كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبية

معالجة الإشارات والصوت

الطيف الزمني وميزات الصوت

Spectrogram and Audio Features

متوسط 40 دقيقة

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));
end
الناتج الفعلي (شُغِّل في GNU Octave 8.4 أثناء إعداد الدرس، والطباعة بـ fprintf/disp فتطابق MATLAB)
frame  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    3000.0

ثلاثة 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 ميزة

يتطلب 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.

جرّب بنفسك في المختبرمختبر معالجة الإشاراتأداة مرتبطةمصوّر FFT

المراجع

تحقّق من فهمك