- -

MODELADO DE LAS RESPUESTAS AL IMPULSO DE SALAS MEDIANTE REDES NEURONALES PROFUNDAS

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

MODELADO DE LAS RESPUESTAS AL IMPULSO DE SALAS MEDIANTE REDES NEURONALES PROFUNDAS

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.advisor Naranjo Ornedo, Valeriana es_ES
dc.contributor.advisor Pastor Naranjo, Francisco es_ES
dc.contributor.author Atienza Selva, Gonzalo es_ES
dc.coverage.spatial east=-0.3571657674420736; north=39.46925270221671; name=Plaça del Periodista Ros Belda, 6, 46021 València, Valencia, Espanya es_ES
dc.date.accessioned 2023-10-05T14:41:43Z
dc.date.available 2023-10-05T14:41:43Z
dc.date.created 2023-09-21 es_ES
dc.date.issued 2023-10-05 es_ES
dc.identifier.uri http://hdl.handle.net/10251/197711
dc.description.abstract [ES] En este trabajo se describe un sistema para inferir respuestas al impulso acústicas (room impulse responses, RIR) entre dos ubicaciones específicas dentro de la misma sala. Dicho sistema está basado en redes neuronales profundas en las que la entrada es una RIR medida en la sala. La novedad de este modelo es que la entrada es directamente la respuesta al impulso en el dominio del tiempo. En general, los modelados de RIRs que utilizan redes neuronales se han basado en la imagen obtenida por la short-time Fourier transform (STFT). Ambas presentan varias limitaciones principalmente debido a la dificultad en reconstruir la fase. En este trabajo se proponen e implementan diferentes arquitecturas de redes neuronales profundas y se compara su rendimiento. Entre otras, el estudio de autoencoders basados en redes neuronales recurrentes (recurrent neural network, RNN), las cuales son adecuadas para procesar secuencias de datos, como el audio, ya que pueden capturar la dependencia temporal de los datos. es_ES
dc.description.abstract [EN] This work describes a system for inferring room impulse responses (RIR) between two specific locations within the same room. This system is based on deep neural networks, where the input is an RIR measured in the room. The novelty of this model is that the input directly represents the impulse response in the time domain. Generally, RIR modeling using neural networks has been based on the image obtained by the short-time Fourier transform (STFT). Both approaches present several limitations, mainly due to the difficulty in reconstructing the phase. In this work, different architectures of deep neural networks are proposed and implemented, and their performance is compared. Among others, the study includes autoencoders based on recurrent neural networks (RNN), which are suitable for processing data sequences such as audio, as they can capture the temporal dependencies in the data. en_EN
dc.format.extent 52 es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Aprendizaje profundo es_ES
dc.subject Respuesta al impulso es_ES
dc.subject Acústica es_ES
dc.subject Respuesta sala es_ES
dc.subject Deep Learning en_EN
dc.subject Impulse Response en_EN
dc.subject Acoustics en_EN
dc.subject Room Response en_EN
dc.subject.classification TEORÍA DE LA SEÑAL Y COMUNICACIONES es_ES
dc.subject.other Grado en Tecnología Digital y Multimedia-Grau en Tecnologia Digital i Multimèdia es_ES
dc.title MODELADO DE LAS RESPUESTAS AL IMPULSO DE SALAS MEDIANTE REDES NEURONALES PROFUNDAS es_ES
dc.title.alternative MODELLING OF ROOM IMPULSE RESPONSES USING DEEP NEURAL NETWORKS es_ES
dc.title.alternative MODELATGE DE LES RESPOSTES A l'IMPULS DE SALES MITJANÇANT XARXES NEURONALS PROFUNDES es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Cerrado es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Comunicaciones - Departament de Comunicacions es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros de Telecomunicación - Escola Tècnica Superior d'Enginyers de Telecomunicació es_ES
dc.description.bibliographicCitation Atienza Selva, G. (2023). MODELADO DE LAS RESPUESTAS AL IMPULSO DE SALAS MEDIANTE REDES NEURONALES PROFUNDAS. Universitat Politècnica de València. http://hdl.handle.net/10251/197711 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\158225 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem