Ses İşaretlerinin Ayrıştırılmasında Kör Kaynak Algoritmalarının Performans Analizleri
Europan Journal of Science and Technology, cilt.0, sa.Ejosat Özel Sayı 2020 (ARACONF), ss.399-404, 2020 (TRDizin)
- Yayın Türü: Makale / Tam Makale
- Cilt numarası: 0 Sayı: Ejosat Özel Sayı 2020 (ARACONF)
- Basım Tarihi: 2020
- Doi Numarası: 10.31590/ejosat.araconf52
- Dergi Adı: Europan Journal of Science and Technology
- Derginin Tarandığı İndeksler: TR DİZİN (ULAKBİM)
- Sayfa Sayıları: ss.399-404
- Erciyes Üniversitesi Adresli: Evet
Özet
İki veya daha fazla sesin karışımından birini elde etmek veya gürültülü ortamda kaydedilen seslerin gürültüden ayrıştırılması herzaman popülerliğini korumaktadır. Gürültü çeşidi, kaynağı ve seslerin karışım ortamları bilinmediği için ayrıştırma işlemindekullanılan algoritmaların işlem süresi ve performansları farklılık göstermektedir. Karışmış işaretleri ayrıştırmada kör kaynakalgoritmaları kullanılmaktadır. Doğrusal karışmış işaret kaynaklarından oluşan veri kümesinden, işaretlerin veya gürültünün ayrı ayrıtahmin edilme işlemi kör kaynak ayrıştırma olarak ifade edilmektedir. Mühendislik uygulamalarında birçok yöntem olsa da tasarımkısıtlamaları ve gereksinimleri göz önüne alındığında hangi algoritmanın daha uygun olacağını analiz etmek gerekir. Bu çalışmada üçfarklı yöntem olarak; Pearson bağımsız bileşen analizi (Pearson Independent Component Analysis -PICA), İkinci dereceden körtanımlama ( Second-Order Blind Identification-SOBİ) algoritması ve Ortak yaklaşım özdeğerlerin köşegenleştirilmesi (JointApproximation Diagonalization of Eigen-matrices-JADE) algoritmaları karşılaştırılmıştır. Algoritmaların performans analizleridikkate alınarak başarım oranları ve işlem sürelerine göre değerlendirilmiştir.
Obtaining a mixture of two or more sounds or separating the sounds recorded in the noisy environment from noise is among the most studied topic. Since noise type, source and mixing environments of sounds are unknown, the processing time and performance of the algorithms used in the separation process differ. Blind source algorithms are used to decompose mixed signs. From the data set consisting of linear mixed signal sources, the process of estimating the signals or noise separately is expressed as blind source decomposition. Although there are many methods in engineering applications, it is necessary to analyze which algorithm will be more suitable considering the design constraints and requirements. In this study, as three different methods; Pearson independent component analysis (PICA), Second order blind identification (SOBI) algorithm and Joint approximate diagonalization of eigen matrices (JADE) algorithms were compared. It has been evaluated according to performance rates and processing times by considering the performance analysis of the algorithms.