Loading...

Design and Implementation of Sound-based IoT Systems for Environment Control and monitoring

Samimifar, Milad | 2024

0 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 57162 (05)
  4. University: Sharif University of Technology
  5. Department: Electrical Engineering
  6. Advisor(s): Gholampour, Iman
  7. Abstract:
  8. The processing of audio signals can be very widely used in the Internet of Things because by using audio signals, valuable information can be obtained from the activities of the environment. Environmental sound processing and investigation can be used in applications such as industrial troubleshooting security systems, etc. For this, it is necessary to build a sound recognition and classification system. In this thesis, we have evaluated the features obtained from feature engineering and feature learning and the use of various machine learning methods for the audio event classification system. To test and evaluate the system, known data in this field have been used. Finally, by proposing an optimal neural network for voice classification, we achieved 90% accuracy on ESC-50 data, which compared to other similar methods on this data and human accuracy, we have seen a few percent improvement. In the following, to compress the models with the aim of easy transfer and sufficient execution speed, using optimization methods, we see a seventy-five percent reduction in the volume of the obtained models
  9. Keywords:
  10. Internet of Things ; Machine Learning ; Deep Learning ; Sound Events ; Microcontroller

 Digital Object List

 Bookmark

  • فهرست جدول‌ها
  • فهرست تصویرها
  • فصل1 مقدمه
    • 1˗1 مقدمه
    • 1˗2 ضرورت استفاده از صوت
    • 1˗3 صوت در اینترنت اشیا‌ء
      • 1˗3˗1 خانه هوشمند
      • 1˗3˗2 شهر هوشمند
      • 1˗3˗3 اینترنت اشیاء
        • 1˗3˗3˗1 مفهوم اینترنت اشیاء
        • 1˗3˗3˗2 مزایا و چالش‌های اینترنت اشیا
        • 1˗3˗3˗3 اشیاء هوشمند
      • 1˗3˗4 نمونه های تجاری
    • 1˗4 ماهیت پردازش محاسباتی رویداد های صوتی
      • 1˗4˗1 کارهای مرتبط
      • 1˗4˗2 چالش های عملی و فنی
    • 1˗5 یادگیری ماشینی برای پردازش صدا
      • 1˗5˗1 مروری بر سیستم پردازش
      • 1˗5˗2 دادگان
        • 1˗5˗2˗1 دادگان‌های طبقه‌بندی و تشخیص صدای محیطی
        • 1˗5˗2˗2 ضبط داده‌های جدید
        • 1˗5˗2˗3 جمع‌آوری مجموعه داده از ضبط‌های موجود
        • 1˗5˗2˗4 نگاهی به دادگان‌های موجود
        • 1˗5˗2˗5 داده افزایی
      • 1˗5˗3 پیش‌پردازش
      • 1˗5˗4 یادگیری
        • 1˗5˗4˗1 یادگیری ماشین
        • 1˗5˗4˗2 الگوریتم های یادگیری ماشین
      • 1˗5˗5 بازشناسی و پس‌پردازش
        • 1˗5˗5˗1 طبقه‌بندی
        • 1˗5˗5˗2 تشخیص و پس‌پردازش زمانی
      • 1˗5˗6 ارزیابی
  • فصل2 بررسی ویژگی‌های صوت
    • 2˗1 مقدمه
    • 2˗2 ویژگی‌های آکوستیکی برای پردازش صدای محیط
    • 2˗3 دریافت و پیش‌پردازش سیگنال
      • 2˗3˗1 بازنمایی فرکانس-زمان کلی
      • 2˗3˗2 بازنمایی با چند مقیاس
    • 2˗4 مهندسی ویژگی
    • 2˗5 مقدمه
      • 2˗5˗1 ویژگی‌های زمانی
      • 2˗5˗2 ویژگی‌های شکل طیف
      • 2˗5˗3 ویژگی‌های کپسترال
      • 2˗5˗4 ویژگی‌های محرک ادراکی
      • 2˗5˗5 ویژگی اسپکتروم مبتنی بر تصویر
    • 2˗6 یادگیری ویژگی
      • 2˗6˗1 یادگیری عمیق برای استخراج ویژگی
      • 2˗6˗2 فن فاکتورگیری ماتریس
    • 2˗7 کاهش بعد و انتخاب ویژگی
      • 2˗7˗1 کاهش بعد
      • 2˗7˗2 انتخاب ویژگی
    • 2˗8 یکپارچگی زمانی و ادغام
      • 2˗8˗1 یکپارچگی زمانی با آمار ساده
      • 2˗8˗2 یکپارچه‌سازی مدل مبنا
    • 2˗9 ارتباط پردازش گفتار و موسیقی
    • 2˗10 بهینه‌سازی مدل طبقه‌بند
      • 2˗10˗1 مقدمه
      • 2˗10˗2 چالش اندازه و پیچیدگی مدل
      • 2˗10˗3 اهمیت بهینه سازی مدل
      • 2˗10˗4 مروری بر روش های بهینه سازی مدل
      • 2˗10˗5 کوانتیزه کردن در بهینه‌سازی مدل
        • 2˗10˗5˗1 درک کوانتیزه کردن
        • 2˗10˗5˗2 روش های کوانتیزه کردن
      • 2˗10˗6 هرس کردن مدل
        • 2˗10˗6˗1 مقدمه
      • 2˗10˗7 استخراج دانش از مدل
        • 2˗10˗7˗1 مفهوم مدل معلم و دانش‌آموز
        • 2˗10˗7˗2 مدل معلم و مدل دانش‌آموز
  • فصل3 پیشنهاد سامانه‌ برای طبقه‌بندی رویداد صوتی
    • 3˗1 مقدمه
    • 3˗1 بررسی ویژگی‌های کلاسیک
      • 3˗1˗1 بررسی ویژگی‌های زمانی
      • 3˗1˗2 بررسی ویژگی‌های زمان-فرکانس
        • 3˗1˗2˗1 سری فوریه زمان کوتاه
        • 3˗1˗2˗2 طیف‌نگار
        • 3˗1˗2˗3 طیف‌نگار Mel
      • 3˗1˗3 استفاده از روش های یادگیری ماشین
    • 3˗2 استفاده از شبکه های یادگیری عمیق
      • 3˗2˗1 یادگیری انتقالی
      • 3˗2˗2 داده‌افزایی
    • 3˗3 پردازش صحبت
    • 3˗4 بهینه‌سازی مدل طبقه‌بند
      • 3˗4˗1 کوانتزه کردن مدل
      • 3˗4˗2 مدل معلم و دانش‌آموز
  • فصل4 پیاده سازی
    • 4˗1 مقدمه
    • 4˗2 سخت‌افزار
      • 4˗2˗1 کامپیوترهای شخصی
      • 4˗2˗2 کامپیوترهای تک بردی
      • 4˗2˗3 میکروکنترلرها
    • 4˗3 جزییات پیاده‌سازی
      • 4˗3˗1 بلوتوث
      • 4˗3˗2 Wi-Fi
    • 4˗4 اینترنت اشیاء
      • 4˗4˗1 فضای ابری
  • فصل5 نتیجه‌گیری و پیشنهادها
    • 5˗1 نتیجه‌گیری
    • 5˗2 پیشنهادها
  • منابع یا مراجع
...see more