Детальная информация

Название: Моделирование обратной акустической связи. Универсальный алгоритм подавления обратной акустической связи в системе с одним микрофоном.: выпускная квалификационная работа бакалавра: направление 01.03.03 «Механика и математическое моделирование» ; образовательная программа 01.03.03_01 «Механика и математическое моделирование сред с микроструктурой»
Авторы: Калинин Илья Николаевич
Научный руководитель: Бабенков Михаил Борисович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Выходные сведения: Санкт-Петербург, 2021
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: обратная связь; моделирование обратной связи; подавитель обратной связи; acoustic feedback; modeling of acoustic feedback; acoustic feedback suppressor
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Бакалавриат
Код специальности ФГОС: 01.03.03
Группа специальностей ФГОС: 010000 - Математика и механика
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-5679
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи: ru\spstu\vkr\15684

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Данная работа посвящена моделированию обратной акустической связи. Представлен обзор существующих методов ее оценки и подавления. Создана модель обратной связи, на основе которой производится симуляция и генерация данных из искаженных ей звуков. Разработан и обучен на полученных данных алгоритм машинного обучения на основе сверточной нейронной сети, который является составным звеном алгоритмов подавления, оценивающий акустический тракт обратной связи. Приведены результаты работы алгоритма на тестовых данных.

This work is devoted to modeling acoustic feedback. An overview of the existing methods for its assessment and suppression is presented. A feedback model has been created, on the basis of which simulation and data generation from sounds distorted by it is performed. A machine learning algorithm based on a convolutional neural network has been developed and trained on the data obtained, which is a constituent link of suppression algorithms that evaluates the acoustic feedback path. The results of the algorithm's operation on test data are presented.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Внешние организации №2 Все Прочитать
Внешние организации №1 Все
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ, №2) Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №1)
-> Интернет Анонимные пользователи

Оглавление

  • ВВЕДЕНИЕ
  • ГЛАВА 1. Обратная акустичская связь
    • 1.1 Математическое определение АОС
    • 1.2 Обзор методов подавления обратной связи
    • 1.3 Обзор методов оценки составляющей обратной связи
  • ГЛАВА 2. ПРОСТАЯ МОДЕЛЬ ПОВЕДЕНИЯ СИГНАЛА В СИСТЕМЕ С ОБРАТНОЙ СВЯЗЬЮ
    • 2.1 Уравнение связи сигнала громкоговорителя и входного сигнала
    • 2.2 Модель входного и выходного сигнала
    • 2.3 Критерий уровня искажений
  • ГЛАВА 3. ВИРТУАЛЬНАЯ СИМУЛЯЦИЯ СИСТЕМЫ С ОБРАТНОЙ СВЯЗЬЮ
    • 3.1 Алгоритм генерации частотных характеристик акустических трактов обратной связи
    • 3.2 Алгоритм реализации симуляции обратной связи
    • 3.3 Генерация датасета
  • ГЛАВА 4. АЛГОРИТМ ГЛУБОКОГО ОБУЧЕНИЯ
    • 4.1 Обучающаяся модель. Входные данные
    • 4.2 Обучающаяся модель. Алгоритм и архитектура нейронной сети
    • 4.3 Результаты обучения и тестов обучающейся модели
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

Статистика использования

stat Количество обращений: 0
За последние 30 дней: 0
Подробная статистика