Análisis y validación de algoritmos de separación de fuentes sonoras para aplicaciones en entornos industriales

##plugins.themes.bootstrap3.article.main##

A. Gómez
Alfonso Chacón Rodríguez
Anaclevis Lozano
Fernando Merchán
Enviado: Aug 9, 2016
Publicado: Aug 9, 2016

Resumen

Este documento presenta la evaluación del costo computacional de las operaciones matemáticas básicas de tres algoritmos de separación de fuentes sonoras: FastlCA, adaptativo basado en gradiente natural y adaptativo EASI basado en gradiente relativo. Estos algoritmos fueron seleccionados por su relativa simplicidad y la viabilidad de implementación en hardware de bajo costo en aplicaciones de localización acústica de agentes móviles en entornos industriales.

Palabras clave

separación ciego de fuentes (BSS), implementación en hardware, localización acústica.

Descargas

La descarga de datos todavía no está disponible.

##plugins.themes.bootstrap3.article.details##

Cómo citar
Gómez, A., Chacón Rodríguez, A., Lozano, A., & Merchán, F. (2016). Análisis y validación de algoritmos de separación de fuentes sonoras para aplicaciones en entornos industriales. Revista Prisma Tecnológico, 5(1), 43-47. Recuperado a partir de https://revistas.utp.ac.pa/index.php/prisma/article/view/523
Biografía del autor/a

A. Gómez, Instituto Tecnológico de Costa Rica

Escuela de Electrónica,

Alfonso Chacón Rodríguez, Instituto Tecnológico de Costa Rica

Escuela de Electrónica

Anaclevis Lozano, Universidad Tecnológica de Panamá

Facultad de Ingeniería Eléctrica

Fernando Merchán, Universidad Tecnológica de Panamá

Facultad de Ingeniería Eléctrica

Citas

[1] J. Lanslots, F. Deblawe, K. Janssens, “Selecting Sound Source Localization
Techniques for Industrial Applications”, The Noise and Vibration Control Magazine,
pp. 6-9, Junio 2010.
[2] A. Chacon., F. Martin-Pirchio, S. Sanudo, and P. Julian, “A low-power integrated
circuit for interaural time delay estimation without delay lines”, IEEE Trans. Circuits
Systems II, Express Briefs, 56, (7), 2009.
[3] A. Van Schaik, S. Shamma, “A Neuromorphic Sound Localizer for a Smart MEMS
System”, Analog Integrated Circuits and Signal Processing, 39, pp. IV-864-867,
2004.
[4] P. Common and C. Jutten. Handbook of Blind Source Separation, chapter 1:
Introduction, pages 1–22. Elsevier Ltd, 1 edition, 2010.
[5] A. Hyvarinen, J. Karhunen, E. Oja, “Independent component analysis”, 2001.
[6] V. Yan Fu Tan. Blind audio source separation, Mayo 2005. Fourth-year
undergraduate project in Group F, 2004/2005.
[7] M. Stanacevic and G. Cauwenberghs. Gradient flow adaptive beamforming and
signal separation in a miniature microphone array. In Proc. IEEE Int. Conf. Acoustic
Speech and Signal Processing (ICASSP’2002), (Orlando FL, pages 13–17, 2002.
[8] C. Alvarez, J. Monzón, “Aplicaciones de ICA con conceptos de estabilidad para
separar señales”, Departamento de Ingeniería, Facultad de Ciencias Exactas,
Universidad Nacional del Nordeste, Corrientes – Argentina. Resumen: E-004,
Comunicaciones Científicas y tecnológicas. 2006.
[9] A. Hyvärinen. New approximations of differential entropy for independent
component analysis and projection pursuit. In Advances in Neural Information
Processing Systems, 10:273–279, 1998.
[10] S. Amari, A. Cichocki, and H. H. Yang. A new learning algorithm for blind signal
separation. In Advances in Neural Information Processing Systems, pages 757–
763. MIT Press, 1996.