Separación de hablantes individuales en entornos "cocktail-party" mediante redes de aprendizaje profundo

Simple item page
dc.contributor.advisorTFESan Martín Murugarren, Ricardo
dc.contributor.affiliationEscuela Técnica Superior de Ingeniería Agronómica y Biocienciases_ES
dc.contributor.affiliationNekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoaeu
dc.contributor.authorCantalapiedra Arellano, Ana
dc.date.accessioned2023-10-19T06:42:31Z
dc.date.available2023-10-19T06:42:31Z
dc.date.issued2023
dc.date.updated2023-10-17T09:09:55Z
dc.description.abstractEl efecto cóctel presenta un desafío significativo para las personas con discapacidad auditiva al participar en conversaciones en entornos ruidosos. Este fenómeno, que se refiere a la dificultad de separar fuentes sonoras y detectar la fuente de interés en situaciones de múltiples hablantes, ha sido objeto de investigación en el campo de la audición y la percepción auditiva. En la última década, se han desarrollado diversos sistemas de separación de hablantes, especialmente basados en técnicas de aprendizaje profundo (deep learning), que han demostrado mejoras significativas en la separación de fuentes. En este trabajo, se empleó una base de datos de cocktail party, luego, se aplicaron los algoritmos ConvTasNET y DPRNN para separar las fuentes de audio y se evaluaron sus capacidades de rendimiento.es_ES
dc.description.degreeGraduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarraes_ES
dc.description.degreeDatu Zientzietan Graduatua Nafarroako Unibertsitate Publikoaneu
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://academica-e.unavarra.es/handle/2454/46579
dc.language.isospaen
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.subjectDiscapacidad auditivaes_ES
dc.subjectDeep learninges_ES
dc.subjectConvTasNETes_ES
dc.subjectDPRNNes_ES
dc.titleSeparación de hablantes individuales en entornos "cocktail-party" mediante redes de aprendizaje profundoes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesis
dspace.entity.typePublication
relation.isAdvisorTFEOfPublicationcb80be63-806e-48fe-9ab1-3308d43e1338
relation.isAdvisorTFEOfPublication.latestForDiscoverycb80be63-806e-48fe-9ab1-3308d43e1338

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
cantalapiedra.131943_TFG.pdf
Size:
1.22 MB
Format:
Adobe Portable Document Format
Download

Collections

Trabajos Fin de Grado ETSIA - NIGMET Gradu Amaierako Lanak
Trabajos Fin de Grado - Gradu Amaierako Lanak