PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 7

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  rozpoznawanie dźwięku
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Wavelets in elimination of distortions in the recorded violin sound for main and mixed playing techniques
Viarbitskaya T., Dobrucki A.
Elektronika : konstrukcje, technologie, zastosowania
|
2018
|
Vol. 59, nr 4
30--34
EN
The result of the research on recognition and processing of violin sound is presented in the paper. This paper shows how to achieve higher quality of recorded sound, which is closer to human’s subjective perception, using signal processing and algorithms, which preserve playing techniques and individual style of the violinist. The filter, which provides the best result as well as perception and data analysis spectrum is a one-shot filter based on wavelet transform, with experimentally designated universal wavelet form for each technique. The work also delivers such information as safety and optimization way of processing audio parameters in the production code.
PL
W pracy przedstawiono wyniki badań nad rozpoznaniem i przetwarzaniem dźwięku skrzypiec w celu korekcji błędów wykonania, przy zachowaniu techniki gry i indywidualnego charakteru wykonania utworu przez muzyka. Podany jest sposób poprawy jakości subiektywnego odbioru nagranego dźwięku skrzypiec. Opisano zastosowanie transformaty falkowej do filtracji. Zoptymalizowano algorytmy i i sposób wyznaczania wyznaczanie parametrów. Wprowadzono innowacyjne techniki programowania i włączono je do podstawowych bibliotek transformaty falkowej w kodzie produkcyjnym.
2
Content available remote Diagnostyka maszyny prądu stałego oparta na rozpoznawaniu dźwięku z zastosowaniem LPC i GSDM
Głowacz A.
Przegląd Elektrotechniczny
|
2010
|
R. 86, nr 6
243-246
PL
Zaprezentowano koncepcję badania sygnałów akustycznych stanów przedawaryjnych maszyny prądu stałego. Zastosowano algorytmy przetwarzania i analizy sygnałów akustycznych, w tym algorytm LPC i algorytm GSDM. Zaimplementowano oprogramowanie do rozpoznawania dźwięku. Przeprowadzono badania dla sygnałów akustycznych stanów przedawaryjnych. Wyniki badań potwierdzają poprawne działanie systemu rozpoznawania dźwięku w maszynie prądu stałego.
EN
It presented the concept of investigations of acoustic signals of imminent failure conditions of dc machine. Algorithms of signal processing and analysis have been used. The system is based on the LPC algorithm and GSDM. Sound recognition software has been implemented. Investigations were carried out for acoustic signals of imminent failure conditions. Results confirm the correct operation of the system of sounds recognition of dc machine.
3
Content available remote Diagnostics of dc machine based on sound recognition withapplication of FFT and Jacquard distance
Głowacz A., Głowacz W.
Przegląd Elektrotechniczny
|
2010
|
R. 86, nr 4
292-295
EN
A new approach to determination of similarity of sound of dc machine is presented. This approach is based on FFT and Jacquard distance. Investigations of the sound recognition were carried out for faultless dc machine and dc machine with shorted rotor coils. Results of sound recognition are included in this paper.
PL
Przedstawiono nowe podejście do rozpoznawania dźwięku maszyny prądu stałego. Podejście to jest oparte na zastosowaniu szybkiej transformacji Fouriera i metryki Jacquarda. Badania rozpoznawania dźwięku przeprowadzono dla maszyny prądu stałego podczas pracy normalnej i przy zwarciu zezwojów wirnika. Wyniki badań potwierdzają dużą skuteczność rozpoznawania dźwięku maszyny prądu stałego.
4
Content available remote A Probabilistic Component for K-Means Algorithm and its Application to Sound Recognition
Olszewski D., Kołodziej M., Twardy M.
Przegląd Elektrotechniczny
|
2010
|
R. 86, nr 6
185-190
EN
In this paper, we present a novel approach to building of a probabilistic model of the data set, which is further used by the K-means clustering algorithm. Considering K-means with respect to the probabilistic model, requires incorporating of a probabilistic distance, which provides us with measure of similarity between two probability distributions, as the distance measure. We use various kinds of probabilistic distances in order to evaluate their effectiveness when applied to the algorithm with the proposed model of the analyzed data. Further, we report the results of experiments with the discussed clustering algorithm in the field of sound recognition and choose these probabilistic distances, which correspond to the highest clustering performance. As a reference technique, we used the traditional K-means algorithm with the most commonly employed Euclidean distance. Our experiments have shown that the presented method outperforms the traditional K-means algorithm, regardless of the statistical distance applied.
PL
W niniejszej pracy zaprezentowano nowy sposób budowy probabilistycznego modelu zbioru danych, analizowanych przez algorytm klasteryzacji K-średnich. Rozważanie metody K-średnich w odniesieniu do modelu probabilistycznego, narzuca wymaganie wykorzystania odległości probabilistycznej, będącej miarą podobieństwa pomiędzy dwoma rozkładami prawdopodobieństwa, jako miary odległości w algorytmie. W pracy wykorzystano różne typy odległości probabilistycznych, w celu oceny skuteczności ich zastosowania w algorytmie z proponowanym modelem analizowanych danych. Przedstawione zostały również wyniki badań omawianego algorytmu w dziedzinie rozpoznawania dźwięku. Jako punkt odniesienia wykorzystany został tradycyjny algorytm K-średnich z najczęściej stosowaną odległością Euklidesa. Wyniki przeprowadzonych badań pozwalają stwierdzić, iż zaprezentowana metoda umożliwia osiągnięcie lepszych rezultatów klasteryzacji niż klasyczny algorytm K-średnich, w przypadku każdej zastosowanej odległości statystycznej.
5
Content available Diagnostyka silnika synchronicznego oparta na rozpoznawaniu dźwięku z zastosowaniem LPCC i GSDM
Głowacz A., Głowacz W.
Pomiary Automatyka Kontrola
|
2010
|
R. 56, nr 5
479-482
PL
Zaprezentowano koncepcję badania sygnałów akustycznych stanów przedawaryjnych silnika synchronicznego. Oprogramowanie do rozpoznawania dźwięku zostało zaimplementowane. Algorytmy przetwarzania i analizy sygnałów akustycznych zostały zastosowane. System jest oparty na algorytmie LPCC (Współczynniki cepstralne liniowego kodowania) i GSDM (Genetyczna rozrzedzona pamięć rozproszona). Badania zostały przeprowadzone dla sygnałów akustycznych stanów przedawaryjnych. Zmiany w sygnale akustycznym spowodowane były przez zwarcia i przerwy w obwodzie stojana. Analiza wyników pokazuje wrażliwość metody opartej na LPCC i GSDM w zależności od danych wejściowych. Wyniki badań potwierdzają poprawne działanie systemu rozpoznawania dźwięku silnika synchronicznego.
EN
In recent years the methods of sound recognition have been de-veloped. Hence, there is an idea to use them in case of machines. The paper describes the concept of investigations of acoustic signals of synchronous motor imminent failure conditions. Measurements were taken with a recorder OLYMPUS WS-200S. Sound recognition software was implemented. Algorithms of signal processing and analysis were used. The system is based on the LPCC (Linear Predictive Cepstrum Coefficients) algorithm and GSDM (Genetic Sparse Distributed Memory). Investigations were carried out for acoustic signals of imminent failure conditions. The following plan of investigations of a synchronous motor acoustic signal was proposed: recording of audio track, sound track division, sampling, quantization, normalization, filtration, windowing, feature extraction, classification (Fig. 2). Figs. 3, 4, 5 and 6 show changes of the LPCC values for four types of the categories recognized. Changes in the acoustic signal were caused by short circuit and broken coils in the stator circuit. The sound recognition efficiency depending on the acoustic signal and the sample length is presented in Fig. 8. The sound recognition system was built for a synchronous motor. There were used 39 band-pass filters in investigations. Analysis of the results shows the sensitivity of the method based on LPCC and GSDM, depending on the input data. The results confirm correct operation of the synchronous motor sound recognition system. These studies can be used for diagnostics based on acoustic emission in electrical, mechanical, hydraulic and pneumatic machines.
6
Content available Sound recognition of musical instruments with application of FFT and K-NN classifier with cosine distance
Głowacz A., Głowacz W., Głowacz A.
Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
|
2010
|
T. 14, z. 1
15-22
EN
Paper presents a new implementation of methods of recognition of musical instruments based on FFT and K-NN classifier with cosine distance. Investigations were carried out for sounds of piano and sounds of bells. Results of investigations show that efficiency of the applied algorithms is very high.
PL
Przedstawiono realizację rozpoznawania instrumentów muzycznych opartą na algorytmie FFT i klasyfikatorze K-NN z metryką kosinusową. Badania zostały przeprowadzone dla dźwięków pianina i dzwonków. Wyniki potwierdzają bardzo wysoką skuteczność zastosowanych algorytmów przetwarzania i analizy sygnałów akustycznych.
7
Content available remote Sound recognition of dc machine with application of FFT and backpropagation neural network
Głowacz A.
Przegląd Elektrotechniczny
|
2008
|
R. 84, nr 9
159-162
EN
A new approach to determination of similarity of dc machine sound is presented. This approach is based on FFT and a backpropagation neural network. Investigations of the sound recognition were carried out for faultless dc machine and dc machine with shorted rotor coils. The results of sound recognition are included in this paper.
PL
Przedstawiono nowe podejście do rozpoznawania dźwięków maszyny prądu stałego. Podejście to jest oparte na zastosowaniu szybkiej transformacji Fouriera i algorytmie wstecznej propagacji błędów. Badania rozpoznawania dźwięku przeprowadzono dla maszyny prądu stałego podczas pracy normalnej i przy zwarciu zezwojów wirnika. Wyniki badań potwierdzają dużą skuteczność rozpoznawania dźwięku maszyny prądu stałego.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.