Документация Engee
Notebook

Параметрический аудиоэквалайзер

В данной демонстрации мы разберём параметрический аудиоэквалайзер, который поддерживает три настраиваемые полосы. Каждая полоса реализована с использованием различной структуры биквадратного фильтра. image.png

Эквалайзер — радиоэлектронное устройство или компьютерная программа, позволяющия избирательно корректировать амплитуду сигнала в зависимости от частотных характеристик.

Также в этой демонстрации мы сравним работу моделей Engee и MATLAB. Для этого подключим необходимые библиотеки и рассмотрим устройство реализованной модели.

In [ ]: 
Pkg.add(["Statistics", "CSV"])

   Resolving package versions...
  No Changes to `~/.project/Project.toml`
  No Changes to `~/.project/Manifest.toml`
In [ ]: 
using Plots
using MATLAB
using CSV
using DataFrames
using Statistics
In [ ]: 
plotlyjs();
In [ ]: 
mat"start_simulink"
mat"p = genpath('/user/start/examples'); addpath(p);"

Модель состоит из двух основных блоков: сам эквалайзер, включающий в себя 3 блока фильтрации с коэффициентами фильтра на верхнем уровне, и оценщик дискретной передаточной функции. На рисунках ниже показана модель и настройки оценщика.

image.png

image_2.png

Если рассматривать каждый из фильтров, то они реализованы однотипно и включают в себя дискретный фильтр блок выборки коэффициентов и биквадратный фильтр.

image_3.png

Теперь перейдем к запуску и сравнению реализации данной модели в Engee и Simulink.

Запуск и анализ модели Engee

Посмотрим на результаты моделирования в Engee:

In [ ]: 
function rum_model(NemeModel,Path_to_folder)
Path = Path_to_folder * "/" * NemeModel * ".engee"
   if NemeModel in [m.name for m in engee.get_all_models()] # Проверка условия загрузки модели в ядро
      model = engee.open(NemeModel) # Открыть модель
      engee.run(model, verbose=true); # Запустить модель
   else
      model = engee.load(Path, force=true) # Загрузить модель
      engee.run(model, verbose=true); # Запустить модель
      engee.close(NemeModel, force=true); # Закрыть модель
   end
end
Out[0]:
rum_model (generic function with 1 method)
In [ ]: 
# Запуск модели
rum_model("Equalizer","/user/start/examples/dsp/equalizer")

Building...
Progress 0%
Progress 1%
Progress 32%
Progress 100%
Progress 100%
In [ ]: 
function parse_csv_engee(filename :: String)
    file = open(filename)
    line = readline(file)
    name_idx = vcat(0,findall(',', line), length(line)+1)
    names = collect([line[(name_idx[it-1]+1):(name_idx[it]-1)] for it ∈ 2:length(name_idx)])
    data = collect([it for it ∈ (line -> eval(Meta.parse(line)))(readline(file))])
    while !eof(file)
        data = ((a, b) -> [a;;;b]).(data, collect([it for it ∈ (line -> eval(Meta.parse(line)))(readline(file))]))
    end
    close(file)
    return Dict(names .=> data)
end
Out[0]:
parse_csv_engee (generic function with 1 method)
In [ ]: 
# Чтение CSV
out = parse_csv_engee("/user/start/examples/dsp/equalizer/out.csv");
out_t = out["time"];
out_data = out["1"];
In [ ]: 
# Построение графиков
Eng_data = reshape(out_data,808)
plot(Eng_data[1:8:end])
plot!(Eng_data[2:8:end])
plot!(Eng_data[3:8:end])
plot!(Eng_data[4:8:end])
plot!(Eng_data[5:8:end])
plot!(Eng_data[6:8:end])
plot!(Eng_data[7:8:end])
plot!(Eng_data[8:8:end])
plot!(title = "Результаты моделирования в Engee", ylabel = "Данные", xlabel="Время, c")
Out[0]:

Сравним результаты моделирования в Engee и Simulink. Для этого сначала запустим симуляцию модели.

In [ ]: 
mat"run_test_model('Equalizer')";

Посмотрим на результаты в Simulink:

In [ ]: 
mat"whos" # Вывести все переменные, хранящиеся в рабочей области

>> >> >>   Name                     Size                  Bytes  Class                             Attributes

  SimulationSteps        101x1                     808  double                                      
  SysOutput                1x1                    6800  timeseries                                  
  a                        1x6                      48  double                                      
  b                        1x6                      48  double                                      
  matlab_jl_has_ans        1x1                       8  double                                      
  n                        1x32                    256  double                                      
  out                      1x1                  847601  Simulink.SimulationOutput                   
  p                        1x585978            1171956  char                                        
  sig                      1x1                    7018  Simulink.SimulationData.Signal
In [ ]: 
# Чтение выхода модели
sim = mat"SysOutput.Data";
In [ ]: 
# Построение графиков
Sim_data = reshape(sim,808)
plot(Sim_data[1:8:end])
plot!(Sim_data[2:8:end])
plot!(Sim_data[3:8:end])
plot!(Sim_data[4:8:end])
plot!(Sim_data[5:8:end])
plot!(Sim_data[6:8:end])
plot!(Sim_data[7:8:end])
plot!(Sim_data[8:8:end])
plot!(title = "Результаты моделирования в Simulink", ylabel = "Отклик", xlabel="Время, c")
Out[0]:

Теперь построим графики разности выходных данных Simulink и Engee, а также рассчитаем среднее значение погрешности.

In [ ]: 
plot(Sim_data-Eng_data)
Out[0]:
In [ ]: 
print("Погрешность: " * string((sum(abs.(Sim_data-Eng_data)))/length(Eng_data)))

Погрешность: 2.3758486926991814e-12

Как мы видим из графиков, представленных выше, и результата подсчета средней погрешности, модели работают практически идентично.

Вывод

В этом примере мы реализовали эквалайзер, а также сравнили возможности Engee относительно моделирования в Simulink и показали опции подключения ядра MATLAB для решения задач внутри среды разработки Engee.

Блоки, использованные в примере