Discussion :

[Misaki43]

Bonjour, j'essaie de distinguer des voyelles au niveau fréquentiel.
Pour cela, j'ai utilisé un script sous python calculant la fft.
Cependant, quand j'affiche le résultat, je n'arrive pas du tout à l'interprété (qu'est ce qui est sur l'axe x ? l'axe y ?).
J'ai regardé d'autres scripts dessus, mais à chaque fois les axes sont crées à partir de la période du signal, or moi je ne la connait pas.
Pouvez vous m'aider ?

[dourouc05]

Le résultat d'une transformée de Fourier indique des coefficients pour chaque fréquence, c'est-à-dire l'importance de cette fréquence dans le signal d'origine. Pour plus de détails, il vaut mieux te référer à un cours de traitement numérique du signal ou d'analyse des systèmes dynamiques .

[Misaki43]

Merci pour la réponse,
Je me suis déjà renseignée dessus (j'ai même eu des cours) j'ai compris théoriquement ce que c'est, ce que ça fait, mais c'est d'un point de vu "matlab" ou "python" je ne comprends pas les graphiques : normalement en bas il y a les fréquences, en haut l'amplitude si j'ai bien compris, mais j'arrive pas du tout à interpréter le résultat.
Par exemple, lorsque j'effectue le son "a" voilà ce que ça me donne le fichier joinds. Pouvez vous m'aider à le comprendre? (mon but est de différencier des voyelles)

[sweetasnz]

peux-tu poster le graphe de ton signal d'entrée stp?

signal réel = fft symétrique : tu ne vas travailler que sur la partie "positive" de ton spectre (le résultat de la fft est un "spectre" composé de "raies" en fréquence en x, et de leur "énergie" en y)

il faut déterminer :
- T(s) = le temps d'échantillonnage de ton signal = le temps de ta prise de son
- N : le nombre de points de mesure (autour de 320 me semble t'il)
tu auras donc :
dt = T/N

idem pour la fréquence d'échantillonnage de ton signal :
F(Hz) = 1/dt

le centre de symétrie représente l'origine de ton axe (situé autour de 160).
tu as une raie maximale autour de 250

donc la fréquence de cette raie résultante est 1 / [(250-160) x dt]

bon, ce sont de vague souvenir je peux me tromper ... si c'est le cas, j'invoque le pardon d'avance

[dourouc05]

Pour compléter un peu sweetasnz, je dirais que tu peux complètement oublier la moitié des données ressorties par la FFT (puisque ton signal d'entrée est réel) ; si tu as représenté l'entièreté du vecteur renvoyé, tu t'intéresses uniquement aux indices [160,320] (à la grosse louche), c'est-à-dire aux fréquences [0, 160] Hz. Dans le graphique, le plus important est de détecter les pics, les fréquences les plus présentes. L'exemple de MATLAB explique ça : http://nl.mathworks.com/help/matlab/ref/fft.html.

Intuitivement, cette information pourrait ne pas être suffisante pour détecter les différents sons (si tu as plusieurs personnes, avec un peu de bruit de fond, avec un rhume, etc.) ; dans ce cas, tu peux te tourner vers des techniques d'apprentissage automatique (http://scikit-learn.org/stable/, en Python, par exemple).

[sweetasnz]

Il y a aussi les méthodes de calcul d'autocorrélation entre ton échantillon test "Atest" et celui de référence "Aref".
Suffit de calculer le coefficcient de corrélation entre Aref et Atest, si le ratio est bon, tu concluras que "Atest" est bien un "A" ("vrai faux" ou "faux vrai" : aux erreurs de 1ere et 2eme espèces près car on ne sera jamais sur à 100%, c'est évident).
Pour cela, il faut que ton "Aref" soit le meilleur candidat possible :tu peux moyenner les FFT de plusieurs "A" = "Aref" et ensuite calculer les coef. de corr. avec cette référence sur la FFT de "Atest". Tu mets ensuite un seuil sur ce coefficient pour prendre ta décision si oui ou non, c'est un "A" (ex : si Ccorr > 0.9 alors "Atest" est bien un "A")

pour info : j'avais fait ça pour des images, pour retirer de façon automatique celles qui était "trop" différentes des autres (mon image de référence était une moyenne de bonnes images et mon seuil ajusté en fonction des résultats sur un jeu de test) , pixels manquants, image saturée, décalage de pixel ... et ça marche plutôt bien avec un effort de calcul et de codage peu couteux.
En résumé, j'avais un échantillon d'image suffisant pour faire cela ... si tu as de quoi réaliser un "modèle moyen" de "A" avec un nombre suffisant de "A", fonce !

Idem sur les autres voyelles.
Bonne chance.

Rq : pensez à mettre résolu si vous pensez qu'on a fait le tour de la question

[Misaki43]

Bonjour,


Tout d'abord désolé pour le temps de réponse, je ne sais pas pourquoi mais je ne suis plus prévenue par mail lorsqu'il y a des réponses (donc ej pensais que personne n'avait répondu).

@dourouc05 : pourquoi ça serait de 0 à 160 hertz que ça m'intéresserait ? Je m'intéresse à la détection de voyelles, or de ce que j'ai vu sur internet pour cela la deuxième harmonique est aussi importante (par exemple pour le "a" une source non sur dit que c'est décrit par une fréquence fondamentale à 700 Hz et une première harmonique à 1150).

@sweetasnz :
- Pour ton premier message merci pour l'explication ça complète ce que j'avais compris. Cependant j'ai changé j'utilise maintenant la bibliothèque fftw3 et n'ai donc pas besoin de connaître la fréquence d’échantillonnage (sauf pour "rescaler" si nécessaire après l’obtention des résultats, mais vu que je ne veux pas connaître a priori les fréquences c'est peu utile).
le Aref/ Atest etc j'ai pas tout compris mais il me semble que c'est ce que je fais plus ou moins (j’apprends que c'est "plus un A que un U" ou "plus un U que un A" par exemple).


Cependnat ça ne fonctionne pas, et je pense savoir pourquoi : regardez la tête de ma fft (que je fais maintenant à l'aide de la bibliothèque fftw3 en C) :
Son a :
Sans son :
On voit que sans son il y a en permanence de l'activité très forte pou pour la première fréquence et une plus éloigné : avez vous une idée de pourquoi ?