Сетевой анализ звукового ряда (речевых сигналов и музыкальных произведений)

Содержание

Слайд 2

Звуки окружают нас на протяжении всей нашей жизни, звуки предают нам информацию,

Звуки окружают нас на протяжении всей нашей жизни, звуки предают нам информацию,
отражают реальность окружающую нас. Звуки бывают простыми и сложными, анализ звуков и их взаимосвязь интересовал исследователей всегда.
Объективные методы для сравнения и формализации систем звуков достаточно сложные такие как спектральный анализ, и трудоемким окажется сравнение и анализ миллиона звуковых рядов, которые могут храниться и накапливаться в базах данных.
Существует необходимость простых и доступных методов сравнения звуковой информации.

Слайд 3

Предметом настоящего исследования являлась семантическая сеть звукового ряда.
Сеть- «Семантическая сеть»- информационная модель

Предметом настоящего исследования являлась семантическая сеть звукового ряда. Сеть- «Семантическая сеть»- информационная
предметной области, которая может быть представлена в виде графа, вершины которого соответствуют объектам предметной области, а дуги (ребра) задают отношения между ними. Объектами могут быть понятия, события, свойства процессы.
Объект исследования– спектральный ряд звуковых файлов.

Слайд 4

Целью работы являлся сетевой анализ звукового ряда, сравнительный анализ, выявление различных характеристик.

Условно

Целью работы являлся сетевой анализ звукового ряда, сравнительный анализ, выявление различных характеристик.
задача разбивалась на несколько этапов:
Поиск и обработка информации в сетевом анализе звукового ряда
Представление звукового ряда в виде графа
Обработка и анализ графа
Сравнительный анализ результатов
Выявление определенных характеристик для сопоставления и сравнения аудио информации.

Слайд 5

Частотная волна звукового файла

Частотная волна звукового файла

Слайд 6

С помощью спектрального анализа можно разложить некоторый звуковой сигнал на слагающие

С помощью спектрального анализа можно разложить некоторый звуковой сигнал на слагающие его
его ноты. Сигнал представляет собой сумму синусоид со своими частотами, амплитудами и начальными фазами, и возможно, белый шум. Для анализа периодических сигналов в инженерной практике широко используют математический аппарат, именуемый в общем «Фурье-анализ».
Для установления частоты и комплексной амплитуды нужной гармоники, в работе использовано гетеродинирование.
Причем, изменение параметров и масштаба гистограммы спектра, позволяло повысить точность определения значений относительной амплитуды частоты.

Слайд 7

Гистограмма спектрального звукового ряда

Гистограмма спектрального звукового ряда

Слайд 8

Очевидно, что задача поиска и сравнения какого либо звукового ряда в базе

Очевидно, что задача поиска и сравнения какого либо звукового ряда в базе
огромного объема звуковой информации спектральным методом довольно сложна и занимает длительное время.
Для эффективного решения этой задачи предлагается сетевой подход.

Слайд 9

Наиболее сложным при применении сетевого подхода является трансформация системы в сетевую структуру.

СИСТЕМА

Сетевое

Наиболее сложным при применении сетевого подхода является трансформация системы в сетевую структуру. СИСТЕМА Сетевое описание
описание

Слайд 10

При преобразовании звуковой информации в сеть требуется определить понятие элементарного знака, произвести

При преобразовании звуковой информации в сеть требуется определить понятие элементарного знака, произвести
декомпозицию информационного образа на элементы знаки, и затем, установить связи близости между ними.

Слайд 11

В качестве входных данных в настоящей работе использовались звуковые WAV файлы. Упрощенно

В качестве входных данных в настоящей работе использовались звуковые WAV файлы. Упрощенно
такой файл можно представить как список чисел от 0 до 170, которые отражают относительную амплитуду частоты звукового ряда.
Аудио информация имеет линейную структуру, оказалось удобным принимать за узел – относительную амплитуду; связь между узлами (амплитудами) сети устанавливаются по последовательному принципу.

Слайд 12

Для построения и анализа графов сети применялось бесплатное приложение Gephi

Для построения и анализа графов сети применялось бесплатное приложение Gephi

Слайд 13

В качестве узла выбрана относительная амплитуда (Relative Amplitude (dB))

В качестве узла выбрана относительная амплитуда (Relative Amplitude (dB))

Слайд 14

Связь между узлами (амплитудами) в сети устанавливалась в хронологическом порядке

Связь между узлами (амплитудами) в сети устанавливалась в хронологическом порядке

Слайд 15

Пример визуализации графа сетевой модели

Пример визуализации графа сетевой модели

Слайд 16

Статистика сетевой модели

Статистика сетевой модели

Слайд 17

Для исследований было выбрано 5 звуковых файлов:
звук природы ( )
звук электрогитары
две

Для исследований было выбрано 5 звуковых файлов: звук природы ( ) звук
речевых записи
звук тона

Слайд 18

Общая таблица сетевых метрик звуковых рядов

Общая таблица сетевых метрик звуковых рядов

Слайд 19

Для сетевых моделей звуковых рядов сравнивались три основные характеристики ( метрики): Средняя

Для сетевых моделей звуковых рядов сравнивались три основные характеристики ( метрики): Средняя
степень, средний коэффициент кластеризации и средняя длина пути.
Удобной для анализа является лепестковая диаграмма. В ней можно четко увидеть наиболее чувствительные параметры.

Слайд 21

Из диаграммы видно что средний коэффициент кластеризации лежит в диапазоне от 0

Из диаграммы видно что средний коэффициент кластеризации лежит в диапазоне от 0
до 0,224, средняя степень от 1,558 до 3,029. Средняя длина пути, которая находится в пределах от 3,552 до 6,417 может также являться ключевой сравнительной метрикой.