Кіріспе
Вокодер алгоритмі
Фазалық вокодер – бұл аудио сигналдардың жиілік және уақыт салаларындағы ақпаратты, жиілік трансформациясынан алынған фазалық ақпаратты пайдалана отырып, интерполяциялай алатын вокодер алгоритмінің бір түрі. Компьютерлік алгоритм цифрлық дыбыс файлына жиілік саласында өзгерістер енгізуге мүмкіндік береді (әдетте уақытты кеңейту/қысқарту және тональностьды өзгерту). Фазалық вокодердің негізі – қысқа мерзімді Фурье трансформациясы (STFT), ол көбінесе жылдам Фурье трансформацияларын қолдану арқылы кодталады. STFT дыбыстың уақыт саласындағы бейнесін уақыт-жиілік бейнесіне ("талдау" фазасы) түрлендіреді, бұл дыбыстың нақты жиілік компоненттерінің амплитудасын немесе фазасын өзгертуге мүмкіндік береді, содан кейін кері STFT арқылы уақыт-жиілік бейнесі уақыт саласына қайта синтезделеді. Қайта синтезделген дыбыстың уақыт бойынша өзгеруі бастапқы дыбыс файлының уақыт шкаласын өзгертуге мүмкіндік беретін, қайта синтездеу операциясынан бұрын STFT кадрларының уақыт позициясын өзгерту арқылы өзгертілуі мүмкін.
A phase vocoder is a type of vocoder purposed algorithm which can interpolate information present in the frequency and time domains of audio signals by using phase information extracted from a frequency transform. The computer algorithm allows frequency domain modifications to a digital sound file (typically time expansion/compression and pitch shifting). At the heart of the phase vocoder is the short time Fourier transform (STFT), typically coded using fast Fourier transforms. The STFT converts a time domain representation of sound into a time frequency representation (the "analysis" phase), allowing modifications to the amplitudes or phases of specific frequency components of the sound, before resynthesis of the time frequency domain representation into the time domain by the inverse STFT. The time evolution of the resynthesized sound can be changed by means of modifying the time position of the STFT frames prior to the resynthesis operation
allowing for time scale modification of the original sound file.
Фазалық үйлесімділік проблемасы
STFT-ті манипуляциялаудың барлық жағдайларында шешілуі тиіс негізгі мәселе – жеке сигнал компоненттерінің (синусоидтар, импульстар) бірнеше кадрларға және бірнеше STFT жиілік орындарына (бинге) таралуы. Бұл STFT-талдаудың бір-бірімен жапсарлас талдау терезесін қолдану арқасында болады. Терезелеу нәтижесінде спектрлік ағып кету пайда болады, сондықтан жеке синусоидты компоненттер туралы ақпарат көршілес STFT биндеріне таралады. Талдау терезесінің шеттік әсерлерінен және кесуден аулақ болу үшін, STFT талдау терезелері уақыт бойынша жапсарласа орналасады. Бұл уақыт бойынша жапсарласу көршілес STFT талдауларының күшті корреляцияға ие болуына әкеледі (талдау кадрында "t" уақытында кездесетін синусоид келесі кадрларда да кездеседі). Фазалық вокодермен сигналды түрлендіру мәселесі STFT ұсынылымында жасалатын барлық өзгерістер көршілес жиілік биндері (вертикальді когеренттілік) және уақыт кадрлары (горизонтальді когеренттілік) арасындағы тиісті корреляцияны сақтау қажеттігімен байланысты. Өте қарапайым синтетикалық дыбыстардан басқа, бұл тиісті корреляцияларды шамамен ғана сақтауға болады, ал фазалық вокодер ойлап табылғаннан бері зерттеулер негізінен модификациядан кейін STFT ұсынылымының вертикальді және горизонтальді когеренттілігін сақтайтын алгоритмдерді табуға бағытталған. Фазалық когеренттілік мәселесі тиісті шешімдер пайда болғанға дейін біраз уақыт зерттелді.
Тарих
Фазалық вокодер 1966 жылы Фланаганмен синусоидты компоненттерді көрсететін жиіліктердің фазалары арасындағы көлденең сәйкестілікті сақтауға арналған алгоритм ретінде ұсынылды. Бұл бастапқы фазалық вокодер жақын жиіліктер арасындағы тік сәйкестілікті ескермеді, сондықтан осы жүйемен уақытты созу нәтижесінде айқындығы жоқ дыбыстық сигналдар алынды. 1984 жылы Гриффин мен Лим амплитуда өзгерістерінен кейін STFT бойынша дыбыстық сигналды оңтайлы қалпына келтіру әдісін ұсынды. Бұл алгоритм когерентті STFT жасау мәселесін қарастырмайды, бірақ өңделген STFT когерентті болмаса да (ешқандай сигналды көрсетпесе) өңделген STFT-ге ең жақын STFT-ге ие дыбыстық сигналды табуға мүмкіндік береді. Тік сәйкестілік мәселесі 1999 жылға дейін уақытты масштабтау операцияларының сапасы үшін маңызды мәселе болып қала берді, ол кезде Ларош пен Долсон жиіліктерде фазалық сәйкестілікті сақтау тәсілін ұсынды. Ларош пен Долсонның ұсынысы фазалық вокодер тарихындағы маңызды кезең ретінде қарастырылуы керек. Тік фазалық сәйкестілікті қамтамасыз ету арқылы өте жоғары сапалы уақытты масштабтау түрлендірулерін алуға болады. Ларош ұсынған алгоритм дыбыс басталулары (нота басталулары) үшін тік фазалық сәйкестілікті сақтауға мүмкіндік бермеді. Бұл мәселені шешу үшін Робель бір жол ұсынды. Осы жерде сипатталғандарға ұқсас тәсілдерді пайдалана отырып, жоғары сапалы сигнал түрлендіруін жүзеге асыруға арналған фазалық вокодерлік сигнал түрлендіруінің бағдарламалық қамтамасыздағы мысалы – Ircam-ның SuperVP.
Музыкада қолдану
Британдық композитор Тревор Вишарт өзінің Vox 5 шығармасының (оның үлкен Vox циклінің бір бөлігі) негізі ретінде адам дауысының фазалық вокодерлік талдаулары мен түрлендірулерін пайдаланды. Американдық композитор Роджер Рейнольдстың Transfigured Wind шығармасы флейта дыбыстарын уақытты созу үшін фазалық вокодерді қолданады. Джоанн Кучера Мориннің музыкасы фазалық вокодерлік түрлендірулерді ең ерте және кеңінен қолданған жұмыстардың бірі болып табылады, мысалы Dreampaths (1989).