clear
close all
% 1-2 olculerin notalari
olcu12=['E','f','G','f', 'E']; % mi fa# sol fa# mi
zaman12=[1/4 1/8 1/8 1/8 1/8]; % notalarin vurus degerleri
% 3-4 olculerin notalari
olcu34=['C','E','F','H','F','E']; % do mi fa la fa mi
zaman34=[1/8 1/8 1/8 1/8 1/8 1/8]; % notalarin vurus degerleri
% 5-6 olculerin notalari
olcu56=['A','A','J','H','J','H']; % la la do la do la
zaman56=[1/8 1/8 1/8 1/8 1/8 1/8]; % notalarin vurus degerleri
% 7-8 olculerin notalari
olcu78=['D','f','G','I','G','f']; % re fa# sol si sol fa#
zaman78=[1/8 1/8 1/8 1/8 1/8 1/8]; % notalarin vurus degerleri
zaman90=[1/4 1/4 1/4 1/2 1/2 1]; % notalarin vurus degerleri
% zaman90 parca biterken yavaslayan kisim icin gecerli.
%vurus degerleri artarak bitiyor.
 
%% matris boyutlari
boyut=16384;
aaa=1:boyut/4; % 1/4 vuruslu notalar icin geri donen
% fonksiyon degerinin saklanacagi matris boyutu
aa=1:boyut/8;  % 1/8 vuruslu notalar icin matris (ilk olcu)
bb=1:boyut/8;  % 1/8 vuruslu notalar icin matris (ikinci olcu)
cc=1:boyut/8;  % 1/8 vuruslu notalar icin matris (ucuncu olcu)
dd=1:boyut/8;  % 1/8 vuruslu notalar icin matris (dorduncu olcu)
%
sona=1:boyut/4; % parca bitisindeki yavaslayan kisim icin matris (1/4)
sonb=1:boyut/4; % parca bitisindeki yavaslayan kisim icin matris (1/4)
sonc=1:boyut/4; % parca bitisindeki yavaslayan kisim icin matris (1/4)
sond=1:boyut/2; % parca bitisindeki yavaslayan kisim icin matris (1/2)
sone=1:boyut/2; % parca bitisindeki yavaslayan kisim icin matris (1/2)
sonf=1:boyut; % parca bitisindeki yavaslayan kisim icin matris (1)
 
%% olcu 1-2
aaa(1,:)=nota(olcu12(1),zaman12(1));
for z=1:length(zaman12)-1
aa(z,:)=nota(olcu12(z+1),zaman12(z+1));
end
%% olcu 3-4
for z=1:length(zaman34)
bb(z,:)=nota(olcu34(z),zaman34(z));
end
%% olcu 5-6
for z=1:length(zaman56)
cc(z,:)=nota(olcu56(z),zaman56(z));
end
%% olcu 7-8
for z=1:length(zaman78)
dd(z,:)=nota(olcu78(z),zaman78(z));
end
%% olcu 9-0
sona(1,:)=nota(olcu78(1),zaman90(1));
sonb(1,:)=nota(olcu78(2),zaman90(2));
sonc(1,:)=nota(olcu78(3),zaman90(3));
sond(1,:)=nota(olcu78(4),zaman90(4));
sone(1,:)=nota(olcu78(5),zaman90(5));
sonf(1,:)=nota(olcu78(6),zaman90(6));
 
%% tum dizileri arka arkaya diz
xx=[];
yy=[];
zz=[];
ww=[];
for say=1:length(zaman12)-1
xx=[xx aa(say,:)];
end
for say=1:length(zaman34)
yy=[yy bb(say,:)];
end
for say=1:length(zaman56)
zz=[zz cc(say,:)];
end
for say=1:length(zaman78)
ww=[ww dd(say,:)];
end
%% dizilerin hepsini cal.
tumdizi=[aaa xx aaa xx yy yy zz zz ww ww aaa xx aaa xx yy yy zz zz ww sona sonb sonc sond sone sonf];
soundsc(tumdizi,11025);
%bitti :)

function  [a]=nota(note,vurus)
 
switch note
%% native notalar
case {'A'} %la
frekans=440;
case {'a'} %la#
frekans=466.16;
case {'B'} %si
frekans=493.92;
case {'C'} %do
frekans=523.28;
case {'c'} %do#
frekans=554.40;
case {'D'} %re
frekans=587.36;
case {'d'} %re#
frekans=622.24;
case {'E'} %mi
frekans=659.28;
case {'F'} %fa
frekans=698.48;
case {'f'} %fa#
frekans=740;
case {'G'} %sol
frekans =784;
%% oktav yukari
case {'H'} %la
frekans=2*440;
case {'h'} %la#
frekans=2*466.16;
case {'I'} %si
frekans=2*493.92;
case {'J'} %do
frekans=2*523.28;
case {'j'} %do#
frekans=2*554.40;
case {'K'} %re
frekans=2*587.36;
case {'k'} %re#
frekans=2*622.24;
case {'L'} %mi
frekans=2*659.28;
case {'M'} %fa
frekans=2*698.48;
case {'m'} %fa#
frekans=2*740;
case {'N'} %sol
frekans=2*784;
%% oktav asagi
case {'O'} %la
frekans=440/2;
case {'o'} %la#
frekans=466.16/2;
case {'P'} %si
frekans=493.92/2;
case {'Q'} %do
frekans=523.28/2;
case {'q'} %do#
frekans=554.40/2;
case {'R'} %re
frekans=587.36/2;
case {'r'} %re#
frekans=622.24/2;
case {'S'} %mi
frekans=659.28/2;
case {'T'} %fa
frekans=698.48/2;
case {'t'} %fa#
frekans=740/2;
case {'U'} %sol
frekans =784/2;
%% diger durumlar
otherwise
disp('Yok boyle bisey')
frekans=0;
end
%% Belirlenen frekansda ve vurus suresinde sinus
%  sinyali fonksiyonun cikisina veriliyor.
a=sin(2*pi*frekans*(0:1/16383:vurus));

%% spektrumlari cizdir
subplot(2,1,1);
spectogram(tumdizi,1024,6950,256,192);    % tumdizinin spektrumunu cizdir.
grid on;
title('Yapay Sinyalin Spektrumu')
subplot(2,1,2);
wav=wavread('sinyal1.wav',[2000 12000]);     % gercek sesi import et
spectogram(wav,2048,44100,1024,256);        % sesin spektrumunu cizdir.
grid on;
title('Gercek Sesin Spektrumu')

close all
clear all
clc
 
%% Degisken ve Sabitlerin Tanimlanmasi
fs=200; % sample rate
 
%% Sinyalin Matlab Ortamina Alinmasi
hamsinyal=load('ECG3');
plot(hamsinyal);
title('Ham Sinyal');
figure

%% DC Bilesenlerin Atilmasi
dcsizsinyal=(hamsinyal-mean(hamsinyal));
plot(dcsizsinyal);
title('DC Bilesenleri Atilan Sinyal');
figure

%% Filtre
% 10 point avarage filter
B=(1/10)*ones(1,10);
A=1;
freqz(B,A);
title('10 Point Moving Avarage Filtre');
figure
avaragefiltrelisinyal=filter(B,A,dcsizsinyal);
plot(avaragefiltrelisinyal)
title('Moving Avarage (Low Pass) Filtreden Gecmis Sinyal');
figure

%% Derivative Based Filter
B=(1/1.0025)*[1 -1];% 1.0025 normalizasyon degeri
A=[1 -0.995];
freqz(B,A);
title('Derivative Based Filter');
figure
derivativefiltrelisinyal=filter(B,A,avaragefiltrelisinyal);
plot(derivativefiltrelisinyal)
title('Derivative Based (High Pass) Filtreden Gecmis Sinyal');
figure

%% Comb Filter
% 60Hz sebeke gurultusunu ve harmoniklerini bastiran filtre
B=conv([1 1],[0.6310 -0.2149 0.1512 -0.1288 0.1227 -0.1288 0.1512 -0.2149 0.6310]);
A=1;
freqz(B,A);
title('Comb Filter');
figure
comb=filter(B,A,derivativefiltrelisinyal);
plot(comb)
title('Comb (60Hz ve Harmoniklerini Bastiran) Filtreden Gecmis Sinyal');

%% Differentiator
differentiatorcikisi=diff(comb);
 
%% Squaring Operation
kare=differentiatorcikisi.*differentiatorcikisi;
 
%% Moving Window Integrator
window=ones(1,30); % N=30 moving window
integral= medfilt1(filter(window,1,kare),10);
delay = ceil(length(window)/2);
integral = integral(delay:length(integral));
 
%% QRS Arama
max_h = max(integral);
thresh = 0.2;
poss_reg = integral > (thresh*max_h);
 
sol = find(diff([0 poss_reg'])==1);
sag = find(diff([poss_reg' 0])==-1);
 
 for i=1:length(sol)
    [maxdeger(i) maxloc(i)] = max( comb(sol(i):sag(i)) );
    maxloc(i) = maxloc(i)-1+sol(i); % offset ekle
    [mindeger(i) minloc(i)] = min( comb(sol(i):sag(i)) );
    %mindeger Q noktasini verir
    minloc(i) = minloc(i)-1+sol(i); % offset ekle
    % Q noktasi icin offset
 end
 
% minpozisyon=ones(1,4000)*-max(comb);
% minpozisyon(1,minloc)=max(comb);
maxpozisyon=ones(1,4000)*(-max(comb));
maxpozisyon(1,maxloc)=max(comb);
% maxpozisyon(1,sol)=max(comb);
% maxpozisyon(1,sag)=max(comb);
% maxpozisyon(1,minloc)=max(comb);
 
figure
% plot(comb(1:(length(comb)/4)),'b-')
plot(comb)
title('R noktalari belirlenmis sinyal');
hold on
% plot(minloc,mindeger,'r--')
plot(maxloc,maxdeger,'g-')
 
figure
plot(comb)
title('R noktalari isaretlenmis sinyal');
hold on
%plot(minpozisyon,'r') % Q baslangici
plot(maxpozisyon,'r')
legend('Comb Filtreden Gecen Sinyal','R');

%% Beat Sayisi
beat=length(maxloc)
heartrate=beat/(length(hamsinyal)/fs)

%% RR Araligi Ortalamasi
ortalama=0;
for i=1:beat-1
    ortalama=ortalama+(maxloc(i+1)-maxloc(i)-1)/fs;
    u(i)=(maxloc(i+1)-maxloc(i)-1)/fs;
end
ortalama=1000*ortalama/beat
% ms cinsinden bulmak icin 1000 ile carpildi.

%% Standart Sapma
variance=var(u)*1000 %ms cinsinden

% QRS Genisligi
for i=1:beat
    qrs(i)=sag(i)-minloc(i)
end

xseg_son=[];
mm_son=[];
cc=[];
energy=[];
pitch=[];
voiced=[];
unvoiced=[];

[x,fs]=wavread('normal_female');
close all
plot(x);
title('Okunan Sinyal');

X=x-mean(x);
plot(X);
title('DC Bileseni Atilmis Sinyal Sinyal');

block=30*fs/1000; % Segmentlerin block uzunluğunun okunan sinyalin sample frekansından bulunması
overlap=10*fs/1000;% Overlap miktarının bulunması.
xson=buffer(X,block,overlap);% Segmentasyon yapılıyor.
xson=xson.*repmat((hamming(block)),1,length(xson(1,:)));% Hamming Code İle Çarpım.

Maximum=max(X);% DC bileşenleri atılmış sinyalin maximum değeri bulunuyor.(Global Maximum)
maxy=(Maximum*0.05);% Silence için threshold değeri tanımlanıyor
sinyal_uz=length(xson(1,:)); % xson sinyalinin boyutları [1500,300].Burada sinyal_uz 300 değerini alıyor.

z=1;% Silence olmayan segmentlerin sayısını z verecek
for c=1:(sinyal_uz), % sinyal_uz=300.% Her segmentin maximumu xseg_max a atanıyor.
% Bir sonraki adımda global max. ile karşılaştırılacak.
xseg_max=max(xson(:,c));
if xseg_max >maxy % Segmentin maximumu global maximum ile karşılaştırılıyor.
xseg_son(:,z)=xson(:,c); % Silencelardan arındırılmış yeni bir "xseg_son" sinyali oluşturuluyor.
z=z+1; % Silence olmayan her segment için z 1 arttırılıyor.
else
end % if
end % for
 
xx=xseg_son(:,1:(z-1)); % xseg_son xx e atandı.
plot(xx(:));
title('Silence Atilmis Sinyal');

for i=1:length(xx(1,:)), %i=1:300
m1=max(abs(xx(1:500,i))); % xx sinyalinin ilk 1/3 kısmının maximum elemanı bulundu
m2=max(abs(xx(1001:1500,i))); % xx sinyalinin son 1/3 kısmının maximum elemanı bulundu
mm=min(m1,m2); % Bu iki maximumdan hangisinin daha küçük olduğu belirlendi
mm_son(i)=mm*0.68; % Yukarıdaki satırda elde edilen değer 0.68 ile çarpılarak "clipping level" elde edildi
 
for j=1:length(xx(:,1)), % length(xx(:,1))=1500
if abs(xx(j,i))>mm_son(i) % Clipping level ile karşılaştırma yapılıyor
cc(j,i)=sign(xx(j,i))*((abs(xx(j,i)))-(mm_son(i))); % Clipping leveldan büyük olan bileşenlerden clipping level çıkarıldı
else
cc(j,i)=0;  % Küçük olan bileşenler ise 0 a çekildi
end  % if koşulu sona erdiriliyor
end  % 2."for" döngüsü sonu
end  % 1."for" döngüsü sonu

w=1; % Voiced segmentler için başlangıç ataması
v=1; % Unvoiced sinyaller için başlangıç ataması
u=1; % Voiced olarak düşündüğümüz bileşenlerin sayısını bu parametre gösterecek
a=[]; % Autocorrelation matrisi için başlangıç ataması
for h=1:length(cc(1,:)),  % cc nin kolon sayısı=300
energy(h)=norm(cc(:,h),2)^2; % Her segment için enerji hesaplanıyor
a(:,h)=xcorr(cc(:,h));   % İlk başta bütün cc sinyalinin autocorrelation u bulunuyor
 
% 50 Hz-400Hz arasındaki autocorrelation fonksiyonu değerlerini bulabilmek için 50 Hz ve 400 Hz frekanslarına karşılık gelen pitch  frequency değerlerinin indekslerini alıyoruz.
alt_sinir=floor(fs/400);
ust_sinir=floor(fs/50);
Rxx=abs(a((block+alt_sinir:block+ust_sinir),h));
[k l]=max(Rxx);   % Aldığımız aralıktaki en büyük sayının yerini belirliyoruz
l=l+alt_sinir;
pitch(h)=fs/l;  % Pitch Frequnecy hesaplanıyor 
 
% Segmentin sesli/sessiz oldugunu bulabilmek için autocorrelation'in 0.4*energy'den
% büyük olup olmadigi karsilastiriliyor. Eger büyükse segment seslidir ve voiced
% matrisine atiliyor, eger küçükse unvoiced matrisine atiliyor. Voiced ve unvoiced
% segment sayisi w ve v degiskenlerinde tutuluyor.
 
if k > 0.4*energy(h) % En büyük değer 0.4*energy ile karşılaştırılıyor
voiced(:,w)=cc(:,h); % Şart sağlanırsa voiced sinyaline atılıyor
w=w+1; % Koşul sağlanırsa voiced segment sayısı arttırılır.
else
unvoiced(:,v)=cc(:,h); % Şart sağlanmazsa unvoiced sinyali oluşturuluyor
v=v+1; % Unvoiced sinyal segmentleri 1 arttılır.
end
end % 1. "for" döngüsü sonu

sesli_ort=mean(pitch); % Voiced segmentlerin ortalaması
sesli_ort
 
sesli_ort=
232.8431