Методи побудови вiдбиткiв аудiо сигналiв для задач розпiзнавання та iдентифiкацiї
Альтернативна назва
Methods of building fingerprints of audio signals for recognition and identification problems
Вантажиться...
Дата
2025
Автори
Науковий керівник
Укладач
Редактор
Назва журналу
ISSN
E-ISSN
Назва тому
Видавець
Одеський національний університет імені І. І. Мечникова
Анотація
Розв’язується задача автоматичної iдентифiкацiї морських суден за гiдроакустичними сигналами в умовах нестацiонарних шумiв шляхом розробки ефективної моделi побудови вiдбиткiв.
Модифiковано методику кодування Гiльберт-спектру в RGB канали зображення для застосування в задачi iдентифiкацiї. Удосконалено алгоритм видiлення спектральних ознак iз записiв морського транспорту. Реалiзовано метод трекiнгу пiкiв iз механiзмом адаптивного вiдображення траєкторiй. Це дозволило усунути вертикальнi артефакти, характернi для зображення, що використовує повний набiр пiкiв, i сформувати зв’язнi траєкторiї гармонiк навiть в умовах переривчастого сигналу. Оптимiзовано обчислювальний процес декомпозицiї емпiричних мод на етапi генерацiї бiлого шуму. Проведення навчання згорткової мережi (EfficientNet) на сформованому датасетi реальних записiв Ocean Networks Canada.
Показано, що запропонований метод на базi перетворення ГiльбертаХуанга забезпечує результати, кращi за бiльш класичний пiдхiд на базi мел-спектрограми, особливо в складних класах, що мають спектральне перекриття з iншими класами.
The problem of automatic identification of marine vessels using hydroacoustic signals under non-stationary noise conditions is addressed by developing an effective fingerprint construction model.
The methodology for encoding the Hilbert spectrum into RGB image channels has been modified for application in the identification task. The algorithm for extracting spectral features from marine transport recordings has been improved. A peak tracking method with an adaptive trajectory mapping mechanism has been implemented. This allowed for the elimination of vertical artifacts characteristic of images using the full set of peaks, and the formation of connected harmonic trajectories even under intermittent signal conditions. The computational process of Empirical Mode Decomposition has been optimized at the white noise generation stage. Training of a Convolutional Neural Network (EfficientNet) was conducted on a generated dataset of real recordings from Ocean Networks Canada.
It is shown that the proposed method based on the Hilbert-Huang Transform provides better results than the classical Mel-spectrogram-based approach, especially for complex classes exhibiting spectral overlap with other classes.
Опис
Ключові слова
113 Прикладна математика, магiстр, Квалiфiкацiйна робота, аудiо сигнали, задачі розпiзнавання, задачi iдентифiкацiї, морський транспорт
Бібліографічний опис
Константинов Є. П. Методи побудови вiдбиткiв аудiо сигналiв для задач розпiзнавання та iдентифiкацiї = Methods of building fingerprints of audio signals for recognition and identification problems: кваліфікаційна робота магістра / Є. П. Константинов. – Одеса, 2025. – 51 с.