In this course you will learn about audio signal processing methodologies that are specific for music and of use in real applications. We focus on the spectral processing techniques of relevance for the description and transformation of sounds, developing the basic theoretical and practical knowledge with which to analyze, synthesize, transform and describe audio signals in the context of music applications.
Offert par
Université Pompeu Fabra de Barcelone
Université de Stanford
Traitement des signaux audios pour des applications musicales
Université Pompeu Fabra de BarceloneÀ propos de ce cours
35,540 consultations récentes
Résultats de carrière des étudiants
67%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 49 heures pour terminer
Anglais
Sous-titres : Anglais
Compétences que vous acquerrez
Digital Signal ProcessingSignal ProcessingPython ProgrammingFft Algorithms
Résultats de carrière des étudiants
67%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 49 heures pour terminer
Anglais
Sous-titres : Anglais
Offert par
Université Pompeu Fabra de Barcelone
Pompeu Fabra University (UPF) is a modern public university, conveniently located in the centre of Barcelona (Spain) with the aim of providing top quality education and standing out as a research-based university. UPF is both a specialised university with a unique teaching model and a cutting-edge research institution. UPF places a strong emphasis on quality teaching, based on comprehensive education and student-centred learning, and innovation in the learning processes. UPF’s MOOCs are produced within this general goal.
Université de Stanford
The Leland Stanford Junior University, commonly referred to as Stanford University or Stanford, is an American private research university located in Stanford, California on an 8,180-acre (3,310 ha) campus near Palo Alto, California, United States.
Programme du cours : ce que vous apprendrez dans ce cours
6 heures pour terminer
Introduction
Introduction to the course, to the field of Audio Signal Processing, and to the basic mathematics needed to start the course. Introductory demonstrations to some of the software applications and tools to be used. Introduction to Python and to the sms-tools package, the main programming tool for the course.
6 heures pour terminer
11 vidéos (Total 126 min), 1 lecture, 2 quiz
11 vidéos
Teaser3 min
Welcome4 min
Introduction to Audio Signal Processing13 min
Course outline10 min
Basic mathematics16 min
Introduction to Audacity9 min
Introduction to SonicVisualizer10 min
Introduction to sms-tools17 min
Introduction to Python11 min
Python and sounds13 min
sms-tools software14 min
1 lecture
Advanced readings and videos10 min
1 exercice pour s'entraîner
Basics30 min
5 heures pour terminer
Discrete Fourier transform
The Discrete Fourier Transform equation; complex exponentials; scalar product in the DFT; DFT of complex sinusoids; DFT of real sinusoids; and inverse-DFT. Demonstrations on how to analyze a sound using the DFT; introduction to Freesound.org. Generating sinusoids and implementing the DFT in Python.
5 heures pour terminer
6 vidéos (Total 78 min), 1 lecture, 2 quiz
6 vidéos
DFT 111 min
DFT 216 min
Analyzing a sound8 min
Introduction to Freesound12 min
Sinusoids14 min
DFT15 min
1 lecture
Advanced readings and videos10 min
1 exercice pour s'entraîner
DFT30 min
5 heures pour terminer
Fourier theorems
Linearity, shift, symmetry, convolution; energy conservation and decibels; phase unwrapping; zero padding; Fast Fourier Transform and zero-phase windowing; and analysis/synthesis. Demonstration of the analysis of simple periodic signals and of complex sounds; demonstration of spectrum analysis tools. Implementing the computation of the spectrum of a sound fragment using Python and presentation of the dftModel functions implemented in the sms-tools package.
5 heures pour terminer
7 vidéos (Total 99 min), 1 lecture, 2 quiz
7 vidéos
Fourier properties 114 min
Fourier properties 213 min
Periodic signals11 min
Complex sounds9 min
Spectrum13 min
Fourier properties23 min
dftModel13 min
1 lecture
Advanced readings and videos10 min
1 exercice pour s'entraîner
Fourier properties30 min
5 heures pour terminer
Short-time Fourier transform
STFT equation; analysis window; FFT size and hop size; time-frequency compromise; inverse STFT. Demonstration of tools to compute the spectrogram of a sound and on how to analyze a sound using them. Implementation of the windowing of sounds using Python and presentation of the STFT functions from the sms-tools package, explaining how to use them.
5 heures pour terminer
6 vidéos (Total 90 min), 1 lecture, 2 quiz
1 lecture
Advanced readings and videos10 min
1 exercice pour s'entraîner
Short-time Fourier transform30 min
Avis
Meilleurs avis pour TRAITEMENT DES SIGNAUX AUDIOS POUR DES APPLICATIONS MUSICALES
par LN3 déc. 2016
Top class! Very well explained, good examples, excellent learning material, practical exercises, and lots and lots of room for further personal study! Well done guys, and especially Xavier! Cheers!
par EO8 déc. 2019
An absolutely awesome introduction to Audio Signal Processing. The additive introduction of new concepts is capable of teaching any beginner this topic which ordinarily is difficult to understand.
par HZ20 janv. 2017
I learned a lot during this course. It took quite a lot of time and energy to complete it, but I'm glad I did. It is now much easier to follow the text of Richard Lyons' book. Highly recommended.
par DA6 mars 2019
Assignments are easily doable without any application of real analysis skills. You guys should actually ask us to build certain parts of your models so that we achieve that level of skill.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
- Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
- Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
Can I take this course for free?
Yes, there is no fee in this course. You can follow the course, do the assignments, and obtain a final grade completely for free.
Can I pay to get a Course Certificate?
No, we do not offer this option.
What resources will I need for this class?
All the materials and tools for the class are available online under open licences.
Do I need to buy a textbook for the course?
No, it is self-contained.
How much programming background is needed for the course?
All the assignments start from some existing Python code that the student have to understand and modify. Some programming experience is necessary.
What is the coolest thing I'll learn if I take this class?
You will play around with sounds a lot, analysing them, transforming them, and making interesting new sounds.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
