Besoin d'aide sur MatLab

[invite125fd387]

Bonjour je suis étudiant en école d'ingénieur en France et je suis actuellement en stage en Crête.

J'ai comme projet le traitement du son. Plus particulièrement des notes de musiques pour le moment, et de la musique en général par la suite je vous explique: J'ai crée une application Labview pour enregistrer un son j'ai donc enregistrer un Do (note de musique) d'un piano et je dois maintenant calculer la réponse temporelle sous Matlab (fait) calculer le spectre en fréquence (fait) pour qu'en suite je puisse obtenir l'entropie de ce signal. Là je bloque, je développe l'enregistrement de ma note de musique dure 1seconde, la fréquence est de 20kHz et enregistré sur 1 voie. J'aimerai échantillonner le signal que j'ai genre par 20 ou plus et ensuite calculer l'entropie de chacun des points obtenus donc les 20 ou plus (je sais pas si vous comprenez?) en faite c'est de l'échantillonnage puis calcul d'entropie en temps quasi réel du moins le plus rapide possible. Je voudrais savoir si il y en as qui seraient comment faire ou me donner des pistes au moins pour échantillonner etc.

Je vous joins mon programme et la note de musique pour ceux qui veulent tester.

Merci d'avance.

Je ne demande en aucun cas qu'on me mâche le boulot c'est juste que je ne suis pas une machine en Matlab donc j'aimerai apprendre de ceux qui s'y connaissent mieux.

Cdlt
-----

[invite125fd387]

Même pas un bout de réponse?

[inviteb9f49292]

J'aimerai échantillonner le signal que j'ai genre par 20 ou plus

Qu'entends tu par là ? Ton signal est enregistré sur l'ordinateur, il est donc déjà sous forme numérique, donc échantilloné, la période d'échantillonnage dépendant du matériel avec lequel tu l'as enregistré...
Tu veux peut-être sous-échantillonner ton signal (d'un facteur 20 ? c'est énorme...), le principe possible est alors d'appliquer un filtrage passe-bas puis virer 1 échantillon sur N.
Si tu veux sur-échantillonner ton signal, ça n'a aucun intérêt, tu ne refabriquera pas les informations fréquentielles que tu n'as pas enregistré à cause de ta fréquence d'échantillonnage trop faible...

calcul d'entropie en temps quasi réel

Je ne connais pas cette notion en dehors des stats / théorie de l'information, je ne comprends pas du tout ce que tu veux faire... C'est pour évaluer la "compléxité" du signal ? Sur un signal analogique elle est vraissemblablement énorme ne serait-ce qu'à cause du bruit de l'enregistrement. En général on modélise le signal avant de calculer l'entropie du modèle (et non du signal), suivant le type de signal _ET_ l'utilisation que tu en as, une modélisation sera plus adaptée qu'une autre. Un exemple, le MP3 est une modelisation adaptée aux signaux acoustiques _POUR_ l'oreille humaine, mais qui n'est pas adapté à des signaux acoustiques pour de la détection sismique...

[invite125fd387]

Qu'entends tu par là ? Ton signal est enregistré sur l'ordinateur, il est donc déjà sous forme numérique, donc échantilloné, la période d'échantillonnage dépendant du matériel avec lequel tu l'as enregistré...
Tu veux peut-être sous-échantillonner ton signal (d'un facteur 20 ? c'est énorme...), le principe possible est alors d'appliquer un filtrage passe-bas puis virer 1 échantillon sur N.
Si tu veux sur-échantillonner ton signal, ça n'a aucun intérêt, tu ne refabriquera pas les informations fréquentielles que tu n'as pas enregistré à cause de ta fréquence d'échantillonnage trop faible...


Je ne connais pas cette notion en dehors des stats / théorie de l'information, je ne comprends pas du tout ce que tu veux faire... C'est pour évaluer la "compléxité" du signal ? Sur un signal analogique elle est vraissemblablement énorme ne serait-ce qu'à cause du bruit de l'enregistrement. En général on modélise le signal avant de calculer l'entropie du modèle (et non du signal), suivant le type de signal _ET_ l'utilisation que tu en as, une modélisation sera plus adaptée qu'une autre. Un exemple, le MP3 est une modelisation adaptée aux signaux acoustiques _POUR_ l'oreille humaine, mais qui n'est pas adapté à des signaux acoustiques pour de la détection sismique...

Déjà merci de ta réponse et de l'intérêt que tu as porté à mon problème.

En faite je voudrais calculer l'entropie du signal toute les 10ms par exemple, une forme de fenêtrage toutes les 10ms qui glisse le long de mon signal et qui me calcul l'entropie pour chaque 10ms.

En faite mon tuteur pense que pour la musique l'entropie pourrait être l'image de l'harmonie de la musique c'est à dire qu'à l'inverse de d'habitude ou l'entropie représente le désordre pour la musique il pense qu'elle représente l'ordre. c'est à dire que plus une musique est complexe, harmonieuse et donc avec pleins d'harmoniques (fréquence) on aura une entropie qui sera élevée. Le but est d'enregistrer une musique et en lancent mon programme de savoir si la musique est complexe, harmonieuse etc scientifiquement sans utiliser l'oreille.

Pour cela il veut que je calcul l'entropie du spectre et l'entropie de la probabilité (pi) et qu'ensuite je trace sur un graphe l'un en fonction de l'autre. C'est assez complexe à comprendre. Mais son idée me paraît pas mal.

J'ai demander à un professeur de mon université par mail il m'a parler de fenêtre de Hamming pense tu que ce serait possible avec ça? et si oui tu sais comment ça s'utilise sur MatLab ?

[A voir en vidéo sur Futura]

[inviteb9f49292]

En faite je voudrais calculer l'entropie du signal toute les 10ms par exemple, une forme de fenêtrage toutes les 10ms qui glisse le long de mon signal et qui me calcul l'entropie pour chaque 10ms.

Il serait pas mal de définir précisément ce que tu entends par entropie dans ce cadre précis! Une formule par exemple.

En faite mon tuteur pense que pour la musique l'entropie pourrait être l'image de l'harmonie de la musique c'est à dire qu'à l'inverse de d'habitude ou l'entropie représente le désordre pour la musique il pense qu'elle représente l'ordre.

Je ne sais pas si c'est ta retranscription de la problématique, mais ça sonne pour le moins... fantaisiste... Je connais très vaguement la notion d'entropie en théorie de l'information où si mes souvenirs sont bon, l'entropie d'un "signal" est une métrique du nombre minimal de quantum d'information permettant de reconstruire l'information contenue dans ce signal, dons un raccourci est de dire que l'entropie représente la "complexité" d'un signal. Or l'une des caractéristiques d'un phénomène aléatoire est d'avoir une entropie élevée, d'où le deuxième raccourci entropie = désordre... Juste pour le truc: une fois que tu considères que ton signal est juste du bruit, si tu en connais la distribution, tu as réduis l'entropie puisque il te suffit de connaître la moyenne et la variance pour "reconstruire l'information".

c'est à dire que plus une musique est complexe, harmonieuse et donc avec pleins d'harmoniques (fréquence) on aura une entropie qui sera élevée.

Si vous êtes en train de créer un "métrique" pour la musique, il faudrait une définition plus précises de qu'on cherche à mesurer...

Pour cela il veut que je calcul l'entropie du spectre et l'entropie de la probabilité (pi) et qu'ensuite je trace sur un graphe l'un en fonction de l'autre. C'est assez complexe à comprendre.

l'entropie de la probabilité... La probabilité de quoi? Calculer l'entropie d'une probabilité apporte quelle information, ou se rattache à quelle notion statistique? Je ne sais pas si c'est complexe à comprendre mais ça à l'air complexe à exprimer clairement...

J'ai demander à un professeur de mon université par mail il m'a parler de fenêtre de Hamming pense tu que ce serait possible avec ça? et si oui tu sais comment ça s'utilise sur MatLab ?

Oui la fenêtre de Hamming je connais... Mais c'est comme me demander si je connais la truelle en plein milieu d'une discussion sur comment on construit un bâtiment... Ce qu'il est possible de faire avec une fenêtre de Hamming... fenêtré un signal, i.e. le "préparer" avant un traitement par bloc pour "déplacer les artefacts" du calcul, par exemple avec une fft sans fenêtrage (fenêtrage rectangulaire), tu auras un lobe central très fin mais des lobes secondaires importants, la fenêtre ne hamming te permet de réduire tes lobes secondaires, au prix d'élargir ton lobe central".

[invite125fd387]

Il serait pas mal de définir précisément ce que tu entends par entropie dans ce cadre précis! Une formule par exemple.


Je ne sais pas si c'est ta retranscription de la problématique, mais ça sonne pour le moins... fantaisiste... Je connais très vaguement la notion d'entropie en théorie de l'information où si mes souvenirs sont bon, l'entropie d'un "signal" est une métrique du nombre minimal de quantum d'information permettant de reconstruire l'information contenue dans ce signal, dons un raccourci est de dire que l'entropie représente la "complexité" d'un signal. Or l'une des caractéristiques d'un phénomène aléatoire est d'avoir une entropie élevée, d'où le deuxième raccourci entropie = désordre... Juste pour le truc: une fois que tu considères que ton signal est juste du bruit, si tu en connais la distribution, tu as réduis l'entropie puisque il te suffit de connaître la moyenne et la variance pour "reconstruire l'information".


Si vous êtes en train de créer un "métrique" pour la musique, il faudrait une définition plus précises de qu'on cherche à mesurer...


l'entropie de la probabilité... La probabilité de quoi? Calculer l'entropie d'une probabilité apporte quelle information, ou se rattache à quelle notion statistique? Je ne sais pas si c'est complexe à comprendre mais ça à l'air complexe à exprimer clairement...


Oui la fenêtre de Hamming je connais... Mais c'est comme me demander si je connais la truelle en plein milieu d'une discussion sur comment on construit un bâtiment... Ce qu'il est possible de faire avec une fenêtre de Hamming... fenêtré un signal, i.e. le "préparer" avant un traitement par bloc pour "déplacer les artefacts" du calcul, par exemple avec une fft sans fenêtrage (fenêtrage rectangulaire), tu auras un lobe central très fin mais des lobes secondaires importants, la fenêtre ne hamming te permet de réduire tes lobes secondaires, au prix d'élargir ton lobe central".

La formule de l'entropie que j'utilise est (-Somme(p*Ln(p))).

Pour la probabilité je n'arrive même pas moi à voir la probabilité de quoi.