Ψηφιακή επεξεργασία και αυτόματη κατηγοριοποίηση περιβαλλοντικών ήχων

Abstract

The present dissertation introduces methods for automatic recognition of generalized sound events. More precisely the dissertation proposes a series of novel methodologies for the following applications of the specific technology a) recognition of urban environmental sound events, b) speech/music discrimination and c) acoustic surveillance of hazardous situations. As regards to the needs of the first application we propose the usage of principal component analysis for the post processing of the acoustic parameters in combination with a hierarchical classification topology. With respect to the second application we introduce the concurrent usage of feature sets which belong to frequency and wavelet domains. These are fed to hidden Markov models for automatic analysis of radiophonic signals. As regards to the third application we propose a methodology for detection of atypical situations which is self-adaptive to different acoustic conditions. Additionally, we investigate the novelty detection technology for acoustic surveillance of spaces using a database which was recorded under real world conditions. Lastly, the dissertation introduces the idea of temporal feature integration a process which leads to high recognition rate. This methodology is a general scope one and can be adapted so as to fit the needs of various applications.

Η παρούσα διατριβή εισάγει μεθόδους για την αυτόματη αναγνώριση γενικευμένων ακουστικών γεγονότων. Πιο συγκεκριμένα η διατριβή προτείνει μια σειρά από καινοτόμες μεθοδολογίες για τις εξής εφαρμογές της συγκεκριμένης τεχνολογίας: α) αναγνώριση ακουστικών γεγονότων αστικού περιβάλλοντος, β) διάκριση ομιλίας/μουσικής και γ) ακουστική επόπτευση καταστροφικών καταστάσεων. Για τις ανάγκες της πρώτης εφαρμογής προτείνεται η χρήση της ανάλυσης κυρίων συνιστωσών για την μετά επεξεργασία των ακουστικών παραμέτρων σε συνδυασμό με μια ιεραρχική τοπολογία κατηγοριοποίησης. Στη δεύτερη εφαρμογή προτείνουμε την ταυτόχρονη χρησιμοποίηση χαρακτηριστικών από τα πεδία συχνότητας και κυματιδίου τα οποία και εισάγονται σε κρυμμένα μοντέλα Μαρκώφ για την αυτόματη ανάλυση ραδιοφωνικών σημάτων. Όσον αφορά την τρίτη εφαρμογή προτείνουμε μια μεθοδολογία για τον εντοπισμό μη τυπικών καταστάσεων η οποία είναι ικανή να προσαρμόζεται αυτόνομα σε διαφορετικές ακουστικές συνθήκες. Επίσης διερευνήσαμε την τεχνολογία ανίχνευσης καινοτομίας με στόχο την ακουστική παρακολούθηση χώρου χρησιμοποιώντας βάση δεδομένων που ηχογραφήθηκε κάτω από συνθήκες πραγματικού κόσμου. Τέλος, η διατριβή εισάγει την ιδέα της συγχώνευσης ακουστικών χαρακτηριστικών στο πεδίου του χρόνου, διαδικασία η οποία οδηγεί σε υψηλή ακρίβεια αναγνώρισης. Αυτή η μεθοδολογία είναι γενικού σκοπού και μπορεί να προσαρμοστεί στις ανάγκες ποικίλων εφαρμογών.