UNIVERSIDAD TECNICA PARTICULAR DE LOJA

ESCUELA DE ELCTRONICA Y TELECOMUNICACIONES PROCESAMIENTO DE SEALES ANALOGICAS Y DIGITALES AVANCE DE PROYECTO Tema: Robot bailarn con procesa y reconoce tres tipos de gneros musicales. Integrantes: Jorge Andrade Roger Sarango Geovanny Erazo Objetivos: Mediante la herramienta Matlab disear el algoritmo que procese tres tipos de gneros musicales con los cuales el robot realizara los distintos movimientos. Construir un robot con tres articulaciones: una en el cuello, las manos y los pies. Descripcin: Para el proyecto que vamos a realizar, implementaremos un robot bailarn con procesamiento y reconocimiento de audio (gneros musicales), estas seales sern procesadas por medio de la herramienta de programacin Matlab; la seal de audio que va a ser procesada ser ingresada a travs de un micrfono, la duracin de la grabacin ser de 3 a 4 segundos, y ser procesada y de acuerdo a los patrones del gnero musical, el robot realizara los respectivos movimientos de cabeza, brazos y piernas. Diagrama de bloques del sistema a implementar

Fig.1: Diagrama de funcionamiento del proyecto.

Con base en el anlisis de las formas de onda de diversas canciones y empleando herramientas que permitan analizar las seales, es posible extraer un nmero adecuado de parmetros en esta parte del sistema. Funcionamiento del sistema. Extraccin de caractersticas y procesamiento

Ingreso de msica

Clasificacin por gnero

Movimiento de robot Fig.2: Funcionamiento del proyecto. Como se muestra en el diagrama de bloques, el sistema est compuesto de dos bloques interconectados entre s. Un primer bloque se encarga de ingresar, almacenar la msica a ser procesada, el segundo bloque se encarga de llevar a cabo la extraccin de caractersticas relevantes a partir del archivo de msica, mientras que el tercer bloque es el sistema clasificador, encargado de realizar la tarea de categorizacin una vez se ha obtenido la informacin necesaria y pertinente del bloque anterior. Para realizar la tarea de clasificacin de msica se pueden tener en cuenta diversas caractersticas de su forma de onda, como son Espectro de frecuencia, Potencia, Amplitud en Tiempo, etc. Dentro de las caractersticas de tiempo, existen muchos tipos de parmetros como lo son, por ejemplo, el volumen promedio y el volumen dinmico. Cualquier desviacin de una distribucin tpica de frecuencia es vista como una modificacin estructural, la cual permite diferenciar un ritmo de otro. Es necesario analizar dichos cambios en diferentes tiempos, para observar si son cambios estructuralmente planeados y repetitivos que entregan un anlisis de la forma de onda o si son cambios meramente aleatorios y que no presentan periodicidad a travs del tiempo. Extraccin de caractersticas a partir del dominio de la frecuencia Hay una amplia gama de herramientas matemticas que permiten realizar anlisis de seales en el dominio de la frecuencia. La Transformada de Fourier es una de las ms ampliamente utilizadas en este tipo de estudios, y su importancia radica en el hecho que permite es componer un amplia gama de seales en trminos de funciones senoidales. La transformada de Fourier de una seal de energa finita est definida como: ( ) ( )

Una cancin es muestreada a una frecuencia determinada, que para el caso de seales de audio es generalmente 44100 Hz. La razn por la cual se muestrea a esta tasa se fundamenta en el Criterio de Nyquist, el cual establece que para recuperar una seal a partir de sus muestras, stas deben ser tomadas a una frecuencia igual a superior a dos veces la frecuencia mxima contenida en dicha seal. Programa en Matlab del procesamiento de audio.
%% ----------------------EJECUCION PARA EL AUDIO-----------------------clc; %Limpia la ventana de comandos clear all fs=8000; %Frecuencia de muestreo Bm=16; %numero de bis de cada muestra de la seal digitalizada duracion=1; % Duracion de la muestra en segundos numcan=1; %numero de canales: (1)Monoaural, (2)Estreo ai=analoginput('winsound'); %Definicion de la entrada analogica de windows n=1:numcan; chan=addchannel(ai,n); %definicion de los canales de adquisicion set(ai,'SampleRate',fs); %Configuracion de la frecuencia de muestreo ActualRate=get(ai,'SampleRate'); set(ai,'SamplesPerTrigger',duracion*ActualRate);%Duracion de las muestras set(ai,'TriggerType','Manual'); set(ai,'BitsPerSample',Bm); %Numero de bits por muestra start(ai); trigger(ai); senal=getdata(ai); y=senal; Le aplicamos un filtro a la seal. %------------------------------FILTRO-------------------------------------flcorte=600; [b,a]=butter(5,flcorte/(fs/2),'high'); fhcorte=700; [d,c]=butter(5,fhcorte/(fs/2),'low'); %-----------PROCESAMIENTO DE LA SEAL POR MEDIO DE LA TRANSFORMADA DE FOURIER-----------yf=filtfilt(b,a,y); yf=filtfilt(d,c,yf); N=length(yf); %Tamao de la muestra t=(0:N-1)/fs; Y=fft(yf,N); Pyy=Y.*conj(Y)/N; f=(fs)*(0:N/2-1)/N; [A,F]=max(Pyy); pause(0.5); plot(t,y); grid on; zoom on; figure(2) plot(f(200:1000),Pyy(200:1000)); grid on; zoom on;

%-----------------------------FILTRO-------------------------------flcorte=400; [b,a]=butter(5,flcorte/(fs/2),'high'); fhcorte=500; [d,c]=butter(5,fhcorte/(fs/2),'low'); %--------------------------------FILTRO---------------------------------------flcorte=200; [b,a]=butter(5,flcorte/(fs/2),'high'); fhcorte=300; [d,c]=butter(5,fhcorte/(fs/2),'low'); %----------------------------------FILTRO-------------------------------------flcorte=400; [b,a]=butter(5,flcorte/(fs/2),'high'); fhcorte=500; [d,c]=butter(5,fhcorte/(fs/2),'low'); %------------------------------FILTRO-------------------------------flcorte=250; [b,a]=butter(5,flcorte/(fs/2),'high'); fhcorte=300; [d,c]=butter(5,fhcorte/(fs/2),'low');

Bibliografa: - Desain, P. Autocorrelation and the study of musical expression. Centre of knowledge technology, Utrecht School of arts. 1990 - Gerhard, David. Ph.D. Depth Paper: Audio Signal Classification. School ofComputing Science. Simon Fraser University. 2000.