Přepis řeči - ZRE - přednáška 5.

0:00:07	je děkuji všem za hojnou často doufám že se dobře bavili o kreslíme přednáškou
0:00:12	jinak prosím vás _e jsem
0:00:16	já jsem tam _e nebo _e zadáním že na webu to znamená můžete si ho
0:00:20	klidně stáhnout a zanalyzovat doma
0:00:23	_e referenční řešení _e nevím mám dělat referenční rušení
0:00:28	tatine
0:00:29	a se možná nějaké pokusím
0:00:32	a _e dotazy ráz odpovím jenom vás poprosím možná byste mě položili vo ti jako
0:00:39	se mnou musíte běžecké kanclu po přednášce anebo možná po příští přednášce protože mám dneska
0:00:44	si samotný děti doma nevymyslíš tou nám nehoří
0:00:47	úplně není vyplaveno tak
0:00:50	sousedí zatím nevolali to je dobrý
0:00:53	tak _e poďme _e pojďme na část přednáška
0:00:58	čti možná zařvu ve neřeknete posuv
0:01:13	tak moje L P se snahy ustanoven kone vyslyšeny povíme takže minule jestli si pamatujete
0:01:19	tak _e
0:01:21	a může si to možná pamatujete že jo vy ste se to učili
0:01:24	tak jsme dělali to si jako _e
0:01:28	_e model hlasového ústrojí a tak dále zjistili jsme že skončíme s nějakým filtrem
0:01:36	jedna lomeno A Z který vlastně bude modelovat _e tvorbu řeči člověkem až abychom přišli
0:01:43	na to je kdy pude _e jak _e jak vypadá tak dáme dohromady tyto dráze
0:01:49	který můžeme interpretovat jako lineární predikci to znamená jeho komponent jedna mínus házet který vlastně
0:01:55	odhadu jenom z minulých vzorků řeči ten současný tak si můžeme představit jako prediktor jako
0:02:00	předpovídat
0:02:02	a teďka vlastně tu předpověď odečteme o toho skutečného vzorku který _m který máme k
0:02:07	dispozici
0:02:08	a dá nám to nějaký chybový signál a budeme říkat že ten prediktory super pokud
0:02:13	ten _e chybový signál dokážeme udělat _e co nejmenší
0:02:17	a minule sme skončili někde _e někde tady
0:02:21	kdy sme si vlastně ten chybový signál zapsali řekneme řekli jsme si že budeme sumovat
0:02:27	_e přes nějaké vzorky řeči a to nějaké to jsem zatím nechal otevřené
0:02:32	a teď prostě máme standardní _e optimalizační úlohu to znamená když máme nějakou kriteriální funkci
0:02:39	kterou chceme udělat co nejmenší
0:02:42	a máme nějaké proměnné kterýma se nehýbat aby ta funkce byla co nejmenší
0:02:46	tak prostě uděláme derivace C kriteriální funkce podle jednotlivých proměnných řekneme aby to fungovalo tak
0:02:54	tady ta derivace bude rovno nule protože těch proměnných M moc že jo jejich _e
0:02:59	je tam třeba deset rotace koeficientu no tak prostě tech rovnic napíšu deset
0:03:04	a _e
0:03:05	po té derivaci dostanu nějakou rovnici která vypadá poměrně o vyzněla za chvilku S než
0:03:12	zjednodušíme
0:03:13	která mi vlastně _e udává
0:03:16	jakým způsobem dojdu k takovým
0:03:19	proměnným které zajišťují aby se tady tohoto minimalizoval mimochodem prosím vás tady byl této země
0:03:25	docela štěstí protože ta derivace byla udělat L na vede nám to prostě ke krásné
0:03:30	lineární vy je krásné soustavě lineárních rovnic
0:03:34	ne pokaždý se vám takovýdle
0:03:37	když štěstí podaří a občas člověk musí použít prostě nějaké no numerické optimalizační metody
0:03:44	kde se kousek posunete vyhodnotí to jestli vám to zlepšilo do kriteriální funkci zjistíte že
0:03:50	jo tak se posunete zase někam kousek a takhle vlastně shoříte dativně dobíráte toho správného
0:03:55	řešení a rozhodně to není takhle pěkné rychle
0:03:58	a elegantní
0:04:00	tak
0:04:02	poďme se teďka podívat trošku blížeji
0:04:04	na tyhlety
0:04:06	členy kdy vlastně
0:04:09	sme si řekli _e že se to bude podobat _e korelační _m koeficientům protože tam
0:04:14	nějaký signál
0:04:16	teďka je tam ten samý signál který je o kousek zpožděný a máme vlastně na
0:04:20	sebou tady tyhlety dva signály
0:04:23	násobíme a sečítáme
0:04:25	jo takže toto sem tady červeně zatrhnul tak budou _e nějaké korelace
0:04:31	_e poďme teďka mrknout
0:04:34	na to jak to bude přesně
0:04:36	napřed tyto s trošku zjednodušíme to znamená ten členy který tady mám označený jako suma
0:04:41	přes nějaké vzorky vo kterých se mám ještě neřekl pořád
0:04:46	_e S zpožděný signál vo P krát zpožděný signál vo je tak si označíme jako
0:04:53	prostě nějakou
0:04:55	konstantu sítí je a teďka najednou _e se podíváme na to že se nám to
0:05:00	celé takhle krásně jednodušší
0:05:03	protože _e budeme musí psát
0:05:06	tady tohleto je C nula je
0:05:09	auru thomas T strčit
0:05:11	na pravou stranu se záporným znaménkem
0:05:14	tady tohleto je C E je
0:05:18	a eště si prosím vás musím _e uvědomit
0:05:21	že tady tuhletu srandu dělám
0:05:26	že sem _e vlastně neliboval pro každý _e koeficient a je to znamená pokud mám
0:05:32	takovej normální číslo té se rovná deset koeficientů operace tak celá tady tahleta rovnice se
0:05:38	nebude opakovat desetkrát jo
0:05:40	takže
0:05:41	deset takovýhle rovnic
0:05:43	kdy vlastně na levé straně naleznu sumu
0:05:47	přes nějaké síčko _e a Í
0:05:51	C E je
0:05:54	a na pravé straně dostanu C nula je jo a to deset K znamená že
0:06:00	to je teďko musím zopakovat
0:06:03	_e nebo musím iterovat
0:06:05	přese všechno čísla koeficientu takže dejme tomu vod nuly
0:06:09	do deseti takže takovýhle zápis
0:06:12	který vidíme dole
0:06:14	suma _e Í je rovná se C nula je
0:06:18	_e když C déčko se mně mění vod jedničky do deseti už to tam svítila
0:06:22	na tom dalším slajdu ale dokážete si představit co to je
0:06:25	co nám to dával
0:06:30	tak _e víte co když si to nedokážem sestaví tak si to budeme napsat protože
0:06:34	to je docela
0:06:35	docela zásadního občas na člověka prostě vybafne jako ale různá rovnice
0:06:40	anežka jako _e toto
0:06:42	_e co to vlastně
0:06:44	tak _e
0:06:46	jenom nejsem jistý jestli se mi podaří ty zprovoznit nějaký ten
0:06:54	má zvolte jo
0:06:57	a vona to všechno zmizelo sou
0:07:00	no nic tak si tak to udělám ještě eště jednou nebo půjde docela rychle jo
0:07:04	takže _e řekli jsme že tam bude suma jí se rovná jedna
0:07:10	do to
0:07:11	a E C
0:07:13	i je
0:07:15	rovná se a na druhé straně bylo C nula
0:07:19	je
0:07:21	a tady tohleto mám iterovat
0:07:23	_e o ty je
0:07:25	vod jedničky až po
0:07:27	po
0:07:29	jo tak prosím vás když uvidíte takový zápis tak se to nelekněte
0:07:32	ale
0:07:33	normálně se nestyďte a zkuste si ho rozepsat do jednotlivých _e rovnic
0:07:39	a uvidíte že tady ta _e suma vlastně se vám to spadne do dlouhého řetězce
0:07:44	_e sčítání a že tam uvidíte rizika a jedna
0:07:49	krát T C
0:07:51	jedna
0:07:53	plus _e dvě C jedna
0:07:57	_e nenesli
0:08:00	dva jedna
0:08:02	a tak dále cache plus a to _e
0:08:05	C
0:08:07	_e
0:08:09	pro jedna jo
0:08:11	no takový protože vám to měla máte na větší zmatek než byl
0:08:15	řečené předpisy dva jedna
0:08:17	jo a tak dále rovná se mínus Í _e
0:08:22	nula jedna
0:08:24	a teďka byste prostě ty rovnice vyráběli pořádala dál až ta poslední by vám vyšlo
0:08:28	a jedna zrovna C a teďka
0:08:32	_e
0:08:34	jenž po je ta druhá proměnná že jo takže jedna to
0:08:38	plus _e dvě
0:08:40	C
0:08:41	dvě to
0:08:42	a skluz pro chroch no a říkáte
0:08:46	C
0:08:48	_e to po
0:08:51	rovná se mínus C nula a teďka tuším že nám tam vyjde
0:08:57	co
0:09:00	to
0:09:01	zřejmě pro
0:09:04	ale v tom případě hlavně toho nevychází
0:09:08	a myslím že jo
0:09:14	enemy si myslím si že to dobrý
0:09:16	ze drobnýho C nula pro poďme se podívat do ale to tady někde v těch
0:09:19	letech napsaný ale _e říkám jako pokud o člověku neprojde rukama
0:09:25	tak _e tak neuvěří jo tady máme dole _e to soustavu lineárních rovnic napsanou a
0:09:32	prostě klasika máme tady P neznámých
0:09:36	máme pro
0:09:37	rovnic
0:09:38	takže jakoukoliv metodou
0:09:40	nejlépe takže člověku že černou krabičku matlat nebo nějakou se školskou knihovnu
0:09:45	tady tuto soustavu rovnic dokážete vyřešit
0:09:49	tak _e teď si se teda kluk konečně bodné _e podívat na to je dost
0:09:53	a tady to záhadné C jo říkali jsme že _e C
0:09:58	no jo
0:10:04	_e
0:10:06	říkali sme že C _e
0:10:09	se bude počítat
0:10:13	jako suma
0:10:15	přes nějaké vzorky
0:10:18	krát _e
0:10:19	signál zpožděný vo P krát signál
0:10:24	už změny volil a teďka by mě zajímalo _e předtím dnešnej řeknu jako jaké řešení
0:10:30	nebo jak se na to de
0:10:31	jakými vzorky
0:10:33	disponujeme které jaké máme k dispozici v odkud kam to enko mám nechat běhat
0:10:43	jo bacha ne nemáme rozhodně k dispozici celý řečový signál protože značně ho vykousli nějakej
0:10:48	rámec
0:10:49	rámec má N vzorků
0:10:52	že mám jenom ten vzorku
0:10:54	a teďka máme problém v tom že ještě navíc
0:10:57	tady _e téhleté rovnici no tomhle výrazu
0:11:03	máme těch N vzorků posunutý
0:11:06	to znamená
0:11:07	mám vzorky nula až N mínus jedna mám dané ale najednou se mi to tam
0:11:10	prostě začíná posouvat shiftovat
0:11:13	a teďka jako já si nejsem úplně jistý ze kterými těmi vzorky vlastně budu moct
0:11:17	pracovat lze kterými ne
0:11:18	tak se poďme podívat na to
0:11:20	jak to
0:11:22	jak to s tím bude
0:11:23	ono totiž jako je existují dvě metody které se trošku liší _e tím jak se
0:11:29	vlastně dívám na vzorky které sou jako kdyby ten mu jim můj známý řečový rámec
0:11:35	podívejte tady s
0:11:36	černou čarou je značený řečový rámec který mám k dispozici vzorky nula až N mínus
0:11:42	jedna celkem N vzorků
0:11:45	a teď existuje tak zvaná kovarianční metoda
0:11:48	kerá pravý že všechno co je kolem toho rámce
0:11:53	a nás bude především zajímat tady ta pravá strana protože tam se ty naše
0:11:58	signály S N mínus Í S N mínus je odsouvají tak tam se prostě nesmí
0:12:04	jo tady jsou piráti
0:12:07	země nech nejde kresli zase to je hrozná škoda jo struktuře
0:12:12	tak prostě tady jsou piráti _e tam nesmíme
0:12:17	cokoliv tam prostě vjede těch zpožděných signálu to se nesmí používat protože to piráti okamžitě
0:12:23	od vlečou do suma k
0:12:25	tak _e
0:12:26	teďka mě prosím vás řekněte jednu věc tady dole máme zeleně _e vyznačeny _e vlastně
0:12:32	ten překryv který jsem schopný
0:12:35	_e používat _e k tomu k tomu našemu počítání jo protože tam se mi ten
0:12:40	modrý rámec S N mínus E s tím zeleným S mínus je překrývají tam jsem
0:12:44	schopný násobit a sčítat
0:12:46	a zkuste měli jestli
0:12:49	_e
0:12:51	když budu mít dejme tomu
0:12:54	modrý ráme
0:12:57	S
0:12:58	N mínus dvě
0:13:00	_e červenej rámec S N mínus čtyři
0:13:05	tak jestli pak mi to dá stejný výsledek
0:13:08	jako když budu mít S N mínus šest
0:13:11	a
0:13:13	S
0:13:13	N mínus _e
0:13:16	v osum
0:13:20	představte si tady tyhlety dvě různé konfigurace
0:13:23	prvně se mínus dvě zřejmě jakto že teda
0:13:34	jo první konfigurace je první modré rámec složeného dva červenej složeného čtyři
0:13:40	udělám všecky možný násobení sumu dostanu nějaké koeficienty
0:13:45	druhá konfigurace je
0:13:47	první rámec složeného šest druhého osum
0:13:51	dostanu nějakej zase po násobení a sčítání koeficient budou tady tyhle dva stejný nebo ne
0:13:59	tak odpovědi ne
0:14:00	protože tím jak vlastně ty rámce zajíždějí
0:14:04	toto je pirátské části
0:14:07	tak se prostě zkracuje a zmenšuje počet užitečný vzorku
0:14:12	ze kterých můžu počítat jo to znamená tady v tomto případě
0:14:16	je to
0:14:18	dva tyto dvě konfigurace nebudou stejný
0:14:22	to potom bude mít jako nějaký _e nějaký vliv na další počítání tady sem vám
0:14:28	to ukázal na tom dalším obrázku jo vlastně za sem jako kdyby vo dvě vyšší
0:14:32	íčko vodjedeš těžko
0:14:35	_e
0:14:36	vidíme že víc nám zajeli ty rámce do té zakázané části takže tady ta
0:14:42	zelenej překryv
0:14:44	ze kterýho vlastně beru vzorky na počítání tak se mně prostě skrátky
0:14:49	což je docela nepříjemný protože _e rovnici kterou jsme si tady nebo ste soustavy rovnic
0:14:55	různé před chvilkou vyrobili
0:14:58	tak _e schválně budou stejný vzorky třeba N budu stejný koeficienty na diagonále
0:15:04	vzorky nebo ty koeficienty C jedna dva to byla to dotaz toto
0:15:09	nebudou že jo protože I ten samý signál
0:15:12	když ho zpozdíte stejně apod toho zpozdíte stejně tak zase vám zajede jinak do té
0:15:17	zakázané oblasti to znamená protivzorku se bude zkracovat
0:15:21	a ani na diagonále nebudeme mít stejný čísílka to není moc příjemný vzhledem dalším počítat
0:15:27	takže kovarianční metoda a navíc ještě prosím vás když se implementuje
0:15:31	tak se s ní ten _e ty koeficienty filtru dají spočítat ale mají takovou divnou
0:15:36	vlastnost že vedou k nestabilnímu filtru A Z
0:15:39	koš není příjemný a ten filtr bychom potom musel nějak uměle ze stabilního
0:15:44	takže korelační metoda
0:15:46	která je příjemnější
0:15:48	ta říká
0:15:50	tady mimo
0:15:52	nejsou piráti
0:15:54	je to tam vpohodě může tam úplně klidně počítat
0:15:58	jediný vlastně _e k oberu váhuje že prostě mimo tento rámec
0:16:04	se nacházejí nulové vzorky jo takže mimo
0:16:08	mimo ten základní řečový rámec tyto oukej akorát že jsou tam samí nuly
0:16:14	což má pak za následek to že když máme nějaký posuv vlastně N mínus Í
0:16:18	a N mínus je
0:16:20	a máme tady zeleně vyznačenou oblast _e kde se tady tyhle dva signály překrývají
0:16:26	a spočítám sto
0:16:29	ten patřičný koeficient sítí je
0:16:32	a pak si voba dva vo kousek zpozdím
0:16:35	tak ty dva vzorky nebo ty dva koeficienty budou úplně stejné protože pořád počítám s
0:16:39	toho stejnýho překryvu
0:16:42	_e červenýho a modrýho
0:16:45	červenýma modrý v rámci
0:16:47	což má docela fajn vlastnost v tom
0:16:50	že _e koeficienty C dva jedna budou stejný jako tři dva budou stejný jako čtyři
0:16:57	tři a tak dále jak to bude naopak to třeba takhle C jedna dva
0:17:02	kdyby kdybych je to ten modrej červeným prohodili kdyby byly naopak
0:17:08	jo co kdyby že votočil
0:17:14	budou dostanu stejný číslo nebo jiný
0:17:20	stejný to je úplně jedno jo prostě zase ty vzorky kterýma se tyhlety dva rámce
0:17:24	posunutý budou překrývat budou úplně stejný to znamená potom masivním násobení _e součtu dostanu stejný
0:17:31	číslo
0:17:32	jo takže můžu si tady napsat
0:17:34	že nejen dva jedna ale taky jedna dva
0:17:38	C dva tři
0:17:40	a tak dále a tak dále že sou že sou všecky úplně _e jsou všecky
0:17:45	úplně stejný a rovnají se
0:17:47	rovnají se tady tím
0:17:50	takže _e korelační metrama takovou příjemnou vlastnost
0:17:53	že _e nám
0:17:56	tuhletu
0:17:58	_e že nám vlastně
0:18:02	vede
0:18:03	no k tomuto nám to si za chvilku
0:18:08	ale nevydělil řekneme si to hnedka na čem teda bude záviset _e prosím vás velikost
0:18:14	toho koeficientu sítí je když tady mám posuv cíle to jenom posuv je
0:18:20	jenom na rozdílu mezi dýčky majetkem ještě jednodušeji nejenom na jejich rozdílu ale dokonce na
0:18:27	absolutní hodnotě toho rozdílu jo protože svěříš čtyři a je dvě a nebo
0:18:32	i dvě a je čtyři tak to je úplně jedno
0:18:35	jo to znamená bude to fajn protože
0:18:38	_e
0:18:39	C
0:18:40	je
0:18:42	nám přejde jenom na
0:18:45	funkci
0:18:48	i
0:18:49	mínus je
0:18:50	no a když teda tady máme tu _e tu naši krásnou rovnici
0:18:55	tak si to zkusme
0:18:56	podni zapsat _e pomocí tady těchto zjednodušených _e zjednodušených říček
0:19:03	takže tady budu mít C
0:19:05	nula
0:19:06	tady budu mít C jedna
0:19:09	a zaškolit
0:19:11	naši
0:19:13	to je mínus jedna
0:19:14	těch feťáků jdu půjdu dolů tady dostanu co C
0:19:19	taky zase P mínus jedna jo
0:19:22	plus _e C
0:19:24	to je mínus dva cache
0:19:26	_e C _e
0:19:28	a C nula
0:19:29	a na druhé straně dostanu mínus Í _e jedna až mínus C T
0:19:37	jo takže co to je prosím vás tady uložíte já jsem teda tu matici nebo
0:19:40	maloval dál ale N hrozně důležité je to že vlastně na diagonále jsou stejná čísla
0:19:46	a potom stejná čísla sou a i na dalších diagonálách takhle
0:19:51	a navíc eště ta matice takhle je symetrická kolem diagonály takové speciální maticí která má
0:19:57	na diagonálách stejný čísla a ještě symetrická tak si říkat replikovat
0:20:03	_e maskovaným _e
0:20:04	a _e pěkně se s ní počítá prostě pěkně sem tady se soustava řeší to
0:20:10	ještě potom ukážeme na to nějaký chytrý
0:20:12	pěkný algoritmu
0:20:14	tak poďme si ještě ukázat jak je to _e se vztahem tady těch _e tady
0:20:19	těch posunutých vektoru s korelačními _e koeficienty protože jo tady na vás pořád
0:20:25	si _e na tom pořád tvrdím že to že to korelace
0:20:30	_e když jsme si
0:20:33	my jsme si vlastně někdy
0:20:34	v tom druháku výsledku
0:20:37	říkali _e korelačních koeficientech tak sme pravili že _e prostě ten korelační koeficient bude ten
0:20:44	základní signál a teď ten _e signál posunutý akorát že jsme tam měli tehdy plus
0:20:53	a měli sme tam znamínko _e no
0:20:56	prusko
0:20:58	_e
0:20:59	ne
0:21:00	no povídat a teďka máme vlastně posunutí _e o mínus
0:21:05	je to je to důležité si hrát fér ekonom absolutní hodnotu toho znaménka nebo je
0:21:09	to úplně jedno
0:21:11	představte si že máme nějaký rámec
0:21:14	řeči který má N vzorků
0:21:17	a teďka jeho šoupnu oka vzorku doleva
0:21:21	a spočítám
0:21:23	součiny všech které jsou nad sebou a jejich součet
0:21:27	bude nějaká hodnota a teďka
0:21:29	řeknu nenene _e vždyť my to dneska zpožděn doprava takže to
0:21:34	posunu doprava a za sem spočítám součiny všech co sou na sebou
0:21:39	spočítám součet
0:21:40	vidíte
0:21:42	budu budou ty sami jo
0:21:44	představte si že prostě mám
0:21:47	že
0:21:49	jsem nějaký dvě stejný věc
0:22:00	dováno kilo takovou
0:22:01	se rovná
0:22:04	no a se moc pěkný mobil
0:22:06	třeba jeho výborně
0:22:09	tak
0:22:10	v tom krát no to je trošku větší než ta moje aladin když se na
0:22:13	to budeme dívat zámky úplně sami
0:22:15	takže
0:22:17	_e teďka máme ty dva rámce přesně na celou a jenom demonstrace _e toho že
0:22:23	se pořád budou násobit asi to co ty samý vzorky jo takže když ten spodní
0:22:27	takže jsme měli definice korelace posunu
0:22:31	do
0:22:33	doleva
0:22:36	tak _e
0:22:37	spolu násobím
0:22:39	display červený tlačítkem a tak dále a tak dále jo a teďka se podívejte když
0:22:43	to udělám stejný posunutí toho spodního mobilu doprava
0:22:47	tak _e za předpokladu že sou ty tomu byly stejný teda
0:22:52	_e pořád násobíme sčítám ty sem vzorky
0:22:55	dostanu to samý číslo
0:22:56	děkuju mockrát
0:22:59	znáte věc krásný
0:23:00	se neztratí jako tady toto jestli sestra plačka můj telefonní seznam
0:23:05	i nedal z ruky
0:23:07	tak _e
0:23:10	jo takže budou to _e autokorelační koeficienty
0:23:14	a jenom jsem chtěl říct že tady
0:23:17	tuto no tady se ještě můžeme podívat _e ještě jednou na demonstraci jak to tady
0:23:22	vlastně je
0:23:24	budeme mít _e vlastně
0:23:27	_e
0:23:29	je tady vlastně ukázáno že pro _e že pro rozdíly vzorku tady S mínus T
0:23:36	nějaký a S N mínus je takto funguje úplně stejně pro obě dvě _e pro
0:23:41	obě dvě znaménka co sem vám právě demonstroval
0:23:44	no mobilním telefonu
0:23:45	jo jenom jsem chtěl říct že občas _e když si vezmete nějakou knihu
0:23:49	tak tady to odvození _e
0:23:53	autokorelační metody a korekční metody a teďka vlastně toho vztahu skórovací tak najdete popsané matematicky
0:23:59	jo prostě dokážete to udělat tak že se substituují
0:24:03	_e proměnné a že se mění meze u suma vono to krásně vyjde akorát abyses
0:24:07	tam teda prase vyhnalo když to řeknu lidově takže já když sem tady tu přednášku
0:24:12	připravovala sem takový jednoduchý člověk tak sem si to musel všechno namalovat
0:24:16	když je to namalujete tak skutečně poznáte že tam není nic _e nic složitého
0:24:22	tak _e tohleto vyjde
0:24:24	počtu tady mám jednou namalováno je to teplý třeba matice která jak sme říkali tak
0:24:29	má na diagonálách stejné prvky
0:24:33	_e
0:24:34	je
0:24:35	takhle symetrická
0:24:37	no _e tahleta
0:24:40	matice nebo tady ta soustava rovnic se fajn rychle řeší dostaneme se k tomu jak
0:24:46	poďme se teďka podívat se to znamená prosím vás teď důležitý vlastně bot
0:24:51	vyřešením tady této soustavy rovnic
0:24:53	dostanu
0:24:54	kýžené koeficienty
0:24:57	a je
0:24:58	jo to znamená tady toto vyřeším autokorelační koeficienty normálně spočítáme nebo odhadnout teda v rámci
0:25:04	řeči
0:25:05	a dostanu sadu koeficientů
0:25:08	A jedna až a deset
0:25:11	a když tady ty koeficienty _e použiju tak _e prostě bude řečový signál
0:25:19	tak
0:25:20	_e podle
0:25:23	ještě
0:25:25	udělat pár takových souvisejících věci
0:25:28	možná že by nás docela zajímalo
0:25:30	jak se pak počítá energie toho chybového signálu to samozřejmě
0:25:36	můžeme _e spočítat vlastně teďka dvěma způsoby
0:25:40	buď takže si ten chybový signál opravdu vyrobím
0:25:44	jo to znamená vezmu _e
0:25:47	vezmu signál S N
0:25:50	pošlu ho do filtru
0:25:52	_e Z
0:25:54	z toho vypadne signál té N
0:25:57	a teďka já vezmu prostě součet _e kolekci C součet vzorku tady toho
0:26:04	chybového signálu na druhou a to jeho energie
0:26:08	tak aby to vám ještě _e položím takovou
0:26:11	vy davu otázku
0:26:14	_e kde bych asi tak měl
0:26:17	tyhlety koeficienty chybového signálu
0:26:20	čítat jestli mám sčítat
0:26:22	N
0:26:23	nyní než N a nebo trochu vyřešen
0:26:27	a můžete se podívat a tady mám takovou
0:26:32	obdivuhodnou vězte horní
0:26:34	horní hranici sumy
0:26:37	člověk by očekává že když mám na vstupu N vzorků signálu že jo
0:26:41	nula až N mínus jedna tak prostě pojedu chybový signál nula
0:26:44	vaše mínus jedna šmitec
0:26:47	a najednou tam jako
0:26:49	_e se začíná rojit něco
0:26:52	co dalšího mě by zajímalo proč to
0:27:00	_m posuv ani tak ne ale uvědomte si
0:27:04	jak _e tady ten filtr a Z vypadáte vod vobyčejnej směr filtr
0:27:09	který prostě při žere _e vstupní signál
0:27:14	jo teďka tam _e tu sadu zpoždění
0:27:18	pak tam _e sčítačku a teďka tady mám prostě nějaký ty koeficienty
0:27:24	a
0:27:26	_e teďka _e si představte že toho filtru skončí vstupní signál
0:27:30	prostě byl že tam poslední vzorek N mínus jedna on vyplivne na výstup svůj vzorek
0:27:35	mínus jedna a teďka ten vstupní signál bych ne a už sou tam dál jenom
0:27:38	nuly
0:27:39	co ten filtr
0:27:41	on eště on ještě chvilku že a jakou chvilku ještě že
0:27:46	podle počtu těch zpožďovač uděloval jako eště máme svých pamětech vzorky a ty se strašně
0:27:51	chce umístit na výstup tak jako člověk na připravena nějaké téma potřebujete vykecal
0:27:57	tak _e on ještě posíla a ještě vlastně P vzorků
0:28:02	na tom výstupu dostaneme nenulový _e dostaneme nulový vzorky a tyhlety vzorky se nám vtom
0:28:10	chybovým signálu projevují
0:28:12	my vlastně _e se srovnávají se signálem se na
0:28:17	kterým vše nulový
0:28:19	no že ty vzorky
0:28:20	E na ještě nulový nejsou a docela si solidně nám přispívají
0:28:26	K _e k té chybě na výstupu
0:28:30	takže tady toto je jedna možnost jo normálně si profiltrovat ten vstupní signál
0:28:35	staneme ten chybový signál E N
0:28:37	a pak si bobby čínskou sumou hodnot na druhou dostaneme energii
0:28:42	a nebo můžeme vzít to co jsme právě spočítali to znamená _e hodnoty
0:28:48	koeficientu
0:28:51	_e vrazit je někde úplně na začátku kde sme měli výpočet _e toho chybového signálu
0:29:00	což bylo
0:29:02	což bylo někde tady s
0:29:04	udělat si pár drobných úprav které sem nikdy nedělal ale myslím si že by to
0:29:09	docela _e že by to docela šlo
0:29:11	a zjistíme že se energie tady to chybového signálu dá jednoduše zjistit pomocí _e autokorelačního
0:29:20	koeficientu nultého a potom takováhle suma
0:29:24	_e koeficientů zprávy spočítaných toho filtru z dalšími autokorelační mi kraslici
0:29:32	tak já jsem _e vám tady schválně nachystal
0:29:36	takovém ale den íčko jak to _e jak to dokážeme udělat matlabu
0:29:41	abyste si dokázali představit co se _e co se děje a
0:29:46	se stejnou na vlastně chystal
0:29:48	tak _e vzal jsem si kousek nějaké řeči
0:29:55	to je to co sem vám tady čím sem vás tady oblizoval před chvilkou
0:30:09	a tak jsem se netrefil se vzorkovací frekvenci pardon
0:30:16	je pět nula
0:30:18	S jedna
0:30:20	jsou to nějaké číslovky prostě nějaké standardní databáze kterou sme _e sbírali _e s toho
0:30:25	sem si vybral kousíček řeči jako jeden řečový rámec
0:30:29	když si _e vyplo tneme
0:30:32	tenleten tak
0:30:34	je to prostě kus znělé hlásky myslím si _e mám po si že to bylo
0:30:38	éčko
0:30:40	R T těch _e
0:30:42	sem si jenom tak _e legrace spočítal _e autokorelační koncepci koeficienty
0:30:50	_e
0:30:53	jich je strašně moc těch autokorelačních koeficientů protože pokud _e zavolat funkci X core bez
0:30:58	dalších parametrů tak on vám spočítá všechny možné jo to znamená
0:31:03	uděla maximální love posunutí toho rámce proti sobě jede jeden doprava to znamená pokud máme
0:31:10	_e
0:31:12	core máme rámec o N vzorcích tak dostaneme vlastně dvakrát N mínus jedna autokorelačních koeficientů
0:31:19	že hrozně moc
0:31:20	nich chceme jenom jeden a tady v tomhletom případě chceme nultý první a Š až
0:31:25	desátý takže tím to se vybere
0:31:29	takovým způsobem musel sem převod počítat nikdy to nevím přesně dělal jsem to podle obrázku
0:31:34	tohleto je prostě jedenáctice autokorelačních koeficientů z řeči se kterým aby to budem počítat
0:31:41	no a teď těch _e
0:31:43	stačí
0:31:45	_e zavolat _e funkci _e
0:31:51	levinsona
0:31:56	dcera s těch autokorelačních popis koeficientů spočítat
0:32:02	koeficienty prediktoru a L desátýho řádu víte že _e ten první musí být vždycky jedničkový
0:32:10	povinně
0:32:11	a pak je tam dále dalších deset pozici
0:32:14	tak to je samozřejmě jedna možná metoda druhá možná metoda je C zapomenout na to
0:32:20	a počítat s tím že existuje funkce v matlabu která se přímo menu L pece
0:32:25	do které narvete jeden rámec řeči
0:32:28	řeknete jít počet koeficientu a vona nám to s vona vám to spočítat u
0:32:33	takže asi nějak tak vidíte že ty koeficienty spočítat nejsou
0:32:37	sou ty samý škaredý čísla
0:32:40	adresa vůbec nevěří tak si může zkusit _e spočítat se tady tuhletu soustavu
0:32:47	rovnic
0:32:49	_e to sem tady také měl nachystané abysme nemuseli ručně přerovnávat ty koeficienty autokorelační do
0:32:56	této formy
0:32:57	tak pro nás mám atlas samozřejmě nachystanou funkci teply
0:33:02	takže jenom to pustíme B středníku abyste viděli výstup tady této funkce
0:33:07	jo prostě má to a eště vám zopakuji autokorelační koeficienty osum celých třicet pět sedum
0:33:13	se bych osumdesát osum a tak dále a vidíme že jsou postupně vlastně narovnané na
0:33:18	hlavní na těch potravní _e postranních diagonála
0:33:23	a
0:33:24	k tomu _e si můžeme udělat vektor těch pravých stran
0:33:29	který musí být mínus první autokorelace mínus druhý cache mínus
0:33:35	T
0:33:36	a teď prosím vás se omlouváme matlab má tady byl něj číslování vzorků vod jedničky
0:33:41	není to jako céčko
0:33:43	to znamená pokud nějakým vektoru matlabu máte uložené koeficienty autokorelační od nultého až do desátého
0:33:50	a chcete vybrat
0:33:52	první až desátý
0:33:55	tak musíte použít indexy dva a šedé na jo prostě
0:34:00	člověk pro fermatovu tak se musí
0:34:02	mentálně přepnout a když někdo sbírá nějaký indexy tak dycky přičítat jedničku
0:34:07	moc se omlouváme mám taky račice školské číslování ale já si myslel takže takhle si
0:34:12	člověk vybere
0:34:13	a vyrobí pravou stranu
0:34:16	a _e tak už nám nezbývá je nečtu soustavu rovnic vyřešit
0:34:23	_e když máme
0:34:26	když máme nějakou matici R
0:34:29	která
0:34:31	násobí
0:34:33	vektor a tady je nějaký ten vektor kterýmu sem říkal práva
0:34:38	a my potřebujeme _e my potřebujeme to soustavu rovnic vyřešit
0:34:44	tak samozřejmě a to sou nějaké matlabovské funkce které si nepamatuju ale když prostě obě
0:34:49	dvě strany té rovnice zleva spočítáte inverzní maticí k tomu erku
0:34:56	tak _e
0:34:58	co je inverzní matice krásnej inverzní
0:35:01	to si to pamatuje
0:35:03	jednotková že jo prostě to co má
0:35:06	_e
0:35:07	jedničky na diagonále a jinak jak se minuli a co je násobení jednotkové matice sektorem
0:35:15	vás prosím ještě trochu
0:35:18	ten samý vektor jo to je prostě kopii kopírka toho vektoru
0:35:23	takže tohle to může rozmáznout dostáváme vlastně řešení jo
0:35:29	hledané koeficienty sou inverzní matice krát pravá strana
0:35:35	no tak se podívej takto tady krásně jsem udělal jenom R krát práva buch a
0:35:41	dostáváme
0:35:43	opět i samé hodnoty tentokrát beztoho _e beztoho koeficientu Á nula
0:35:49	kde je vždycky jednička jo jenom jsme se podívat
0:35:52	jestli to sou vony
0:35:54	mínus jedna čtyři sedum až nula celá jedenáct
0:35:58	jo mínus jedna celá čtyřicet sedum až nula celá jedna jo takže vidíte že třeba
0:36:02	metoda mámě vlastně vyšla ta samá sada koeficientů
0:36:07	tak
0:36:08	teďka vize možná mohli zkusit _e si porád _e s tou energií a vůbec s
0:36:12	tím co nám dá filtrování
0:36:16	_e signálu
0:36:18	S N
0:36:20	tím
0:36:21	filtrem A Z
0:36:27	jak myslíte že to _e že ten signál chybu
0:36:32	že ten chybový signál E N
0:36:34	bude vypadat
0:36:37	jako pohledem a poslechem
0:36:47	tak _e
0:36:49	tím že vlastně děláme lineární predikci
0:36:54	tak bychom je měli zlikvidovat
0:36:56	závislosti
0:36:59	na krátkem
0:37:00	s krátkém časovém horizontu jo protože tím že tu predikci provedem a pak ten skutečný
0:37:06	os toho _e o to _e předvídané ho vodečtem
0:37:10	tak bysme tady toto měli totálně zlikvidovat to znamená neměli bychom na tom řečovým signálu
0:37:14	vidět takový ty krásný vlnky který odpovídají našim
0:37:18	_e rezonančním proti nám
0:37:20	ale měli sme vidět něco co se mi to vypadá jako šum
0:37:24	krát by mě zajímalo jestli tam ze šumech opravdu uvidíme _e přes celý rámec a
0:37:29	nebo tam přece jenom budou nějaký podobnosti toho signálu samot samotného se sebou
0:37:37	jestli jo tak kde
0:37:40	tak vás nebo napínat možnost ukazatel
0:37:46	tak _e dívejte eště jednou pro připomenutí
0:37:49	_e ten základní rámec signál X vypadá takhle
0:37:53	teče úplně jednoduchou se poďme si udělat _e ten filtrovány signál
0:38:00	filtru ju filtrem zajímá čitateli koeficienty a to znamená bude to find a Z ve
0:38:06	jmenovateli má jedničku na vstupu mu dám řečový vzorky
0:38:11	a tady tohle je to prodloužení vod nuly abysme věděli jak ten filtr eště se
0:38:16	vykecávat _e na konci jo protože máme nám to jinak neukázal
0:38:20	dáš _e mistr ukázat
0:38:23	nějaké platí k
0:38:26	op
0:38:27	tady je
0:38:28	jo takže vidíme že _e na krátkém časovém horizontu ten signál opravdu vypadá jako šum
0:38:35	tady byste asi stěží dokázali odhadnout jako
0:38:38	vzorek třeba středečních tří vzorků
0:38:42	na dalším horizontu tam jsou nějaké podobnosti
0:38:46	jak to že tam podobnost se takhle třeba po
0:38:49	po _e sedmdesáti vzorcích prosím a
0:38:53	jo tady tu tady z u tady z u
0:38:56	čemu to odpovídat
0:39:03	tak uvědomte si že vždycky řečový _e ústrojí má dva _e dva komponenty buzení
0:39:09	a modifikaci sme teďka
0:39:12	_e nuly takže to bude buzení to znamená ty _e vzdálenosti který tady vidíme budou
0:39:17	asi základní tón hlasivek
0:39:19	a opravdu to tak bývá jo prostě _e sedmdesát vzorku
0:39:23	to je _e
0:39:26	no může se to strašně spočítat
0:39:29	jedna lomeno sedumdesáti
0:39:32	je _e
0:39:35	normovaná
0:39:38	normovaná frekvence
0:39:40	když to budu chtít převést na normální
0:39:44	tak je to frekvence nějaký sto čtrnáct versus znamená si mluvil chlap tady v tom
0:39:48	_e
0:39:49	vtom vzorku prvku vyšším hlasem když máme a _e zhruba sto
0:39:54	tak _e
0:39:56	jo takže vidíme ten chybový signál a poďme si ještě
0:39:59	_e teď ukázat hrátky s energií
0:40:03	když se budu chtít _e spočítat energii to chybového signálu
0:40:08	to někde měl
0:40:10	takže
0:40:10	E vleze jako energie ze vzorku tak prostě dám sumu všecky vzorky to chybového signálu
0:40:17	na druhou a dostanu nějakého v lomeno prostě tři celé patnáct K deset na osmou
0:40:21	poďme se teďka ukázat to že podle toho předpisu
0:40:26	tady sme si _e vyrobili tady matlabu takže to
0:40:29	vychází úplně stejně
0:40:31	já vlastně _e si uvědomím že můj vektor
0:40:36	koeficientů filtru
0:40:39	už obsahuje
0:40:41	je koeficient Á nula
0:40:43	jo tady jsou koeficienty vod jedničky
0:40:46	do péčka
0:40:47	a já dokonce tam mám k dispozici i _e nulu která je rovna jedné
0:40:52	to znamená já můžu klidně
0:40:55	vzít jako suma
0:40:57	vodce D se rovná nula
0:41:00	do to P
0:41:02	a E
0:41:03	R
0:41:04	_e R Í jo normálně bod po bodu vynásobit koeficienty filtru S autokorelační matice
0:41:12	tak
0:41:13	no udělat to děsně jednoduchý
0:41:17	a
0:41:18	tečka hvězdička znamená budeme zásobit bod po bodu autokorelačním koeficientama
0:41:24	tu
0:41:25	dostaneme stejný čísílko stejné chybový signál teda stejná energie takže to asi _e asi bylo
0:41:30	v odvozený _e
0:41:32	a eště
0:41:35	bychom mohli udělat jednu věc
0:41:37	takže ten budící signál zahrát
0:41:39	a je ten originální
0:41:42	originální vypadá zhruba takhle
0:41:45	a
0:41:46	no
0:41:48	tak _e
0:41:50	to bude možná vo třeba s tím něco
0:41:53	dělat
0:41:55	_hm
0:41:59	no to z toho s toho nechal nešťastnej
0:42:05	ne tak já jsem vám chtěl ukázek jo že to jedno zní jako béčko druhý
0:42:10	nezní jako béčko ale
0:42:12	pro sto se mnou nepovedlo to nejspíš vy šest a periodicita
0:42:16	kdy násobit jednotlivý rámce
0:42:19	navazují
0:42:21	tak _e
0:42:22	aspoň nějaký jiný trik
0:42:25	_e
0:42:28	mohli bysme to vlastně uzavřít tím že _e my sme
0:42:32	my sme
0:42:34	teče dostali koeficienty filtru
0:42:37	ale v takovém schemátku kterým sme modelovali to naše hlasové ústrojí tak jsme tam měli
0:42:42	ještě jednu hodnotu
0:42:44	a to bylo když to řeknu lidově volume jo
0:42:47	jak člověk mluví _e člověk mluví nahlas
0:42:51	a to volume by mělo být _e vlastně stažené
0:42:55	K celkové energii to budícího signálu
0:42:59	protože
0:43:00	kdybych _e teďka vzal vlastně buzení
0:43:07	to
0:43:08	buzení pomocí toho knoflíku vo liu _m nastavil
0:43:13	na
0:43:15	na _e nějakou
0:43:17	hodnotu kterou si tady za chvilku spočítáme
0:43:21	a potom a _e prohnal takové buzení filtrem
0:43:26	jedna
0:43:27	lomeno
0:43:29	_e Z
0:43:32	tak _e bych měl dostat to si to se velice _e blíží
0:43:37	mému mém originálnímu signál poďme si to _e zase
0:43:43	no a ukázat
0:43:47	_e
0:43:48	a to bude poslední výkřik této přednášky
0:43:55	jo takže to se co se teďka snažím dělat prosím vás
0:43:58	snažím se vzít nějak jako synteticky budící signál
0:44:03	dám tam normálně jeden jedničkový vzorek a potom sami nulový aby to bylo _e aby
0:44:07	to bylo jednoduchý
0:44:09	a _e tenhleten budící signál a nebo víte co já to zkusím udělat ještě si
0:44:14	k ani a je tam nám dva aby to vypadalo jako že _e budím s
0:44:19	tím základním tónem
0:44:21	a lze srovnám si ho
0:44:24	kolik vaškem
0:44:25	takže
0:44:30	tohle to bude kolik vlož _e
0:44:34	signál a
0:44:36	poďme si teďka udělat jako kdyby
0:44:39	syntetizovaný
0:44:41	který bude
0:44:43	_e který bude filtr
0:44:46	jedna
0:44:47	_e
0:44:48	a teďka musím nějaký ten budící signál vyrobit
0:44:52	takže já bych řekl že to může být třeba jako
0:44:55	_e
0:44:56	jednička
0:44:58	potom
0:44:59	sedmdesát nul
0:45:04	potom zase jednička
0:45:08	potom zase sedmdesát no
0:45:11	a tím se dostanu
0:45:14	nakolik teďka mám stočtyřicetdva vzorku
0:45:18	jo tak ještě jednička
0:45:20	sto čtyrycet tři
0:45:22	a eště sem nás bych do mohl na to _e toto bych měl celkem sto
0:45:26	šedesát ne
0:45:28	tak
0:45:30	to je opravdu elegantně vyrazej ták
0:45:34	_e
0:45:35	boom
0:45:39	_m
0:45:44	_e tady to bude chtít jedna čárka
0:45:49	to jak a firmy si tam _e poďme si plotnou _e do druhého
0:45:55	obrázku to syntetizovaný signál
0:46:03	tak _e
0:46:04	taková takový drobný problém jak je že vlastně ten původní
0:46:09	má hodnotu krát deset na čtvrtou
0:46:12	a já sem tady plavím vokolo nějakých hodnot nula jedna dva ale vidíte že ten
0:46:17	tvar vypadá zajímavýho když jsem udělal úplně to nejtvrdší _e
0:46:22	přiblížení to znamená na budil jsem ho jedničkou sami nuly jedničkou sami nuly tak to
0:46:28	nějak vychází
0:46:30	poďme teďka ho zkusit pozvednout
0:46:32	ná _e na tu hodnotu na které má být
0:46:37	a to tím způsobem že _e spočítám nulu filtru pořádný gain
0:46:43	jo to znamená pořád ne zesílení jak jsem říkal ten knoflík volim
0:46:46	dvě na druhou má být energie lomeno počet vzorků
0:46:51	takže
0:46:52	_e
0:46:53	gain bude druhá odmocnina s energie lomeno počtu vzorků
0:46:58	todleto vyrobit eště jednou sint _e filtr
0:47:03	to je dám gain
0:47:06	_e šito jednou ukážem
0:47:12	no
0:47:16	_e sem na dvou tisících
0:47:18	eště pořád nejsem na dvaceti tisících se tam se tam špatně
0:47:24	jo srovnal jsem gain teťkam ten filtr _e
0:47:29	zesiluje
0:47:30	správně tak
0:47:32	aby to aby energie odpovídala
0:47:35	odpovídá řeči ale ještě tam něco
0:47:37	něco nehraje
0:47:39	zkuste při na to co
0:47:43	tak my si myslím že na to zde se dobře _e aby ta energie seděla
0:47:48	tak ten vstupní signál musí mít energií jedna na vzorek
0:47:53	jo
0:47:55	je tam jednička sedmdesát nuly jednička sedmdesát nul jednička má tady tenhleten signál energii jedna
0:48:01	na vzorek
0:48:04	ani zanic má energii já vám to energie spočítám hlavy tři
0:48:09	no prostě jedna druhou plus jedna druhou plus jedna druhou a šmitec
0:48:14	ne
0:48:16	si děleno _e sto šedesáti pardon
0:48:20	takže když má _e špatnou energií tři lomeno sto šedesáti no tak mu padne prostě
0:48:24	nějakou přidat
0:48:27	navrhuju vynásobit sto šedesáti a viděli třema
0:48:31	_e fungovat
0:48:35	no víte to zkusíme to můžu show že už je pozdě rodina pokročila tak to
0:48:40	zkusíme nějakou bruntál metodou
0:48:43	_e
0:48:44	já bych řek že to je krát sto šedesát
0:48:48	děleno
0:48:50	děleno třema možná že tam někde budou potřeba nějaké odmocniny to takhle v tomhle
0:48:56	_m
0:48:59	_mhm
0:49:00	_m uvidíme
0:49:03	světe ukažte
0:49:06	no a sem tam a tím končí dnešní přednáška děkuji vám za pozornost příště _e
0:49:11	příště dokončení _e to je se
0:49:16	tak jak
0:49:25	eště se omlouvám říše tady uvidíte někoho jiného nečně protože sou jarní prázdniny na základkách
0:49:30	a střední škola
0:49:32	a já si to jako strašně nerad ale myslím že směr lyžovat do alp takže
0:49:36	tady mějte a někdo mě tady zaskočí

ZRE - přednáška 5.

2011

Jan "Honza" Černocký (Speech@FIT)