| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 2.01 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
A presente dissertação tem como objetivo desenvolver uma aplicação na lingua-gem Python de um modelo de classificação de assinaturas acústicas (Navios), usando gravações fornecidas pelo Professor Catedrático Victor Lobo no âmbito da sua tese de Doutoramento.
A partir das gravações originais foram extraídas várias características áudio usando transformadas de Fourier de tempo curto, coeficientes cepstrais da frequência Mel, componentes do respetivo cromagrama, espectrograma em escala de Mel, contraste espectral e Tonnetz. À base de dados compilada com todas as características extraídas dos ficheiros áudio construiu-se um Mapa Auto-Organizado de Kohonen (SOM) usando um algoritmo batch. Usando o SOM como classificador avaliou-se a precisão de este classificar corretamente um grupo de áudios teste de navios e foi feita uma comparação com a precisão que se obteria usando uma rede neuronal, o percetrão de multicamadas.
De seguida, foi criado um sistema de decisão que auxiliasse a identificação do navio disponibilizando não só a classificação mais provável, como também as outras possibilidades de classificação.
The main objective of the present work is to develop a Python application of acoustic signatures classification (ships), using audio recordings given by Professor Doc-tor Victor Lobo., within the framework of his PhD thesis. From original recordings several audio features where extracted using short time Fourier transform, Mel-frequency cepstral coefficients, features from respective chroma-gram, Mel-scaled spectrogram, spectral contrast and its Tonnetz. A batch Kohonen Self-Organizing Map (SOM) was then applied to the complete matrix of compiled data. Using the SOM as a classifier, it is evaluated the precision of this technique classifying correctly a group test of ships and it is compared with the precision obtained by using a neuronal network multi-layer perceptron. Moreover, decision system that supports the ship identification not only making available the most likely classification, but also the other nearest possibilities.
The main objective of the present work is to develop a Python application of acoustic signatures classification (ships), using audio recordings given by Professor Doc-tor Victor Lobo., within the framework of his PhD thesis. From original recordings several audio features where extracted using short time Fourier transform, Mel-frequency cepstral coefficients, features from respective chroma-gram, Mel-scaled spectrogram, spectral contrast and its Tonnetz. A batch Kohonen Self-Organizing Map (SOM) was then applied to the complete matrix of compiled data. Using the SOM as a classifier, it is evaluated the precision of this technique classifying correctly a group test of ships and it is compared with the precision obtained by using a neuronal network multi-layer perceptron. Moreover, decision system that supports the ship identification not only making available the most likely classification, but also the other nearest possibilities.
Description
Keywords
Assinaturas acústicas Classificações Sistema de decisão