo vlastně o to že my sme si řekli na světě spousta dat volně |
---|
0:09:31 | dostupných které můžete stáhnout z internetu nebo se můžete napíchnout na satelitní vysílání a můžete |
---|
0:09:37 | prostě během jediného dnem indispozici já nevím jako ti se tisíce hodin dat |
---|
0:09:42 | akorát že ta data vám většinou nebudou k ničemu protože to právě jako |
---|
0:09:47 | je to hudba jsou to nějací školení mluvčí hlasatele je tam pořád ten M ten |
---|
0:09:52 | samý moderátor který tam dva stačí nějaká moudra takže _e jsme vlastně udělali takový systém |
---|
0:09:59 | kde se tady tyhle těch dat napřed detekují telefonní hovory |
---|
0:10:03 | a potom se prostě telefonních hovorů se něco trénuje když se ten mimochodem na detekovat |
---|
0:10:08 | telefonní hovor rozhlasovém vysílání tak to docela jednoduchý protože se podíváte na spektrum |
---|
0:10:13 | normální rozhlasové vysílání má prostě široké spektrum vod nuly snad až do osmi nebo do |
---|
0:10:18 | deseti kilohertzů a když je v tom potom vidět ten telefonní hovor tak vidíte jasně |
---|
0:10:24 | jak to spektrum dosahu jenom vodstvo od nuly do tři a půl kila nebo roste |
---|
0:10:27 | čtyř kilohertzu už tam není |
---|
0:10:30 | takže na základě vobyčejný stýho spektra se dá udělat poměrně pěkný detektor |
---|
0:10:35 | a dá se s tím _e |
---|
0:10:38 | tady tohle |
---|
0:10:39 | tohle natrénovat |
---|
0:10:41 | další věc samozřejmě že když máte takové nějaké _e přítelíčka i co tyhle telefonní hovory |
---|
0:10:47 | sbírají |
---|
0:10:48 | jo |
---|
0:10:49 | my raději ani nevíme jak tak _e si to tihle ti přátelé můžou přímo do |
---|
0:10:55 | trénovat na svých _e na svých vlastních dat |
---|
0:10:59 | a naše současná práce v rozpoznávání jazyka je _e není to moc překvapující je to |
---|
0:11:05 | úplně to samý co seděla rozpoznávání mluvčího to znamená boj nechtěnou variabilitou |
---|
0:11:11 | jo my jsme si říkali že rozpoznání mluvčího vlastně chtěná variabilita jetá co rozlišuje jednotlivý |
---|
0:11:17 | mluvčí všechno vostatní prostě co říkají emoční stav prostředí a taky jejich jazyk je špatný |
---|
0:11:26 | a u rozpoznání jazyka |
---|
0:11:28 | je to zase takže ten jazyk je důležitej a všechno ostatní včetně toho mluvčího je |
---|
0:11:32 | spatny |
---|
0:11:33 | jo takže pomocí úplně stejný ho _e matematického formalismu jako co sem vám tady předváděn |
---|
0:11:39 | minule s nějakýma posouvacího nouzovka má |
---|
0:11:42 | dokážeme bojovat jistou _e jistou _e inter řešení |
---|
0:11:47 | _e a tentokrát inter speaker variabilitou rozpoznávání jazyk |
---|
0:11:53 | tak to nebyl I D |
---|
0:11:56 | pak _e máme přepis řeči na text troše jako taková takový ferrari _e zpracování řeči |
---|
0:12:03 | prostě tom tento nejlepšího nejvíc super |
---|
0:12:06 | co člověk může udělat |
---|
0:12:11 | se budeme tady o tom mít |
---|
0:12:13 | _e přednášky který se budou týkat nějakých jednodušších metod |
---|
0:12:17 | _e dynamicky borcení času potom nějaký složitější hádanek poďme se podívat teďka jako úplně |
---|
0:12:26 | úplně znaku na takový systém |
---|
0:12:28 | mimochodem ještě když _e |
---|
0:12:31 | když _e se budeme bavit o přepis řeči na text |
---|
0:12:35 | tak uslyšíte po světě různých zkratky jako třeba ve dva T jako vojtu text |
---|
0:12:39 | nebo S dva testy čtvrtek |
---|
0:12:42 | odborných kruzích je asi nejpoužívanější ilwis je s _e to znamená lásky by velikán téměř |
---|
0:12:47 | spíše konečný |
---|
0:12:49 | rozpoznávání spojité řeči s velkým slovníkem a všechny tři jsou to sem sou to sami |
---|
0:12:54 | jo |
---|
0:12:55 | a teď se pojďme podívat jak tady toto sem _e sedí nebo jak se srovnává |
---|
0:13:00 | s tím naším rozporům základním |
---|
0:13:02 | rozpoznávací _m _e schématem |
---|
0:13:06 | tedy jestli si pamatujete tak byl nějaký signál na vstupu výpočet parametru |
---|
0:13:11 | modely nám hodí nějaký čísla |
---|
0:13:14 | a na těch číslech probíhá výběr |
---|
0:13:17 | výběr toho nejlepší |
---|
0:13:19 | zjistili jsme že třeba v rozpoznávání pohlaví to byly tady si ti kluci a holky |
---|
0:13:23 | co sem vám tady promítal minule tak to bylo extrémně jednoduchý tady případě existuje sanito |
---|
0:13:29 | trochu složitější ale zase jako _e tam ty základní bloky uvidíme takže |
---|
0:13:36 | tady nám do systému přiveze řeč |
---|
0:13:39 | výpočet příznaku probíhal naprosto stejně jako u těch předcházejících aplikacích |
---|
0:13:44 | to znamená nějaký vektory který nám týkají každých _e každých deset _e milisekund |
---|
0:13:50 | a teď tady máme _e nějakou sadu modelu |
---|
0:13:54 | a ta sada modeluje vlastně chod schovaná tak zvané rozpoznávací síti |
---|
0:14:00 | tetě |
---|
0:14:01 | čeho je ta rozpoznávací sítích _e zkompilovaná nebo _e nebo _e postavena |
---|
0:14:07 | je postavena s akustických modelu |
---|
0:14:10 | kde zase jako |
---|
0:14:13 | nebudeme překvapeně když najdeme jimem K znamená modely do úsov kam a |
---|
0:14:18 | a ty akustické modely na vlastně říkají |
---|
0:14:21 | když _e |
---|
0:14:22 | tady mám třeba |
---|
0:14:24 | masku a ste vlasy hláska a |
---|
0:14:28 | a tady mám akustický model pro áčko |
---|
0:14:32 | tak ten model je tvořený nějakou prostě soustavou několika rozměrných gaussovek |
---|
0:14:39 | a říká mně jak je pravděpodobný že tady tenhleten kousek signálu zrovna mohlo být káčko |
---|
0:14:44 | jo potom tam bude mít samozřejmě model pro byl C D a tak dále a |
---|
0:14:49 | tak dále to znamená |
---|
0:14:50 | tady mi to vlastně dává jakýsi startuje kousek vstupní vlásky odpovídá nějaké hlásce |
---|
0:14:59 | potom tam mám další komponent a _e to je jazykový model |
---|
0:15:04 | jazykový model mi říka schválně zkuste při na to co |
---|
0:15:09 | to může být návykový model |
---|
0:15:20 | když řeknu prezident václav jak jestli bude další slovo |
---|
0:15:27 | ale nebo klaus že jo tak to bude asi tak půl na půl asi to |
---|
0:15:31 | jako nebude slovo jary |
---|
0:15:34 | takže jazykový model vám dává přesně tady tohle vlastně na základě nějaké historie slov |
---|
0:15:40 | která V nejčastějším případě býval boj slovní |
---|
0:15:45 | tam udává podmíněnou pravděpodobnost |
---|
0:15:48 | do že |
---|
0:15:50 | tento okamžik bude pravděpodobný nějaký slovo |
---|
0:15:53 | jo když si to představiteli můžeme mít |
---|
0:15:56 | opravdu _e historii prezident |
---|
0:16:02 | václav |
---|
0:16:04 | a teďka tady budete mít _e klaus |
---|
0:16:08 | havel |
---|
0:16:09 | a jardin |
---|
0:16:12 | a zjistíte že tohleto slovo podmíněný touto historií je pravděpodobný zhruba tak nula celá čtyrycet |
---|
0:16:19 | devět procent tady tohle |
---|
0:16:21 | zhruba nebo nula celá čtyrycet devět let taky nula celá čtyrycet devět |
---|
0:16:25 | a tady to bude nula celá nula |
---|
0:16:28 | nula jedna jo takže tady tyto hodnoty nám vlastně _e udává jazykový model a ještě |
---|
0:16:33 | schválně značen takový jazykový model o čem to natrénovali |
---|
0:16:45 | a čem byste odhadli tydlety pravděpodobnosti |
---|
0:16:51 | tak |
---|
0:16:52 | zkuste noviny správně |
---|
0:16:55 | _e no noviny jsou docela dobrej zdroje víte že prostě nich jako giga seženete zadarmo |
---|
0:17:00 | na internetu případně ještě víc když se nějaký koupíte _e |
---|
0:17:04 | od lidovek nebo já nevím od koho |
---|
0:17:06 | _e na co bude tenhleten řekli model kterej na trénujete na novinách dobře fungovat |
---|
0:17:14 | a televizi na zprávy jo na rozhlas na zprávy a ná _e řeč která se |
---|
0:17:20 | bude svým charakterem podobat tím textu na který ste kterých se trénovali |
---|
0:17:25 | co takhle třeba přednášky na fitu |
---|
0:17:28 | se pokoušíme dělat si pročesat com |
---|
0:17:31 | jak by to bylo tam takový modelům kterým na trénujete na _e na nový na |
---|
0:17:39 | žádná sláva jako prostě nebo nebude zná slova jako fourierova transformace |
---|
0:17:44 | půlsemestrální zkouška a tak takový chudičký který tady je to máme _e máme rádi takže |
---|
0:17:51 | u trénování těch jazykových modelu |
---|
0:17:54 | vlastně _e nějaký obecný dokáže to jednoduše postavy ale potom by abyste udělali takový model |
---|
0:18:00 | tak vypracoval dobře pro takzvaně indo main data znamená data dané domény kterou budete rozpoznávat |
---|
0:18:07 | tak si musí teda trošku práci a sesbírat ty textový _e ty textový zdroje tak |
---|
0:18:13 | aby seděli |
---|
0:18:15 | tou cílovou doménou kde budete rozpoznal jo toto prostě se nám bude táhnul jako červená |
---|
0:18:20 | nic |
---|
0:18:20 | celým kurzem aby něco furt fungovalo tak by si musíte trénovat na datech který jsou |
---|
0:18:25 | co nejblíž tomu co budete chtít _e potom zpracovávat |
---|
0:18:29 | co takhle _e |
---|
0:18:31 | eště pořád vás nenechám s tím jazykový model |
---|
0:18:35 | _e |
---|
0:18:36 | takový říkali model který třeba na trénujete na novinách a šli do něho na hrnete |
---|
0:18:41 | všechny studijní opory fitu bude potom perfektně pracovat _e |
---|
0:18:47 | na těch |
---|
0:18:47 | obecných věta |
---|
0:18:49 | na světa který obsahují tady naše informatický termíny to bude bezvadný |
---|
0:18:55 | a co takhle |
---|
0:18:56 | slova prostá nebudu tady říkat nebo toho že se člověk různě zadrhává a začíná jednu |
---|
0:19:04 | větu čtyřikrát že se tam byste _e zaslechli čtyři krát za sebou a tak jsem |
---|
0:19:08 | byste natrénovali tohle |
---|
0:19:15 | přepis řeči správně |
---|
0:19:17 | cokoli myslíte řekli přepis řeči stojí |
---|
0:19:21 | hodně no |
---|
0:19:21 | přepis řeči stojí tak jako melouna takovou menší databázi |
---|
0:19:26 | naštěstí ná _e na _e spontánní data existují databáze který |
---|
0:19:33 | se dají koupit |
---|
0:19:34 | táhnout a něco možná kosovi přepsat byla to zajímalo |
---|
0:19:38 | tak sme tady hodně dat se jako přepisovali nebo organizovali přepisují sami ale to vopravdu |
---|
0:19:42 | šílená práce která |
---|
0:19:45 | R a není věda která jenom otročina |
---|
0:19:48 | která stojí spoustu peněz tak _e |
---|
0:19:51 | poďme k tomu dalším bloku |
---|
0:19:53 | a to je výslovnostní slovník co to je |
---|
0:19:59 | co myslíte že musí výslovnostní slovník udávat |
---|
0:20:05 | když výslovnosti že jo jako daná forma jednotlivých šlo |
---|
0:20:09 | vedle toho musí být postavená fonetická forma protože |
---|
0:20:13 | mám tady základní jednotky pro rozpoznávání který jsou fonémy a nebo nějaký fonémy kontextu ale |
---|
0:20:19 | potom teďka nemluvme a musí mít nějakej převodník kterým a to ze slov _e dokážu |
---|
0:20:26 | na fonémy pře ve |
---|
0:20:27 | taktéž byste ten výslovnostní slovník vyrobili |
---|
0:20:30 | zase |
---|
0:20:31 | navrhujete |
---|
0:20:36 | buď bodmer jednoduchým případě pro češtinu |
---|
0:20:42 | já mám studijní oporu |
---|
0:20:45 | i se selmo Y se stane |
---|
0:20:48 | _e a chtěl bych i převést nechť ovlivní vybrat všechna slova převezte na fonetickou formu |
---|
0:20:54 | jak na to |
---|
0:20:58 | prosím |
---|
0:20:59 | _e |
---|
0:21:02 | to nevím jestli byste takovýho dobráka sehnali |
---|
0:21:05 | nejenom přečte léky napíše op |
---|
0:21:08 | tak další návrhy |
---|
0:21:11 | tak buď ten slovník někdo už udělali filovo něho koupíte nebo řeknete nebo něco takovýho |
---|
0:21:18 | asi nejjednodušší |
---|
0:21:20 | nebo ho vytvoříte přesně tak jak řekl pan kolega to znamená že někdo zasedne opravdu |
---|
0:21:26 | pro každý nový slovo foneticky zapíše jeho výslovnost |
---|
0:21:30 | co takhle vymyslet něco chytřejšího |
---|
0:21:37 | to takhle zkusit natrénovat nějakej převodník |
---|
0:21:40 | psané formy na fonetickou |
---|
0:21:43 | jo tak tady tohleto de |
---|
0:21:45 | když se podíváte _e po netu |
---|
0:21:48 | a dáte si tam _e dáte si tam zkratku se k vy tour |
---|
0:21:56 | tak _e najdete |
---|
0:21:59 | systém trénovat silný |
---|
0:22:02 | který je založený na nějakých takzvaných join s máte krámech o těch teďka vůbec nebudeme |
---|
0:22:06 | _e povídat ale tenleten systém prostě když mu předložíte existující _e výslovnostní slovník |
---|
0:22:14 | na jedné straně psanou formu na druhé straně fonetickou tak se vám dokáže naučit C |
---|
0:22:19 | pravděpodobnostně pravidla tak |
---|
0:22:22 | že potom dostane nějaký neznámý slovo |
---|
0:22:26 | znamená ne jiné dokopu koko |
---|
0:22:28 | koná liší a dokáže vám vyhoví derivovat se fonetickou formu dokonce to dokáže nejen |
---|
0:22:34 | pro jazyky s takovou rozumnou výslovností jako je čeština lancelot on když tím |
---|
0:22:39 | tak a eště jedna možnost nám zbývá |
---|
0:22:43 | o které sme tady nemluvili |
---|
0:22:46 | ste navrhnout |
---|
0:22:48 | jak udělat výslovnostní slovník |
---|
0:22:58 | já sem vám rovně začal |
---|
0:23:02 | možná že to jako někde D češtině byste vlastně možná že chcete říct ocel _e |
---|
0:23:07 | to co vlastně _e řešení a to je napsat si pravidla |
---|
0:23:11 | češtině třeba _e takovýdle pravidla pro většinu slov do u napsat protože čeština je fajn |
---|
0:23:16 | téměř fonetický jazyk |
---|
0:23:18 | prostě _e když _e máte slovo rozpoznávací |
---|
0:23:23 | a přepíše toho do fonému tak zjistíte že je to téměř |
---|
0:23:32 | zjistíte že to téměř fonetický zápis |
---|
0:23:35 | jo a sou tam nějaký _e nějaký jevy nějaký fenomény jako že P |
---|
0:23:40 | jako že já nevím _e že _e znělé D před neznělo ohlávkou nám přechází do |
---|
0:23:46 | _e do S |
---|
0:23:48 | ale na to toho dokážete pokud si vezmete knížku fonetice zase dokážete napsat pravidla |
---|
0:23:53 | jo to znamená uděláte sadu pravidel |
---|
0:23:56 | a nějakým způsobem nějakou chybovosti potom budou fungovat _e potom budou fungovat _e i na |
---|
0:24:04 | neznámý slova |
---|
0:24:06 | tak a když máte všechny tady tyhlety komponenty |
---|
0:24:09 | tak se s toho dá zkompilovat tak zvaná rozpoznávací C a von jenom říkám zkompilovat |
---|
0:24:15 | protože _e pokud prostě ste se děsili toho co vám tady vykládají pan profesor češka |
---|
0:24:22 | medu know |
---|
0:24:23 | _e a zvolená nemo konečných stavových automatech a mysleli takže si že může jako nikdy |
---|
0:24:28 | nikde neuvidíte když tu zkoušku máte úspěšně za sebou takhle prostě přišlo z hračko |
---|
0:24:35 | a _e za zase tady tyhlety věci |
---|
0:24:38 | vidíme jo tyhlety věci je tyto komponenty |
---|
0:24:43 | se dají normálně reprezentovat pomocí konečných _e stavových automatů který jsou _e samozřejmě narozdíl od |
---|
0:24:51 | těch tiskových |
---|
0:24:52 | _e vážený |
---|
0:24:54 | jo vy tam |
---|
0:24:58 | sto asi viděli prostě |
---|
0:24:59 | F S a jako si my state automat on a nebo F S P |
---|
0:25:04 | ceny state _e ten tým se a u těch našich jesliček dám ještě dycky V |
---|
0:25:09 | takže to obsahuje pravděpodobnosti takže to wait i a pomocí _e takových operaci s těma |
---|
0:25:14 | konečným a to vím automat a máte v strom a který jste viděli to znamená |
---|
0:25:18 | nějaká kompozice determinizace minimalizace dokážete postavit takovouhle rozpoznávací C |
---|
0:25:26 | pokud třeba půjdete _e _m |
---|
0:25:30 | oni podíváte se po netu |
---|
0:25:32 | _e budete se koukat po tu open F S T |
---|
0:25:36 | tak tohle to je záležitost která tuším začal někde tritiem T dales a teďka je |
---|
0:25:41 | to všecko pod úhlem |
---|
0:25:42 | ale _e je to prostě sada úžasných pomůcek pro práci právě vážený malý nevařím A |
---|
0:25:49 | konečným stavovým automatem |
---|
0:25:51 | jo můžete |
---|
0:25:53 | že se mrknu na to a to je asi tak jako dneska hlavní proud rozpoznávací |
---|
0:25:56 | pro rozpoznávání řeči protože spoustu práce za vás můžou právě udělat konečný stavový automaty a |
---|
0:26:03 | vy potom dostanete jako docela |
---|
0:26:06 | malou a do paměti na co smrtelnou rozpoznávací C |
---|
0:26:09 | se kterou s poměrně jednoduše dokážete rozpozná |
---|
0:26:13 | tak abych se dostal k těm _e rychle s tím dalším dvěma blokům |
---|
0:26:16 | tak _e ste rozpoznávací síti jednak uvidíme jednotlivý akustický modely |
---|
0:26:23 | který nám dávají zase nějaká čísla a ta čísla vyhodnocují _e zdá na tomletom místě |
---|
0:26:29 | v řeči bylo pravděpodobně _e nebo B nebo C nebo ne |
---|
0:26:33 | a potom _e tam přicházejí dekódování a to je v tomhle případě o něco složitější |
---|
0:26:39 | než jenom vobyčejný K výběr maxima který jsme viděli v těch minulých aplikacích a tam |
---|
0:26:44 | sme třeba měli |
---|
0:26:45 | _e modely deseti různejch jazyku |
---|
0:26:48 | říkat zatím prohnali data ty modely nám dali nějaké |
---|
0:26:52 | číslá nějaké likelihoody a my jsme vybrali maximu |
---|
0:26:55 | a todleto bylo celý dekódování vobyčejný výběr maxima |
---|
0:26:59 | _e při dekódování |
---|
0:27:02 | rozpoznávání spojité řeči |
---|
0:27:04 | je to tak že vlastně vám ten _e prostor hypotéz strašně způsobem bobtná |
---|
0:27:10 | zásadní byste měli |
---|
0:27:11 | vyhodnocovat pravděpodobnost toho že na libovolném místě v řeči je libovolné slovo |
---|
0:27:17 | což prostě jako v životě nedokážete protože by se to nikdy nespočítali takže pak přichází |
---|
0:27:23 | _e ke slovu takový |
---|
0:27:25 | techniky je kopie prořezávání |
---|
0:27:28 | pruning že jo pokuste někde slyšeli vo algoritmu i stále |
---|
0:27:33 | jo jako _e prohledávání grafu tak tady tohle taky občas uvidíte časově synchronní časově nesynchronní |
---|
0:27:40 | prostě jako můžete celý dvě přednášky strávit tím že budeme _e budem povídat ode kodérech |
---|
0:27:47 | měli sme tady na konci |
---|
0:27:49 | zimního semestru mirka nováka že místo myslím viděli ibm klastry |
---|
0:27:54 | to jenom tak jako na tukwila |
---|
0:27:56 | povídal tři hodiny |
---|
0:27:59 | tak _e tohle jenom potomek příklad takové rozpoznávací sítě |
---|
0:28:04 | která pokud si dobře pamatuju tak dokáže rozpoznávat slova Á a B |
---|
0:28:09 | jo a V _e tuto slova a B můžou být _e můžou být nějaké _e |
---|
0:28:14 | nějaké smyčce když budete mít takovou rozpoznávací síť pro nějaký reálný slovní |
---|
0:28:21 | reálný slovník má pro angličtinu velikost _e zhruba padesát kilo slov jo s tím se |
---|
0:28:26 | naposledy velice slušnej rozpoznávač |
---|
0:28:28 | pro češtinu |
---|
0:28:30 | je to tak více než tři sta kilo slov protože čeština je potvora o jedna |
---|
0:28:35 | tak jako bysme to samozřejmě na to je jako na obrazovku nedostali |
---|
0:28:43 | tak _e zase |
---|
0:28:46 | trénování systému pro voice tu _e vojsko text |
---|
0:28:51 | _e |
---|
0:28:53 | akustický modely se musí trénovat na korpusu mluvené řeči |
---|
0:28:57 | _e na nějaký textových předpisech |
---|
0:29:00 | jo to znamená máme prostě na hraných spoustu věc |
---|
0:29:06 | ne |
---|
0:29:07 | nejsem |
---|
0:29:08 | přišel |
---|
0:29:11 | tomu je wavka |
---|
0:29:15 | a abychom natrénovali ty akustický modely tak potřebujeme vědět že tady je téma se D |
---|
0:29:21 | tady je na |
---|
0:29:22 | tady je tady je F |
---|
0:29:24 | a tak dále a tak dál |
---|
0:29:27 | existuje snad jenom jediná databáze na světě kde _e tady |
---|
0:29:33 | tohleto _e kde sou tady ty značky dělaný a načasovaný ručně a to sem net |
---|
0:29:38 | limit jo |
---|
0:29:42 | to databáze americké angličtiny |
---|
0:29:45 | a tam jako vopravdu sedělo stádo fonetiku a označilo ručně kde sou který hlásky |
---|
0:29:50 | běžně by se tady z tohoto všichni zbláznili takže co |
---|
0:29:56 | těm databázím |
---|
0:29:57 | máte většinou dispozici |
---|
0:29:59 | souhlásky |
---|
0:30:03 | a textový přepis a když potřebujeme trénovat nějaký akustický modely tak sis tohodle textový do |
---|
0:30:09 | přepisu musíme _e vyrobit pomocí výslovnostní ho slovníku nebo v nějakýho pomocí _e nebo pomocí |
---|
0:30:16 | automaticky objev into phoneme tool u |
---|
0:30:19 | _e fonetický řady že prostě do N F S |
---|
0:30:23 | a tak dále potom vím že tahleta věta obsahuje tyto fonémy ale nevím kde sou |
---|
0:30:28 | a naštěstí když se trénují takový systémy pro rozpoznávání takto nemusím přesně vědět protože ty |
---|
0:30:34 | trénovací algoritmy po několika _e po několika koleč tých si ty _e si ty |
---|
0:30:42 | fonémy za rovnají sami |
---|
0:30:45 | na jednotlivý řečový segment i když tady tohleto budete dělat a uslyšíte slovíčko fork alarmem |
---|
0:30:58 | tak u toho furt elementu prostě máte k dispozici forem _e řetězce fonému máte k |
---|
0:31:03 | dispozici masku nějaký modely |
---|
0:31:07 | a tím modelům řeknete já vím že sou _e mojí promluvě tady tyhle fonémy ale |
---|
0:31:12 | nevím kde |
---|
0:31:13 | a ono vám to automaticky zrovna |
---|
0:31:17 | tak _e co je docela problém je tady fonetická sada |
---|
0:31:22 | a výslovnostní slovník |
---|
0:31:24 | protože to musíte mít _e to musíte mít jak sme říkali jako nějak předem definovanou |
---|
0:31:30 | _e textový korpus tak jak jsme tady s kolegy dali dohromady zase až tak _e |
---|
0:31:35 | cache tak _e důležitý a složitý není jenom musí do za pozor aby byl _e |
---|
0:31:40 | ste domény kde chcete něco dělat |
---|
0:31:42 | tak a my se tady snažíme v rámci nějakého projektu |
---|
0:31:46 | trošku zjednoduší tady ten postup _e a |
---|
0:31:51 | pracovat na technika |
---|
0:31:53 | který by dokázali |
---|
0:31:56 | i vlastně pro nový a neznámý jazyky |
---|
0:31:59 | _e |
---|
0:32:01 | se obejít best _e fonetické sady abych výslovnostní ho slovní |
---|
0:32:05 | jo tady tohle docela zajímavý protože |
---|
0:32:08 | jako skupina dostáváme občas požadavky udělejte nám rozpoznávač pro nějaké úplně divnej jazyk |
---|
0:32:14 | a říkám jako a máte |
---|
0:32:16 | v tom co to jazyka máte no máme nějaký nahrávky aby jsou nějak přepsány |
---|
0:32:21 | no |
---|
0:32:22 | a znáte jako nějakýho fonetika to říkat ne |
---|
0:32:26 | mates výslovnostní slovník jazyka ne máte nějaký texty _e možná takže _e řekl je to |
---|
0:32:33 | do je to docela důležitý |
---|
0:32:35 | pro rychlý vývoj dej takový v aplikaci do nových nebo do nových jazyků nebo i |
---|
0:32:40 | do třeba velkých jazyků D tady tyhle zdroje nemáte k dispozici jo třeba jsme se |
---|
0:32:44 | dívali na thajštin u eště nemá si osmdesát milionů mluvčí |
---|
0:32:49 | a když se chcete koupit nějakou thajskou databázi tak prostě máte smůlu protože žádná není |
---|
0:32:54 | tak |
---|
0:32:55 | poďme se podívat na _e etapu detekce klíčových slov |
---|
0:33:01 | tak co to znamená |
---|
0:33:04 | znamená to že řeknete já nechci přepsat celou nahrávku |
---|
0:33:08 | ale máme nějaký klíčový slova když byste měli třeba online zpracování meetingu |
---|
0:33:14 | tak to může být třeba slovo rozpočet jo nebo vyhození šéfa nebo něco takovýho a |
---|
0:33:19 | potřebujete aby vás ten systém upozornil na tihle na místě kde se takový klíčový slova |
---|
0:33:24 | _e objeví |
---|
0:33:26 | tak _e jak se na to de |
---|
0:33:30 | v zásadě |
---|
0:33:31 | můžete _e |
---|
0:33:35 | budete aplikovat úplně zase stejný schémátko kterým sme tady několika několikrát viděli |
---|
0:33:42 | jestli si pamatujete na rozpoznávání mluvčího tak jsme tam měli dobrej model dobrej model _e |
---|
0:33:47 | vlastně vyhodnocovalo že to je ten daný mluvčí |
---|
0:33:51 | a pak sme tam měli špatný modelům říkali jak obliga modul |
---|
0:33:55 | a ten vyhodnocovalo _e skóre toho že tam není ten daný mluvčí |
---|
0:34:00 | a nebudem teď mít úplně to samý akorát že ten dobrej model bude |
---|
0:34:04 | model klíčový ho slova a ten model pořadí bude _e budeme se snažit aby prostě |
---|
0:34:08 | na sebe chytal vychytal všechno jiné |
---|
0:34:12 | tyhle dva modely pro každej časový okamžik jo to je tady důležitý |
---|
0:34:16 | je pro každej čas |
---|
0:34:19 | budou _e produkovat |
---|
0:34:22 | budou produkovat nějaký _e skóre věrohodnosti |
---|
0:34:27 | budete dělat jejich poměr |
---|
0:34:29 | pak tady tenhleten prom poměr budete prahovat prahem a když to ten práv přeleze tak |
---|
0:34:34 | prostě řeknete tady je |
---|
0:34:37 | míčový slovo tady je taky klíčových |
---|
0:34:40 | a zase jako když člověk dělá s takovouhle _e |
---|
0:34:45 | tu aplikaci nebo zjistím keyboard pocením hraje |
---|
0:34:48 | tak je potřeba |
---|
0:34:50 | zohlednit jako různý volby takovéto má být rychlý jak to má být přesný tak je |
---|
0:34:56 | docela důležitý si uvědomit jestli ta data budete prohánět s tím systémem jenom jednou |
---|
0:35:02 | anebo jestli to bude nějaký archív typu _e typuju superlectures dot com |
---|
0:35:08 | kde prostě ta řeč bude bydlet _e teďka jako budete mít dejme tomu desítky uživatelů |
---|
0:35:13 | který to budou prohledávat furt dokola |
---|
0:35:16 | a tak je docela důležitý si říct jak moc nám vadí nebo jak moc budu |
---|
0:35:20 | potřebovat slova mimo slovník rozpoznávač |
---|
0:35:23 | tak zvaných pouhý s |
---|
0:35:25 | o V sou noční můrou každýho rozpoznávat celé řeči |
---|
0:35:29 | a jsou to slova který prostě _e při učení neviděl může rozpoznávač takže |
---|
0:35:36 | když budete |
---|
0:35:37 | dělat _e |
---|
0:35:39 | budete dělat třeba rozpoznávač _e tady _e pro přednášky na fitu |
---|
0:35:44 | tak se tam prostě pokusíte nacpat _e nacpat všechny slova který se tady těch přednáškách |
---|
0:35:50 | používají |
---|
0:35:51 | ale pak tady _e otevřeme |
---|
0:35:54 | kurz na |
---|
0:35:56 | na co |
---|
0:35:57 | na |
---|
0:35:59 | kreativní |
---|
0:36:00 | okres plování stropu pomocí |
---|
0:36:04 | fraktálu |
---|
0:36:05 | a najednou |
---|
0:36:07 | budete mít _e ve slovníku |
---|
0:36:11 | _e sádrokarton nás jo protože to budou lidí z se kterýma budete vyjednávat |
---|
0:36:21 | a slovo sádrokarton _e sme při tvorbě toho systému nikde neviděli přitom proto na ten |
---|
0:36:26 | předmět bude úplně zásadní prostoru prostě nepude dál |
---|
0:36:30 | jo _e teďka jako otázka je _e jak moc často budete toho sádrokarton _e nehledáte |
---|
0:36:36 | k bude jaký bude problém toho z toho _e z toho třeba nemáš |
---|
0:36:41 | tak za chvilu potom popovídat no teďka _e jak _e jak k tomu kývl spotting |
---|
0:36:47 | u přistupovat |
---|
0:36:49 | vona takový tři techniky |
---|
0:36:51 | jeden se menuje akustický pak prohledávání výstupu rozpoznávače s velkým slovníkem a pak prohledávání vstupu |
---|
0:36:58 | rozpoznávače s velkým slovníkem které je trošku při ohnuty aby to právě takováhle slova dokázalo |
---|
0:37:03 | chytat tak poďme teďka |
---|
0:37:06 | _e nějaké detail k i _e s těmi musím technikám |
---|
0:37:10 | u té akustiky je to _e řekněme relativně jednoduchý |
---|
0:37:15 | protože |
---|
0:37:18 | nějakých modelů fonémů |
---|
0:37:20 | postavíte prostě |
---|
0:37:22 | modely těch slov |
---|
0:37:24 | který chcete |
---|
0:37:25 | který chcete chytat |
---|
0:37:27 | to znamená |
---|
0:37:28 | pro přednášky bych |
---|
0:37:31 | postavil model sádrokarton _e s |
---|
0:37:35 | tyhlety model rychlost vám dávají ty dobrý věrohodnosti |
---|
0:37:39 | pak je tam nějaký model pozadí který dává ty špatný věrohodnosti tady se nám to |
---|
0:37:43 | celý odečítá a tady prostě toho systému lezou detekce |
---|
0:37:48 | jo takže vlastně když ten systém chcete používat tak si teprve na základě zadané klíčových |
---|
0:37:53 | slov postavíte modely těch slovíček který budete chtít použít |
---|
0:37:58 | je to _e |
---|
0:38:00 | bezvadný vtom že tady nemáte problém se slovy mimo slovník |
---|
0:38:04 | jo protože sádrokartonová |
---|
0:38:06 | super postavíte to prostě jako modelkou jednotlivých fonému můžete to klíčové slovo klidně chytat |
---|
0:38:12 | ovšem je to za cenu _e za cenu jedné zásadní věci že pokud to slovo |
---|
0:38:18 | sádrokarton vás použijete |
---|
0:38:21 | tak ten systém můžete znovu |
---|
0:38:24 | pustit na všema data má kde chcete vyhledávat |
---|
0:38:28 | toto jako není problém pokud těch dat máte hodinu ale už to může být problém |
---|
0:38:32 | vy máte deset tisíc hodin protože když se třeba dostanete na nějakou hodnotu nula celá |
---|
0:38:36 | nula jedna krát výhod zájem tak deset tisíc hodin |
---|
0:38:40 | rád nula celá nula na kabrioletem |
---|
0:38:42 | máte pořád ještě sto hodin no a když byste měli sto serverů kdybyste to rozprskl |
---|
0:38:46 | i tak je to ještě pořád hodina a takovej google kterým nějakou církvi říkám hodina |
---|
0:38:52 | takže vám asi moc nelíbil |
---|
0:38:54 | jo takže tady toto je toto je problém |
---|
0:38:57 | druhý problém tady toho _e systému je že nemá sílu _e jazykového modelu prostě nikde |
---|
0:39:05 | tomletom systému není _e není žádná _e žádná znalost toho jak se můžou následovat jednotlivý |
---|
0:39:11 | slova to znamená pokud tam _e zadáte slovo typu sádrokarton _e s které dostatečně dlouhé |
---|
0:39:18 | a jako |
---|
0:39:19 | jasně ho slyšíte tady akusticky rozdílné moc všeho ostatního tak to bude docela fungovat |
---|
0:39:26 | ale ne po nepokoušejte se takovým systémem _e |
---|
0:39:30 | chytat slova |
---|
0:39:32 | jako třeba já _m |
---|
0:39:34 | nebo po |
---|
0:39:35 | nebo něco takovýho pokutová prostě jednu slabiku |
---|
0:39:38 | tak je to |
---|
0:39:40 | téměř k nepoznání protože buďto někde nechytne a nebo naopak to chytne všude a máte |
---|
0:39:45 | všude faleš nebo pro |
---|
0:39:47 | jo takže |
---|
0:39:49 | ne nepřítomnost jazykového modelu |
---|
0:39:52 | je docela problém |
---|
0:39:53 | tak druhý přístup je _e prohledávání výstupu rozpoznávače |
---|
0:39:59 | velkým slovníkem |
---|
0:40:01 | _e teďka zapomeňte tady na ten krásný obrázek |
---|
0:40:04 | ale dá se to _e udělat tak že prostě uděláte rozpoznávání |
---|
0:40:09 | do textu to znamená někde wavka aby to přepíšete na dnes jsem přišel a potom |
---|
0:40:14 | když hledáte klíčové slovo přišel tak uděláte prostě vobyčejné graph a na ty matek tam |
---|
0:40:18 | a |
---|
0:40:19 | a buďto najdete nebo to nenajdete jo |
---|
0:40:22 | todleto je možnost jedna možnost další je _e trochu se zamyslet a říci že ten |
---|
0:40:28 | rozpoznávač taky nemusel být úplně přesnej a že si třeba mohl _e mohl myslet |
---|
0:40:36 | že tam je |
---|
0:40:37 | ne sem |
---|
0:40:39 | přišel |
---|
0:40:40 | nebo taky došel |
---|
0:40:42 | nebo taky našel |
---|
0:40:44 | nebo _e |
---|
0:40:47 | nebo já nevím ještě si něco vymyslete |
---|
0:40:50 | a tady tyhlety varianty o kterých si rozpoznávač může myslel že jsou správný dokážete dostat |
---|
0:40:57 | _e s takové struktuře kterou my vlastně často necháváme rozpoznávač generovat a to je se |
---|
0:41:03 | říká orientovaný graf nebo s vás |
---|
0:41:06 | a nebo tomu taky říkám velatice rozes anglického lety |
---|
0:41:10 | takže když jako se budete byly vnímali má pořád nám budou hodit nějaký mlati matice |
---|
0:41:14 | hasičů roky |
---|
0:41:15 | tak při čili case of each S a ale ti se sou tady tyhlety orientované |
---|
0:41:19 | grafy na výstupu rozpoznávač jo takže pokud rozpoznávač necháte vypudit takovouhle strukturu |
---|
0:41:28 | _e |
---|
0:41:30 | tak _e C pokud na té nejlepší cestě je třeba dnes jsem přišel |
---|
0:41:36 | a ten rozpoznávače tam se k nul protože _e ten člověk ve skutečnosti říká dnes |
---|
0:41:41 | sem našel |
---|
0:41:42 | a vy potom použito detektor klíčových slov kde budete _e hledat slovo našel |
---|
0:41:48 | tak ho tam najdete protože prostě bylo někde jako druhá nebo třetí varianta ale stihla |
---|
0:41:53 | tisísce uměli zavřeny mimochodem _e ten systém _m se pročesat com nebo přednášky do com |
---|
0:42:01 | tedy ste možná viděli tak právě používá indexování tady těchhle těch _e těch druhých a |
---|
0:42:07 | třetí se dalších variant |
---|
0:42:09 | takže _e občas |
---|
0:42:11 | když si tam dáte klíčové slovo to budete hledat |
---|
0:42:15 | tak prostě sto místě kdo systém našeho nenajdete tom nejlepším přepisu jo ale přitom tam |
---|
0:42:20 | slyšíte evidentně se tam ten rozpoznávač na té nejlepší cestě se knol ale bylo to |
---|
0:42:24 | někde schované mlaty si na indexoval i sme to takže _e tohle slovíčko dohledat |
---|
0:42:31 | tak _e |
---|
0:42:33 | jak si myslíte že se tady ty matice dají reprezentovat |
---|
0:42:43 | no zase konečný stavový automat |
---|
0:42:46 | takže no protože |
---|
0:42:49 | tam máte všude pravděpodobnosti které můžete používat nemusíte ale je docela dobrý je používat |
---|
0:42:56 | ale ten konečný stavový automat prostě je docela fajn cesta na to je tady to |
---|
0:43:00 | tuhle _e tohleto lety volati si reprezentovat |
---|
0:43:05 | a pak se s tím dají dělat krásný operace jo jako že se třeba uděláte |
---|
0:43:09 | jiný konečný stavový automat který bude obsahovat _m nějakou sadu prohledávaných slov |
---|
0:43:15 | uděláte kompozici a přímo je najdete prostě jako tady se s tím dělat krásné věci |
---|
0:43:21 | tak _e taky nějaký nevýhody samozřejmě té rozpoznávače limitována slovníkem který máte zadrátovaný to znamená |
---|
0:43:28 | budeme mít problém slovy mimo slovní |
---|
0:43:31 | a za druhé ten servis je sáry složitější a náročnější a pomalejší než jenom akustika |
---|
0:43:37 | jo takže to že sou tam takový komponent jako výslovnostní slovník |
---|
0:43:41 | a jazykový model samozřejmě bude znamenat že to bude že to bude přesnější ale že |
---|
0:43:47 | se vám to bude titíž _e vyvíjet zvlášť pro jazyky kde nebudete mít _e dispozici |
---|
0:43:53 | patřičný zdroj |
---|
0:43:54 | tak a teďka _e nemáš naše děťátko |
---|
0:43:58 | kterým se tady chlubím E |
---|
0:44:00 | _e rozpoznávač _e visí S R který má ale eště nějakou půlslovní C |
---|
0:44:07 | znamená to že je vlastně dáno dohromady rozpoznávací C která má sobě standardní slova |
---|
0:44:14 | ale je tam ještě taková podsíť která když na rozpoznávač prostě úplně vedle a neví |
---|
0:44:19 | _e který si standardní slov by to mohlo být tak mu umožňuje odskočit |
---|
0:44:25 | do _e do nějaké po slovní sítě a to je poslední síti to dokáže přepsat |
---|
0:44:30 | buď pomocí fonémů nebo pomocí nějakých takový několik jako kdyby slabik |
---|
0:44:35 | jo to znamená že byste měli _e v tomhle případě |
---|
0:44:41 | _e |
---|
0:44:42 | když by ta věta byla _e strof mi zmršil sádrokarton a |
---|
0:44:47 | výstup rozpoznávače ostrov |
---|
0:44:50 | my |
---|
0:44:51 | zmršil |
---|
0:44:53 | a teďka to pouhý slovo by byl přepsaný ně něčím možná jako s R |
---|
0:44:59 | rok |
---|
0:45:00 | R |
---|
0:45:02 | on a jo schválně to ne přepisuju pomocí _e solidních českých slabik protože ten systém |
---|
0:45:10 | si to může na myslet tak jak _e tak jak jsou to hodí a tak |
---|
0:45:13 | jak byl takže byla trénován |
---|
0:45:16 | takže tendleten systém je dobrý vtom že když potom |
---|
0:45:20 | takováhle obuví slova prohledávat se |
---|
0:45:24 | tak máte šanci řekni _m dostanete |
---|
0:45:26 | a mimochodem je to _e i na _e si dobrý na jednu další krásnou je |
---|
0:45:32 | teplý byste viděli na kterou |
---|
0:45:34 | je tady tomu systému říkáme hybris jo |
---|
0:45:38 | _e teda tady jako |
---|
0:45:39 | slovní síť a tady po slovní na to dobrýho si myslíte že ještě takový hybrid |
---|
0:45:45 | je |
---|
0:45:55 | tak |
---|
0:45:56 | dobrej na to že |
---|
0:45:58 | dokáže najít obuví slova |
---|
0:46:01 | prostě |
---|
0:46:02 | zkuste přinese další |
---|
0:46:05 | představte si že máte |
---|
0:46:08 | _e že máte standardní rozpoznávat |
---|
0:46:11 | tady je věta strop mi zmršil sádrokarton a |
---|
0:46:15 | a vy máte standardní rozpoznávač kterej tady tuhletu feature u _e ten _e tu po |
---|
0:46:20 | slovní síť nemá co si myslíte že bude na jeho výstupu když tam vleze věta |
---|
0:46:25 | strop mi zmršil sádrokarton |
---|
0:46:32 | něco |
---|
0:46:33 | co ten rozpoznávač si myslí že dobře |
---|
0:46:36 | a co má ve slovníku jo to znamená pravděpodobně by tam bylo něco jakost osmi |
---|
0:46:41 | zmršil |
---|
0:46:43 | sám |
---|
0:46:45 | tu káru |
---|
0:46:47 | dáš nebo něco takovýho podobně |
---|
0:46:50 | podobně inteligentního |
---|
0:46:52 | jo tetě a vy samozřejmě nevíte že tady toto je špatně prostě to na výstupu |
---|
0:46:57 | rozpoznávače on si myslí že to takhle je se jako jednu mann best |
---|
0:47:02 | rozpoznávací cesta |
---|
0:47:04 | toho _e toho tečka potom jako hrůzou zjistíte že tady toto byla chyba ale nemáte |
---|
0:47:09 | vlastně to jak odhadnout přede |
---|
0:47:11 | takže výhodou toho hybridního přistupuje |
---|
0:47:15 | _e že vod mám vlastně dá nějaký vodítko k tomu že když se to přepne |
---|
0:47:19 | do té do té po slovní sítě tak se děje něco divný ho jo budce |
---|
0:47:25 | na vstupu objevilo auto vocabulary slovo |
---|
0:47:28 | nebo je tam třeba soubor který bylo invoked byly ale ten člověk se v něm |
---|
0:47:32 | zadrhnul |
---|
0:47:33 | a neřeklo pořádně |
---|
0:47:35 | nebo ho řekl nějakým pekelným dialektem na kterým ten náš rozpoznávač nebylo trénovaný takže kombinace |
---|
0:47:42 | tady těch dvou sítí vám prostě jako dokáže |
---|
0:47:44 | říct že něco bylo špatně |
---|
0:47:46 | jako ramena takový jako ně poznat ně co bylo špatně měli celej vzorky evropské projekt |
---|
0:47:53 | no vás vybírat |
---|
0:47:54 | jestli vás třeba z něčeho |
---|
0:47:56 | měli _e naši dva němečtí doktorandi výborní štefan com blinkal a mirko a nemám |
---|
0:48:03 | tak ti právě jako |
---|
0:48:06 | dělali a dělají pořád na těchdle technika |
---|
0:48:09 | nejenom jak poznatku umí slova |
---|
0:48:11 | ale jak co s nima potom dál jo |
---|
0:48:14 | neznám jako pokud bate jednou hybridní rozpoznávač tak se tam otevírá velká rada možností co |
---|
0:48:20 | dělat když na takovýdle slovo přijdete |
---|
0:48:22 | jo můžete třeba zkusit ho přepsat zpátky do slov |
---|
0:48:26 | když máme grapheme to phoneme |
---|
0:48:28 | tak my můžeme natrénovat tady systém který pracuje naopak které je forintu trefím |
---|
0:48:32 | to znamená _e takovouhle |
---|
0:48:35 | sadu |
---|
0:48:36 | jednotek potom narvete do převodníku a dokážete toho vysoce a zase zpátky slovo |
---|
0:48:42 | nebo to dělal mirko úžasný ho |
---|
0:48:45 | snažím se udělat _e takový konečný stavový automat |
---|
0:48:49 | který by tohleto slovo srovnal se slovy který existují ve slovníku |
---|
0:48:54 | jo to znamená |
---|
0:48:56 | _e v tomhle případě by byl schopnej poznat |
---|
0:48:59 | že tady nějaký sádrokarton který třeba měl ve slovníku |
---|
0:49:04 | a že tady přípona a která je tam jenom protože se mění nějak morfologie |
---|
0:49:09 | slova nebo _e jako čím se taky bavil |
---|
0:49:12 | tak _e bylo shlukování nebo klastrování tady těhletěch slovíček měl třeba nějakou _e jak u |
---|
0:49:19 | přednášku houbách |
---|
0:49:22 | různé proháněli standardním slovníkem |
---|
0:49:25 | a tam bylo prostě jakým mají síly jem |
---|
0:49:31 | my celýho _m ani nevím pořád jak se to tak se to řekne a _e |
---|
0:49:36 | vysloví anglicky |
---|
0:49:37 | a to je tuším jako odborný výraz |
---|
0:49:41 | pro houbu lesy té někdo |
---|
0:49:43 | ste houba spektrum asi budete rozumět V |
---|
0:49:46 | a vy _e kdy prostě máte rozpoznávač který normálně rozpoznává angličtinu nezná tady tohleto slovíčko |
---|
0:49:54 | to znamená každou chvilku to vyprodukuje něco jako |
---|
0:49:57 | malej |
---|
0:49:59 | i |
---|
0:50:00 | vy |
---|
0:50:01 | _e nebo něco takového a to se přednášce budete mít čtyrycet krát |
---|
0:50:06 | jo a teďka jako je docela zajímavý úkolu říci |
---|
0:50:10 | sekera jako |
---|
0:50:11 | tady jsem severa dedikoval slova mimo slovník |
---|
0:50:14 | není náhodou něco z nich jako důležitýho není to nějaký termín který se ste přednášce |
---|
0:50:18 | mnohokrát opakuje |
---|
0:50:20 | a právě tady ty klastr ovací algoritmy vám řeknou nebo tak jako tady bylo mají |
---|
0:50:23 | síly je má pak se to ještě rozpoznalo jednou možná s nějakou fonetickou chřipkou a |
---|
0:50:28 | pak ještě jednou a ještě jednou poďme tady tyhle slova dat do jednoho klastru |
---|
0:50:33 | a prezentovat ji uživateli protože to bude asi něco důležitýho |
---|
0:50:38 | mimochodem |
---|
0:50:41 | sme na tohle měli nějaký |
---|
0:50:43 | týden íčko |
---|
0:50:49 | _e já doufám že ještě |
---|
0:51:05 | a |
---|
0:51:09 | no nic kdybyste chtěli tak _e máme _e máme někde demo který ta který tady |
---|
0:51:14 | toto docela pěkný kozo |
---|
0:51:17 | tak |
---|
0:51:22 | no takže bysme byly Ú _e detekce klíčových slov |
---|
0:51:26 | a pak tady mám nějakou věc organizacích a projekty toto nevím jestli je nevím jestli |
---|
0:51:30 | je moc _e zajímavý tady tohle může nám může být zajímavý slajd pro vás |
---|
0:51:35 | protože |
---|
0:51:36 | jako někdy asi budete do práce neděláte dali bambus tady toto fakultu |
---|
0:51:42 | tak jenom sme jako se tady snažili zase to byla taková komerčních Í prezentace |
---|
0:51:47 | lístek o co je vlastně co kdo dělá |
---|
0:51:50 | a když _e budete ve výzkumu že budete tady |
---|
0:51:54 | když budete tady na fakultě třeba s námi |
---|
0:51:57 | tak výstupem je vlastně součástí do jsou technické zprávy |
---|
0:52:01 | musí se tady dělat C jako s reálnými dacia z running kódem ale ten kód |
---|
0:52:07 | bych vám vobčas ani nepsal vidět jo protože jsou to jako nějaké bločky matlabu tu |
---|
0:52:13 | s C plus |
---|
0:52:14 | _e které se napsali buď dvě nebo vaši kolegové nebo někdo úplně jinde to potřebuje |
---|
0:52:19 | teda rychle dohromady to znamená napíšete nějaké lepidlo vyšší nebo folku nebo perlu nebo třeba |
---|
0:52:24 | zrovna přijde pod ruku |
---|
0:52:26 | dostanete úžasné výsledky |
---|
0:52:29 | je to nejpřesnější na světě ale zpracování hodiny řeči trvá den |
---|
0:52:34 | a rozumí tomu rozumíte tomu jenom vy |
---|
0:52:37 | jo to znamená jako že by toto někam předali nemůže to by to někdo dokázal |
---|
0:52:41 | zopakovat |
---|
0:52:42 | to je totální luze |
---|
0:52:45 | no takže pak je další ste |
---|
0:52:47 | a to je vývoj technologií že teda jako by to mělo dělat pokud možno to |
---|
0:52:51 | samé |
---|
0:52:52 | ale mělo by to být stabilní to znamená mělo by to chytat chyby |
---|
0:52:56 | kód by měl být nějak verifikován o |
---|
0:52:59 | mělo by se to testovat na úrovni a komponentu tak potom jako celých systému |
---|
0:53:05 | kdybyste mít nějaký cíl životní cykly plánování |
---|
0:53:08 | jo by to me |
---|
0:53:10 | užívat _e ne uživatelská ale programátorská rozhraní |
---|
0:53:14 | a taky třese prostě světe by se k tomu přes mladost nějaká dokument a |
---|
0:53:21 | no a |
---|
0:53:22 | pak se u produktu |
---|
0:53:24 | kdy _e vám někdo _e zavolá prostě z nějakého call centra řekne že by tam |
---|
0:53:29 | silně to detekovat |
---|
0:53:30 | a zbytek se teda měli zamyslet co máte k dispozici jaké technologie jaké jsou požadavky |
---|
0:53:35 | zákazníka jak se teda na šroubová dohromady |
---|
0:53:39 | můžete taky si promyslet komerční model to znamená to co budete chtít peníze jestli budete |
---|
0:53:45 | dělat nějaké se vzorové řešení do kterého vám budou posílat data většinou lidi nechtějí protože |
---|
0:53:50 | data nechtějí dat vůbec ruky |
---|
0:53:52 | no budete prodávali sence jak budete licence vo tak je to docela |
---|
0:53:56 | to docela zajímavý a samozřejmě u toho potom bude _e sedět člověk kterým bude srdečně |
---|
0:54:02 | jedno že ve městě nějaký skrytý markovův model ale on tam potřebuje do velké červená |
---|
0:54:07 | zelené tlačítko na které bude klikat jo takže musíte _e |
---|
0:54:11 | se |
---|
0:54:12 | musíte se zaměřit i na to kdo to bude používat a jak to udělat tak |
---|
0:54:16 | aby |
---|
0:54:17 | tam sto |
---|
0:54:19 | místo uživatel dostal to sou čekal |
---|
0:54:23 | tak |
---|
0:54:24 | jo tak _e takové závěrečné _e závěrečná věc |
---|
0:54:28 | tohleto je když tady třeba děláme na nějakých výzkumných projektech tak jsem se snažil udělat |
---|
0:54:33 | takové veselé schéma jak jsou tady ty projekty organizovány ve státech |
---|
0:54:38 | my jako sme přepiš ním je tím že se vych asi dvou účastní moje |
---|
0:54:43 | začíná to vždycky vlastně od uživatele který má problém |
---|
0:54:46 | když jako _m je |
---|
0:54:49 | třeba tou agenturou darpa kde hnedka první slovíčko je D sem tak sem si představíte |
---|
0:54:55 | kdo ten uživatel je že jo nový se to tady vymalováno zeleně |
---|
0:54:58 | tak _e potom prostě máte agenturu výzkumnou která podporuje takovéhle |
---|
0:55:05 | projekty jak právo toho du uživatele dostane _e dostane nějaký požadavek |
---|
0:55:11 | a ta _e agentura vypíše |
---|
0:55:15 | zadání projektu americe tomu říkají proud oděn si _e jenom sme B A normálně jsou |
---|
0:55:21 | volně dostupný dokáže to je najít na internetu |
---|
0:55:25 | no a teďka prostě se dá dohromady _e několik česky tomu říká řešitel |
---|
0:55:31 | hezky když někdo jako řekne že řeší nějaký grant tak města vyvrací blůzou na hlavě |
---|
0:55:36 | protože |
---|
0:55:37 | že to řešíte tak to znamená ta na konci vyřešíte jo jako |
---|
0:55:41 | mám pocit že |
---|
0:55:42 | rozpoznávání řeči |
---|
0:55:44 | že by to byl takový řešitelná úloha ze strany akorát možná by se mohli jmenovat |
---|
0:55:49 | posouvač i posouvače jedna |
---|
0:55:51 | posouvat dvě a posouvače N které který se snaží prostě ty technologie lavinu někam posunout |
---|
0:55:57 | ale nevyřeší |
---|
0:55:59 | no a _e tím můžou být jednak samotní nebo dají dohromady nějaká konzorcia |
---|
0:56:06 | a na každý takový projekty je _e je potřeba někdo kdo nasbírá data |
---|
0:56:12 | a na těch datech se pak bude |
---|
0:56:13 | něco zkoušet |
---|
0:56:15 | a potom _e je musí být někdo kdo bude říkali si je to dobře nebo |
---|
0:56:19 | jestli se špatně |
---|
0:56:21 | takže ve státech mají mi to že vlastně zavedena evaluační instituce |
---|
0:56:26 | občas lety bývá někdo jiný když se jedná se o nějaká citlivější data |
---|
0:56:31 | no a tetě _e |
---|
0:56:33 | co je docela důležitý |
---|
0:56:35 | tak jsou tak zvaný kompetitivní evaluace to znamená řešitele |
---|
0:56:40 | tady dohromady nějaký systémy |
---|
0:56:42 | lysý nebo někdo jinej dá data a teďka když systémy na těch datech musí pustit |
---|
0:56:48 | samozřejmě se dosáhne nějakých výsledku |
---|
0:56:51 | a uši jenom to že ty lidi navzájem mezi sebou soutěží je docela velký _e |
---|
0:56:56 | velký motor |
---|
0:56:57 | který prostě každý motivuje abysme bity výsledky byly co nejlepší |
---|
0:57:02 | no a občas na základě těch public kompetitivní k evaluaci taky někomu někoho vyškrtnou prostě |
---|
0:57:08 | že by ho postřelili ale řeknu mu tak jako pane nebo paní na příští rok |
---|
0:57:12 | prostě s váma nepočítáme jako s podporou a prostě mu zastaví peníze o to |
---|
0:57:17 | no a tady tyhlety |
---|
0:57:19 | etapy dvou dnů pořád dokola |
---|
0:57:22 | takže jako by se ta technologie |
---|
0:57:25 | na konci takovýhle projektu nebo |
---|
0:57:28 | nebo _e problém uživatel mohl posunout a pokud možno uzeného problém vyřešit |
---|
0:57:36 | a samozřejmě já se tady tyhle těchdle koleček projede pár |
---|
0:57:39 | tak ten _e tak to nejlepší konzorcium nebo ten nejlepší řešitel prostě řekne jak se |
---|
0:57:45 | to má dělat správně |
---|
0:57:47 | a pak nastoupí zase se bavíme vo státech nějaký prověřeny integrátor |
---|
0:57:51 | který dokáže jako pracovat tady s těmi _e s těmi zadanými plány a který vlastním |
---|
0:57:57 | tu technology naprogramuje integruje a |
---|
0:58:00 | die no neprůstřelného kufříku |
---|
0:58:03 | tak |
---|
0:58:04 | té dva všechno úvodu |
---|
0:58:07 | takže teďka ne přestávka ale _e jenom mini oddech a pak si dáme |
---|
0:58:12 | průjezd _e |
---|
0:58:14 | ruje zpracování signálu |
---|
0:58:17 | takže jsem |
---|
0:58:19 | jo tady metoda |
---|
0:58:52 | tak pojď poďme do toho bude to vlastně takový jako víc u C číslicového zpracování |
---|
0:58:58 | signálu |
---|
0:58:59 | to znamená to co ste viděli ve druháku pět esku _e nekomprimovanou formu |
---|
0:59:04 | to je takový politický slice tady tohle jako pro číslicové zpracování signálu vám asi když |
---|
0:59:10 | vás nebudu přesvědčovat tomu naplatil tak někde před dvaceti lety |
---|
0:59:15 | jak to obvykle vypadá taky pro jeden rychle prostě analogový signál |
---|
0:59:20 | _e |
---|
0:59:21 | číslicový který prošel A D převodníkem potom se s ním číslicově něco děje a pak |
---|
0:59:26 | ještě někdy se taky převede zpátky do analogu |
---|
0:59:30 | a tady toto _e |
---|
0:59:33 | toto bude probíhat jako jo |
---|
0:59:35 | případě kódování řeči |
---|
0:59:40 | a ne |
---|
0:59:41 | případně třeba rozpoznávání jo protože když budeme dělat rozpoznávání tak vlastně přímo cucám jako digitální |
---|
0:59:48 | informaci a najdete tady jako dali dneska tom T nezpracování a zase docela zajímavý že |
---|
0:59:53 | když se třeba dělá syntéza |
---|
0:59:55 | tam nebudete mít na začátku tady tenhleten blok tam vlastně blok zpracování a potom s |
---|
1:00:00 | toho musíte dostat _e nějakou že |
---|
1:00:03 | tak teďka _e začněme teda jako stroji nebo s popisem těch našich signálku |
---|
1:00:10 | na začátku |
---|
1:00:11 | nebylo slovo |
---|
1:00:13 | ale _e byl tam signál se spojitým časem |
---|
1:00:17 | definovaný sudého vod mínus nekonečna do nekonečna |
---|
1:00:20 | nekonečné množství hodnot |
---|
1:00:23 | a když budeme chtít takový signál reprezentovat s frekvenční oblasti |
---|
1:00:28 | tak |
---|
1:00:29 | fourierova transformace |
---|
1:00:32 | prostě integrujeme od mínus nekonečna do nekonečna |
---|
1:00:36 | ten signál čase krát E na mínus dvě pí F T do to |
---|
1:00:41 | všimněte si prosím vás že tady Z herečku _e už zase přestává mít drát kruhové |
---|
1:00:46 | frekvence kterými jsem vám vás oblažovala ve druháku |
---|
1:00:50 | takže |
---|
1:00:51 | dost často tady uvidíme |
---|
1:00:54 | je F což bude v obyčejných K _e frekvence R C |
---|
1:00:59 | a neska někde vedle vono mi napsaný dvě pí |
---|
1:01:02 | abych to udělal kruhovou |
---|
1:01:05 | ale pozor |
---|
1:01:06 | za chvilku když se budeme bavit T číslicovými signály a to teďka bude hodně rychle |
---|
1:01:12 | tak to F |
---|
1:01:14 | ne schválně všem |
---|
1:01:17 | že budou diskrétní signály |
---|
1:01:21 | u spojitých |
---|
1:01:24 | je to F v hertzích |
---|
1:01:27 | čím bude F diskrétní |
---|
1:01:30 | frekvence |
---|
1:01:34 | povědět _e nebo v ničem |
---|
1:01:37 | jo protože v těch diskrétních signálech budeme mít takzvanou normovanou frekvenci |
---|
1:01:42 | teda vlastně vůbec nebude záviset na tom jako jak ten signál vypadal frekvenční původně |
---|
1:01:47 | ale bude to jenom nějaké poměrné číslo které prostě půjde vod nuly pro nulu do |
---|
1:01:52 | jedničky a ta jednička odpovídá vzorkovací frekvenci |
---|
1:01:56 | a jako vo nějaký hercích se začneme bavit až teprv někdo řekne jaká ta vzorkovací |
---|
1:02:01 | frekvence vůbec byla nebo má být jo |
---|
1:02:05 | tak |
---|
1:02:06 | teďka _e co takové fourierovy transformace vyleze |
---|
1:02:09 | funkce X F říkáme jí spektrální funkce |
---|
1:02:14 | je komplexní |
---|
1:02:16 | je definována pro všechny frekvence zase vod mínus nekonečna do nekonečna má nějakej modulu nějakej |
---|
1:02:22 | argument |
---|
1:02:25 | a ty jako funkci frekvence dokážeme _e dokážeme vyplotnout |
---|
1:02:30 | pokud máme na _e reálný signál tak vlastně stačí znát pominu tady toho spektra pro |
---|
1:02:37 | kladný frekvence protože tam nějaká _e nějaká symetrie |
---|
1:02:41 | a my vlastně víme že modul |
---|
1:02:46 | pro záchranu frekvenci je ten samej pro koplo _e co pro snadnou frekvenci |
---|
1:02:53 | argument |
---|
1:02:54 | pro zápornou frekvenci |
---|
1:02:56 | že bude schválně tohle si z nich zapamatuje |
---|
1:03:03 | máme frekvence proti sobě |
---|
1:03:05 | mám reálnej vobyčejný ski signál |
---|
1:03:08 | tak jak je vztah mezi argumentová na mínus |
---|
1:03:12 | něčem |
---|
1:03:13 | a plus něčem |
---|
1:03:18 | tak ty argumenty jsou tam zápor opačný jo takže tady jedno velký mínus |
---|
1:03:22 | a kdybyste tady tohle chtěli napsat s dohromady |
---|
1:03:25 | tak byste udělali |
---|
1:03:27 | když má něco stejnou absolutní hodnotu opačný argument |
---|
1:03:31 | dvě komplexní čísla |
---|
1:03:35 | tak jsou komplexně sdružená a že sto takovou pěknou hvězdičkou takže bysme mohli napsat že |
---|
1:03:40 | X mínus _e |
---|
1:03:41 | se rovná X |
---|
1:03:43 | jedničkou F |
---|
1:03:45 | komplexní sdružení znamená že _e modul nechám na pokoji |
---|
1:03:49 | argument nám opačně |
---|
1:03:52 | tak |
---|
1:03:54 | takže todleto bla |
---|
1:03:55 | v rychlosti mezku blesku fourierova transformace no vida |
---|
1:03:59 | to je tady to dokonce máme tech _e co to je fourierově transformaci dodat |
---|
1:04:06 | inteligentní signály |
---|
1:04:08 | mají |
---|
1:04:09 | frekvenčně omezené spektrum to znamená mají tu fourierovu transformaci koncentrovaná koncentrovanou vodce nějaké mínus mezní |
---|
1:04:19 | frekvence do plus mezní frekvence X N |
---|
1:04:22 | do |
---|
1:04:23 | do frekvence jo |
---|
1:04:25 | _e klasicky když tady tohle bude třeba telefonní signál |
---|
1:04:29 | tak ta F mám bude nějakých running tři tisíce šest set |
---|
1:04:33 | _e herců |
---|
1:04:35 | když budete _e nic chcete kvalitu tak to bude vokolo dvaceti kilo hertzů |
---|
1:04:41 | a tak dále té první věc |
---|
1:04:44 | pokud _e |
---|
1:04:46 | ty signály nebudou mít omezené spektrum |
---|
1:04:50 | tak ho buď omezím natvrdo nějakým filtrem |
---|
1:04:53 | a nebo řeknu _hm |
---|
1:04:55 | a nechám to tak |
---|
1:04:57 | a _e pak se mi to může trošku vymstít |
---|
1:05:00 | když budeme vzorkovat protože dojde k čemu |
---|
1:05:05 | aliasingu jo tomu k překrytí jednotlivých _e spekter tam se to dostane |
---|
1:05:09 | tak a eště taková _e vtipná poznámka o fourierově transformaci ta spektrální funkce semene nedá |
---|
1:05:16 | přesně spočítat jo protože máme tady vlastně nekonečna jednak čase jinak ve frekvenci |
---|
1:05:24 | máme tady prostě nekonečný moc časových bodu takže můžete to zkusit pro nějaký signál typu |
---|
1:05:30 | obdélníkový impuls |
---|
1:05:32 | když mučení C se S ale pro cokoliv reálného prostě to vobyčejná fourierova transformace ne |
---|
1:05:39 | nejde |
---|
1:05:42 | tak _e tetě jak je to s tím vzorkováním _e |
---|
1:05:46 | možná jí kvantováním když myslím že kvantování tady nemám |
---|
1:05:50 | _e když budeme vzorkovat |
---|
1:05:53 | tak vlastně na stuff přichází ten |
---|
1:05:56 | analogový ten černý signál |
---|
1:05:59 | ten vzorkovač musí mít k dispozici |
---|
1:06:02 | nějaký periodický signál který má _e mezi jednotlivými má impulz zama |
---|
1:06:08 | vzorkovací periodu |
---|
1:06:11 | _e ten výsledný navzorkovaný signál je _e vlastně tady |
---|
1:06:16 | tenhle červený krát ten původní černý |
---|
1:06:20 | a když si uvědomíte co se děje tak vlastně ten černý určuje výšky těch jednotlivých |
---|
1:06:26 | nových tím políčku a toto je náš |
---|
1:06:29 | navzorkovaný signál |
---|
1:06:31 | tak a teďka by se dalo vlastně vypočítat |
---|
1:06:35 | nebo nějak uchopit _e co se děje se spektrem takového signálu když se navzorkuje |
---|
1:06:41 | tak zase _e sme se bavili _e s tím že se ten |
---|
1:06:45 | že se ten signál |
---|
1:06:48 | řekne že jo ne úplně ideální že to tam impulzy které jsou nekonečně krátký a |
---|
1:06:52 | nekonečně vysoké toto vlastně diracových pulzy |
---|
1:06:56 | a potom _e když se tady tohle provede tak ten navzorkovaný signál je sled |
---|
1:07:01 | takových vlastně na váhovaných |
---|
1:07:03 | diracových impulsů |
---|
1:07:05 | když si člověk udělá trošku _e trošku nějaké počítání |
---|
1:07:10 | tak _e zjistí že _e spektrum toho výsledného navzorkovaného signálu |
---|
1:07:17 | je vlastně spektrum toho původního |
---|
1:07:20 | je to i X |
---|
1:07:21 | ale které je nekonečně krát rozkopírovat ne na té frekvenční ose jo takže kdybyste _e |
---|
1:07:28 | kdybyste tady tenhleten |
---|
1:07:30 | člen mazali |
---|
1:07:32 | tak je to prostě pořád to původní |
---|
1:07:36 | to původní spektrum |
---|
1:07:38 | ale když doteďka worm až N |
---|
1:07:40 | a vezmeme v úvahu všechna ta _e všechna možná směnka |
---|
1:07:45 | tak tady prostě mám |
---|
1:07:46 | další kopii a tady mám další kopii a tady mám další kopii přístupy |
---|
1:07:51 | a tak dále a tak dál |
---|
1:07:53 | no a teď tě _e když budeme |
---|
1:07:55 | vzorkovat |
---|
1:07:57 | tak samozřejmě záleží na tom jak bliká bude ta vzorkovací frekvence |
---|
1:08:02 | a jestli se přitom vzorkování tady ty jednotlivé kopie pře kryjou a nebo se ne |
---|
1:08:09 | překryvu |
---|
1:08:10 | si uvědomíme jak to tady s tím bude chodit tak toto je maximální frekvence signálu |
---|
1:08:16 | F mám |
---|
1:08:17 | tady tohleto je polovina vzorkovací frekvence |
---|
1:08:21 | F S |
---|
1:08:22 | lomeno dvěma |
---|
1:08:23 | takže dělám celkem jasně že když ta polovina vzorkovací frekvence bude prostě naftou maximální frekvencí |
---|
1:08:29 | tak to bude v pohodě protože ty jednotlivý kopie se překrývat nebudou |
---|
1:08:33 | a když _e se netrefíme |
---|
1:08:39 | tak se prostě ty jednotlivý |
---|
1:08:41 | opět takhle |
---|
1:08:43 | pěkně při kryjou |
---|
1:08:45 | ale |
---|
1:08:46 | prosím uvědomte si že _e |
---|
1:08:50 | to není tak že by jako byl takový pěkný obrázek doby ty jednotlivé kopie byly |
---|
1:08:54 | vidět aby tam ty malované červenou tužkou |
---|
1:08:57 | ony se prostě jako pře kryjou a sečtou samozřejmě jo takže |
---|
1:09:01 | že výsledkem je |
---|
1:09:03 | něco |
---|
1:09:04 | něco takového |
---|
1:09:06 | L ještě horšího |
---|
1:09:08 | jo stromy tato se to z hlavy si neumim moc dobře sčítat |
---|
1:09:13 | prostě najednou dostanete spektrum |
---|
1:09:15 | který se _e trochu podobá tomu původnímu ale není přesně ekvivalentní a nedokážete z něho |
---|
1:09:22 | to původní spektrum získat a |
---|
1:09:25 | no tohleto nám říká ten slavný šenonův kotelnikovův nyquistův nebo vzorkovací teorém vyberte se podle |
---|
1:09:31 | preferované národnosti a nebo můžete zůstat politicky korektní |
---|
1:09:37 | a tohle je ilustrace co se teda bude dít když _e nebude aliasingu |
---|
1:09:44 | kde ty jednotlivý kopie dokážu krásně oddělit |
---|
1:09:47 | to znamená pak když si rekonstruovat |
---|
1:09:50 | a vy kousnou takhle jednu kopii _e toho signálu |
---|
1:09:54 | pomoci |
---|
1:09:55 | jaké dolní propusti tak prostě dostanu úplně krásně a přesně to původní spektrum |
---|
1:10:02 | no a takhle to dopadne když _e |
---|
1:10:05 | když bude aliasingu |
---|
1:10:07 | když se vám ty jednotlivé kopie ve spektru |
---|
1:10:10 | _e překryjí a sečtou |
---|
1:10:13 | a pak vidíte že tím |
---|
1:10:15 | rekonstrukční filtrem dostanete nějakou machu která |
---|
1:10:20 | L a není podobná |
---|
1:10:21 | _m původnímu spektru |
---|
1:10:23 | takže teďka máte jako _e za úkol vymyslet co s tím protože tady s tím |
---|
1:10:28 | výsledkem jako asi nebudete spokojeni |
---|
1:10:31 | možnost číslo jedna je zvýšit vzorkovací frekvenci že jo |
---|
1:10:35 | nedávat i nedávat i sem ale posunout i třeba sem |
---|
1:10:40 | to byste museli případě telefonu třeba jako přemluvit |
---|
1:10:43 | motoru a noky a siemens _e a |
---|
1:10:47 | asi tak jako několik miliard lidí na téhle planetě aby zavodili své mobil jakub lysý |
---|
1:10:51 | nejsou satanisti podaří |
---|
1:10:53 | a když se vám to nepodaří tak musíte přijít nějakým technologicky špinavější _m ale fungujícím |
---|
1:10:59 | řešením |
---|
1:11:01 | a to se menuje antialiasingový filtr že jo |
---|
1:11:04 | takže tato formule takže máte tady původní spektrum |
---|
1:11:08 | spektrum před prací té |
---|
1:11:11 | takže |
---|
1:11:12 | z něj uřeže té všechny komponenty |
---|
1:11:15 | které sou výše |
---|
1:11:17 | dneš plus nezdřímneš plus polovina vzorkovací frekvence avní ženeš |
---|
1:11:23 | dneš mínus polovina vzorkovací frekvence |
---|
1:11:26 | když tady to před prase ne spektrum potom _e |
---|
1:11:29 | _e se vám periodizuje |
---|
1:11:33 | tak to už zjistíte že se ty jednotlivé jeho kopie nepřekrývají ale že jsou těsně |
---|
1:11:37 | vedle sebe |
---|
1:11:38 | a pokud potom uděláte takového _e před prase ne _e o a zperiodizované ho spektra |
---|
1:11:46 | rekonstrukci to znamená rychle si vyberete |
---|
1:11:50 | jeden jeho kousek |
---|
1:11:52 | rekonstrukční dolní propusti jo zbytek zabijete |
---|
1:11:56 | tak _e dostanete zase zpátky to původní před prase ne spektrum to znamená |
---|
1:12:01 | je zcela jasný že ste přišli o vyšší frekvence |
---|
1:12:05 | protože se uřezali |
---|
1:12:07 | ale aspoň něco co bylo těch nižší |
---|
1:12:10 | tak je původní |
---|
1:12:12 | a _e není to zkreslen o |
---|
1:12:15 | jako v případě minulém by se nám vlastně do toho překlopil i ty vyšší frekvenční |
---|
1:12:19 | složky a začali se vám tady _e souviselo není |
---|
1:12:26 | jo mimochodem dybyste todle někdo chtěl zkusit |
---|
1:12:29 | tak _e si vemte |
---|
1:12:32 | třeba do matlabu nebudu céčka |
---|
1:12:35 | _e |
---|
1:12:36 | nějaký hodně vysoký zvuk třeba senátorovi činely já bitu |
---|
1:12:42 | co ste si udělat _e podvzorkování |
---|
1:12:45 | nedělejte žádný antialiasingový filtrování jenom prostě vyberte každý druhý vzorek |
---|
1:12:50 | a pak se to přehrejte zjistíte že jako |
---|
1:12:53 | tím zvukem činelů se |
---|
1:12:55 | tady poměrně zajímavé věci no to vlastně překlopil |
---|
1:12:59 | _e do nižší frekvencí a na místo činu se vám tam budou vývod nějaké změní |
---|
1:13:06 | tak |
---|
1:13:08 | tohle sou je teda poznámky o vzorkování a teďka poďme _e zápisu |
---|
1:13:15 | vzorkovaného signálu |
---|
1:13:17 | takže když to vzorkování jenom uděláme |
---|
1:13:20 | tak vlastně _e dostáváme |
---|
1:13:26 | _e dostáváme velikosti toho původního signálu nějakých časových bodech |
---|
1:13:32 | vy časové body jsou určeny jako násobek _e vzorkovací periody |
---|
1:13:38 | a vidíme že tady v tomhletom zápisu vtom X S N T se nám tam |
---|
1:13:43 | jako pořád ještě nějak objevuje čas |
---|
1:13:45 | pořád asi bude tam vzorkovací perioda |
---|
1:13:48 | se na ni můžeme |
---|
1:13:49 | klidem vykašlat |
---|
1:13:52 | a říci že ten vzorkovali je že ten diskrétní signál že to vlastně bude jenom |
---|
1:13:57 | vobyčejná posloupnost čísel |
---|
1:14:01 | jo tady toto je strašně důležité protože kdyby tam pořád ta informace _e o čase |
---|
1:14:08 | musela zůstat |
---|
1:14:09 | tak bych to měl něco jako |
---|
1:14:12 | vektor |
---|
1:14:14 | časovou informací a my to nechceme jsem prostě jenom sekvence čísel |
---|
1:14:19 | a _e tu dostaneme poměrně jednoduše takže prostě řeknem já si vezmu jenom tady tyhlety |
---|
1:14:24 | velikosti a všechno ostatní zapomínám a dostávám se potom k _e takzvanému diskrétnímu času |
---|
1:14:31 | koše hrozně |
---|
1:14:32 | _e jako hrozně vědecký pojem |
---|
1:14:35 | ale zase je to není nic jinýho než obyčejný počítadlo |
---|
1:14:38 | diskrétní časy prostě počítadlo |
---|
1:14:41 | vzorku podle toho jakým píšete programovacím jazyku nemůže začínat na nule nebo na jedničce |
---|
1:14:48 | ale |
---|
1:14:48 | prostě není to nic jinýho usneš než ukazatel já vám se vám jako schválně |
---|
1:14:54 | nám to někde otevřený matlat |
---|
1:14:57 | _e do něho načtený kus _e u zvuku |
---|
1:15:01 | pěkný |
---|
1:15:04 | _e mám tuším nějaký |
---|
1:15:07 | jednoduše nějaký dvoukanálový zvuk |
---|
1:15:10 | tak sis toho vyberu jenom jeden kanál |
---|
1:15:13 | X bude |
---|
1:15:15 | no |
---|
1:15:18 | všechny rozmetadle |
---|
1:15:19 | jeden sloupec |
---|
1:15:22 | a to s jako |
---|
1:15:24 | X je řada čísel |
---|
1:15:26 | a když si takovýhle X potom zahrajete |
---|
1:15:31 | kdybych já věděl na jaké vzorkovací frekvenci |
---|
1:15:35 | si na C déčko |
---|
1:15:39 | tak ten dvou dostanete v N jo a všimněte si že já jsem vlastně přitom |
---|
1:15:42 | přidávání |
---|
1:15:44 | musel dodat informaci vo tom opravdický _m čase na kterým jsou načasovaný jednotlivý vzorky a |
---|
1:15:50 | to sem tam dodal takže sem té funkci hrající museli co bylo vzorkovací frekvenci protože |
---|
1:15:56 | tady ta řada čísel prostě to iksko |
---|
1:16:00 | to je jako |
---|
1:16:03 | to je prostě vektor to |
---|
1:16:07 | si dělá srandu |
---|
1:16:11 | a tak takhle |
---|
1:16:13 | takže to je _e prostě vektor sto šedesáti osmi tisíc šesti set osumdesáti tří hodnot |
---|
1:16:20 | tečka |
---|
1:16:22 | tak _e |
---|
1:16:24 | fajn když metráků normovaný ho času |
---|
1:16:28 | tak _e se nám to taky projeví takže potom a nebudeme mít _e |
---|
1:16:34 | _e když přestal existovat čas |
---|
1:16:37 | tak samozřejmě přestává existovat výsledek i frekvence v hertzích |
---|
1:16:42 | a ta frekvence vektoru u diskrétních signálů budeme pracovat bude tak zvaná normovaná |
---|
1:16:49 | a zase tu normovanou frekvenci |
---|
1:16:52 | dostanu tak že tu opravdickou frekvencí podělím tou _e podělím vzorkovací |
---|
1:17:00 | jo takže čas bude mít jednotku nic |
---|
1:17:04 | obyčejný počítadlo a frekvence bude mít taky jednotku nic |
---|
1:17:08 | protože to prostě nějaké číslo které teprve cache |
---|
1:17:12 | sdělím vzorkovací frekvenci začne mít _e smysl R |
---|
1:17:17 | a dejte si prosím vás pozor na to že když budeme |
---|
1:17:20 | se dívat do nějaké literatury |
---|
1:17:22 | takovou času to člověk pozná jo čas vobyčejný ski se značí pomocí tečka a ten |
---|
1:17:28 | diskrétní pomocí zenka |
---|
1:17:30 | ale u frekvence to poznat není tam prostě jako se používá F a je to |
---|
1:17:34 | pořád stejný takže _e poznáte to tak že když tam bude pak třeba zapsaná nějaká |
---|
1:17:39 | frekvenční transformace |
---|
1:17:41 | tak pokud _e |
---|
1:17:43 | tam uvidíte třeba _e na |
---|
1:17:46 | _e na mínus J dvě pí |
---|
1:17:49 | S T |
---|
1:17:50 | tak tady to S asi bude to vobyčejný scheme hercích protože vedle stojí čas sekunda |
---|
1:17:57 | ale když vidíme třeba _e na mínus je |
---|
1:18:00 | _e |
---|
1:18:01 | dvě pí S N |
---|
1:18:03 | tak si buďte jisti |
---|
1:18:05 | že tadyta frekvence bude zřejmě normovaná |
---|
1:18:08 | protože vedle není prostě žádnej _e žádnej čas v sekundách letem počítadlo vzorků |
---|
1:18:14 | _e |
---|
1:18:15 | říkal jsem vám |
---|
1:18:17 | cože ráda funkce komplexní exponenciála |
---|
1:18:23 | unk se komplexní exponenciále velmi mlsná |
---|
1:18:26 | že _e pouze vůli radiánech jo stejně jako kosinus nemusí news |
---|
1:18:30 | to jsou funkce který musíte nakrmit úhlem |
---|
1:18:33 | a úplně stejně tak _e potřebujete nakrmit komplexní exponenciálu úhle |
---|
1:18:40 | jo takže jenom _e jako takových quick czech |
---|
1:18:43 | když máte _e takovouhle |
---|
1:18:47 | takovouhle funkci |
---|
1:18:49 | tak _e časy je sekunda |
---|
1:18:52 | frekvence je jedna lomeno sekunda |
---|
1:18:55 | to dvě pí je v radiánech |
---|
1:18:57 | to tam vlastně zavání ten úhel |
---|
1:18:59 | a sekundy se nám navzájem vyruší a vy tu funkci naplň nakrmíte radián a málo |
---|
1:19:05 | nespokojená |
---|
1:19:07 | tady vlastně _e si dejte pozor |
---|
1:19:10 | protože |
---|
1:19:11 | pokud _e |
---|
1:19:13 | rozměr toho N je nic |
---|
1:19:17 | taky rozměr toho S musí být taky nic |
---|
1:19:20 | aby vám to zase vycházeli radiány protože jinak to ta funkce E na mínus je |
---|
1:19:24 | nebude hrát |
---|
1:19:27 | tak _e toho byl zápis tak tady mám nějaký příkládek |
---|
1:19:33 | napište funkci pro generování kosinusovky na dvou stech hercích |
---|
1:19:37 | pro vzorkovací kmitočet _e osum tisíc |
---|
1:19:41 | můžete si udělat nějaký jako |
---|
1:19:43 | drobný odvození ale zjistíte že _e že vlastně |
---|
1:19:48 | normovaná frekvence |
---|
1:19:51 | bude |
---|
1:19:52 | dvě sta |
---|
1:19:54 | lomeno |
---|
1:19:55 | osum tisíc a pokud prostě pak budete dělat C diskrétní kosinusovku |
---|
1:20:02 | taky vyrobíte tak |
---|
1:20:03 | že uděláte kosinus dvě pí krát právě ta |
---|
1:20:08 | normovaná frekvence záznam schválně nebude dělat žádnou speciální značku |
---|
1:20:13 | abyste si _e testu trochu procvičili |
---|
1:20:16 | tak tam bude číslo vzorku |
---|
1:20:19 | a _e |
---|
1:20:21 | tím tímto bude |
---|
1:20:23 | no to bude dáno jo poďme si zase |
---|
1:20:25 | matlab ukázat něco takovýho budete chtít _e budete chtít vyrobit |
---|
1:20:31 | _e |
---|
1:20:32 | F bude |
---|
1:20:36 | _e se bude |
---|
1:20:37 | čtyrycet lomeno osum tisíc normovaná frekvence schválně kolik to je nula celá nula pět |
---|
1:20:43 | pak budeme mít se budeme chtít nějaký rozsah vzorku |
---|
1:20:47 | tak dejme tomu že půjdu vod nuly a teďka když budu chtít vygenerovat vteřinu takové |
---|
1:20:52 | kosinusovky tak kolik amanda |
---|
1:20:56 | jako a ty frekvence osum ti |
---|
1:20:59 | vteřinu |
---|
1:21:04 | tak polovinami může říct že osum tisíc druhá polovina že sedum tisíc devades devět set |
---|
1:21:08 | devadesát devět |
---|
1:21:10 | je to jedno |
---|
1:21:11 | já to zkusím D tímhle |
---|
1:21:13 | a pak si ten signálek pohodě vygenerujete jako dva krát T |
---|
1:21:19 | krát |
---|
1:21:19 | F krát no |
---|
1:21:23 | baum |
---|
1:21:24 | můžeme si ho dokonce ukázat že jo |
---|
1:21:27 | bude hrozně krásný |
---|
1:21:31 | až ten obrázek najdu |
---|
1:21:33 | no to je vono tak vidno dostali tak tam asi bude kosinusovka |
---|
1:21:38 | a co víc může si ho zahrát |
---|
1:21:42 | jo takže když zahrneme to |
---|
1:21:45 | a |
---|
1:21:46 | co se udělá špatně |
---|
1:21:52 | _e no _e který infra |
---|
1:21:54 | zvuk život navozuje deprese |
---|
1:21:57 | tak pokud bysme teda se začneme k vyvolání proběhly _m |
---|
1:22:01 | prostor nenene _e teďka vážně pročte neslyšeli _e kosinusovku na frekvenci |
---|
1:22:07 | osum tisíc |
---|
1:22:12 | protože ta funkce samce se má nějaký defaults na vzorkovací frekvenci o kterým vůbec nevím |
---|
1:22:18 | jaký takže já sem tam nedal vzorkovací frekvenci neřekl jsem nějaké vzorky jsou časovaný takže |
---|
1:22:24 | vona použila nějaký defaults a _e ten vůbec nevím kde takže pod mi zkusit říct |
---|
1:22:29 | co to teda mělo být |
---|
1:22:31 | _e |
---|
1:22:34 | tak |
---|
1:22:35 | se špatně |
---|
1:22:44 | no |
---|
1:22:49 | já už vím co jsem udělal já sem vám opravdu nebo čtyrycet hertzů a ne |
---|
1:22:54 | čtyřista herců že |
---|
1:22:56 | tak se omlouvám ten infrazvuk jako |
---|
1:23:00 | je skutečně byl |
---|
1:23:02 | test tak jo |
---|
1:23:04 | _e |
---|
1:23:05 | čtyry sta hertzů |
---|
1:23:07 | kdybyste chtěli čtyry sta čtyrycet _e tady má funkční sluch |
---|
1:23:11 | áčko nosných _e že |
---|
1:23:16 | _e vona |
---|
1:23:18 | se mně doma ozývá přes _e tak _e fajn takže vidíme na jednoduchým příkládku že |
---|
1:23:24 | není potřeba se bát _e normovaných frekvencí jedna se dá přepočítat na druhou jo pokud |
---|
1:23:31 | bychom chtěli samozřejmě tenleten normované frekvence |
---|
1:23:36 | vypočítat tu v opravdickou tak prostě o od normu ju |
---|
1:23:40 | vynásobím to vzorkovací frekvencí a máma _e mám za tu správnou hodnotu |
---|
1:23:46 | tak |
---|
1:23:49 | _e poďme teďka se podívat na to když máme diskrétní signál |
---|
1:23:53 | jak ho frekvenčně _e analyzovat |
---|
1:23:57 | jaksi spočítat jeho spektrum |
---|
1:23:59 | tak _e bude to pomocí diskrétní fourierovy transformace |
---|
1:24:04 | no i D F téčka |
---|
1:24:07 | a my si musíme uvědomit jednu věc _e |
---|
1:24:12 | zaprvé |
---|
1:24:14 | signál musí být |
---|
1:24:15 | navzorkovaný nebo diskrétní soustruž teda je |
---|
1:24:19 | za druhé nebudeme rozhodně schopni počítat prostě nějakou teoretickou haluzi od mínus nekonečna do plus |
---|
1:24:25 | nekonečna nepůjde budeme muset vždycky ten signál vyslechnout nějakým oknem který bude mít N vzorků |
---|
1:24:32 | to nám bude mít nějakou rozumnou hodnotu třeba dvě stě padesát šest nebo tisíc zase |
---|
1:24:36 | čtyři |
---|
1:24:37 | a s toho budeme počítat _e frekvenční transformaci |
---|
1:24:42 | takže to bude vstup |
---|
1:24:44 | text _e to proženeme tady tímhletím krásným |
---|
1:24:48 | _e |
---|
1:24:50 | tímhle tím krásným vzorečkem |
---|
1:24:53 | a na výstupu dostanu zase N hodnot |
---|
1:24:57 | a teď musím strávit chvilku času N na s tím co my vlastně výstup té |
---|
1:25:03 | diskrétní fourierovy transformace dál |
---|
1:25:06 | listu mi dáva |
---|
1:25:09 | N hodnot |
---|
1:25:11 | rozmezí vod nuly |
---|
1:25:14 | a když |
---|
1:25:15 | do skoro jedničky |
---|
1:25:17 | ve normovaných frekvencích |
---|
1:25:21 | podnebí přesnější ještě |
---|
1:25:24 | tady prostě je spousta hodnot |
---|
1:25:27 | tady hodnota nula jedna dvě a tak dál a tak dále a cache |
---|
1:25:32 | hodnota N mínus jedna |
---|
1:25:34 | a to je konec |
---|
1:25:35 | jo kdybych chtěl diskrétní fourierovu transformaci |
---|
1:25:39 | na normované frekvenci jedna |
---|
1:25:42 | tak potřebuju _e tak už zase musím vzít hodnotu |
---|
1:25:46 | nutilo vzorku protože to may nějaká periodicita |
---|
1:25:50 | to znamená počítá se nám to všecko _e všecko dokola |
---|
1:25:54 | poďme _e poďme si říct _e |
---|
1:25:58 | jak by to bylo třeba to že naši kosinusovku jo vezmem kus kosinusovky |
---|
1:26:02 | a zkusíme zní udělat _e fourierovu transformaci |
---|
1:26:07 | a to si potom si potom zkusíme zobrazit |
---|
1:26:11 | jo takže mám tady kousíček |
---|
1:26:14 | kosinusovky |
---|
1:26:15 | že nekousej kosinusovky má |
---|
1:26:20 | no |
---|
1:26:23 | ten kousek kosinusovky bude mít _e |
---|
1:26:26 | osum tisíc vzorku a řeknu sem tisíce moc co si vybrat dvě stě padesát šest |
---|
1:26:31 | a z toho budu počítat _e fourierovu transformaci tak si udělám nějaký třeba přes X |
---|
1:26:36 | který bude X vo T jedničky do byste padesátky šestky |
---|
1:26:46 | velikost že dobra |
---|
1:26:48 | pro ženu _e fourierovu transformaci |
---|
1:26:52 | což je v matlabu |
---|
1:26:54 | hodnota fronta schválně nebo nakonec zaostření |
---|
1:26:57 | abyste se podívali se nám to hází _e za hodnoty to vlastně dvě stě padesát |
---|
1:27:02 | šest hodnot |
---|
1:27:05 | a ty hodnoty jsou _e ty hodnoty jsou komplexní |
---|
1:27:09 | jo takže první věc která vás může napadnout je něco takovýho máte spočítány je plot |
---|
1:27:14 | výkřik |
---|
1:27:15 | to bude hrozně pěkný vypadá to takhle |
---|
1:27:18 | jo to prostě japonské tyčky najezení rýže |
---|
1:27:23 | ale jako asi _e asi |
---|
1:27:27 | si ne to co jsme chtěli |
---|
1:27:29 | takže druhy |
---|
1:27:31 | pokus bude |
---|
1:27:33 | jistě no tak jsou to komplexní čísla vy bych to mohl zkusit nastat nějakou možná |
---|
1:27:38 | nějakou jako |
---|
1:27:39 | osu X rozumnou |
---|
1:27:41 | tak tu osu X zkusím udělat od nuly do dvě stě padesáti pěti když to |
---|
1:27:45 | budeme si presaři vzorku |
---|
1:27:48 | a |
---|
1:27:49 | najednou dostanu něco takového |
---|
1:27:52 | už vypadá možná trochu V |
---|
1:27:54 | a vidíte že vlastně mi to vypsal volný |
---|
1:27:57 | že se zobrazují pouze reálné části _e toho nás počítaného spektra |
---|
1:28:03 | _e bych to teda |
---|
1:28:05 | možná chtěl trochu jinak já bych chtěl ty obrázky nejlépe dva |
---|
1:28:09 | jeden nebudou moduly |
---|
1:28:11 | a druhý kde budou |
---|
1:28:13 | argumenty |
---|
1:28:14 | jo tak poďme si udělat takové matlabové cvičení |
---|
1:28:18 | kde _e prvním obrázku |
---|
1:28:23 | vyplo tneme |
---|
1:28:25 | moduly díky |
---|
1:28:27 | bude absolutní hodnota |
---|
1:28:31 | asi nepude že jo |
---|
1:28:34 | no tak dvěstě padesát pět |
---|
1:28:37 | a |
---|
1:28:39 | to je ve druhém obrázku |
---|
1:28:42 | bude |
---|
1:28:44 | jsou argumenty |
---|
1:28:45 | no tak |
---|
1:28:47 | pět |
---|
1:28:49 | _e |
---|
1:28:51 | no |
---|
1:28:54 | není byl |
---|
1:28:57 | _e |
---|
1:28:59 | jo takže push dostávám něco |
---|
1:29:01 | N kolmá zřejmě nějaký význam |
---|
1:29:05 | vidíme že na frekvenční ose |
---|
1:29:07 | dostávám dvě špičky jedna by asi odpovídáte frekvenci čtyry sta herců že jo |
---|
1:29:13 | druhá a bude vzor to vodící frekvence mínus čtyry sta hertzů |
---|
1:29:18 | to znamená někde _e někde na konci |
---|
1:29:21 | a co se týče to _e toho úhlu nebo |
---|
1:29:25 | _e té fáze |
---|
1:29:27 | tak _e |
---|
1:29:29 | a to se radši ani na to sražením nedívejte |
---|
1:29:33 | tak teď tě co se mi na těch obrázcích |
---|
1:29:36 | ne pozdává co je tam špatně |
---|
1:29:39 | proč _e |
---|
1:29:42 | se na takovédle obrázky nebudu chtít koukat |
---|
1:29:47 | měli by se měl osa X |
---|
1:29:48 | osady se ve vzorcích |
---|
1:29:51 | a nejsou tam žádný pořádný frekvence prostě jako nedokážu interpretovat co znamenají tady tyhlety |
---|
1:29:57 | _e to znamenající čísílka na iksové ose |
---|
1:30:02 | takže my máme dvě možnosti |
---|
1:30:04 | buď si udělat osu _e normovaných frekvencí |
---|
1:30:09 | anebo si udělat osu opravdický frekvencí |
---|
1:30:12 | pokud známe vzorkovací frekvenci jo tak poďme si ukázat voboje voba dva případy |
---|
1:30:17 | _e když _e osa normovaných frekvencí |
---|
1:30:22 | tak _e |
---|
1:30:23 | asi musím vyrobit něco seš co bude nula a skoro jednička a budete mít dvěstě |
---|
1:30:28 | padesát šest bodů |
---|
1:30:30 | jo takže poďme zkusit _e něco jako nula až dvěstě padesát pět |
---|
1:30:36 | radši takhle |
---|
1:30:37 | děleno mysli padesáti šesti |
---|
1:30:40 | hold |
---|
1:30:41 | a pak když to |
---|
1:30:43 | když to před plotnu |
---|
1:30:46 | s osou |
---|
1:30:48 | těch normovaných frekvencí |
---|
1:30:51 | evuš se mi to bude trošku víc líbit protože tam budou prostě hodnoty bod nula |
---|
1:30:55 | do jedničky jo takže normované frekvence |
---|
1:30:59 | na iksové ose |
---|
1:31:01 | jo že ty normované frekvence jako ještě pořád |
---|
1:31:04 | nedokážu jako licky |
---|
1:31:06 | pochopit |
---|
1:31:08 | tak _e je poďme od normovat milník udělat opravdický frekvence |
---|
1:31:12 | kromě poradce jak mám udělat osum opravdický frekvencí když vím že vzorkovací frekvence osum tisíc |
---|
1:31:19 | R |
---|
1:31:21 | já se bit že jo není tam žádná |
---|
1:31:23 | žádná vydal to znamená tady |
---|
1:31:26 | eště přidám násobení osmi tisíci jim osmi tisíci |
---|
1:31:30 | a o |
---|
1:31:31 | a už sem tam kde sem chtěl být a dokonce když si to tady jako |
---|
1:31:34 | někde na sumujeme |
---|
1:31:36 | tak možná přijdeme na to že ten vrcholek je opravdu okolo _e okolo čtyry sta |
---|
1:31:42 | _e čtyryceti hertz |
---|
1:31:46 | mimochodem kde je |
---|
1:31:48 | kde opravdu |
---|
1:31:49 | jak je frekvenční rozlišení takové diskrétní |
---|
1:31:53 | fourierovy transformace |
---|
1:31:55 | po kolika |
---|
1:31:56 | hercích tom budu mít jednotlivý díleček |
---|
1:32:03 | vzorečky |
---|
1:32:07 | to vůbec není těžký spočítat |
---|
1:32:09 | protože |
---|
1:32:10 | prostě mám osu od nuly do vzorkovací frekvence |
---|
1:32:15 | a na té ose mám N vzorků |
---|
1:32:17 | jo to znamená to rozlišení prostě vobyčejný ski dělení |
---|
1:32:22 | osum tisíc děleno dvě stě padesáti šesti znamenal ještě ožer frekvenční rozlišení |
---|
1:32:28 | to jarek téhle fourierovy transformace třicet jedna herců cokoli bude blíž nejš třicet jedna herců |
---|
1:32:34 | tak nebudu schopny _e nebudu schopnej rozlišit |
---|
1:32:38 | jo |
---|
1:32:40 | tak _e |
---|
1:32:44 | dyž se vrátím tady k tomu obrázku |
---|
1:32:48 | tak _e |
---|
1:32:52 | co je tam se tam takovýho divný ho jako co vás možná |
---|
1:32:56 | co se co se nám může nelíbit |
---|
1:33:00 | sme udělali čistou kosinusovku jo |
---|
1:33:03 | kosinus nějaká _m nějaká frekvence |
---|
1:33:09 | a jaký spektrum by měla mít takovádle kosinusovka |
---|
1:33:14 | jeden impulz jedna čára a jinak všude nula |
---|
1:33:19 | to že tam ta druhá čára to berem jo protože to je vlastně _e dám |
---|
1:33:23 | z ohledně to že |
---|
1:33:24 | kosinusovka |
---|
1:33:26 | když u vzali zem fourierovou transformací tak musí mít nějakou kladnou ale I zápornou frekvenci |
---|
1:33:32 | takže dobrý ale to že ta čára taková rozplynula |
---|
1:33:37 | to se nám nelíbí |
---|
1:33:38 | kdo ví pro činnosti nula |
---|
1:33:41 | co se stalo |
---|
1:33:46 | tak _e možná že |
---|
1:33:48 | by teďka kilo se podívat |
---|
1:33:51 | co sme to vlastně analyzovali na signál jo |
---|
1:33:54 | poďme se kouknout co sme vlastně poslali do fourierovy transformace |
---|
1:34:00 | _e |
---|
1:34:02 | tady sme tam todle |
---|
1:34:08 | kosinusovka si |
---|
1:34:15 | no tady zotavení |
---|
1:34:17 | tak richmond vidět |
---|
1:34:19 | já sem vám chtěl říct |
---|
1:34:21 | jak je ta jak je ta kosinusovka u řezána |
---|
1:34:24 | ale ze že teda vopravdu no nepovedlo |
---|
1:34:29 | protože jsem se trefím téměř opravdu oříznutí |
---|
1:34:32 | přesně na jedné |
---|
1:34:34 | změna jedné periodě |
---|
1:34:38 | sme to co sme to ještě trochu jinak |
---|
1:34:41 | já si udělám signál a _e který bude |
---|
1:34:48 | _e který bude |
---|
1:34:51 | dejme tomu čtyři sta třicet pět herců |
---|
1:34:55 | přemýšlím S to vyjde |
---|
1:34:57 | no |
---|
1:34:58 | pískově vygenerujeme znova |
---|
1:35:00 | tisíc si vyberu |
---|
1:35:04 | tak no a teďka je úplně jasně vidět že _e nám prostě ste kosinusovce něco |
---|
1:35:09 | chybí |
---|
1:35:11 | že |
---|
1:35:12 | při frekvenční analýze bude |
---|
1:35:14 | bude řízla |
---|
1:35:16 | a _e pojmy s frekvenční analýzu teda udělat to znamená X bude s F téčko |
---|
1:35:21 | tady tohle umíme |
---|
1:35:23 | _e mám pocit že sem si vtipně přepsal |
---|
1:35:27 | _e frekvenci |
---|
1:35:30 | _e |
---|
1:35:31 | všimněte si hodnoty obrázek |
---|
1:35:33 | tak |
---|
1:35:35 | no ze |
---|
1:35:37 | aha |
---|
1:35:38 | obrázek je tady ho mám pocit že se může sme dostali trošku _e trošku širší |
---|
1:35:42 | dneš |
---|
1:35:43 | když minulý _e zkuste měří ste myslíte že by _e to šlo udělat tak abych |
---|
1:35:48 | se do té |
---|
1:35:50 | abych dostal úplně přesný výsledek to znamená vyčíslí čáry |
---|
1:36:00 | tak kdybych do toho analyzed o analyzační okna vecpal úplně přesnej počet period té kosinusovky |
---|
1:36:09 | to by se mohlo po vezdil zkusme |
---|
1:36:11 | zkusme si udělat protipříklad |
---|
1:36:14 | _e kdy bude |
---|
1:36:17 | kdy bude |
---|
1:36:21 | ta frekvence |
---|
1:36:24 | čtyři sta |
---|
1:36:25 | čtyři sta lano osum set by mělo dat _e nějaký pěkný číslo |
---|
1:36:30 | a |
---|
1:36:45 | o |
---|
1:36:50 | ho |
---|
1:36:58 | tak to je docela zajímavý výsledek |
---|
1:37:00 | jo já musím co sem udělala jsem si zase přepsal tu frekvenci to |
---|
1:37:06 | možná že |
---|
1:37:07 | von _e jako frekvence normovaná se podkapitolu a |
---|
1:37:12 | zbabělci si definuji |
---|
1:37:14 | proměnné které mají rozumné názvy |
---|
1:37:17 | tak _e |
---|
1:37:22 | dávám teda protože jsem se netrefil vůbec takto račice se mu zkoušet |
---|
1:37:28 | _e |
---|
1:37:33 | tak teda tak je možné že jsem se netrefil vůbec |
---|
1:37:37 | vzali jsem neměl na frekvenci čtyry sta herců ale spíš něco |
---|
1:37:42 | to _e |
---|
1:37:54 | ne prosím vás _e |
---|
1:37:56 | před představám tady do tohodle rýpat protože my musel vyrobit něco co nám na osmi |
---|
1:38:01 | tisících vzorcích udělá celistvý počet |
---|
1:38:04 | _e |
---|
1:38:12 | _e co bude mít takovou periodu aby její celočíselný násobek se dokázal |
---|
1:38:17 | celým číslem na to do dvě stě padesáti šesti o to třeba co |
---|
1:38:22 | takže nám se |
---|
1:38:23 | počítač na tady nepříjemný kilo hertz |
---|
1:38:28 | poslední pokus prosím vás jo |
---|
1:38:30 | F bude jeden kilo R |
---|
1:38:37 | říkali domluvit |
---|
1:38:45 | jo |
---|
1:38:47 | jo takže dostáváme teďka jako přesný _e přesný čáry |
---|
1:38:53 | no |
---|
1:38:57 | tam kde sem očekával _e a nuly jinde |
---|
1:39:01 | tak _e |
---|
1:39:04 | tetě mě zkuste říct když metra měli _e ten _e ten případ |
---|
1:39:10 | že sme měli tu kosinusovku odřízl O někde při nedokončené periodě co se teda vlastně |
---|
1:39:17 | stalo při počítání spektra |
---|
1:39:20 | čemu tam došlo |
---|
1:39:25 | tak tady mám trochu napovím _e když vlastně mám nějaký signál který má nějaký spektrum |
---|
1:39:30 | a pak toho signálu vyberu kurz pravoúhlým oknem |
---|
1:39:35 | tak vlastně dělám násobení dvou signálů jo toho původního |
---|
1:39:40 | a toho okna |
---|
1:39:42 | jo za vám to tady zkusím možná sem tady někde mám i |
---|
1:39:45 | _e i napsané ale tady to namaluju |
---|
1:39:49 | si mám nějaký signál |
---|
1:39:51 | tetě pro výpočet de este |
---|
1:39:54 | o potřebuju omezit na nějakou délku |
---|
1:39:58 | a to omezení provádím takže vlastně vezmu okno který má tady nuly tady má jedničky |
---|
1:40:04 | tady mám zase nuly |
---|
1:40:05 | a tím oknem kus toho signálu vyber |
---|
1:40:10 | jo |
---|
1:40:12 | a tady tohleto potom vlastně pouštím do |
---|
1:40:15 | _e diskrétní fourierovy transformace |
---|
1:40:18 | tech _e když v čase |
---|
1:40:21 | budu |
---|
1:40:22 | násobit nějaké dva signály |
---|
1:40:25 | co se stane vím aspekt jejich spektra má |
---|
1:40:32 | jo tady je násobení toho červenýho signálu |
---|
1:40:35 | S modrým vybírat si mokne |
---|
1:40:39 | mě by zajímalo |
---|
1:40:41 | co se stane zich spektry protože i to pravoúhlý okno má nějaký spektrum jo |
---|
1:40:49 | tak zase napovím když nějaký signály vynásobím |
---|
1:40:53 | tak jejich spektra se |
---|
1:40:56 | spolu jo je tam prostě ta _e ta nepěkná _e je pěkná |
---|
1:41:04 | operace konvoluce tak a teďka rvát ještě budu výpad snímků dál jaký je spektrum takovýho |
---|
1:41:10 | hle pravoúhlý okna |
---|
1:41:14 | _e nekonečný jo ale vypadal tyto se tam úplně přesně |
---|
1:41:18 | obdelníkový |
---|
1:41:20 | impulz |
---|
1:41:22 | dostatečně jsem se vás tady s tímto impulzem natrápil C F S ku |
---|
1:41:26 | draku sme |
---|
1:41:28 | kardinální sínus že jo tak takovýhle nějaký _e spektrum takže my bychom vlastně měli vidět |
---|
1:41:36 | _e z _e oblasti spektra |
---|
1:41:41 | konvoluci |
---|
1:41:44 | opravdický ho spektra kosinusovky to čtou prostě takovýhle dvě čáry |
---|
1:41:49 | a |
---|
1:41:51 | _e nějakýho spektra který vypadá takhle |
---|
1:41:55 | a to je ten obdelníkový impuls |
---|
1:41:58 | pamatujete si jak vypadá konvoluce |
---|
1:42:01 | když jeden z těch signálu je takový pěkný čárový |
---|
1:42:06 | jsou tam jenom dvě čáry |
---|
1:42:10 | že jeden ze signálu čárový |
---|
1:42:13 | nebo jeden z těch vstupů tak ta konvoluce hrozně příjemná protože funguje jako kopírka |
---|
1:42:18 | jo to znamená tam kde sou ty čáry tak vokopíruju ten druhej signál takže moje |
---|
1:42:24 | spektrum |
---|
1:42:26 | by mělo vypadat |
---|
1:42:28 | já takhle prostě okopírovány na jednu stranu a okopírovány |
---|
1:42:34 | na druhou stranu |
---|
1:42:35 | tak a teďka je taková jako lipova otázka |
---|
1:42:39 | jak to že tady tohleto spektrum nevidíme |
---|
1:42:43 | vtom |
---|
1:42:44 | _e spektru |
---|
1:42:47 | toho našeho vzorkovaným signál protože tam prostě jako nejsou vidět ty |
---|
1:42:52 | postranní _m lalůčky |
---|
1:42:56 | kde sou slovany |
---|
1:43:00 | tak zase odpovědět _e že mi ho nevidíme |
---|
1:43:03 | protože vlastně _e tyhle ty body |
---|
1:43:07 | se nám trefu jo u |
---|
1:43:08 | přesně do násobků |
---|
1:43:11 | té základní toho základního frekvenčního rozlišení který nám _e poskytuje naše D F téčko dokonce |
---|
1:43:18 | si můžete udělat jako drobný odvození je to asi nebudou řádcích |
---|
1:43:21 | ale tady vlastně ty body na frekvenční ose |
---|
1:43:25 | mají vzdálenosti |
---|
1:43:27 | _e nebo ty jsou daný jakou k a |
---|
1:43:30 | jedna lomeno N krát |
---|
1:43:33 | vzorkovací frekvence |
---|
1:43:35 | a |
---|
1:43:37 | _e prostě minima toho |
---|
1:43:39 | kardinálního synu nám padají přesně tady v těchdle bodu |
---|
1:43:43 | to že to tak _e tak jestli vám dovolím |
---|
1:43:47 | demonstrovat na jednom příkladu |
---|
1:43:50 | kdy vlastně jak uměle zvýším _e frekvenční rozlišení toho _e toho D tečka a najednou |
---|
1:43:57 | tam na nás začnou ty _e začnou ty _e funkce sinus kardiální skákat tak mě |
---|
1:44:04 | projektech mám zvýšit frekvenční rozlišení D tečka |
---|
1:44:11 | potřebuju přidat při kotli počet bodů na frekvenční ose |
---|
1:44:18 | dělat velkou flintou trase které se říká doplňování nul nebo zero P ding znamená vezmu |
---|
1:44:23 | pořád ten samý signál to mám k dispozici |
---|
1:44:26 | ale prodlouží vo nula má na nějakou délku |
---|
1:44:29 | a s toho potom _e spočítáme fourierovu transformaci tak poďme na to |
---|
1:44:35 | dáme X zrovna _e |
---|
1:44:39 | nebude to žádná čuměla na ale _e |
---|
1:44:42 | ale X _e ten prodlouží nulám a |
---|
1:44:46 | a budeme počítat třeba s tisíci dvaceti čtyřma vzorkama |
---|
1:44:50 | takže tam bude jedna a tisíc dvacet čtyři mínus dvě stě padesát šest |
---|
1:44:55 | op |
---|
1:44:56 | jo vidíte že na začátku _e vektoru mi to nacpalo moje čísla potom na potom |
---|
1:45:01 | samý nuly |
---|
1:45:03 | _e |
---|
1:45:04 | X bude jeho fourierova |
---|
1:45:08 | transformace |
---|
1:45:10 | budu muset předělat C normovanou frekvenci protože už nebude mít ta frekvenční osa dvě stě |
---|
1:45:16 | padesát šest bodu ale budeš mít tisíc dvacet čtyři |
---|
1:45:19 | takže třeba von ona |
---|
1:45:22 | bude nula až tisíc dvacet tři _e lomeno |
---|
1:45:26 | jestli zase čtyři krát osum tisíc |
---|
1:45:29 | a |
---|
1:45:31 | jsem měl by se to dalo vyplotit takže tady bude von a na |
---|
1:45:36 | _e |
---|
1:45:37 | princip si |
---|
1:45:40 | S N |
---|
1:45:43 | jaksi _m X |
---|
1:45:44 | jej |
---|
1:45:47 | tak se špatně |
---|
1:45:52 | v los |
---|
1:45:55 | _e |
---|
1:46:00 | tak _e tady to je sem vám něco po vrtat |
---|
1:46:17 | jak protože má |
---|
1:46:19 | že má velikost |
---|
1:46:21 | musím říct že jo |
---|
1:46:23 | prosím |
---|
1:46:25 | ježišmarja děkuju jasně _e |
---|
1:46:28 | takže |
---|
1:46:29 | opravujeme takhle že jo |
---|
1:46:31 | jo děkuju |
---|
1:46:33 | dobrý |
---|
1:46:36 | ho |
---|
1:46:38 | a |
---|
1:46:38 | S oplození mohl no fungovat |
---|
1:46:41 | no vida takže najednou na začínají vyskakovat ty postranním lalůčky |
---|
1:46:47 | _e karmy nární _e toho kardinálního stínu |
---|
1:46:51 | který předtím nebyly vidět jo protože _e když se měl to základní frekvenční rozlišení tak |
---|
1:46:56 | jsem měl vzorky jenom tady A |
---|
1:47:01 | a tak dále |
---|
1:47:03 | a tak dál jo |
---|
1:47:05 | takže _e _m končíme ale jenom prosím vás i v uvědomte vlastně co tou diskrétní |
---|
1:47:11 | fourierovou transformací vlastně počítáme |
---|
1:47:15 | vypočítáme spektrum vzorkovaného signálu takže dostaneme frekvenci něco periodického |
---|
1:47:20 | signál neříkal oknem |
---|
1:47:22 | to znamená že ve spektru dostáváme |
---|
1:47:26 | vlastně jeho konvoluci |
---|
1:47:28 | se spektrem obdelníkový o impulzu |
---|
1:47:31 | a teďka ještě pozor to spektrum který jsme spočítali N je diskrétní má prostě konečný |
---|
1:47:36 | počet hodnot |
---|
1:47:38 | to znamená že když byste to dotáhli do jako uplně do extrému tak vlastně jsme |
---|
1:47:43 | spočítali spektrum |
---|
1:47:44 | čase periodický o signálu kde ta perioda prostě byl mnohokrát za sebou a tohle jenom |
---|
1:47:50 | taková opakovací tabulka uvědomte si prosím vás |
---|
1:47:54 | to sou ty komplementární operace včas a ve spektru viset čase vzorkuje tak si ve |
---|
1:47:59 | frekvenci periodizuje |
---|
1:48:01 | když se čase periodizuje tak se ve frekvenci vzorkuje akorát domu neříká vzorkování ale diskretizace |
---|
1:48:09 | jo |
---|
1:48:10 | tak |
---|
1:48:11 | toto prosím pro dnešek že |
---|
1:48:14 | _e prakticky už sme to udělali tak prostě budem asi trošku filtrovat |
---|
1:48:20 | jinak prosím vás laboratoře má se zápisem na labiny všechno v pohodě nedostal jsem žádné |
---|
1:48:26 | žádné útočné maily tento která se předpokládá že se vám registrace zadařilo |
---|
1:48:30 | several |
---|
1:48:39 | ano tento týden laboratoře jsou |
---|
1:48:43 | eště se si pořádně sem ui |
---|
1:48:45 | tím L |
---|
1:48:46 | a tento týden je |
---|
1:48:48 | podle kalendáře takže mám pocit že lichý ne |
---|
1:48:52 | a strašně podívejte se nebo má |
---|