Χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών

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 μ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Νάνος, Νικόλαος
Άλλοι συγγραφείς: Nanos, Nikolaos
Γλώσσα:Greek
Έκδοση: 2022
Θέματα:
Διαθέσιμο Online:https://hdl.handle.net/10889/23649
id nemertes-10889-23649
record_format dspace
spelling nemertes-10889-236492022-11-05T04:35:06Z Χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών Time frequency representations and mousic source separation Νάνος, Νικόλαος Nanos, Nikolaos 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. The present thesis is focused on signal representations and on the problem of music source separation. At first we will study in depth well known mathematical tools for signal representations and then we will focus specifically on Time-Frequency representations suitable for music signals. Afterwards we will present some basic concepts on Neural Networks because these will constitute the probabilistic model that will be used to estimate the parameters of the algorithm with which we will face our problem. As we became familiar with the above mentioned tools we will then formulate the problem of music source separation and we'll see the algorithm that will be used to approach the problem as well as the frequently used evaluation metrics for measuring the performance of a music source separation system. Finally concerning the implementation we will present a Time-Frequency Analysis-Synthesis Toolbox which has been implemented for Time- Frequency representations of signals and we will comment the results of some experiments, that took place for the music source separation problem, in which we test different Time-Frequency representations and Neural Network architectures. 2022-11-03T12:19:07Z 2022-11-03T12:19:07Z 2022-11-03 https://hdl.handle.net/10889/23649 el Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ application/pdf
institution UPatras
collection Nemertes
language Greek
topic Χρονοσυχνοτική ανάλυση
Βαθιά νευρωνικά δίκτυα
Διαχωρισμός μουσικών πηγών
Time frequency analysis
Deep neural networks
Mousic source separation
spellingShingle Χρονοσυχνοτική ανάλυση
Βαθιά νευρωνικά δίκτυα
Διαχωρισμός μουσικών πηγών
Time frequency analysis
Deep neural networks
Mousic source separation
Νάνος, Νικόλαος
Χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών
description 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.
author2 Nanos, Nikolaos
author_facet Nanos, Nikolaos
Νάνος, Νικόλαος
author Νάνος, Νικόλαος
author_sort Νάνος, Νικόλαος
title Χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών
title_short Χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών
title_full Χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών
title_fullStr Χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών
title_full_unstemmed Χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών
title_sort χρονοσυχνοτικές αναπαραστάσεις σηµάτων και διαχωρισµός μουσικών πηγών
publishDate 2022
url https://hdl.handle.net/10889/23649
work_keys_str_mv AT nanosnikolaos chronosychnotikesanaparastaseissēmatōnkaidiachōrismosmousikōnpēgōn
AT nanosnikolaos timefrequencyrepresentationsandmousicsourceseparation
_version_ 1771297178597195776