The utilization of modern computers' computational capacity has become a decisive element in addressing engineering issues. The advancement of neural network algorithms, in particular, has enabled these computers to "learn" and "recognize," tasks that were previously exclusive to the human mind. These algorithms may be used to evaluate sound sources and determine which ones will irritate the human ear in a sound quality research. This is only feasible if the neural networks have been adequately "trained" on a huge database of noises, giving them a sense of how annoying each one is. It is easy to believe that there is a link between the listener's irritation and certain aspects of the sound they are hearing. The metrics define the major features of a sound. The objective of this thesis is to use neural network algorithms to evaluate sound metrics and establish a link with subjective data.

Negli ultimi decenni, l’utilizzo della potenza di calcolo dei nostri computer è diventato un fattore determinante per la risoluzione di problemi ingegneristici. In particolare, lo sviluppo di algoritmi di reti neurali ha permesso a queste macchine di “apprendere” e “riconoscere”, funzioni che, fino a poco tempo fa, erano relegate alla sola mente umana. Nello studio della qualità del suono, questi algoritmi possono essere utilizzati per analizzare sorgenti sonore ed identificare quali risulteranno fastidiose all’orecchio umano. Questo è possibile solo se le reti neurali sono opportunamente “allenate” su un grande database di suoni, fornendo loro un’indicazione della fastidiosità di ognuno di essi. È naturale pensare che esista una relazione tra la fastidiosità percepita dall’ascoltatore e alcune caratteristiche del suono ascoltato. Le principali caratteristiche di un suono sono descritte dalle metriche. L’obiettivo di questa tesi è quello di analizzare le metriche del suono e di trovare una correlazione con i dati soggettivi utilizzando algoritmi di reti neurali.

Analisi delle metriche del Sound quality e loro correlazione con i dati soggettivi mediante algoritmi di reti neurali

ELISEI, MATTIA
2020/2021

Abstract

The utilization of modern computers' computational capacity has become a decisive element in addressing engineering issues. The advancement of neural network algorithms, in particular, has enabled these computers to "learn" and "recognize," tasks that were previously exclusive to the human mind. These algorithms may be used to evaluate sound sources and determine which ones will irritate the human ear in a sound quality research. This is only feasible if the neural networks have been adequately "trained" on a huge database of noises, giving them a sense of how annoying each one is. It is easy to believe that there is a link between the listener's irritation and certain aspects of the sound they are hearing. The metrics define the major features of a sound. The objective of this thesis is to use neural network algorithms to evaluate sound metrics and establish a link with subjective data.
2020
2021-07-23
Analysis of Sound quality metrics and their correlation with subjective data using neural network algorithms
Negli ultimi decenni, l’utilizzo della potenza di calcolo dei nostri computer è diventato un fattore determinante per la risoluzione di problemi ingegneristici. In particolare, lo sviluppo di algoritmi di reti neurali ha permesso a queste macchine di “apprendere” e “riconoscere”, funzioni che, fino a poco tempo fa, erano relegate alla sola mente umana. Nello studio della qualità del suono, questi algoritmi possono essere utilizzati per analizzare sorgenti sonore ed identificare quali risulteranno fastidiose all’orecchio umano. Questo è possibile solo se le reti neurali sono opportunamente “allenate” su un grande database di suoni, fornendo loro un’indicazione della fastidiosità di ognuno di essi. È naturale pensare che esista una relazione tra la fastidiosità percepita dall’ascoltatore e alcune caratteristiche del suono ascoltato. Le principali caratteristiche di un suono sono descritte dalle metriche. L’obiettivo di questa tesi è quello di analizzare le metriche del suono e di trovare una correlazione con i dati soggettivi utilizzando algoritmi di reti neurali.
File in questo prodotto:
File Dimensione Formato  
Tesi_Mattia_Elisei.pdf

embargo fino al 22/07/2024

Dimensione 1.67 MB
Formato Adobe PDF
1.67 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12075/77