Tek mikrofon ile ses kaynağı uzaklığı tahmini
Audio source distance estimation via single microphone
- Tez No: 518135
- Danışmanlar: PROF. DR. HAKKI GÖKHAN İLK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, geleneksel yöntemler (öznitelik çıkarımı ve sınıflandırma) ve derin ağlar ile öğrenme olmak üzere iki ayrı yöntem, tek mikrofon ile ses kaynağı mesafesi tahmini problemine çözüm olarak sunulmuştur. Veri seti olarak kullanılmak üzere öncelikle 1 metre, 2 metre, 3 metre ve 4 metrelik uzaklıklardan ses kayıtları toplanmıştır. Problem ilk olarak geleneksel yöntemler ile üç adımda çözülmüştür. İlk adımda ses aktivatörü kullanılarak sadece konuşma içeren ses sinyali alınmıştır ve Hanning pencereleme uygulanmıştır. İkinci adımda ise bu sinyalden öznitelikler çıkartılmıştır. Son adımda ise çıkartılan bu öznitelikler k-nn (k-nearest neighbour, k-en yakın komşuluk) sınıflandırıcı ile sınıflandırılıp mesafeye karar verilmiştir. İkinci yöntem olarak ise derin sinir ağları kullanılarak mesafeye karar verilmiştir. Derin sinir ağ yapısı, 1 giriş, 7 konvolüsyönel katman ve 1 çıkış katmanından oluşturulmuştur. Geleneksel yönteme göre derin sinir ağları ile elde edilen başarımda % 14'lük bir artış gözlenmiştir.
Özet (Çeviri)
In this thesis, traditional methods (feature extraction and classification) and deep neural networks, are presented as a solution to the sound source distance estimation problem via single microphone. As dataset, 1 meter, 2 meter, 3 meter and 4 meter recordings were used. The problem is solved in three steps by conventional methods. In the first step, a VAD (voice activity detector) and Hanning windowing are applied to speech signal. In the second step, features are extracted from this signal. In the last step, these extracted features are classified with k-nn (k-nearest neighborhood) classifier. As a second method, it has been decided to use deep neural networks. The deep network structure is composed of 1 input, 7 convolutional layers and 1 output layer. Compared with the conventional method, deep networks increased the performance of the overall system by 14 %.
Benzer Tezler
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- İşyerlerinde aktif gürültü kontrol yöntemi ile gürültü seviyesinin azaltılmasına ilişkin bir sistemin geliştirilmesi
Developing A system for reducing the noise level by using active noise control method in workplaces
TOLGA ÖZKAN
Doktora
Türkçe
2021
Çalışma Ekonomisi ve Endüstri İlişkileriİstanbul Gedik Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA YAĞIMLI
- Cam ve plastik seraların sonbahar domates üretimi yönünden karşılaştırılması
Başlık çevirisi yok
ERGUN DURAN
- Eksternal etmoidektomiler
Başlık çevirisi yok
ERCÜMENT AKMAN
Tıpta Uzmanlık
Türkçe
1987
Kulak Burun ve BoğazGazi ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
PROF.DR. NECMETTİN AKYILDIZ
- İzmir'de Mustafa Kemal Bulvarı'nın peyzaj mimarlığı açısından etüdü ve peyzaj projesi
Başlık çevirisi yok
ENGİN ALPARSLAN
Yüksek Lisans
Türkçe
1985
Peyzaj MimarlığıEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
YRD. DOÇ. DR. ÜMİT ERDEM