4.3. Proses Pengeditan untuk Pemisah Vokal 2. Program menampilkan sebagian/seluruh sinyal
y1=wavread('aiueo.wav'); t=length(y1); y2=y1(1:10000); plot(y2)
Gambar : Sebagian
Keseluruhan
3. Tampilan vocal a
Program :
y1=wavread('aiueo.wav'); t=length(y1); Fs = 8000; y2=y1(1:9000); plot(y2) wavwrite(y1,Fs,'a.wav'); sound (y2,Fs)
Gambar :
Full Program :
y1=wavread('aiueo.wav'); t=length(y1); Fs = 8000; y2=y1(1:9000); plot(y2) wavwrite(y1,Fs,'a.wav'); sound (y2,Fs)
( i.wav )
y1=wavread('aiueo.wav');
( u.wav )
y1=wavread('aiueo.wav');
( e.wav)
y1=wavread('aiueo.wav'); t=length(y1); Fs = 8000; y2=y1(18000:23000); plot(y2) wavwrite(y1,Fs,'e.wav'); sound (y2,Fs)
( o.wav )
y1=wavread('aiueo.wav'); t=length(y1); Fs = 8000; y2=y1(23000:28000); plot(y2) wavwrite(y1,Fs,'o.wav'); sound (y2,Fs)
2. Perubahan nilai frekuensi sampling - Fs = 10000 , 14000 , 16000 , 24000 , 44000 Analisis : semakin tinggi rekuensi sampling maka nada semakin tinggi , hal ini dikarenakan frekuensi sampling yang semakin besar menjadi cepat 3. Perubahan nilai frekuensi sampling - Fs = 7000 , 6000 , 5000 Analisis : semakin rendah Frekuensi sampling maka nada akan semakin rendah , hal ini dikarenakan frekuensi sampling yang semakin rendah dan melambat 5. ANALISA DATA DAN TUGAS
1. Catatan waktu vocal : a. Vocal aiueo.wav b. Vocal a.wav c. Vocal i.wav d. Vocal u.wav
2. 3. Analisis dari perubahan perubahan sampling yang dilakukan bahwa apabila frekuensi samplinya dinaikkan maka yang akan terjadi adalah suara / nada semakin tinggi dan menjadi cepat, sedangkan apabila terjadi sebaliknya frekuensi samplingnya rendah suara / nada akan rendah dan melambat
4.2. Sinyal Sinus dalam Domain Waktu dan Frekuensi 1. Program membangkitkan sinyal sinus dan perekaman suara %File Name:sinus_0.m clear all; fs=16000; t=1/fs:1/fs:1; y=sin(2*pi*800*t); sound(y,fs); wavwrite(y,fs,'sinus_0.wav')
2. Program untuk melihat bentuk sinyal sinus Y_f=20*log10(abs(fft(y))); plot(Y_f) axis([0 1000 -100 100]);
4.3. Sinyal Wicara dalam Domain Waktu dan Frekuensi 1. Perintah memanggil sinyal a.wav y1=wavread('aiueo.wav'); t=length(y1); Fs = 8000; y2=y1(1:9000); plot(y2) wavwrite(y1,Fs,'a.wav'); sound (y2,Fs);
2. Perintah dasar pengamatan Power Spektral Density(PSD) dan menampilkan sinyal wicara sebagai fungsi waktu dan PSD sinyal wicara tersebut Sinyal Wicara sebagai fungsi waktu t=0:1/fs:(length(y2)-1)/fs; plot (t,y2);
4. Hasil yang terjadi apabila soal diatas dijalankan pada vokal I,u,e,o i.wav
memanggil sinyal 1.wav y1=wavread('aiueo.wav'); t=length(y1); Fs = 8000; y3=y1(1:9000); plot(y3) wavwrite(y1,Fs,'i.wav'); sound (y3,Fs);
u.wav memanggil sinyal u.wav y1=wavread('aiueo.wav'); t=length(y1); Fs = 8000; y4=y1(13000:18000); plot(y4) wavwrite(y1,Fs,'u.wav'); sound (y4,Fs);
e.wav memanggil sinyal e.wav y1=wavread('aiueo.wav'); t=length(y1); Fs = 8000; Y5=y1(13000:18000); plot(y5) wavwrite(y1,Fs,'u.wav'); sound (y5,Fs);
plot (f,wavefft);
4.2. Pemfilteran Sinyal Wicara dengan IIR 1. low pass filter IIR dengan spesifikasi fc= 4000 Hz, frekuensi sampling fs=10000 Hz Program : R=0.4; N=16; Wn=0.4; figure(1); [B,A] = butter(N,Wn); [H,w]=freqz(B,A,N); len_f=length(H); f=1/len_f:1/len_f:1; plot(f,20*log10(abs(H)),'linewidth',2);
Sesudah Filter
so=filter(B,A,s); x=specgram(so); plot(x); so=filter(B,A,s); x=specgram(so); plot(x);
4.3. Pemfilteran Sinyal Wicara dengan FIR 1. Rancang sebuahlow pass filter FIR dengan spesifikasi seperti berikut:
Sebelum Difilter
[s,fs]=wavread('a.wav'); x=specgram(s); plot(x);
Sesudah Difilter