Διαχωρισμός σημάτων μουσικής στο πεδίο του μετασχηματισμού Fourier βραχέως χρόνου
| datacite.contributor.RelatedPerson | Δερματάς Ευάγγελος | |
| datacite.contributor.RelatedPerson | Μπερμπερίδης Κωσταντίνος | |
| datacite.contributor.Supervisor | Ψαράκης Εμμανουή΄λ | |
| datacite.rights | http://purl.org/coar/access_right/c_abf2 | el |
| dc.contributor.author | Μπούρδαλας, Γρηγόρης | |
| dc.contributor.other | Bourdalas, Grigoris | |
| dc.date.accessioned | 2022-03-14T10:36:20Z | |
| dc.date.available | 2022-03-14T10:36:20Z | |
| dc.date.copyright | 2022-03-08 | |
| dc.degree | masterThesis | el |
| dc.description.abstract | Στην παρούσα διπλωματική εργασία εξετάζεται το πρόβλημα του διαχωρισμού μουσικών σημάτων στο πεδίο του μετασχηματισμού Fourier βραχέως χρόνου, με μοναδικό δεδομένο το σήμα μίξης το οποίο περιλαμβάνει όλες τις επιμέρους πηγές τις οποίες προσπαθούμε να διαχωρίσουμε. Ο διαχωρισμός πηγών αποτελεί ένα από τα πιο δύσκολα προβλήματα επεξεργασίας ψηφιακών σημάτων, καθώς στις πιο συνηθισμένες εκφάνσεις του, το πρόβλημα αυτό θεωρείται υποκαθορισμένο. Στην περίπτωση που η λύση του προσεγγίζεται μέσω του μετασχηματισμού Fourier βραχέως χρόνου, το συνολικό σύστημα του διαχωρισμού αποτελείται από τουλάχιστον δυο διαφορετικά υποσυστήματα. Αρχικά, απαιτείται η εκτίμηση του μέτρου του μετασχηματισμού Fourier βραχέως χρόνου των επιμέρους πηγών. Στη συνέχεια, για να αποκτήσει κανείς τις επιμέρους πηγές στο πεδίο του χρόνου, απαιτείται η ανακατασκευή της φάσης των πηγών. Τέλος, συνηθισμένη πρακτική αποτελεί το φιλτράρισμα των εκτιμώμενων πηγών με φίλτρο τύπου Wiener, ως ένα τελικό βήμα μετά-επεξεργασίας. Σε αυτήν την εργασία, εξετάζουμε τα τρία αυτά υποσυστήματα, συγκρίνοντας τα αποτελέσματα διαφορετικών αλγορίθμων και μεθόδων, μεμονωμένα αλλά και συνδυαστικά, καταλήγοντας σε ένα ολοκληρωμένο σύστημα διαχωρισμού μουσικών σημάτων. | el |
| dc.description.translatedabstract | In this thesis, the problem of separating music signals in the short-time Fourier Transform domain is examined, where the only input data is the mixture signal, that is the signal that includes all the musical sources we are trying to separate. Source separation is one of the most difficult problems in digital signal processing, since in its most usual scenarios, the problem is considered underdetermined. In the case where the solution is approached through the short-time Fourier transform, the separation system consists of at least two different subsystems. At first, an estimation of the sources STFT magnitude is required. Afterward, the phase of the sources must be reconstructed, in order to obtain the estimated sources in the time domain. Finally, filtering the estimated sources with a Wiener filter is a usual post-processing step. In this thesis, we examine all of these subsystems, comparing the results of various algorithms and methods, both independently and in combination, concluding to a whole music signal separation system. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/16044 | |
| dc.language.iso | gr | el |
| dc.subject | Επεξεργασία σήματος | el |
| dc.subject | Διαχωρισμός μουσικών πηγών | el |
| dc.subject.alternative | Signal processing | el |
| dc.subject.alternative | Source separation | el |
| dc.title | Διαχωρισμός σημάτων μουσικής στο πεδίο του μετασχηματισμού Fourier βραχέως χρόνου | el |
| dc.title.alternative | Music signal separation in the short time Fourier transform domain | el |
| oaire.licenseCondition | https://creativecommons.org/licenses/by-nc/4.0/ | el |