21 Mars

Thursday, March 21st, 2013 by Magnus

Idag satt vi och funderade på hur vi kan lösa filtreringen.

FFT står för fast fourier transform och är en process med vilken man kan få fram en represantion av en vågform, bild, funktion, eller vad som helst.

En FFT transform, är en process med vilken man omvandlar data som existerar i tid till data som existerar i frekvensform, d.v.s. en samling frekvenser.

Varje frekvens har två dimensioner, reell och imaginär dessa namnen är helt godtyckliga och skulle kunnat heta t.e.x. X och Y.

I vilket fall som helst så betyder dessa Frekvens respektive fas.

När man plockat isär dessa kan man manipulera egenskaperna för vågformerna lite hur man vill.

I vårt skall vi göra ett filter, då multiplicerar vi den ena vågens  (impulsen) amplitud med den andra vågens, och sedan sätter man ihop vågen igen, från information i frekvens, till information i tid.

Detta ger dock hemska artefakter, dessa kan reduceras genom att öka antalet samples som ‘buffras’ till FFT filtret, men även vid 16284 samples så är ljudkvaliteten oacceptabel.

Dessutom så får man en fördröjning på filtret som är lika stor som buffern, eller som är genomsnittet av filtersignalen (impulsen) för buffern.

man kan lösa detta genom att använda ‘vectral’ noden i max/msp. Jag vet inte vad denna gör men den jämnar ut effekten över ett fixerat antal sampels, i detta fallet använder jag 256 sampels.

 

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: