master's thesis
Audio signal frequency change with Fourier transform

Danijel Dželajlija (2016)
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za vizualno računarstvo
Metadata
TitlePromjena frekvencije audio signala primjenom Fourierove transformacije
AuthorDanijel Dželajlija
Mentor(s)Irena Galić (thesis advisor)
Abstract
Fourierova transformacija daje puno praktičnih alata za rastavljanje signala u jako puno pojedinačnih valova. Ti valovi su kosinusni ili sinusni valovi te sinusoide (opisane kombinacijom sinusa i kosinusa). Prednost istovremenog korištenja sinusa i kosinusa kod Fourierove transformacije je u tome da se otvara vrata uvođenju pojma faze koja transformaciju čini općenitijom na taj način da se Fourierova transformacija može koristiti učinkovitije i jasnije u slučajevima kada promatrani val nije sinusni niti kosinusni. Fourierova transformacija je nezavisna o signalu kojeg proučava u tom smislu da zahtjeva isti broj operacija bilo da se radi o jednostavnom ili kompliciranom valu. Ovo je razlog zašto se Diskretna Fourierova transformacija naziva bezparametarska transformacija, tj. nije direktno od pomoći kada je potrebna inteligentna obrada signala (u slučaju u kojem se zna da je signal koji se ispituje sinusoida , korisnije je dobiti informaciju o amplitudi, frekvenciji, i fazi nego jako puno sinusnih ikosinusnih valnih oblika na nekoj predefiniranoj frekvenciji). Utvrđeno je da se ulazni signal procjenjuje na temelju mreže fiksnih frekvencija (binovi) za koje postoji mogućnost da neće imati nikakvu vezu sa frekvencijama ulaznog signala. Za mrežu koja se koristi pri analizi se može reći da je umjetna s obzirom da osoba koja radi analizu praktički sama bira sinusne i kosinusne valove s obzirom na njihovu učestalost. Zbog toga je odmah vidljivo da će osoba koja radi te analize gotovo sigurno naići na problem u kojem će frekvencije signala biti između frekvencija korisnikovih transformacijskih binova. Posljedica je ta da sinusoida koja ima frekvenciju koja je između dva bina neće biti dobro prikazana u transformaciji. Binovi koji su susjedni onome koji je najbliži frekvenciji ulaznog signala pokušati će popraviti to frekvencijsko odstupanje i zbog toga će energija ulaznog vala biti razvučena preko nekoliko susjednih binova. Ovo je također glavni razlog zašto Fourierova transformacija ne može tako lako analizirati zvuk i dati njegov osnovni harmonik i više harmonike (to je razlog zašto se sinusne i kosinusne valove naziva segmentima sinusoide, a ne harmonicima). Na kraju se kada se napravio prikaz frekvencije tona A2 te prikaz tona A3, koji je dobiven transformacijom, jasno se pokazalo da se frekvencija dva puta povećala. To je pokazano još ranije u radu kada je objašnjeno da najniža frekvencija ovisi o rasponu između prvog i zadnjeg uzorka a najviša o rasponu između uzoraka, tj. što je više uzoraka između prvog i zadnjeg uzorka, frekvencija će biti veća.
KeywordsFourier transform non-parametar transformation f sinus and cosine waveforms
Parallel title (English)Audio signal frequency change with Fourier transform
Committee MembersIrena Galić (committee chairperson)
Josip Job (committee member)
Časlav Livada (committee member)
GranterSveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Lower level organizational unitsZavod za programsko inženjerstvo
Katedra za vizualno računarstvo
PlaceOsijek
StateCroatia
Scientific field, discipline, subdisciplineTECHNICAL SCIENCES
Computing
Program Engineering
Study programme typeuniversity
Study levelgraduate
Study programmeGraduate University Study Programme in Computer Engineering
Academic title abbreviationmag.ing.comp.
Genremaster's thesis
Language Croatian
Defense date2016-10-05
Parallel abstract (English)
Fourier transform gives a lot of practical tools for disassembly of signals in a lot of individual waves. These waves are cosine or sine waves and sinuous (described combination of sine and cosine). The advantage of simultaneous use of sine and cosine at the Fourier transform is that it opens the door introduction of the concept phase transformation makes it more general so that the Fourier transform can be used more effectively and more clearly in cases where the observed wave is not a sine nor cosine. Fourier transformation is independent of the signal, which studies in this respect that requires the same number of operations whether it be a simple or complicated wave. This is why the Discrete Fourier Transform called non-parametar transformation, ie. not directly helpful when you need an intelligent signal processing (in the case in which it is known that the signal under test sinusoid, useful to get information about the amplitude, frequency, and phase but a lot of sinus and cosine waveforms at a predefined frequency). It was determined that the input signal is estimated based on a network of fixed frequencies (bins) for which there is a possibility that it will not have any connection with the frequency of the input signal. For the network to be used in the analysis can be said that artificial given that the person doing the analysis practically alone selects the sine and cosine waves according to their frequency. Therefore, it is immediately evident that the person doing this analysis almost certainly encounter a problem in which the signal frequency to be between frequency bins transformation member. The consequence is that the sine wave that has a frequency that is between the two stages will be well displayed in the transformation. Bins which are adjacent to the one that is closest to the frequency of the input signal to try to fix this frequency deviation and therefore the energy of the input waveform to be stretched over several neighboring bins. This is also the main reason why the Fourier transform can not easily analyze the sound and give its fundamental harmonic and higher harmonics (that's why the sine and cosine waves called partials, but no harmonics) At the end when the tone frequencies A2 and A3 were displayed, which is obtained by the transformation, it is clearly shown that the frequency increased twice. It was shown earlier in the work when it is explained that the lowest frequency depends on the range between the first and the last sample and the maximum of the range of samples, ie. As the samples between the first and the last sample, the frequency will be greater.
Parallel keywords (Croatian)Fourierova transformacija bezparametarska transformacija sinusne i kosinusne valove
Resource typetext
Access conditionOpen access
Terms of usehttp://rightsstatements.org/vocab/InC/1.0/
URN:NBNhttps://urn.nsk.hr/urn:nbn:hr:200:670689
CommitterAnka Ovničević