/// <summary>
/// 矩形波をFFTにより周波数分析を行う
/// <para>実行後、ファイルが作成されますのでソースコードと合わせて確認してみてください。</para>
/// </summary>
public static void FftSquare()
{
double freq = 50.0;
double samplingFreq = freq * 100.0;
var dft = new DFT(FFTpoint.size4096, Window.WindowKind.NoWindow);
var result = dft.FFT(SignalTest.GetSquare(freq, 0.5, samplingFreq, 1.0, dft.FFTsize), samplingFreq);
result.Save("FftSquare.csv");
return;
}
// ---- メソッド ---------------------------------------
/// <summary>
/// 特徴ベクトルを返す
/// </summary>
/// <returns>特徴ベクトル</returns>
public override PatternRecognition.Feature GetFeature()
{
if (this.Ready)
{
// 最大のパワーとなった帯域を探すとその最大値を求める
double maxPSDofBand = this._sumOfPSDbyBand.Max(); // 最大値を取得
int indexOfMax = -1; // -1としておくことで、↓2行のアルゴリズムにより最大となる帯域のインデックス-1を得る
for (int i = 0; i < this._sumOfPSDbyBand.Length && this._sumOfPSDbyBand[i] != maxPSDofBand; i++) indexOfMax = i;// 最大となった帯域のインデックス-1を取得する
indexOfMax++; // 等しいと代入の前にループを抜けるので、抜けた後で加算してインデックスとする
// SN比を求める。求まればよいが。
double noiseLevelPSD = this._timeSeriesPSD[0][indexOfMax]; // フレームの初めはノイズレベルに近いはず
double maxPSDofFlame = double.MinValue;
for (int i = 0; i < this._timeSeriesPSD.Count; i++) if (maxPSDofFlame < this._timeSeriesPSD[i][indexOfMax]) maxPSDofFlame = this._timeSeriesPSD[i][indexOfMax];
this._SNratio = 10.0 * Math.Log10(maxPSDofFlame / noiseLevelPSD);
// 帯域パワーの最大値が1になるように正規化
var fea1 = new PatternRecognition.Feature(this._sumOfPSDbyBand);
fea1.Normalizing();
// 変調スペクトルをもとめる
double[] modulatedSongAtUniBand = new double[this._timeSeriesPSD.Count];
for (int i = 0; i < modulatedSongAtUniBand.Length; i++) modulatedSongAtUniBand[i] = this._timeSeriesPSD[i][indexOfMax];// 最大であった帯域のパワーを取得する（変調されたパワー）
DFT fft = new DFT(modulatedSongAtUniBand.Length, Window.WindowKind.Hanning); // FFTを実施する準備
FFTresult modulationSpectrum = fft.FFT(modulatedSongAtUniBand, this._condition.FrequencyOfFFT);
double[] spectrum = new double[this._condition.MaxModulationSpectrumFrequency * 10];
//for (int i = 0; i < spectrum.Length; i++)
Parallel.For(0, spectrum.Length, i =>
{
double minFrequency = (double)i * 0.1;
double maxFrequency = minFrequency + 0.1;
spectrum[i] = modulationSpectrum.GetPSD(minFrequency, maxFrequency); // 帯域毎にコピー
});
// コピーした変調スペクトルを正規化
var fea2 = new PatternRecognition.Feature(spectrum);
fea2.Normalizing();
// 特徴ベクトルとしてまとめる
var ans = new PatternRecognition.Feature(fea1.ToArray());
ans.Add(fea2.ToArray());
ans.Normalizing();
return ans;
}
else
return null;
}
/// <summary>
/// サイン関数をFFTにより周波数分析を行う
/// <para>実行後、2つのファイルが作成されますのでソースコードと合わせて確認してみてください。</para>
/// </summary>
public static void FftSin()
{
double freq, samplingFreq;
var dft = new DFT(FFTpoint.size4096, Window.WindowKind.NoWindow);
// part 1
// デフォルトではFFT窓の幅よりも小さなデータになるようにした場合
freq = 60.5;
samplingFreq = freq * 4.0;
var result = dft.FFT(SignalTest.GetSin(freq, 0.0, samplingFreq, 1.0, dft.FFTsize / 2), samplingFreq);
result.Save("FftSin part 1.csv");
// part 2
// 窓いっぱいに波形を埋めた場合
freq = 60.5;
samplingFreq = freq * 4.0;
result = dft.FFT(SignalTest.GetSin(freq, 0.0, samplingFreq, 1.0, dft.FFTsize), samplingFreq);
result.Save("FftSin part 2.csv");
}
/// <summary>
/// 音声ファイルを開き、生成された特徴ベクトルのリストを返す
/// </summary>
/// <param name="waveFilePath">WAVEファイルのフルパス</param>
/// <param name="discriminator">識別器<para>識別させない場合は省略して下さい。</para></param>
/// <param name="threshold">棄却レベル<para>識別のさせる場合、この値を下回ると識別結果をUnknownと判定します。</para></param>
/// <returns>
/// 生成された特徴ベクトルのリスト
/// <para>識別器を指定している場合は、識別結果を添付します。</para>
/// </returns>
public List<Result> GenerateFeatureList(string waveFilePath, Discriminator discriminator = null, double threshold = 0.0)
{
var ans = new List<Result>(0); // 結果を格納する
if (System.IO.File.Exists(waveFilePath))
{
WaveReader wave_file = new WaveReader();
wave_file.Open(waveFilePath); // waveファイルを開く
if (wave_file.IsOpen)
{
try
{
this.Lock = true;
this.SetGenerator(wave_file);
this._generator.Log = this.Log;
DFT fft = new DFT(this.ReadAmount, Window.WindowKind.Hanning); // FFTを実施する準備
while (wave_file.IsOpen && wave_file.ReadLimit == false) // 読めるなら、全て読むまでループ
{
MusicData data = wave_file.Read(this.ReadAmount); // ファイルからread_size_sec秒間読み込み。
double[] sound;
if (data.UsableCH == MusicData.UsableChannel.Left) // データの入っている方を格納する
sound = data.GetData(MusicData.Channel.Left); //
else
sound = data.GetData(MusicData.Channel.Right);
FFTresult result = fft.FFT(sound, (double)wave_file.SamplingRate); // FFTを実行. FFTサイズが音声データよりも小さい場合、始めの方しか処理されないので注意.
this._generator.Add(result);
if (this._generator.Ready)
{
//Console.WriteLine("検出したようです。"); // デバッグモードで動かしながら確認するためのコンソール出力
Result feature = this._generator.GetFeature(); // 特徴ベクトル生成
if (discriminator == null)
ans.Add(feature); // 答えを格納
else
{
Discriminator.IDandLikelihood id = discriminator.Discriminate(feature.FeatureVector);
string name = id.ID;
if (id.Likelihood < threshold) name = "Unknown";
feature.DiscriminationResult = name;
if (!(this.MatchOnlyAtDiscrimination == true && name != feature.FilterName)) ans.Add(feature);
}
}
}
}
catch (SystemException e)
{
throw new Exception(e.Message);
}
}
else
throw new Exception("Waveファイルを開くことができませんでした。\nWaveReaderクラスエラーメッセージ：" + wave_file.ErrorMessage);
wave_file.Close(); // waveファイルを閉じる
}
this.Lock = false;
return ans;
}