Ingeniería de Sonido · 2017
Identificación automática de eventos sonoros de música y tráfico en grabaciones en ambientes controlados mediante descriptores de audio y el algoritmo de clasificación de máquinas de vectores de soporte (SVM)
Audio content analysis of real world recordings instead of common SPL measures is proposed as a technique for environmental noise evaluation. However, because of the large quantity of data that a monitoring system produces an automatic sound event algorithm was built using audio descriptors as MFCC, spectral centroid, zcr and roll off coupled with a supervised learning approach with SVM. For traffic related audio events an 84% recognition rate was achieved and for music related events a 95% rate in controlled environments. This was done in database composed of outdoor residential audios recorded in Medellin city.
Full text 78 pages with text
Read the full thesis Record in the repository
Contents
- RESUMENp. 10
- I. INTRODUCCIÓNp. 11
- II. OBJETIVOSp. 13
- A. Objetivo Generalp. 13
- B. Objetivos Específicosp. 13
- III. ESTADO DEL ARTEp. 14
- IV. MARCO TEÓRICOp. 18
- A. Ruido ambientalp. 18
- 1) Ruido de ociop. 18
- 2) Ruido de tráfico rodadop. 19
- 3) Tipos de ruidop. 20
- B. Descriptores de audiop. 22
- 1) ZCR (Zero Crossing Rate)p. 22
- 2) MFCC (Mel Frequency Cepstral Coefficient)p. 23
- 3) SPECTRAL CENTROIDp. 25
- 4) ROLL OFFp. 26
- C. Aprendizaje automáticop. 27
- 1) Aprendizaje no supervisadop. 27
- 2. Aprendizaje supervisadop. 27
- 3) SVM (support vector machines)p. 27
- 4) Métodos de evaluaciónp. 29
- V. METODOLOGÍAp. 33
- A. Grabaciones en campo:p. 33
- 1) Instrumentación de grabaciónp. 35
- 2) Taxonomía de los sonidos urbanosp. 38
- 3) Anotación de los eventos:p. 39
- B. Bases de datos externasp. 40
- 1) Urbansound8kp. 40
- 2) Freesoundp. 40
- 3) TUT sound events-developmentp. 41
- C. Extracción de descriptoresp. 42
- D. Entrenamiento SVMp. 43
- VI. RESULTADOSp. 45
- A. Bases de datosp. 45
- 1) Estructura de la base de datosp. 45
- B. Exploración inicial de los datosp. 47
- C. Reconocimiento eventos sonoros relacionados con traficop. 49
- 1) Entrenamiento MFCCp. 51
- 2) Entrenamiento con ZCR, SPECTRAL CENTROID y ROLL OFFp. 53
- 3) Entrenamiento con MFCC y ZCRp. 54
- 4) Entrenamiento con MFCC y SPECTRAL CENTROIDp. 55
- 5) Entrenamiento con MFCC y ROLL OFFp. 56
- 6) Entrenamiento con MFCC, ZCR, SPECTRAL CENTROID y ROLL OFFp. 57
- 7) Entrenamiento base de datos aumentadap. 59
- D. Reconocimiento eventos sonoros relacionados con músicap. 60
- 1) Entrenamiento con MFCCp. 60
- 2) Entrenamiento con ZCR, SPECTRAL CENTROID y ROLL OFFp. 53
- 3) Entrenamiento con MFCC, ZCR, SPECTRAL CENTROID y ROLL OFFp. 63
- VII. CONCLUSIONESp. 64
- REFERENCIASp. 66
- ANEXOSp. 69
- Tabla I. Matriz de confusiónp. 30
- Tabla II. Posiciones dispositivo de grabación en zonas residencialesp. 34
- Tabla III. Características songmeter-sm2p. 35
- Tabla IV. Metadatos almacenados por songmeter sm2p. 37
- Tabla V. Formato anotaciones generadas en audacityp. 39
- Tabla VI. Ejemplo vectores característicos con descriptores resumidosp. 43
- Tabla VII. Conteo de los eventos sonorosp. 46
- Tabla VIII. Conteo eventos sonoros bases de datos externasp. 47
- sizep. 50
- relacionados con tráficop. 51
- Ruido especifico B 4- Ruido especifico C 5- Ruido residualp. 21
- Fig. 2. Relación escala lineal y melp. 24
- Fig. 3. Banco de filtros de melp. 25
- de separaciónp. 28
- Fig. 5. Curva de aprendizaje sobre-ajustep. 31
- Fig. 6. Curva aprendizaje sub-ajustep. 32
- Fig. 7. Vista interior Songmeter sm 2p. 36
- Fig. 8. Configuración agenda de grabaciónp. 36
- Fig. 9. Configuración parámetros grabaciónp. 37
- Fig. 10. Taxonomía del entorno acústico residencial urbanop. 38
- Fig. 11. Anotación eventos sonoros en audacityp. 39
- Fig. 12. Extracción de descriptor ZCRp. 42
- Fig. 13. Diagrama de bloques entrenamientop. 44
- Fig. 15. Distribución promedios MFCC bocinasp. 47
- Fig. 16. Distribución promedios MFCC livianosp. 48
- Fig. 17. Distribución promedios MFCC motosp. 48
- Fig. 18. Distribución promedios MFCC pesadosp. 49
- Fig. 19. Puntajes entrenamiento con MFCCp. 51
- Fig. 20. Matriz de confusión entrenamiento con MFCCp. 52
- Fig. 21. Curva de aprendizaje entrenamiento con MFCCp. 52
- Fig. 22. Puntajes entrenamiento con ZCR, SPECTRAL CENTROID Y ROLL OFFp. 53
- Fig. 25. Puntajes entrenamiento con MFCC y ZCRp. 54
- Fig. 26. Matriz de confusión entrenamiento con MFCC y ZCRp. 55
- Fig. 27. Puntajes entrenamiento con MFCC y SPECTRAL CENTROIDp. 55
- Fig. 28. Matriz de confusión entrenamiento con MFCC y SPECTRAL CENTROIDp. 56
- Fig. 29. Puntajes entrenamiento con MFCC y ROLL OFFp. 56
- Fig. 30. Matriz de confusión entrenamiento con MFCC y ROLL OFFp. 57
- Fig. 31. Puntajes entrenamiento con MFCC, ZCR, SPECTRAL CENTROID y ROLL OFFp. 57
- OFFp. 58
- OFFp. 58
- Fig. 34. Puntajes entrenamiento con base de datos aumentadap. 59
- Fig. 35. Matriz de confusión entrenamiento con base de datos aumentadap. 59
- Fig. 36. Puntajes entrenamiento con MFCCp. 60
- Fig. 37. Matriz de confusión entrenamiento con MFCCp. 61
- Fig. 38. Curva de aprendizaje entrenamiento con MFCCp. 61
- Fig. 39. Puntajes entrenamiento con ZCR, SPECTRAL CENTROID y ROLL OFFp. 62
- Fig. 42. Puntajes entrenamiento con MFCC, ZCR, SPECTRAL CENTROID y ROLL OFFp. 63
Keywords
Digital signal processingEnvironmental noiseMachine auditionMachine-learningProcesamiento digital de señales