Χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών

• Κύριος συγγραφέας: Νάνος, Νικόλαος
• Άλλοι συγγραφείς: Nanos, Nikolaos
• Γλώσσα: Greek
• Έκδοση: 2022
• Θέματα: Χρονοσυχνοτική ανάλυση; Βαθιά νευρωνικά δίκτυα; Διαχωρισμός μουσικών πηγών; Time frequency analysis; Deep neural networks; Mousic source separation

Η παρούσα διπλωματική εργασία επικεντρώνεται στις αναπαραστάσεις σημάτων και στο πρόβλημα του διαχωρισμού μουσικών πηγών. Αρχικά θα μελετήσουμε σε βάθος γνωστά μαθηματικά εργαλεία για αναπαραστάσεις σημάτων και θα εμβαθύνουμε σε χρονο-συχνοτικές αναπαραστάσεις οι οποίες είναι κατάλληλες για σήματα μουσικής. Στη συνέχεια θα παρουσιά- σουμε βασικές έννοιες νευρωνικών δυκτύων καθώς αυτά θα αποτελέσουν το πιθανοτικό μοντέλο με το οποίο θα εκτιμήσουμε τις παραμέτρους του αλγορίθμου που θα χρησιμοποιήσουμε για το πρόβλημα που θα αντιμετωπίσουμε. Έχοντας εξοικειωθεί με τα παραπάνω βασικά εργαλεία θα περάσουμε στην παρουσίαση του προβλήματος του διαχωρισμού μουσικών πηγών όπου θα δούμε τον αλγόριθμο, με τον οποίο θα προσεγγίσουμε το πρόβλημα (γραμμικό χρονικά μεταβαλλόμενο φιλτράρισμα) και τις κλασικές μετρικές αξιολόγησης της ποιότητας ενός συστήματος διαχωρισμού μουσικών πηγών, οι οποίες χρησιμοποιούνται ευρέως. Τέλος όσον αφορά την υλοποίηση θα παρουσιάσουμε ένα Time-Frequency Analysis-Synthesis Toolbox που υλοποιήθηκε για χρονοσυχνοτικές αναπαραστάσεις σημάτων και θα σχολιάσουμε τα αποτελέσματα πειραμάτων που εκτελέστηκαν για το πρόβλημα του διαχωρισμού μουσικών πηγών έχοντας χρησιμοποιήσει διάφορες χρονοσυχνοτικές αναπαραστάσεις και αρχιτεκτονικές Νευρωνικών δικτύων.