Kanonik Korelasyon Analiz Tabanlı Ses Ayrıştırma Algoritmalarının İşlem Süresi Azaltımı

Yıl 2019, Cilt: 9 Sayı: 2, 55 - 59, 31.07.2019

Hüsamettin Çelik Fatih Yavuz Ilgın Yusuf Sevim

https://doi.org/10.35354/tbed.430823

Cited By: 1

Öz

Gürültülü
ortamlarda ses işaretinin gürültüsüz olarak elde edilmesi oldukça önemlidir.
Karışım ortamı ve gürültü kaynakları bilinemediğinden dolayı ayrıştırma işlemi
oldukça zordur. En az iki sinyalin karışımını içeren bir veri kümesinden bu
karışımı oluşturan her bir kaynağın tahmin edilmesi kör kaynak ayrıştırma
olarak tanımlanmaktadır. Kör kaynak ayrıştırma yöntemlerinin başarımı, işlem
süresi ve doğruluğu ile belirlenmektedir Bu çalışmada doğrusal biçimde karışmış
olan farklı ses işaretleri, Kanonik Korelasyon Analiz tabanlı algoritmaları
kullanılarak ayrıştırılmıştır. Algoritmaların başarım oranlarıyla birlikte,
işlemsel yükleri ile orantılı olan işlem süreleri karşılaştırılmış ve ayrıca
algoritmaların işlem sürelerini düşürmek için Ayrık Dalgacık Dönüşümü
yönteminden faydalanılmıştır. Bunlara ek olarak farklı veri uzunlukları
kullanılarak, veri uzunluğunun algoritma performansları üzerindeki etkisi
incelenmiştir.

Anahtar Kelimeler

Bağımsız bileşen analizi, Kanonik korelasyon analizi, Çekidek kanonik korelasyon analizi

Kaynakça

• [1] Serrano, M.C. 2009. Application of sound source separation methods to advanced spatial audio systems. Technical University of Valencia, Ph. D. Thesis , 212, Spain
• [2] Sezer, O., G. Erçil, A., Keskinöz, M. 2005. Destek Vektör Makinesi Kullanarak Bağımsız Bileşen Tabanlı 3B Nesne Tanıma. IEEE 13th Signal Processing and Communications Applications Conference, 16-18 May, Kayseri, 99-102.
• [3] Hyvarinen, A., Oja, E. 2000. Independent Component Analysis: Algorithms and Applications. Neural Networks 13, 411–430.
• [4] Hyvarinen, A. 1999. Survey On İndependent Component Analysis. Neural Computing Surveys 2, 99, 94-128.
• [5] Hotelling, H. 1936. Relation Between Two Sets of Variates. Biometrika, 28, 321-377.
• [6] Kettenring, J. R. 1971. Canonical Analysis of Several Sets of Variables. Biometrika, 58, 433-451.
• [7] Anderson, T. W. 2003. An introduction to multivariate statistical analysis. 3rd edition, WILEY Series İn Probability and Atatistics, 752s.
• [8] Tatlıdil, H. 1996. Uygulamalı çok değişkenli istatistiksel analiz. Cem Web Ofset Ltd. Şti. Ankara, 424s.
• [9] Keser, İ. K., Ertaş, K. 2007. Düzgünleştirilmiş Fonksiyonel Ana Bileşenler Analizi ve Bir Uygulama. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22, 1-26.
• [10] Ramsay, J. O. 1982. When The Data Are Functions. Psychometrica, 47(4), 379-396.
• [11] Bach, F. R., Jordan, M. I. 2002. Kernel Independent Component Analysis. Journal of Machine Learning Research, 3, 1-48.
• [12] Aykut, M. 2007. Örüntü tanıma amaçlı doğrusal olmayan yöntemlerin geliştirilmesi ve uygulanması. Karadeniz Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 111s, Trabzon.
• [13] Strang, G., Nguyen, T. 1996. Wavelets and Filter Banks. 2nd edition, Wellesley-Cambridge Press, 520s.
• [14] Bilgin, S. 2008. Kalp hızı değişkenliğinin dalgacık dönüşümü ve yapay sinir ağları kullanılarak analizi. Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, 156s, Sakarya.
• [15] Ustundağ, M. 2013. ECG Sinyallerinde Gürültü Gidermek için Dalgacık Dönüşümünün FPGA Tabanlı Donanımsal Gerçeklemesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 25(2), 63-68.
• [16] Tepe, C., Sezgin, H. 2007. EKG Sinyallerinde Gürültü Gidermede Ayrık Dalgacık Dönüşümünde Farklı Ana Dalgacıkların Ve Ayrıştırma Seviyelerinin Karşılaştırılması. Elektrik – Elektronik –Bilgisayar ve Biyomedikal Müh. 12. Ulusal Kongresi, 14-18 Kasım, Eskişehir.
• [17] Olkkonen, J. 2011. Discrete Wavelet Transforms. Theory And Applications, Mart 2011, İndia, 1-268.
• [18] Tan, L. 2007. Digital Signal Processing. Fundamentals and applications. Academic Press, 840s.