Journal title RIVISTA ITALIANA DI ACUSTICA
Author/s Domenico De Salvio
Publishing Year 2024 Issue 2024/1
Language Italian Pages 10 P. 19-28 File size 0 KB
DOI 10.3280/ria1-2024oa17373
DOI is like a bar code for intellectual property: to have more infomation
click here
FrancoAngeli is member of Publishers International Linking Association, Inc (PILA), a not-for-profit association which run the CrossRef service enabling links to and from online scholarly content.
La crescente potenza di calcolo e capacità di immagazzinamento dati della strumentazione acustica fa sì che si ponga sempre più attenzione verso i monitoraggi a lungo termine. Questa grande quantità di dati spiana la strada all’utilizzo di tecniche di machine learning. L’utilizzo di algoritmi sofisticati, principalmente basati su assunzioni statistiche, permette di ampliare le capacità di analisi dei tecnici acustici di contesti complessi. Il presente lavoro vuole proporre un metodo basato su tecniche di machine learning per separare, identificare e misurare diverse sorgenti sonore coesistenti in scenari reali monitorati tramite un fonometro. Sono presentati quattro casi studio in cui il metodo proposto è stato applicato. Due casi studio riguardano il monitoraggio di lezioni universitarie per separare il parlato dell'insegnante dal chiacchiericcio degli studenti. Questo permette di misurare il grado di attenzione degli studenti durante le lezioni. Altri due casi studio invece riguardano il monitoraggio di due uffici con più postazioni lavorative in cui sono state separate le sorgenti di rumore dal parlato dei lavoratori.
Domenico De Salvio, Machine learning per la separazione e la misura di sorgenti sonore coesistenti in spazi chiusi in "RIVISTA ITALIANA DI ACUSTICA" 1/2024, pp 19-28, DOI: 10.3280/ria1-2024oa17373