معالجة الإشارات والصوت
الطيف الزمني وميزات الصوت
Spectrogram and Audio Features
تحليل فورييه قصير الزمن STFT والطيف الزمني، وميزات الإطارات: الطاقة ومعدل عبور الصفر والمركز الطيفي، وMFCC بـ Audio Toolbox.
ستتعلم في هذا الدرس
- تقسيم الإشارة إلى إطارات متداخلة
- حساب الطاقة ومعدل عبور الصفر والمركز الطيفي
- قراءة الطيف الزمني
- استخراج MFCC لتعلم الآلة
الإطارات وميزاتها
Fs = 8000;
t = (0:Fs*0.3-1) / Fs;
x = [0.01*sin(2*pi*50*t(1:800)), 0.8*sin(2*pi*300*t(1:800)), 0.3*sin(2*pi*3000*t(1:800))];
frameLen = 200; hop = 200; % 25 ms دون تداخل للتبسيط
nF = floor((numel(x) - frameLen) / hop) + 1;
E = zeros(1, nF); Z = zeros(1, nF); SC = zeros(1, nF);
f = (0:frameLen/2) * Fs / frameLen;
for k = 1:nF
fr = x((k-1)*hop + (1:frameLen));
E(k) = sum(fr.^2) / frameLen;
Z(k) = sum(abs(diff(sign(fr)))) / (2 * frameLen);
S = abs(fft(fr)); S = S(1:frameLen/2+1);
SC(k) = sum(f .* S) / sum(S);
end
fprintf('frame energy ZCR centroid(Hz)\n');
for k = [1 4 5 8 9 12]
fprintf('%5d %8.5f %6.3f %8.1f\n', k, E(k), Z(k), SC(k));
endframe energy ZCR centroid(Hz)
1 0.00005 0.013 558.4
4 0.00005 0.010 544.9
5 0.32000 0.072 407.7
8 0.32000 0.075 407.7
9 0.04500 0.748 3000.0
12 0.04500 0.750 3000.0ثلاثة مقاطع: شبه صمت (50 Hz خافت)، ثم نغمة 300 Hz قوية، ثم 3000 Hz. الطاقة تفصل الصمت بوضوح، ومعدل عبور الصفر يرتفع مع التردد. أما المركز الطيفي للمقطع الأول فمشوّه بالتسرب لأن دورة 50 Hz (20 ms) قريبة من طول الإطار (25 ms)؛ مثال عملي على أهمية اختيار طول الإطار والنافذة.
الطيف الزمني
[y, Fs] = audioread('speech.wav');
win = hamming(round(0.03*Fs)); % 30 ms
overlap = round(0.02*Fs);
spectrogram(y, win, overlap, 1024, Fs, 'yaxis');
colorbar; title('Spectrogram');
% أو بدقة أعلى وخيارات أكثر:
% stft(y, Fs, 'Window', win, 'OverlapLength', overlap);يتطلب هذا الكود: Signal Processing Toolbox. لم يُشغَّل في بيئة إعداد الدرس لعدم توفر الـ Toolbox، لذلك لا نعرض أرقاماً من عندنا؛ شغّله في MATLAB لديك وقارن النتائج.
MFCC وميزات Audio Toolbox
[y, Fs] = audioread('speech.wav');
coeffs = mfcc(y, Fs, 'NumCoeffs', 13); % إطار في كل صف
afe = audioFeatureExtractor('SampleRate', Fs, ...
'Window', hann(round(0.03*Fs), 'periodic'), 'OverlapLength', round(0.02*Fs), ...
'mfcc', true, 'spectralCentroid', true, 'zerocrossrate', true, 'pitch', true);
features = extract(afe, y);
idx = info(afe); % أي عمود لأي ميزةيتطلب هذا الكود: Audio Toolbox. لم يُشغَّل في بيئة إعداد الدرس لعدم توفر الـ Toolbox، لذلك لا نعرض أرقاماً من عندنا؛ شغّله في MATLAB لديك وقارن النتائج.
خلاصة الدرس
- الصوت غير مستقر؛ نحلله بإطارات قصيرة (20–40 ms) متداخلة.
- الطاقة العالية تميز الكلام عن الصمت، ومعدل عبور الصفر العالي يميز الأصوات الاحتكاكية والضوضاء.
- المركز الطيفي يقيس «سطوع» الصوت.
- MFCC تلخص الغلاف الطيفي بمقياس Mel القريب من السمع البشري.
- audioFeatureExtractor في Audio Toolbox يستخرج ميزات كثيرة دفعة واحدة.
شُغّل frame_features.m في GNU Octave 8.4. أمثلة spectrogram وmfcc تحتاج Toolboxes ولم تُشغّل.
المتطلبات البرمجية
- MATLAB
- Signal Processing Toolbox
- Audio Toolbox
بعض هذه الأدوات (Toolboxes) تُرخَّص منفصلة عن MATLAB. تحقق من توفرها بالأمر ver في Command Window.
