İĞNECİKLİ SİNİR AĞLARI İLE SES KAYNAĞI SINIFLANDIRMA

Canatalay, Peren Jerfi

DSpace Home
→
Enstitüler -- Institutes
→
Fen Bilimleri Enstitüsü -- Institute of Natural & Applied Science
→
Tezler -Thesis
→
View Item

dc.contributor.author	Canatalay, Peren Jerfi
dc.date.accessioned	2019-05-16T13:33:36Z
dc.date.available	2019-05-16T13:33:36Z
dc.date.issued	2016
dc.identifier.uri	http://hdl.handle.net/11547/1962
dc.description.abstract	Bu yüksek lisans tezinde, mikrofon dizilerinden alınan verilerin işlenmesi ile ses kaynağının yer tayini üzerine çalışılmıştır. Ses kaynağı konumu belirlemede başarımı en yüksek yöntemlerden biri olan faz dönüşümlü yönlendirilmiş cevap gücü algoritması üzerine yoğunlaşılmıştır. Mikrofon dizileri ile yapılan kayıtlarda kaynakların ayrı ayrı dinlenebilmesi için odaklama yapılması gerekmektedir ve bunun için de ses kaynağı konumunun kesin bir şekilde bulunabilmesi gerekmektedir. Bu amaçla konum bilgilerinin değerlendirilmesi ve yer tayini işlemi için iğnecikli sinir ağı ile sınıflandırma yapılmıştır. Elde edilen sonuçlar, oldukça yüksek bir başarıma işaret etmektedir. Belirlenen konumlar, bilinen gerçek konuşmacı konumları ile oldukça uyumludur ve hata oranları birkaç santimetreyi aşmamaktadır.	tr_TR
dc.language.iso	tr	tr_TR
dc.publisher	İSTANBUL AYDIN ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ	tr_TR
dc.subject	İğnecikli sinir ağı	tr_TR
dc.subject	Ses kaynağı yer bulma	tr_TR
dc.subject	Spiking neural network	tr_TR
dc.subject	Sound source localization	tr_TR
dc.title	İĞNECİKLİ SİNİR AĞLARI İLE SES KAYNAĞI SINIFLANDIRMA	tr_TR
dc.type	Thesis	tr_TR
dc.description.abstractol	In this master of science thesis, we have worked on determining sound source positions via processing data obtained from microphone arrays. We have focused on phase transformed steered response power algorithm which is one of the most powerful techniques on sound source localization. To listen sound sources separately, focusing is needed which requires the exact position knowledge of source localization when microphone arrays are used, for this purpose, to evaluate position information and localization, classification is incorporated using a spiking neural network. Results obtained indicate very a good performance. Determined positions are quite comparable with the known positions of five talkers, thus calculated positional errors are in a few centimeters range	tr_TR
dc.publisher.firstpagenumber	1	tr_TR
dc.publisher.lastpagenumber	65	tr_TR