دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1st ed.]
نویسندگان: Gerald Schuller
سری:
ISBN (شابک) : 9783030512484, 9783030512491
ناشر: Springer International Publishing;Springer
سال نشر: 2020
تعداد صفحات: XI, 197
[202]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Filter Banks and Audio Coding: Compressing Audio Signals Using Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب فیلتر بانک ها و کدگذاری صوتی: فشرده سازی سیگنال های صوتی با استفاده از پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب درسی اصول کدگذاری صوتی را که برای فشردهسازی سیگنالهای صوتی و موسیقی استفاده میشود، با استفاده از برنامههای پایتون هم بهعنوان مثال برای نشان دادن اصول و هم برای آزمایش برای خواننده ارائه میکند. سپس این برنامه ها با هم کدگذارهای صوتی کاملی را تشکیل می دهند. نویسنده با دانش اولیه پردازش سیگنال دیجیتال (نمونهبرداری، فیلتر کردن) شروع میکند تا به معرفی کامل بانکهای فیلتر که در کدگذاری صوتی استفاده میشود و روشهای طراحی آنها بپردازد. او سپس با مؤلفه اصلی بعدی، که مدل های روانی- آکوستیک هستند، ادامه می دهد. نویسنده در نهایت نحوه طراحی و اجرای آنها را نشان می دهد. در نهایت، نویسنده به تشریح مولفههایی برای کدگذارهای تخصصیتر، مانند بانک فیلتر MDCT عدد صحیح به عدد صحیح و کدگذاری پیشبینیکننده برای کدگذاری بدون تلفات و تاخیر کم ادامه میدهد. شامل مثالهای برنامه پایتون برای هر بخش است که اصول را نشان میدهد و ابزارهایی را برای آزمایشها فراهم میکند.
This textbook presents the fundamentals of audio coding, used to compress audio and music signals, using Python programs both as examples to illustrate the principles and for experiments for the reader. Together, these programs then form complete audio coders. The author starts with basic knowledge of digital signal processing (sampling, filtering) to give a thorough introduction to filter banks as used in audio coding, and their design methods. He then continues with the next core component, which are psycho-acoustic models. The author finally shows how to design and implement them. Lastly, the author goes on to describe components for more specialized coders, like the Integer-to-Integer MDCT filter bank, and predictive coding for lossless and low delay coding. Included are Python program examples for each section, which illustrate the principles and provide the tools for experiments.