000037194 001__ 37194 000037194 005__ 20190220131450.0 000037194 037__ $$aTAZ-PFC-2015-127 000037194 041__ $$aspa 000037194 1001_ $$aBlasco Soro, Gonzalo 000037194 24500 $$aSistema de clasificación de sonidos de la vida diaria 000037194 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2015 000037194 500__ $$aAporta en secretaría CD con código. Cambiada licencia a petición del autor (18/02/2015) 000037194 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttps://creativecommons.org/licenses/by-nc-sa/3.0/ 000037194 520__ $$aEste proyecto tiene como objetivo principal el reconocimiento y clasificación de diferentes sonidos asociados a la actividad de la vida cotidiana. Este campo de estudio tiene aplicaciones potenciales en el ámbito del reconocimiento de contextos y muy especialmente en las tecnologías de apoyo a personas con algún tipo de dependencia. Los sonidos de la vida diaria pertenecen a un tipo de sonidos denominado audio no estructurado, por lo que se han investigado las características que mejor definen estos sonidos de cara a su posterior clasificación. Además ha sido necesario crear una base de datos con las 11 clases de sonido empleadas en el proyecto, a saber “pasos”, “ducha”, “retrete”, “grifo”, “calle”, “coche”, “calle con tráfico”, “lavar vajilla”, “cocinar”, “microondas” y “estornudar”. De todo el conjunto posible de características que se pueden extraer de un sonido se ha decidido obtener 25: las 14 primeras componentes MFCC, 6 parámetros correspondientes a una descomposición en funciones de Gabor con matching pursuit y diversas características temporales y frecuenciales. Una vez completada la base de datos se ha realizado una clasificación basada en redes neuronales utilizando mapas auto-organizados, desarrollándose diversas mejoras basadas en la evaluación del coeficiente Kappa, el coste computacional y la matriz de confusión, que han dado lugar a una disminución del número total de características a 17 y un clasificador final basado en 4 mapas. A partir de estos 4 mapas se han creado una serie de tablas para hacer corresponder cada neurona con una clase y una serie de sistemas de optimización y evaluación del clasificador basadas en enventanado temporal e histogramas. Por último se han implementado dos simulaciones del funcionamiento del sistema en tiempo real obteniéndose buenos resultados. 000037194 521__ $$aIngeniero de Telecomunicación 000037194 700__ $$aBeltrán Blázquez, José Ramón$$edir. 000037194 7102_ $$aUniversidad de Zaragoza$$bIngeniería Electrónica y Comunicaciones$$cTecnología Electrónica 000037194 8560_ $$f612597@celes.unizar.es 000037194 8564_ $$s2517333$$uhttps://zaguan.unizar.es/record/37194/files/TAZ-PFC-2015-127.pdf$$yMemoria (spa) 000037194 909CO $$ooai:zaguan.unizar.es:37194$$pproyectos-fin-carrera$$pdriver 000037194 951__ $$adeposita:2016-01-15 000037194 980__ $$aTAZ$$bPFC$$cEINA