Prihlásenie

ŽALMAN, Róbert: Analýza akustických signálov s aplikaˇcným využitím v bezdrôtovej senzorovej sieti inteligentnej dopravy. [Dizertaˇcná práca] Žilinská Univerzita v Žiline. Fakulta riadenia a informatiky. Katedra technickej kybernetiky. - Školitel’: doc. Ing. Ján Kapitulík, PhD. - Žilina: FRI ŽU, 2017, 97 s. Kl’úˇcové slová: WSN, akustika, spektrálna analýza, neurónové siete. V práci sa zameriavame na analýzu akustického signálu a jeho charakteristické vlastnosti, ktoré využívame na d’alšie spracovanie tohto signálu. Jeho následné spracovanie je zabezpeˇcené pomocou frekvenˇcnej analýzy, ktorou sme schopný nájst’ nosné frekvencie vybraného signálu. V práci využívame kompresné metódy na niekol’konásobnú redukciu dát potrebných na klasifikáciu akustických signálov. Taktiež využívame neurónové siete, ktoré slúžia hlavne na klasifikáciu týchto signálov. Okrem toho bola v práci navrhnutá metóda na klasifikáciu akustických signálov, ktoré sa bežne nachádzajú v doprave. Výsledkom práce je návrh metódy, ktorá je schopná klasifikovat’ signály charakteristické pre rôzne prostredia, prípadne rôzne akustické zdroje. V práci sa nachádza opis viacerých experimentov, ktoré boli uskutoˇcnené za spomínanými úˇcelmi. Pre každý experiment je vytvorené vyhodnotenie a úspešnost’ klasifikácie na vybraných akustických signáloch.

ŽALMAN, Róbert: Analysis of acoustic signals with application usage in wireless sensor network for intelligent transport. [PhD thesis] - University of Žilina in Žilina. Faculty of Management Science and Informatics. Department of Technical Cybernetics. - Supervisor: doc. Ing. Ján Kapitulík, PhD. - Žilina: FRI ZU, 2017, 97 p. Key words: WSN, acoustics, spectral analysis, neural network. In the PhD thesis, we focus on the analysis of the acoustic signal and its characteristic properties, which we use for further processing of the acoustic signal. Its further processing is ensured that we are able to find the carrier frequencies of the selected signal with frequency analysis. We use compression methods to reduce the data needed to classify acoustic signals. We also use neural networks that serve mainly to classify these signals. In addition, a method has been proposed to classify acoustic signals that are commonly found in transport. The result of the PhD thesis is the design of a method that is able to classify signals characteristic for different environments or different acoustic sources. In the PhD thesis, there is a description of several experiments that have been carried out for the mentioned purposes. For each experiment is created evaluation and classification success rate on selected acoustic signals.