Dissertations / Theses on the topic 'Processamento de Áudio'

Sistemas computadorizados para o processamento de multimídia em tempo real demandam alta capacidade de processamento. Problemas que exigem grandes capacidades de processamento são comumente abordados através do uso de sistemas paralelos ou distribuídos; no entanto, a conjunção das dificuldades inerentes tanto aos sistemas de tempo real quanto aos sistemas paralelos e distribuídos tem levado o desenvolvimento com vistas ao processamento de multimídia em tempo real por sistemas computacionais de uso geral a ser baseado em equipamentos centralizados e monoprocessados. Em diversos sistemas para multimídia há a necessidade de baixa latência durante a interação com o usuário, o que reforça ainda mais essa tendência para o processamento em um único nó. Neste trabalho, implementamos um mecanismo para o processamento síncrono e distribuído de áudio com características de baixa latência em uma rede local, permitindo o uso de um sistema distribuído de baixo custo para esse processamento. O objetivo primário é viabilizar o uso de sistemas computacionais distribuídos para a gravação e edição de material musical em estúdios domésticos ou de pequeno porte, contornando a necessidade de hardware dedicado de alto custo. O sistema implementado consiste em duas partes: uma, genérica, implementada sob a forma de um middleware para o processamento síncrono e distribuído de mídias contínuas com baixa latência; outra, específica, baseada na primeira, voltada para o processamento de áudio e compatível com aplicações legadas através da interface padronizada LADSPA. É de se esperar que pesquisas e aplicações futuras em que necessidades semelhantes se apresentem possam utilizar o middleware aqui descrito para outros tipos de processamento de áudio bem como para o processamento de outras mídias, como vídeo.
Computer systems for real-time multimedia processing require high processing power. Problems that depend on high processing power are usually solved by using parallel or distributed computing techniques; however, the combination of the difficulties of both real-time and parallel programming has led the development of applications for real-time multimedia processing for general purpose computer systems to be based on centralized and single-processor systems. In several systems for multimedia processing, there is a need for low latency during the interaction with the user, which reinforces the tendency towards single-processor development. In this work, we implemented a mechanism for synchronous and distributed audio processing with low latency on a local area network which makes the use of a low cost distributed system for this kind of processing possible. The main goal is to allow the use of distributed systems for recording and editing of musical material in home and small studios, bypassing the need for high-cost equipment. The system we implemented is made of two parts: the first, generic, implemented as a middleware for synchronous and distributed processing of continuous media with low latency; and the second, based on the first, geared towards audio processing and compatible with legacy applications based on the standard LADSPA interface. We expect that future research and applications that share the needs of the system developed here make use of the middleware we developed, both for other kinds of audio processing as well as for the processing of other media forms, such as video.

Mestrado em Engenharia Electrónica e Telecomunicações
Neste trabalho faz-se o estudo de uma solução completa de codificação de áudio de alta qualidade designada por ASC ("Audio Spectral Coder"), implementada em linguagem "C++" para a plataforma PC. Com o objectivo primeiro de tornar o respective algoritmo de descodificação capaz de processar informação codificada em tempo real apresenta-se nesta dissertação uma nova versão. A nova versão do descodificador, designada nesta dissertação por ASD ("'Audio Spectral Decoder"), foi implementada em linguagem "C" sobre uma nova plataforma baseada em DSP: a EVM-TMS320C30 da Texas Instruments. Apresentam-se alguns resultados preliminares do desempenho do descodificador.
This dissertation describes the implementation of the proprietary perceptual decoder algorithm ASC ("Audio Spectral Coder"), for operation in real-time, in a specific hardware platform: the Texas Instruments Evaluation Module based in a 32-bit floating-point Digital Signal Processor - the TMS320C30. The strengths of the algorithm will be highlighted; the implementation criteria and solutions will be described; and some preliminary results will be presented.

Nesta dissertação é estudada e proposta uma arquitetura voltada à geração de sons musicais através de técnicas da eletrônica digital. São apresentadas características dos sinais de áudio e descritas as técnicas de síntese de maior importância. É aplicada a técnica de síntese aditiva através do método "table lookup", onde propõe-se uma forma de interpolação rápida, por "hardware", para as amostras tabeladas. Com o uso de uma identidade trigonométrica são evitadas as operações de multiplicação no processamento das amostras do sinal. O desempenho da arquitetura proposta é simulado por computador.

Mestrado em Engenharia Electrónica e Telecomunicações
Nos dias de hoje, a música electroacústica recorre cada vez mais a técnicas de difusão de som. Sistemas multicanal como o BEAST e o SARC foram construídos para que o utilizador consiga controlar independentemente a intensidade de cada canal de entrada por cada uma das saídas, permitindo assim, a criação de diferentes cenários sonoros, logo, a movimentação e espacialização do som. O sistema aqui desenvolvido (MIAUDIO) é um sistema de tempo real que permite a mistura de 8 canais de entrada analógicos por 32 saídas, independentemente. Foi adoptada uma solução por hardware sendo que a mistura é realizada numa Field Programmable Gate Array (FPGA). Os sinais de entrada são tratados, convertidos para digital e processados na FPGA. Os parâmetros da mistura são enviados pelo computador para a FPGA via USB. Assim sendo, o utilizador controla a intensidade dos 8 canais de entrada nas 32 saídas, independentemente, possibilitando a movimentação do som. MIAUDIO foi implementado com sucesso. Esta solução é uma solução low-cost (<500€), cujo tempo de desenvolvimento foi relativamente curto. Outro aspecto diferenciador em MIAUDIO relaciona-se com o facto do computador que define a mistura ter muito poucos recursos alocados uma vez que a mistura é feita em hardware. Todos os canais foram testados com recurso ao equipamento Precision One tendo sido obtidos bons resultados. ABSTRACT: Electroacoustic music is turning more and more to the sound diffusion techniques. Multichannel sound systems like BEAST and SARC are built so that the musician can independently control the intensity of several audio channels. This feature provides the possibility of creating several sound diffusion scenarios, i.e., immersion and the possibility of movement around the audience. The developed system (MIAUDIO) is a real-time sound diffusion system currently able to mix up to 8 audio input channels through 32 outputs channels. A hardware solution was adopted using a Field Programmable Gate Array (FPGA) to perform the mixture. The analogue audio signals are conditioned, converted to digital format by several analogue-to-digital converters and then sent to the FPGA that is responsible to perform the mixing algorithm. The host computer connects to the FPGA via USB and is responsible for supplying the parameters that define the audio mixture. Being so, the user has control over the input levels through the output channels independently so that sound movement is possible. MIAUDIO was successfully implemented with a low-cost solution (<500€) when compared with similar systems. The developing time was relatively short and resources of the host computer operating system are almost not occupied because the mixture is done completely in FPGA. All the channels were tested using Precision One system with very good results.

Mestrado em Engenharia Electrónica e Telecomunicações
Considerando aplicações de realidade aumentada áudio, desenvolveu-se uma versão de demonstração de um sistema de auralização integrando detecção automática da posição e orientação da cabeça do utilizador. A posição é determinada através do cálculo das distâncias entre um emissor de ultra-sons transportado pelo utilizador e receptores fixos distribuídos na sala. A orientação da cabeça é obtida através de um sistema comercial de orientação inercial a 3 eixos (InertiaCube3). Para a auralização foram utilizadas bases de dados HRTF do MIT. O programa de controlo foi escrito em MATLAB. O sistema é gerido a partir de um computador, utilizando uma placa Data Translation como interface. Com este sistema, o utilizador pode caminhar livremente na sala e localizar a origem de fontes sonoras virtuais em tempo real. No final do trabalho, foram efectuados testes de avaliação objectiva e subjectiva. Nos primeiros, foram realizadas diversas medidas de maneira a avaliar a precisão dos sistemas implementados. Os testes de avaliação subjectiva foram efectuados com a ajuda de alguns voluntários, que interagiam com o sistema seguindo um protocolo previamente criado. Assim foi possível obter informações relativamente à influência do sistema com o utilizador final, bem como verificar quais os pontos a melhorar em trabalhos futuros. Este trabalho originou um artigo que foi submetido no âmbito do 13º Encontro da "Associação Portuguesa de Engenharia de Áudio" (APEA). O artigo foi aceite e a apresentação do trabalho foi feita aos participantes.
Considering audio augmented reality applications, a demo version was developed of an auralization system featuring automatic detection of user position and head orientation. The position is determined by calculating the distances between an ultrasound transmitter carried by the user and fixed receivers distributed in the room. Head tracking is based on a commercial 3-DOF inertial orientation system (InertiaCube3). HRTF data from MIT was used for auralization. The control program was written in MATLAB. The system is supervised from a host computer through a Data Translation board. With this system, the user is able to walk freely within the room and locate virtual sound sources in real time. To evaluate the developed system both objective and subjective tests were performed. With the first ones, it was possible to get the precision of orientation and location systems. The subjective tests were conducted with the help of some volunteers who interacted with the system by following a previously established protocol. It was then possible to get important information regarding the interaction between the system and the final user. Thus it was possible to obtain information regarding the influence of the system with the end user, as well as verify which points to improve in future work. An article was written in order to submit it to the 13th Encounter of "Associação Portuguesa de Engenharia de Áudio" (APEA). The article was accepted and presented to the public.

Neste trabalho foi feita uma investigação sobre a realização de processamento de áudio digital em tempo real utilizando três dispositivos com características computacionais fundamentalmente distintas porém bastante acessíveis em termos de custo e disponibilidade de tecnologia: Arduino, GPU e Android. Arduino é um dispositivo com licenças de hardware e software abertas, baseado em um microcontrolador com baixo poder de processamento, muito utilizado como plataforma educativa e artística para computações de controle e interface com outros dispositivos. GPU é uma arquitetura de placas de vídeo com foco no processamento paralelo, que tem motivado o estudo de modelos de programação específicos para sua utilização como dispositivo de processamento de propósito geral. Android é um sistema operacional para dispositivos móveis baseado no kernel do Linux, que permite o desenvolvimento de aplicativos utilizando linguagem de alto nível e possibilita o uso da infraestrutura de sensores, conectividade e mobilidade disponível nos aparelhos. Buscamos sistematizar as limitações e possibilidades de cada plataforma através da implementação de técnicas de processamento de áudio digital em tempo real e da análise da intensidade computacional em cada ambiente.
This dissertation describes an investigation about real time audio signal processing using three platforms with fundamentally distinct computational characteristics, but which are highly available in terms of cost and technology: Arduino, GPU boards and Android devices. Arduino is a device with open hardware and software licences, based on a microcontroller with low processing power, largely used as educational and artistic platform for control computations and interfacing with other devices. GPU is a video card architecture focusing on parallel processing, which has motivated the study of specific programming models for its use as a general purpose processing device. Android is an operating system for mobile devices based on the Linux kernel, which allows the development of applications using high level language and allows the use of sensors, connectivity and mobile infrastructures available on devices. We search to systematize the limitations and possibilities of each platform through the implementation of real time digital audio processing techinques and the analysis of computational intensity in each environment.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2012.
Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2012-09-17T12:27:02Z No. of bitstreams: 1 2012_DiegoAugustoRodrigoGomes.pdf: 3113948 bytes, checksum: ddbeed3645907de67f488ff7848877d5 (MD5)
Approved for entry into archive by Luanna Maia(luanna@bce.unb.br) on 2012-09-18T11:02:03Z (GMT) No. of bitstreams: 1 2012_DiegoAugustoRodrigoGomes.pdf: 3113948 bytes, checksum: ddbeed3645907de67f488ff7848877d5 (MD5)
Made available in DSpace on 2012-09-18T11:02:03Z (GMT). No. of bitstreams: 1 2012_DiegoAugustoRodrigoGomes.pdf: 3113948 bytes, checksum: ddbeed3645907de67f488ff7848877d5 (MD5)
O uso crescente de unidades de processamento gráfico, Graphics Processing Units (GPUs), no desenvolvimento de aplicações de propósito geral nos permite criar softwares e sistemas capazes de processar grandes volumes de dados paralelamente. Isso faz com que aplicações, que antes imagin´avamos inviáveis no sentido de sua utilização, possam ser construídas. No contexto de aplicações que demandam alto poder de processamento, encontra-se o processo de criação de áudio tridimensional em tempo real e os sistemas de auralização. Tais sistemas têm o objetivo de simular virtualmente o posicionamento de fontes sonoras por meio de funções matem áticas responsáveis por aplicar os parâmetros de direcionalidade em um bloco de sinal de áudio, transmitindo-nos a sensação de posicionamento no campo sonoro ao nosso redor. Essa capacidade demanda a utilização de procedimentos de interpolação capazes de estimar as funções matemáticas de posi- ções pelas quais tais valores não são conhecidos, a partir de funções vizinhas previamente conhecidas. A possibilidade de otimização desses métodos de interpolação e consequentemente de sistemas que se utilizam destes m´etodos, abre caminhos para novas experiências sonoras no campo do entretenimento e da realidade virtual. Para tornar essa otimização possível, experimenta-se o uso de dispositivos eficientes e acessíveis capazes de processar um volume massivo de dados em paralelo. Este trabalho mantém o foco no desenvolvimento de uma biblioteca capaz de realizar a interpolação de HRTFs, as funções de transferência relacionadas à cabeça responsáveis por transmitir a percepção de direcionalidade de uma fonte sonora, e a síntese de áudio tridimensional em tempo real por meio da utilização de hardware gráfico para o processamento massivo de dados em paralelo e tomando como base o algoritmo de interpolação no domínio da transformada wavelet desenvolvido em trabalhos anteriores. Além disso, com a otimização desse método de interpolação, apresenta-se um programa capaz de sintetizar em tempo real o áudio resultante da aplicação dessas funções a partir de dados referentes ao posicionamento espacial da fonte sonora fornecidos por um usuário. Também como parte do escopo desse trabalho, a implementação com técnicas de processamento paralelo com base no uso de múltiplas threads é comparada com a implementação utilizando GPU. ______________________________________________________________________________ ABSTRACT
The increasing use of graphics processing units (GPUs) in the development of general- purpose applications allows us to develop software and systems capable of processing large amount of data in parallel. This means that applications once thought impractical, in the sense of its use, can be constructed with the use of these powerful and emerging processing units. In the context of applications that are heavy in terms of processing, there is the process of creating three-dimensional audio in real time and the auralization systems. Such systems are designed to virtually simulate the placement of sound sources by means of mathematical functions responsible for applying the parameters of directionality in a block of audio signal, giving us the sense of position in the sound field around the listener. This capability requires the use of interpolation procedures able to estimate the mathematical functions of positions, for which such values are not known, from neighboring functions previously known. The possibility of optimization of these methods of interpolation, and as a consequence the systems that use these methods, brings new sound experiences in the field of entertainment and virtual reality. To make this optimization possible, we experiment to use efficient and affordable devices capable of handling a massive volume of data in parallel. This work aims to focus on the development of a library to interpolate the HRTFs, the mathematical functions responsible for transmitting the perception of directionality of a sound source, and to synthesize 3D audio in real-time by using graphic hardware for massive and parallel data processing based on the interpolation algorithm in wavelet domain developed in previous works. In addition, with the optimization of this method of interpolation, as a result of using graphics processing units, a program was created to synthesize real-time audio resulting from the application of these transfer functions from data on the spatial positioning of the source sound provided by a user. Also as part of the scope of this work, we compare the implementation using multiple threads techniques with the implementation using GPU.

Made available in DSpace on 2016-04-26T18:18:19Z (GMT). No. of bitstreams: 1 Mauricio Nacib Pontuschka.pdf: 2745462 bytes, checksum: 95bf3c2456cd0f013c649839fefcf0bd (MD5) Previous issue date: 2009-11-10
This thesis explores the audio field in current computerized systems, so as to contribute to the use of intrinsic characteristics of audio and its expressiveness in communicational digital environments. The issue under study is related to systematized articulation of audio, which allows the use of techniques that enable the randomness of sounds, thus broadening the conceptual range of expressiveness of cognitive and communicational processes in hypermedia environments and metaverses. The philosophical foundations of this work are on the area of Linguistics (Ferdinand de Saussure) and Semiotics (Charles Pierce), which justify the understanding of the role of audio in current communication processes. The studies of George Landow and Theodore Nelson on Hypertexts had the role of bringing into light the computerized systematization ability of communication processes, what has motivated us to explore audio, its peculiarities and computational specificities in digital environments. In this context, the random component is introduced in the systematization so that the elements of human perception detailed by Charles Pierce can be used individually. Afterwards we will discuss, some possibilities of application of random audio understood as sonic textures in communication processes and music. As main result, this work proposes that random audio can be employed in research projects of virtual environments (metaverses), culminating in a formulation of soundscapes (Murray Shafer) starting from the concept of hyperaudio
Esta tese explora o campo do áudio nos atuais sistemas computadorizados, de forma a contribuir para a utilização das características intrínsecas do áudio e de sua expressividade em ambientes digitais comunicacionais. A questão estudada volta-se para a articulação sistematizada do áudio, que permite a utilização de técnicas que viabilizam a aleatoriedade de sons, ampliando assim o leque das expressividades conceituais para os processos cognitivos e comunicacionais em ambientes hipermídias e metaversos. Colocando as bases filosóficas da área da Linguística (Ferdinand Saussure) e da Semiótica (Charles Pierce) fundamentamos o entendimento a respeito do papel do áudio nos processos atuais de comunicação. Os estudos de George Landow e Teodore Nelson a respeito de Hipertextos tiveram o papel de evidenciar a capacidade de sistematização computadorizada dos processos comunicacionais o que nos motivou a explorar o áudio em ambientes digitais, suas peculiaridades e especificidades computacionais. A partir deste contexto a componente aleatória é introduzida nesta sistematização de maneira que os elementos da percepção humana detalhados por Charles Pierce possam ser utilizados individualmente. Na sequência são discutidas possibilidades de aplicação do áudio aleatório, entendido como texturas sonoras, nos processos de comunicação e na música. Como principal resultado, este trabalho propõe que o áudio aleatório pode ser empregado em projetos de pesquisa de ambientes virtuais (metaversos), culminando em uma formulação de paisagens sonoras (Murray Shafer) a partir da ideia do conceito de hiperáudio

Dissertação (mestrado)—Universidade de Brasília, Faculdade Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2014.
Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2014-08-20T15:41:30Z No. of bitstreams: 1 2014_GabrielaMeiraMouraRodrigues.pdf: 2041493 bytes, checksum: 180ce25c6e4d76ca85efcf259d58dcff (MD5)
Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-08-22T12:34:44Z (GMT) No. of bitstreams: 1 2014_GabrielaMeiraMouraRodrigues.pdf: 2041493 bytes, checksum: 180ce25c6e4d76ca85efcf259d58dcff (MD5)
Made available in DSpace on 2014-08-22T12:34:45Z (GMT). No. of bitstreams: 1 2014_GabrielaMeiraMouraRodrigues.pdf: 2041493 bytes, checksum: 180ce25c6e4d76ca85efcf259d58dcff (MD5)
A utilização de filtros analógicos da Transformada Wavelet (WT) em um sistema de tratamento de áudio para aparelho auditivo possui vantagens como melhor relação sinal-ruído (SNR), comparadas com outras técnicas de processamento de sinais utilizadas neste tipo de sistema. A relação sinal-ruído (SNR) é maior com esse tipo de tratamento, obtendo ainda melhor resultado ao selecionar a Gaussiana de ordem primeira como filtro da Wavelet. Além disso, devido ao fato de o sistema apresentado ser analógico não há necessidade de implementação de conversores Analógico-Digital (A/D) e Digital-Analógico (D/A). Foram realizados vários testes por diagramas de blocos, utilizando o programa computacional Simulink do MATLAB, com filtros passa-banda, passa-baixa e com todos os filtros da transformada Wavelet, confirmando o bom funcionamento da gaussiana de ordem primeira como filtro da Wavelet. Por fim, foram explanadas as diferenças entre os tipos e intensidades das deficiências auditivas, selecionando o grau moderado (entre 40 e 69 dB Na) para o tratamento com o presente sistema levando em consideração o limiar de dor dependente da frequência, ou seja, o limite máximo suportável pela orelha humana podendo ocorrer danos à estrutura. O som acrescido de ruído foi tratado pelas gaussianas 8,16,32 e 64 e em seguida foi submetido a um amplificador de controle de ganho automático (AGC). Através dos resultados obtidos em simulações elétricas, foi atingida uma melhor Relação Sinal Ruído (SNR), e assim, melhorando a qualidade sonora do sinal processado. ______________________________________________________________________________ ABSTRACT
The use of analog filters for Wavelet Transformer in a system for processing audio for hearing aid has advantages, for example, the better Signal Noise Ratio(SNR), comparing to others techniques of signal processing used in this type of system. The signal to noise ratio (SNR) is higher with this type of treatment, still getting better results when treated selecting Gaussian first order as a filter of Wavelet decomposition. Furthermore, the fact that the system is analog, there is no need to implement analog to digital and digital to analog converters. In this work several tests on system level where performed. Using the computation programmer Simulink of MatLab with band-pass filters, low-pass, and all filters of the Wavelet Transform, confirm the suitability of the Gaussian wavelet filter of the first order. The differences between the types and intensities of hearing loss were explained, choosing moderate (between 40 and 69 dB Na) for treatment with this system taking into account the threshold of pain frequency dependent, that is, supportively maximum limit damage to the human ear can occur structure. The sound with a Gaussian noise was addressed by 8, 16, 32 and 64 wavelet scales, and then, was applied to an automatic gain control (AGC) circuit. From the simulated results, we obtained better Signal Noise Ratio (SNR), and thus, improving the sound quality of the processed signal.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2013.
Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2014-01-21T10:04:59Z No. of bitstreams: 1 2013_RenatoCoralSampaio.pdf: 3776105 bytes, checksum: ec34db0ab9261723cadcfe2fd5f9432e (MD5)
Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-02-14T11:52:25Z (GMT) No. of bitstreams: 1 2013_RenatoCoralSampaio.pdf: 3776105 bytes, checksum: ec34db0ab9261723cadcfe2fd5f9432e (MD5)
Made available in DSpace on 2014-02-14T11:52:25Z (GMT). No. of bitstreams: 1 2013_RenatoCoralSampaio.pdf: 3776105 bytes, checksum: ec34db0ab9261723cadcfe2fd5f9432e (MD5)
A Codificação de áudio está presente hoje nos mais diversos aparelhos eletrônicos desde o rádio, a televisão, o computador, os tocadores de música portáteis e nos celulares. Em 2007, o governo do Brasil definiu o padrão do Sistema Brasileiro de TV Digital (SBTVD) que adotou o AAC Advanced Audio Coding para codificação de áudio. Neste trabalho, utilizamos a abordagem de coprojeto combinando software e hardware para implementar uma solução de alto desempenho e baixo consumo de energia em um FPGA, capaz de decodificar até 6 canais de áudio em tempo real. Apresentamos os detalhes da solução bem como os testes de desempenho e qualidade. Por fim, apresentamos os resultados de utilização de hardware e performance juntamente com uma comparação com as demais soluções encontradas na literatura. _______________________________________________________________________________________ ABSTRACT
Audio Coding is present today in many electronic devices. It can be found in radio, tv, computers, portable audio players and mobile phones. In 2007 the Brazilian Government defined the brazilian Digital TV System standard (SBTVD) and adopted the AAC - Advanced Audio Coding as the audio codec. In this work we use the co-design of hardware and software approach to implement a high performance and low energy solution on an FPGA, able to decode up to 6 channels of audio in real-time. The solution architecture and details are presented along with performance and quality tests. Finally, hardware usage and performance results are presented and compared to other solutions found in literature.

Orientador: Luís Geraldo Pedroso Meloni
Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação
Made available in DSpace on 2018-08-19T10:05:51Z (GMT). No. of bitstreams: 1 Braga_ViniciusJoseAndrade_M.pdf: 1600550 bytes, checksum: 9a8740df6ec6525126cc7f55fca3b881 (MD5) Previous issue date: 2011
Resumo: Este trabalho descreve o desenvolvimento de um decodificador de áudio embarcado em um Digital Signal Processor (DSP)de acordo com o padrão High Efficiency AAC version 2(HE-AAC v2) do MPEG-4. Essa atividade é parte integrante do projeto Rede H.264 que tem por objetivo o desenvolvimento de tecnologias nacionais para ser integrado ao padrão brasileiro de TV digital, o Integrated Services Digital Broadcasting-Terrestrial Brazilian version(ISDB-Tb). Também apresenta um estudo sobre diversas técnicas de otimização para processamento em tempo real na busca de se obter o melhor desempenho da arquitetura utilizada. Como resultado final deste trabalho, chegou-se a um decodificador embarcado em tempo real, otimizado com as técnicas descritas e compatível com o ISDB-TB
Abstract: This work describes the development of an embedded audio decoder in a Digital Signal Processor (DSP) according to the standard High Efficiency AAC v2 (HE-AAC v2) of MPEG-4. This activity is part of the Rede H.264 project which has objective the development of national technologies to be integrated in the Brazilian Digital TV standard, the Integrated Services Digital Broadcasting-Terrestrial Brazilian version (ISDB-Tb). It also presents a study of various optimization techniques for real-time processing in the quest to get the best performance of the architecture used. As final result of this work a real-time embedded decoder was achieved, optimized with the techniques described and compatible with the ISDB-Tb
Mestrado
Telecomunicações e Telemática
Mestre em Engenharia Elétrica

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Engenharia Elétrica
Made available in DSpace on 2012-10-21T11:30:11Z (GMT). No. of bitstreams: 1 212259.pdf: 2419766 bytes, checksum: 59a3b2dc3c314557116536d0f0440000 (MD5)
A área de pesquisa conhecida como classificação de sinais de áudio busca realizar a identificação automática das classes de áudio (fala, música, ruído, canto, dentre outras). Inicialmente, o objetivo deste trabalho é apresentar o estado-da-arte nessa área de pesquisa e discutir a sua estrutura padrão de diagrama em blocos. Atenção especial é dada à etapa de extração de parâmetros. Posteriormente, o objetivo do trabalho adquire caráter de inovação científica, concentrando-se no tema específico de segmentação do canto dentro de sinais de música. A abordagem proposta baseia-se na diferença entre o conteúdo harmônico dos sinais de canto e de instrumentos musicais, observadas através de análise visual do espectrograma. Os resultados obtidos são comparados com os de outra técnica proposta na literatura, usando o mesmo banco de dados. Mesmo considerando um método de medida de desempenho mais criterioso, a taxa de acerto obtida situa-se na mesma faixa da técnica usada como comparação, em torno de 80%. Como vantagem, a abordagem aqui proposta apresenta menor complexidade computacional. Adicionalmente, permite discriminar os diferentes tipos de erro envolvidos no processo de segmentação, sugerindo alternativas para reduzi-los, quando possível. Finalmente, a partir do algoritmo proposto, é realizado um primeiro experimento com o objetivo de separar os sinais de canto de instrumentos musicais dentro de um sinal de música. Os resultados subjetivos obtidos indicam que o processo de separação proposto opera satisfatoriamente.

Submitted by Eduarda Figueiredo (eduarda.ffigueiredo@ufpe.br) on 2015-03-06T15:24:45Z No. of bitstreams: 2 Dissertacao_Cordeiro Jr,M.M.pdf: 3941475 bytes, checksum: 87847586f1b95455343538f32a029b91 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Made available in DSpace on 2015-03-06T15:24:45Z (GMT). No. of bitstreams: 2 Dissertacao_Cordeiro Jr,M.M.pdf: 3941475 bytes, checksum: 87847586f1b95455343538f32a029b91 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2011-09-02
CAPES
Nesta dissertação é proposto um novo procedimento para identificação de notas e acordes em registros de piano. O método apresentado utiliza técnicas de processamento de sinais de áudio e de imagem e pode ser dividido em cinco etapas, a saber: decomposição do sinal de áudio em componentes de energia utilizando bancos de filtros digitais por janelas Kaiser; conversão matriz-imagem seguida de binarização por limiar de Otsu; ajuste a partir de técnicas de conectividade entre os pixels; sobreposição temporal e composição dos resultados. O desafio consiste em conceber um aplicativo capaz de dispor de forma amigável o conteúdo musical (notas e acordes) contido num arquivo de áudio gravado via sintetizador ou pelo próprio instrumento a partir da implementação de técnicas especificas que usam processamento de sinais de áudio e imagem. A implementação é realizada a partir de diversos algoritmos desenvolvidos no Matlab® . Testes de funcionamento usando registros de piano (gravados via intetizador) foram realizados, obtendo taxas de acerto superiores a 88 %.

Este trabalho estuda o modelo de análise em componentes independentes (ICA) para misturas instantâneas, aplicado na separação de sinais de áudio. Três algoritmos de separação de misturas instantâneas são avaliados: FastICA, PP (Projection Pursuit) e PearsonICA; possuindo dois princípios básicos em comum: as fontes devem ser independentes estatisticamente e não-Gaussianas. Para analisar a capacidade de separação dos algoritmos foram realizados dois grupos de experimentos. No primeiro grupo foram geradas misturas instantâneas, sinteticamente, a partir de sinais de áudio pré-definidos. Além disso, foram geradas misturas instantâneas a partir de sinais com características específicas, também geradas sinteticamente, para avaliar o comportamento dos algoritmos em situações específicas. Para o segundo grupo foram geradas misturas convolutivas no laboratório de acústica do LPS. Foi proposto o algoritmo PP, baseado no método de Busca de Projeções comumente usado em sistemas de exploração e classificação, para separação de múltiplas fontes como alternativa ao modelo ICA. Embora o método PP proposto possa ser utilizado para separação de fontes, ele não pode ser considerado um método ICA e não é garantida a extração das fontes. Finalmente, os experimentos validam os algoritmos estudados.
This work studies Independent Component Analysis (ICA) for instantaneous mixtures, applied to audio signal (source) separation. Three instantaneous mixture separation algorithms are considered: FastICA, PP (Projection Pursuit) and PearsonICA, presenting two common basic principles: sources must be statistically independent and non-Gaussian. In order to analyze each algorithm separation capability, two groups of experiments were carried out. In the first group, instantaneous mixtures were generated synthetically from predefined audio signals. Moreover, instantaneous mixtures were generated from specific signal generated with special features, synthetically, enabling the behavior analysis of the algorithms. In the second group, convolutive mixtures were probed in the acoustics laboratory of LPS at EPUSP. The PP algorithm is proposed, based on the Projection Pursuit technique usually applied in exploratory and clustering environments, for separation of multiple sources as an alternative to conventional ICA. Although the PP algorithm proposed could be applied to separate sources, it couldnt be considered an ICA method, and source extraction is not guaranteed. Finally, experiments validate the studied algorithms.

Tradicionalmente, a técnica de síntese aditiva com funções base de Fourier é a que tem apresentado melhores resultados no que diz respeito à qualidade dos sons gerados. Entretanto, a carga computacional imposta por esta técnica é extremamente alta, dificultando assim a sua implementação em tempo real. Substituindo as funções de Fourier por outras mais complexas, derivadas das técnicas estatísticas de Karhunen-Loève, consegue-se uma redução na quantidade de operações necessárias. Neste trabalho foi estudado e implementado em microcomputador um modelo de síntese aditiva baseada em análise utilizando a transformada de Karhunen-Loève.
Traditionally, the Fourier based aditive synthesis is the method that have achieved the best results concerning to the quality of the generated sounds. However, the computacional load imposed by this technique is extremely high, difliculting its real time implementation. Substituting the Fourier functions by another set of more complex functions, derived from the Karhunen-Loève statistical techniques, one achieves a reduction on the amount of the necessary operations so as to viabilize its real time implementation.

Orientador: Luís Geraldo Pedroso Meloni
Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação
Made available in DSpace on 2018-08-21T21:07:48Z (GMT). No. of bitstreams: 1 Chanquini_JuliaJacobsenDornelles_M.pdf: 2607975 bytes, checksum: f9b57a1325c9977a5bfd0cdb69a56661 (MD5) Previous issue date: 2012
Resumo: Este trabalho apresenta a adequação de um codificador de áudio padrão MPEG-4 AAC para aderência à norma brasileira do SBTVD. Também apresenta um estudo dos conceitos envolvidos em codificadores de áudio perceptuais com enfoque no codificador MPEG-4 AAC e também inclui a parte de multiplexação e sincronia do MPEG-4. Para o desenvolvimento do projeto foram estudados alguns códigos abertos de codificadores AAC: FAAD, 3GPP e o código de referência do padrão MPEG-4, especialmente a parte referente ao LATM/LOAS. O decodificador de áudio padrão MPEG-4 AAC que foi modificado para suportar a camada LATM/ LOAS foi o FAAD. Foi calculado o tempo adicional que o decodificador modificado leva para decodificar o áudio com a camada LATM/LOAS, sem ser notado um aumento significativo que não permite a decodificação em tempo real do áudio
Abstract: This work presents an adaptation of a standard MPEG-4 AAC audio coder to conform to the Brazilian digital TV standard SBTVD. It also presents a study of the concepts involved in perceptual audio coders focusing on MPEG-4 AAC and also including the multiplexing and synchronization part of the MPEG-4 standard. To develop this project, open source AAC coders were studied: FAAD, 3GPP and the MPEG-4 reference software code specially the part concerning LATM/LOAS. The AAC audio decoder which was modified to support the LATM / LOAS layer was FAAD. The additional time that the modified decoder needs to decode a sample audio with LATM / LOAS was calculated, and it did not introduce a large enough delay that would restrict real time audio decoding
Mestrado
Telecomunicações e Telemática
Mestra em Engenharia Elétrica

O trabalho envolve a pesquisa de técnicas para espacialização sonora musical e o desenvolvimento de um sistema de espacialização sonora sobre uma arquitetura de áudio multicanal aberta (AUDIENCE) para a auralização imersiva. Utilizando-se a técnica Ambisonics, o sistema construído permite a recriação de um campo sonoro tridimensional. O sistema reproduz virtualmente peças musicais espacializadas, por meio de um arranjo de alto-falantes em torno do ouvinte, onde as fontes sonoras podem assumir posições incomuns e movimentar-se no espaço. Através dos resultados dos experimentos musicais realizados com o sistema, chega-se a conclusão de que o sistema pode ser utilizado por compositores, regentes e produtores para a tarefa de espacialização musical.
This work involves the research of techniques for musical spatialization, and the development of a spatialization system, based on an open multichannel audio architecture (AUDIENCE) for immersive auralization. The constructed system uses the Ambisonics technique, which allows the recreation of a three-dimensional sound field. The system reproduces spatial music through an arrangement of loudspeakers around the listener where sound sources can assume some uncommon positions, and also be put into motion. From the results of experiments with a musical piece it follows that the system can be used by composers, conductors, and producers to the musical spatialization task.

Este trabalho apresenta diversas propostas associadas ao uso ótimo de funções de transferência relativas à cabeça (HRTFs) em sistemas de reprodução acústica virtual por fones de ouvido. Estas propostas permitem personalizar a HRTF a indivíduos particulares, tomando como base uma combinação da modelagem estrutural e morfológica de HRTFs. Dentro do contexto da modelagem estrutural, o presente trabalho se concentrou no estudo da contribuição do pinna à HRTF. O pinna é a estrutura anatômica responsável pela percepção de elevação. Assim, o primeiro passo foi extrair um conjunto de funções de transferência relativas ao pinna (PRTFs) das HRTFs de uma base de dados. Para tanto, foram usadas diversas técnicas como análise preditiva linear para rastrear as ressonâncias, janelamento para eliminar a influência do torso, funções de autocorrelação e de atraso de grupo para salientar as antirressonâncias, e outros algoritmos para combinar ressonâncias e antirressonâncias em apenas uma magnitude espectral. Usando essa nova base de dados de PRTFs e parâmetros antropométricos propostos mais outros registrados na base de dados, um espaço vetorial correspondente à antropometria do pinna foi mapeado linearmente em um espaço vetorial correspondente às características espectrais da PRTF, calculando-se assim várias transformações lineares para estimação de novas PRTFs fora da base de dados. A estimação atingiu 66% de reconstrução no grupo de treino. O trabalho está orientado à exploração das características espectrais importantes na percepção de elevação, portanto, está limitado ao plano médio do hemisfério frontal, onde não existem diferenças interaurais significativas nem efeitos difrativos da cabeça. Finalmente é proposto um sistema de testes de localização de fonte sonora para validar o modelo.
This work presents several proposals associated with the optimal use of head-related transfer functions (HRTF) in virtual auditory spaces presented via headphones. These proposals lead to personalization of the HRTF to particular individuals, using a combination of the structural and morphological modeling techniques. In the context of structural modeling, this work focuses on modeling the contribution of the pinna to the HRTF. The pinna is the anatomical structure responsible for vertical sound localization. Thus, the first step was to extract a set of pinna-related transfer functions (PRTFs) from HRTFs published in a database. This was accomplished using several techniques like linear prediction analysis for tracking the resonances, windowing for eliminating the torso influence, autocorrelation and group delay functions for emphasizing the notches and other algorithms for combining resonances and notches in only one magnitude response. Using this novel database of PRTFs and a set of proposed anthropometric parameters plus some others registered in the database, a vector space corresponding to pinna anthropometry is linearly mapped into a vector space corresponding to spectral features of the PRTF, being calculated, in this way, several linear transformations for estimation of new PRTFs, outside the database. The estimation attains 66% of reconstruction in the training group. The work focuses on the exploration of spectral characteristics important for elevation perception, therefore, it is limited to the median plane where there are no meaningful interaural differences nor head diffraction effects. Finally, a system for sound localization tests is proposed in order to validate the model.

Esta dissertação apresenta um estudo comparativo de diferentes métodos computacionais de segmentação estrutural musical, onde o principal objetivo é delimitar fronteiras de seções musicais em um sinal de áudio, e rotulá-las, i.e. agrupar as seções encontradas que correspondem a uma mesma parte musical. São apresentadas novas propostas para segmentação estrutural nãosupervisionada, incluindo métodos para processamento em tempo real, alcançando resultados com taxas de erro inferiores a 12%. O método utilizado compreende um estudo dos descritores sonoros e meios de modelá-los temporalmente, uma exposição das técnicas computacionais de segmentação estrutural e novos métodos de avaliação dos resultados que penalizam tanto a incorreta detecção das fronteiras quanto o número incorreto de rótulos encontrados. O desempenho de cada técnica computacional é calculado utilizando diferentes conjuntos de descritores sonoros e os resultados são apresentados e analisados tanto quantitativa quanto qualitativamente.
A comparative study of different music structural segmentation methods is presented, where the goal is to delimit the borders of musical sections and label them, i.e. group the sections that correspond to the same musical part. Novel proposals for unsupervised segmentation are presented, including methods for real-time segmentation, achieving expressive results, with error ratio less then 12%. Our method consists of a study of sound descriptors, an exposition of the computational techniques for structural segmentation and the description of the evaluation methods utilized, which penalize both incorrect boundary detection and incorrect number of labels. The performance of each technique is calculated using different sound descriptor sets and the results are presented and analysed both from quantitative and qualitative points-of-view.

Trabalho de Projeto do Mestrado Integrado em Engenharia Biomédica apresentado à Faculdade de Ciências e Tecnologia
A tiroidectomia é um procedimento comum tanto para remover nódulos benignos como malignos que envolvam a glândula tiroide. Geralmente apresenta uma baixa taxa de complicações, todavia pode resultar no comprometimento vocal derivado de traumatismos cirúrgicos que condicionem a integridade das estruturas responsáveis pela fonação. Após a intervenção cirúrgica, as queixas de disfonia são regulares e podem persistir por cerca de três a seis meses, sendo os pacientes encaminhados para tratamentos terapêuticos. A análise e diagnóstico dos respetivos tratamentos, baseia-se sobretudo em avaliações áudio-precetivas em que a subjectividade está inerente. As técnicas de avaliação subjectivas geram falta de consenso entre os profissionais, pelo que é importante procurar soluções objectivas, através das quais a qualidade vocal seja quantificada por parâmetros acústicos. No âmbito desta dissertação é proposta uma técnica de avaliação objetiva através do processamento digital de sinais acústicos. Para tal, é implementado, em MATLAB, um conjunto de algoritmos de processamento de som durante um protocolo de teste fonético, que permite quantificar alterações nos padrões de vibração das pregas vocais. Os principais parâmetros que identificam tais alterações são: Frequência Fundamental, jitter, RAP, PPQ5, shimmer, APQ3, APQ5, APQ11 e Harmonic-to-Noise Ratio. O estudo inclui uma amostra com 15 sujeitos do género feminino e 15 do género masculino e a avaliação da sua qualidade vocal com recurso à produção das vogais sustentadas /a/ e /i/. A partir dos resultados obtidos é estabelecida uma comparação estatística entre os parâmetros obtidos através do software standard nesta caracterização (Praat) e os resultados do algoritmo desenvolvido. Além disso, são investigadas as características específicas que possam ter influência sobre a qualidade vocal de cada sujeito. Através da análise da distribuição métrica dos respetivos parâmetros de ambas as plataformas de análise, verificou-se que as diferenças foram pouco significativa na maior parte deles. A validação experimental mostra que este método exibe resultados fiáveis, podendo ser aplicado a situações reais em ambiente clínico. Com o presente trabalho pretendeu-se assim, dotar futuros desenvolvimentos no domínio das ferramentas de análise necessárias para a correta caracterização de uma população no estudo do efeito das tiroidectomias.
Thyroidectomy is a common procedure to remove both benign and malignant nodules that surround the thyroid gland. Even though it presents a low rate of complications, surgical trauma during the operation can result in vocal impairment that compromises the integrity of the structures responsible for phonation. After the surgical intervention, complaints of dysphonia are regular and may persist for about three to six months. The analysis and diagnosis of the respective treatments are mainly based on audio-preceptive evaluations. Due to the subjective nature of these techniques, there is a lack of consensus among professionals in their analysis. Therefore, it becomes important to develop unbiased solutions, through which the vocal quality can be quantified by acoustic parameters. In this dissertation, an objective evaluation technique through the digital processing of acoustic signals is presented. For this purpose, a set of sound processing algorithms are implemented during a phonetic test protocol, using MATLAB, which allows for the quantification of changes in vocal fold vibration patterns. The main parameters that are used to identify such changes are: Fundamental Frequency, jitter, RAP, PPQ5, shimmer, APQ3, APQ5, APQ11 and Harmonic-to-Noise Ratio.The study includes a sample of 15 female and 15 male subjects and the evaluation of their vocal quality through the analysis of sustained vowels /a/ and /i/. From the results obtained, a statistical comparison is established between parameters from the standard software in this characterization (Praat) and the results of the developed algorithm. Besides, specific characteristics that may influence the vocal quality of each subject are examined. Through the analysis of the metric distribution of the parameters of both analysis platforms, it was found that the differences were negligible in most of them. The experimental validation shows that the developed method can achieve reliable results, therefore showing potential for application in the clinical environment.Overall, this work provides a step forward in the development of methods for correct characterization of the effects of thyroidectomies in a given population.

Dissertação de mestrado integrado em Engenharia Eletrónica Industrial e Computadores (área de especialização em Informática Industrial)
Quando são projetados os automóveis modernos, um dos objetivos é a atenuação ou cancelamento dos níveis de ruído do habitáculo. Um dos inconvenientes associados a esta filosofia é a sistemática alteração do som produzido dentro do habitáculo, servindo os condutores como pista auxiliar para estimar a velocidade, e por vezes negligenciada. Esta alteração da perceção da velocidade conduz a uma tendência para guiar a velocidades superiores e, consequentemente, a um aumento do risco de fatalidades. Desempenha, por isso, um papel importante na segurança rodoviária. Atualmente, para velocidades até 20-30 km/h, os automóveis com os tradicionais Motores de Combustão Interna (MCI) são muito mais ruidosos que os Veículos Elétricos a Bateria (VEB). A partir daí, o ruído provocado pela resistência de rolamento dos pneus e o atrito do ar começam a ser responsáveis por uma maior proporção do ruído total. Nos ensaios de homologação à velocidade de 50 km/h os VEB produzem cerca de 68 dB(A) de ruído, enquanto um veículo equipado com MCI produz acima destes valores. A Comissão Europeia pretende diminuir em 25% os níveis de poluição sonora dos veículos até 2026, desde 1996 que se mantêm inalterados. Os atuais limites de 74 dB(A) passarão a 68 dB(A) em 2026, para qualquer que seja a motorização. Significando que os automóveis ligeiros de passageiros com MCI terão de ser obrigatoriamente tão silenciosos como os atuais VEB. Pretende-se desenvolver um emulador de som interior para automóveis com MCI. A construção deste protótipo permite fazer a aquisição de parâmetros do motor por parte da Electronic Control Unit (ECU), através da execução de um protocolo de comunicação On-board Diagnostics II (OBD-II) entre a ECU e o hardware específico. Este último faz o processamento dos parâmetros do motor obtidos em tempo-real, para posteriormente proceder à emulação do som de acordo com o estágio de funcionamento do motor. O som é reproduzido no habitáculo, através do auxílio do sistema de áudio incorporado no automóvel. Procedeu-se a um estudo por forma a averiguar como são produzidos os sons dos motores nos videojogos de simulação automóvel. Em seguida analisam-se as metodologias existentes, de modo a adotar aquela que permita replicar com maior fidelidade os sons produzidos pelos MCI. O resultado de desenvolvimento compreende um sistema adaptável a vários automóveis que concebe um maior envolvimento e amplifica a sensação auditiva produzida ao condutor. Promove o som como fonte de informação para uma condução mais estável e responsável, através do som produzido no habitáculo, melhorando a perceção do condutor. Também para os entusiastas do mundo automóvel, sendo o som produzido por um motor um elemento chave, este sistema poderá ser uma ferramenta importante para manter o prazer da experiência da condução, uma vez que o mesmo som produzido mecanicamente pode ser conseguido por este sistema.
Whenever modern automobiles are projected, one of the major concerns is the mitigation or total abrogation of noise level in the vehicle’s cabin. One of the associated drawbacks with said philosophy is the systematic modification of the sound produced by the car within the cabin, that otherwise helps drivers estimating the speed they are circulating at, and is neglected at times. This change in the perception of the real speed leads to a tendency of circulating at higher speeds, hence raising the probability of fatality risks. It goes to follow that it plays a leading role when it comes to road safety. Nowadays, for speeds superior to 20-30 km/h, vehicles with the traditional Internal Combustion Engines (ICE) are noisier when compared to Electrical Vehicles (EV). From then on, all noise provoked by the rolling resistance of the tires, as well as the air resistance, start being responsible for a bigger proportion of the total noise. At the speed of 50 km/h, during the homologation rehearsals, the EV produce around 68 dB(A) of noise, whereas a vehicle equipped with ICE produces noise above said value. The European Commission intends on diminishing the levels of sound pollution caused by vehicles by 25% until 2026, since the level has remained unaltered since 1996. The current established limit of 74 dB(A) will be 68 dB(A) by 2016, for any motorization. This means light passenger vehicles with ICE will be obliged to be as silent as the current EV. It is intended to develop an inner sound emulator for automobiles with ICE. The construction of this prototype enables the collection of motor parameters through Electronic Control Units (ECU), through the execution of an On-board Diagnostics II (OBD-II) communication protocol between the ECU and the specific hardware. Said hardware processes the collected motor parameters in real time and subsequently proceeds to the sound emulation according to the operating stage of the engine. The sound is played in the car’s cabin by means of an audio system encrypted in the car itself. Firstly, a study was conducted in order to ascertain how engines’ sounds in car simulation videogames are produced. Then, the existent methodologies were analysed in order to pick and adopt the one that would replicate most accurately the sounds produced by ICE. The result of this investigation is an adaptive system to all categories of vehicles which allows for a greater involvement of the driver by amplifying the auditory sensation. It promotes sound as a source of information for a more stable and responsible driving, through the sound produced in the cabin, which enables for a better perception of the driver. Moreover, for car fanatics and enthusiasts, for which the engine sound is a must, this system may be key when it comes to the pleasure of the driving experience, since the very same sound produced mechanically can be achieved with this system.