Garso šaltinio lokalizavimas su MUSIC, SPR­PHAT algoritmais ir neuroniniais tinklais

Ištrauka

Garso šaltinio lokalizavimas su MUSIC, SPRPHAT algoritmais ir neuroniniais tinklais
Bakalauro baigiamasis darbas

Turinys
ĮVADAS 6
1. GARSO ŠALTINIŲ LOKALIZAVIMAS 8
1.1. Garso šaltinių lokalizavimo sistema 8
1.1.1 Lokalizavimo tipai
8
1.1.2 Lokalizavimo metodai
8
1.1.3. Mikrofonų konfigūracijos 9
1.1.4. Garso šaltinių skaičius 9
2. APLINKOS AKUSTIKOS SIMULIACIJA 10
2.1. Garso sintezavimo metodai 10
2.1.1. Harmoninis garsas 10
2.1.2 Tekstūrinis garsas
10
2.1.3. Kalbos sintezatoriai 11
2.2. Garso sklidimo simuliacijos metodai 11
2.2.1. Besiriamentys bangomis 11
2.2.2. Besiriamentys geometrija 11
3. PASIRINKTI ANALITINIAI ALGORITMAI 12
3.1. MUSIC 12
3.2. SRPPHAT 12
4. BANDYMŲ APLINKOS BIBLIOTEKA 14
4.1. Virtualus kambarys 14
4.2. Garso šaltiniai 14
4.3. Mikrofonų masyvas 15
5. ANALITINIŲ ALGORITMŲ BANDYMAI 16
5.1. Pirmasis scenarijus 16
5.1.1. Pirmoji pozicija 18
5.1.2 Antroji pozicija
19
5.1.3 Trečioji pozicija
20
5.1.4. Scenarijaus apžvalga 21
5.2. Antrasis scenarijus 22
5.2.1. Pirmoji pozicija 23
5.2.2 Antroji pozicija
25
5.2.3 Trečioji pozicija
25
5.2.4. Scenarijaus apžvalga 26
5.3. Bandymų išvados 27
6. PASIRINKTI NEURONINIAI TINKLAI 29
6.1. ResNet 29
6.2. DenseNet 30
6.3. EfficientNetV2 32
7. MODELIŲ MOKYMAS 34
7.1. Tikrinimo duomenų rinkinys 34
7.2. Mokymo duomenų rinkinys 34
8. REZULTATAI 36
8.1. Garsaus signalo atvejai 36
8.2. Garsaus triukšmo atvejai 39
8.3. Vienodo signalo ir triukšmo garsumo atvejai 42
8.4. Kraštutiniai atvejai 45
8.5. Visi atvejai 48
IŠVADOS 52
ŠALTINIAI 53

Įvadas
Tyrimo objektas
Šiame darbe yra nagrinėjami garso šaltinio lokalizavimo metodai ir garso aplinkos simuliavimas.
Temos aktualumas
Garsas yra vienas svarbiausių informacijos perdavimų jrankių,
kuriuos mes ir didžioji dalis gyvūnijos naudojame kiekvieną dieną.
Garsas leidžia apsikeisti informacija tarpusavyje ir tuo pačiu leidžia
suprasti mus supantj pasaulj. Su milijonais metų evoliucijos mes
pasiekiame išsamų garso supratimo lygj. Mes gebame momento trukme
išnarplioti ir atskirti skirtingus garso šaltinius bei nurodyti jų kryptj. Mes
mokame atpažinti menkiausias garso variacijas ir informaciją, kuri
slypi po jomis. Nėra keista, kad garsas yra plačiai nagrinėtas reiškinys
jau daug metų, bet tik prieš kelis dešimtmečius prasidėjo garso
šaltinio lokalizavimo metodų tyrinėjimas. Didžiausią jtaką šios mokslo
atšakos pradžiai padarė kompiuterijos atsiradimas, gebėjimas
deleguoti darbą kompiuteriams.
Darbo tikslas
Šio darbo tikslas yra palyginti analitinius garso lokalizavimo
algoritmus MUSIC ir SRP PHAT su neuroniniais tinklais grjstais metodais
simuliacinėje aplinkoje. Šiam tikslui pasiekti yra išsikelti šie uždaviniai:
1.Atlikti literatūros analizę, siekiant apžvelgti esamus garso šaltinių
lokalizavimo metodus ir garso aplinkos simuliavimo jrankius.
2.Išnagrinėti analitinius MUSIC ir SRPPHAT garso šaltinio lokalizavimo
algoritmus.
3.Apsirašyti garso šaltinio lokalizavimo simuliavimo aplinką šiems
algoritmams palyginti tarpusavyje.
4.Pasirinkti kelis neuroninius tinklus ir juos apmokyti.
5.Paleisti pasirinktus neuroninius tinklus bandymų aplinkoje ir juos
palyginti tarpusavyje.
6.Palyginti neuroninius tinklus ir pasirinktus analitinius algoritmus.