Анализ и обработка музыкальных аудиофайлов с помощью средств языка Python

ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 6
ВВЕДЕНИЕ 9
Цель 9
Задачи 9
1. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ 11
1.1 Суть преобразования Фурье 11
1.2 Дискретное преобразование Фурье 11
1.3 Обратное дискретное преобразование Фурье 13
1.4 Быстрое преобразование Фурье 13
1.5 Дискретная свертка сигналов 14
1.6 Автокорреляционная функция сигнала 15
1.7 Комплексные числа 16
2. МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ 17
2.1 Структура MFCC [9] 17
2.2 Операторы рассеивания. 22
2.3 Вейвлеты рассеивания. 23
3. ИСПОЛЬЗУЕМЫЕ ТЕХНОЛОГИИ 27
3.1 Технология Librosa 27
3.2 Технология Tkinter 27
3.3 Функции Librosa 28
3.4 Свойства Функции Button 29
4. Реализация основных функций программы 31
4.1 Алгоритм 31
5. КОНФИГУРАЦИЯ ПК 32
5.1 Конфигурация ПК 32
6. Тестирование программы 33
6.1 Сравнение полного трека и голоса 33
6.2 Сравнение полного трека и барабанной партии 35
7. КОНЦЕПТУАЛЬНЫЙ МАКЕТ ПРИЛОЖЕНИЯ 37
ЗАКЛЮЧЕНИЕ 38
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 39
ПРИЛОЖЕНИЯ 40
Приложение 1. Концептуальная модель приложения. 40
Приложение 2. Код программы 43
Приложение 3. Код нормализации звука 47
Приложение 4. Графические материалы к докладу 48
Приложение 4. Результат проверки на антиплагиат 56

Весь текст будет доступен после покупки

В наше время существует огромное количество сервисов, приложений и виджетов для обработки аудиофайлов.
Например:
1. Нормализация звука (SoundForge) (Приведение к одному уровню сигнала)
2. Функция автотюна (Auto-Tune Pro) (автоматческая корректировка по частоте)
3. Наложение эффекта пространства (Audioalter)
4. Эквализация звука (PC Equalizer)
Но для применения этих обработок нужно скачивать и использовать множество программ. Большая часть из них платная. Если найдется бесплатный аналог нужной нам функции, то он будет либо не эффективный, либо долго выполняющий поставленную задачу. Для обработки нет одной универсальной программы.

Данное программное средство предназначено для упрощения и повышения комфорта в обработке аудиофайлов. Данные функции помогают как любителям в домашних условиях, так и в профессиональной деятельности.
Данное приложение актуально в наших реалиях, так как почти все сервисы и приложения для данной задачи либо платные, либо выполняют одну функцию. Приложение, разработанное нами, как раз таки и будет включать в себя сразу несколько функций для обработки.

Весь текст будет доступен после покупки

Суть преобразования Фурье
[5] Дискретный сигнал предусматривает получение значения аналогового колебания x(t) в неограниченном количестве точек. На практике же такие обширные сведения о сигнале невозможно получить, так как обработка ведется на определенном интервале времени.
Изучение спектра сигнала производится по его дискретной модели на отрезке [0, T] со значениями x0, x1, x2, …, xN-1, взятыми в 0, ?, 2?, …, (N-1)? моменты времени. Число таких отсчетов N=T/ ?. Эти данные являются источником сведений о спектре сигнала x(t).

Рис. 1. Спектральная кривая звукового сигнала
Изучение таких сигналов производится путем выборки отсчетных значений, принимаемых бесконечное число раз. В результате сигнал становится периодическим.
Применив к сигналу математическую модель, можно воспользоваться разложением в ряд Фурье и определить амплитудные коэффициенты. Массив эти коэффициентов есть спектр дискретного периодического сигнала.
Дискретное преобразование Фурье
Используем модель в виде массива дельта-импульсов и сопоставим исходному колебанию x(t) его дискретное МИП-представление:
x_мип (t)=??_k^(N-1)-?x_k ?(t-k?)? (1)
Представим дискретную модель (1) комплексным рядом Фурье:
x_мип (t)=??_(n=-?)^?-?C_n exp?(i2?nt/T)? (2)
с коэффициентами
C_n=1/(T?) ?_0^T-?x_мип (t)exp?(-i2?nt/T)dt? (3)
Подставляя формулу (1) в (3) и вводя безразмерную переменную ?=t/ ?, получим
C_n=1/(N?) ?_0^(N?)-?_(k=0)^(N-1)-x_k ?(t-k?)exp?(-i2?nt/T)dt=1/N ?_0^N-?_(k=0)^(N-1)-x_k ?(?-k)exp?(-i2?n?/N)d?=1/N ?_(k=0)^(N-1)-x_k ?_0^N-??(?-k)exp?(-i2?n?/N)d??
используя фильтрующее свойство дельта-функции, имеем
C_n=1/N ?_(k=0)^(N-1)-?x_k exp?(-i2?nk/N)? (4)
Формула (4) используется для расчета массива коэффициентов дискретного преобразования Фурье рассматриваемого сигнала.
Некоторые свойства ДПФ:
ДПФ линейное преобразование. Сумме сигналов отвечает сумма их ДПФ.
Число коэффициентов C0, C1, C2, …, CN-1, рассчитываемых по формуле (4), эквивалентно числу N отсчетов за период. При n=N коэффициент CN=C0.
Коэффициент C0 (постоянная составляющая) является средним значением всех отсчетов:
C_0=1/N ?_(k=0)^(N-1)-x_k
Если N — четное число, то
C_(N/2)=1/N ?_(k=0)^(N-1)-?x_k ?(-1)?^k ?
Пусть отсчетные значения xk — вещественные числа. Тогда коэффициенты ДПФ, номера которых располагаются симметрично относительно N/2, образуют сопряженные пары:
C_(N-n)=1/N ?_(k=0)^(N-1)-?x_k exp?(-i2?(N-n)k/N)?= 1/N ?_(k=0)^(N-1)-?x_k exp?(i2?nk/N)?=C_n^*
Поэтому можно считать, что коэффициенты CN/2+1, …, CN-1 отвечают отрицательным частотам. При изучении амплитудного спектра сигнала они не дают новых сведений.

Весь текст будет доступен после покупки

1. Мошкарин, А.В. Требования по техническому редактированию рукописей [Электронный ресурс]: методические указания / А. В. Мошкарин, С. В. Клюкина ; Министерство образования и науки Российской Федерации, ФГБОУВПО “Ивановский государственный энергетический унивеситет им. В. И. Ленина”. – Электрон. Данные. – Иваново: Б.и.,2011.
2. Новиков, Ю.Н. Подготовка и защита бакалаврской работы, магистрской диссертации, дипломного проекта : учебное пособие / Ю. Н. Новиков – 4 изд., стер. – Электрон. Дан. – Санкт-Петербург : Лань, 2019 – 34 с. – Режим доступа: https://e.lanbool.com/book/122187 .
3. Л.П. Чернышёва, С.Г. Сидоров Методические указания по выполнению выпускной квалификационной работы бакалавра по направлению 09.03.01 - «Информатика и вычислительная техника». - Иваново: ФГБОУ ВО ИГЭУ, 2016.
4. Баскаков С.И. Радиотехнические цепи и сигналы / С.И.Баскаков .-2-е изд., М.: Высшая школа, 1988.-446 с.
5. Преобразование Фурье // Википедия URL: https://ru.wikipedia.org

Весь текст будет доступен после покупки