Επεξεργασία και ανάλυση ήχου, ομιλίας και μουσικής

• Main Authors: Κούτρας, Αθανασιος, Αλεξανδράκη, Χρυσούλα, Ζαρούχας, Θωμάς, Ζέρβας, Παναγιώτης, Χατζηαντωνίου, Παναγιώτης, Koutras, Athanasios, Alexandraki, Chrisoula, Zarouchas, Thomas, Zervas, Panagiotis, Chatziantoniou, Panagiotis
• Format: 1
• Language: Greek
• Published: 2023
• Subjects: Ακουστική; Επεξεργασία Ακουστικού Σήματος; Χρονοσυχνοτική Ανάλυση; Επεξεργασία Ομιλίας; Σύνθεση ομιλίας; Ακουστικοί Περιγραφείς; Ακουστική Χώρων; Ακουστικές Παράμετροι Χώρου; Ψηφιακός Ήχος; Κωδικοποίηση Ήχου; Ψυχοακουστική; Χωρική ακουστική; Αμφιωτικός ήχος; Χρόνος Αντήχησης; Ταξινομητές; Ισοσταθμιστής; Ψηφιακά ηχητικά εφέ; Συμπίεση ήχου; Αναγνώριση Ομιλίας; Κρυμμένο Μοντέλο Markov; Μουσική Πληροφορία; Ανάλυση Μουσικού Περιεχομένου; Ανάκτηση Μουσικού Περιεχομένου; Acoustics; Audio Signal Processing; Time Frequency Analysis; Speech Processing; Speech Synthesis; Audio Features; Room Acoustics; Room Acoustic Descriptors; Digital Sound; Sound Coding; Psychoacoustics; Spatial Acoustics; Binaural Sound; Reverberation Time; Classifiers; Sound Equalizers; Digital Sound Effects; Sound Compression; Speech Recognition; Hidden Markov Model; Music Information; Music Information Analysis; Music Information Retrieval

Το παρόν σύγγραμμα είναι χωρισμένο σε τέσσερις βασικές ενότητες. Στην πρώτη ενότητα με τίτλο «Ήχος» γίνεται μια εισαγωγή στα ηχητικά σήματα και στον ψηφιακό ήχο. Παρουσιάζονται οι κύριες λειτουργίες του ανθρώπινου ακουστικού συστήματος και οι βασικές έννοιες της ψυχοακουστικής και της χωρικής ακουστικής. Περιγράφεται η συμπεριφορά του ήχου σε ανοιχτούς και κλειστούς χώρους, μαζί με βασικές έννοιες από τη θεωρία σημάτων και συστημάτων για την ανάλυση και περιγραφή της ακουστικής κλειστών χώρων. Επιπλέον, παρουσιάζονται οι σημαντικότεροι περιγραφείς που χρησιμοποιούνται στην ανάλυση, επεξεργασία αλλά και αναγνώριση ηχητικών σημάτων. Τέλος, παρουσιάζονται ορισμένες από τις κυριότερες εφαρμογές της Ψηφιακής Τεχνολογίας Ήχου και Ακουστικής. Στη δεύτερη ενότητα με τίτλο «Ομιλία» παρουσιάζονται οι βασικές έννοιες και θεωρίες της ψηφιακής επεξεργασίας σημάτων ομιλίας, με σκοπό τον σχεδιασμό και την υλοποίηση βασικών ταξινομητών για την επίλυση προβλημάτων αναγνώρισης ομιλίας, ομιλητή κ.ά. Παράλληλα, παρουσιάζονται τα βασικά στάδια μετατροπής του κειμένου σε ομιλία, με αναλυτική επισκόπηση των τεχνολογιών και αλγορίθμων που έχουν προταθεί και χρησιμοποιούνται από τους ερευνητές και όχι μόνο για τον σκοπό αυτό. Στην τρίτη ενότητα με τίτλο «Μουσική» γίνεται μια εισαγωγή στο μουσικό σήμα και στη μουσική πληροφορία, με ιδιαίτερη μνεία στις ιδιαιτερότητες του μουσικού σήματος σε σύγκριση με αυτό της ομιλίας. Παρουσιάζονται η μορφή της μουσικής πληροφορίας καθώς και οι τεχνικές κωδικοποίησης του μουσικού σήματος. Γίνεται παρουσίαση ενός σχετικά νέου ερευνητικού πεδίου, αυτού της Ανάκτησης Μουσικής Πληροφορίας (ΑΜΠ) και των κυριότερων εφαρμογών του. Τέλος, εξετάζονται ενδεικτικά αλγοριθμικά προβλήματα της περιοχής της ΑΜΠ, και πιο συγκεκριμένα εκείνα τα οποία αποτελούν προϋπόθεση για την υλοποίηση πλήθους εφαρμογών της. Στο τέταρτο και τελευταίο μέρος του συγγράμματος με τίτλο «Εργαστηριακές Ασκήσεις» παρουσιάζονται έντεκα ενδεικτικές εργαστηριακές ασκήσεις οι οποίες δίνουν την ευκαιρία στον αναγνώστη να δοκιμάσει και να εφαρμόσει στην πράξη όσα αναφέρονται στα προηγούμενα κεφάλαια.