简单的多通道滤波器
在这个例子中，我们将使用一个简单的FIR滤波器来分析在多通道模式下过滤帧的可能性。
下图显示了我们正在研究的模型。
在这个演示中。
在这个模型中，三种不同类型的信号被应用到输入，然后每种信号都通过一个滤波器。 在输出端，我们可以一起分析所有信号，或者单独分析每个信号。
在开始模型分析之前，我们将设置两个辅助功能–模型启动功能和音频播放器功能。
In [ ]:
Pkg.add(["WAV"])
In [ ]:
# Подключение вспомогательной функции запуска модели.
function run_model( name_model)
Path = (@__DIR__) * "/" * name_model * ".engee"
if name_model in [m.name for m in engee.get_all_models()] # Проверка условия загрузки модели в ядро
model = engee.open( name_model ) # Открыть модель
model_output = engee.run( model, verbose=true ); # Запустить модель
else
model = engee.load( Path, force=true ) # Загрузить модель
model_output = engee.run( model, verbose=true ); # Запустить модель
engee.close( name_model, force=true ); # Закрыть модель
end
sleep(5)
return model_output
end
Out[0]:
In [ ]:
using WAV;
using .EngeeDSP;
function audioplayer(patch, fs, Samples_per_audio_channel);
s = vcat((EngeeDSP.step(load_audio(), patch, Samples_per_audio_channel))...);
buf = IOBuffer();
wavwrite(s, buf; Fs=fs);
data = base64encode(unsafe_string(pointer(buf.data), buf.size));
display("text/html", """<audio controls="controls" {autoplay}>
<source src="data:audio/wav;base64,$data" type="audio/wav" />
Your browser does not support the audio element.
</audio>""");
return s
end
Out[0]:
现在让我们运行模型，然后分析结果。
In [ ]:
run_model("simple_filt_multichannel") # Запуск модели.
out = collect(out);
out = out.value;
让我们绘制系统输出的所有三个通道的显示。
In [ ]:
n = 50;
Chirp = zeros(n,1);
Sine = zeros(n,1);
Signal = zeros(n,1);
In [ ]:
for i in 1:n
a = out[i]
Chirp[i] = a[1]
Sine[i] = a[2]
Signal[i] = a[3]
end
In [ ]:
plot(Chirp, label="Chirp")
plot!(Sine, label="Sine")
plot!(Signal, label="Signal")
Out[0]:
在图表上，这三个信号具有完全不同的特征，我们可以很容易地将它们彼此区分开来。
现在让我们分析两个音轨–原始音轨和从模型中录制的音轨。
In [ ]:
audioplayer("$(@__DIR__)/OSR_us_000_0030_8k.wav", 8000, 256);
In [ ]:
audioplayer("$(@__DIR__)/output.wav", 8000, 256);
在录音中，您可以听到经过过滤后，音轨确实包含较少的外来噪声。
结论
我们已经探索了多通道数据处理的可能性。 这种方法经常出现在通信系统中，并且开发人员非常需要。