DENOISING APPLIED TO SOUND EVENT DETECTION USING WEIGHTING NON-NEGATIVE MATRIX FACTORIZATION
Archivos
Fecha
2021-01-22
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
[EN] Some sound events (screams, gunshots ...) are often associated with situations of danger and violence. Nevertheless, the noise interference that appears with them decreases the detection performance to a great extent. Most existing methods that employ a trained noise classifier have the problem that they cannot provide an optimal result when such noise does not resemble the trained noise or is highly variable in time. Therefore, the task of acoustic noise reduction in this acoustic scenario remains a great challenge for sound event detec-tion. For this Master Thesis, we propose the design and development of a system imple-mented in MATLAB capable of reducing noise for the detection of sound events using a Weighted Non-Negative Matrix factorization (WNMF) approach.
[ES] Algunos eventos sonoros (gritos, disparos…) están asociados a situaciones de peligro y violencia. Sin embargo, las interferencias ruidosas que aparecen junto con estos eventos sonoros, hacen que la detección de estos eventos sea más dificultosa. La mayoría de los métodos existentes que emplean un clasificador de ruido entrenado tienen el problema de no proveer un buen resultado, cuando el ruido no se parece al ruido entrenado, o este es variable con el tiempo. Por lo tanto, la tarea de reducir el ruido en estos escenarios acústicos continúa siendo un gran reto para la detección de eventos sonoros. En este trabajo fin de master, proponemos el diseño de un sistema implementado en MALTLAB, que sea capaz de reducir el ruido para la detección de eventos sonoros usando la factorización no negativa de matrices pesada (WNMF).
[ES] Algunos eventos sonoros (gritos, disparos…) están asociados a situaciones de peligro y violencia. Sin embargo, las interferencias ruidosas que aparecen junto con estos eventos sonoros, hacen que la detección de estos eventos sea más dificultosa. La mayoría de los métodos existentes que emplean un clasificador de ruido entrenado tienen el problema de no proveer un buen resultado, cuando el ruido no se parece al ruido entrenado, o este es variable con el tiempo. Por lo tanto, la tarea de reducir el ruido en estos escenarios acústicos continúa siendo un gran reto para la detección de eventos sonoros. En este trabajo fin de master, proponemos el diseño de un sistema implementado en MALTLAB, que sea capaz de reducir el ruido para la detección de eventos sonoros usando la factorización no negativa de matrices pesada (WNMF).