A tutorial on signal energy and its applications

Guido, Rodrigo Capobianco

doi:10.1016/j.neucom.2015.12.012

Cited by 38 publications

(45 citation statements)

References 75 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…This is the third in a set of tutorials I have recently published with the same objective: innovative usage of humble and wellknown concepts for the benefit of both digital signal processing (DSP) and pattern recognition (PR) communities. The preceding texts, [23] and [24] , were respectively dedicated to the exploration of relevant aspects of energy by means of proposed methods A 1 , A 2 and A 3 , and zero-crossing rates (ZCRs), according to the techniques introduced as B 1 , B 2 and B 3 . Successfully, I employed those formulations for neurophysiological signal analysis, texture characterisation, text-dependent speaker verification, speech classification and segmentation, image border extraction and biomedical signal processing.…”

Section: Objective and Text Structurementioning

confidence: 99%

A tutorial review on entropy-based handcrafted feature extraction for information fusion

Guido

2018

Information Fusion

Self Cite

View full text Add to dashboard Cite

Entropy (H) is the main subject of this article, concisely written to serve as a tutorial introducing two feature extraction (FE) methods for usage in digital signal processing (DSP) and pattern recognition (PR). The theory, carefully exposed, is supplemented with numerical cases, augmented with C/C ++ sourcecodes and enriched with example applications on restricted-vocabulary speech recognition and image synthesis. Complementarily and as innovatively shown, the ordinary calculation of H corresponds to the outcome of a partially pre-tuned deep neural network architecture which fuses important information, bringing a cutting-edge point-of-view for both DSP and PR communities.

show abstract

Section: Objective and Text Structurementioning

confidence: 99%

A tutorial review on entropy-based handcrafted feature extraction for information fusion

Guido

2018

Information Fusion

Self Cite

View full text Add to dashboard Cite

show abstract

“…Foram utilizados diversos tipos de filtros wavelet, com características de resposta em frequência e fase distintas [16] acordo com uma distribuição de frequência que melhor os aproximasse da escala Bark do ouvido humano, conforme a Tabela I e [12]. Para cada um dos subconjuntos, obteve-se a respectiva energia normalizada [18], gerando, assim, um vetor de 25 características para cada arquivo no formato WAV.…”

Section: Metodologiaunclassified

Classificação Digital de Cicadidae com Wavelets e Support Vector Machines

Escola¹,

Guido²,

Silva³

et al. 2017

Anais De XXXV Simpósio Brasileiro De Telecomunicações E Processamento De Sinais

View full text Add to dashboard Cite

Resumo-A cigarraé uma das pragas-chave da lavoura cafeeira e, atualmente, aúnica forma de combate tem sido a aplicação de inseticidas. Entretanto, os sons emitidos pelo macho, a fim de atrair as fêmeas, são peculiares e podem ser empregados para detecção e classificação digital das espécies. O presente trabalho apresenta um algoritmo de processamento de sinais e reconhecimento de padrões para detectar e classificar as cigarras a fim de possibilitar-se uma ferramenta que auxilie o controle e o monitoramento das espécies, contribuindo com o estado-da-arte e cobrindo uma lacuna existente naárea. Os resultados obtidos mostram uma acurácia superior a 90% e indicam fortemente a viabilidade do uso do presente protótipo.

show abstract

“…Em processamento digital de sinais de áudio, a medição da intensidade sonora pode ser realizada por meio do cálculo da energia do sinal [45]. Para tanto, são usadas técnicas no domí-nio do tempo (análise temporal) e/ou no domínio da frequência (análise espectral) [46].…”

Section: Parâmetros Utilizados Energia Temporalunclassified

Identificação de padrões de sinais acústicos com base em classificação paraconsistente

Paulo¹

View full text Add to dashboard Cite

AgradecimentosPrimeiramente, gostaria de agradecer a Deus por me guiar, iluminar e me dar oportunidades de alcançar meus objetivos e não desanimar com as dificuldades.À minha mãe Nely por todo apoio e dedicação de avó nos momentos que eu mais precisava, estava sempre pronta para cuidar de seus netos. Ao meu pai Ademir, que foi quem me incentivou em realizar esse trabalho, dizendo que era um orgulho para ele, quase uma cobrança de pai, fico muito feliz em poder apresentar esse título de doutora ao senhor, pois eu nunca me esqueci de suas palavras. Obrigada por todo o esforço de vocês para minha formação.Ao meu marido Eduardo pela compreensão e apoio nos momentos difíceis e que é a pessoa que a vida escolheu para ser meu companheiro, amo você. Aos meus filhos Miguel e Leonardo que são as minhas maiores riquezas, benção de Deus.À minha irmã Claudia, sobrinhas e famílias que estavam sempre presentes, torcendo e orando por mim em cada momento, principalmente nos momentos de avaliações.À minha amiga Regiane, minha irmã de coração a qual estava sempre pronta a me ajudar, minha companheira de viagens para USP, de realizações das disciplinas e avaliações, momentos esses que ficarão gravados para sempre em minha vida. Ao meu amigo André por me ajudar nas horas mais difíceis, me mostrando que há sempre uma saída mais fácil e simples para seguir, admiro muito você.Ao meu amigo Tony, pelo seu conhecimento e profissionalismo, por me fornecer o banco de músicas, separadas por gêneros musicais, para que eu pudesse realizar todos os testes desse trabalho.. E principalmente ao meu orientador Professor Ivan que me aceitou como orientada e aluna, acreditando em meu trabalho e por toda experiência que me proporcionou durante esse tempo. E meu coorientador, Professor Rodrigo que não tenho palavras para agradecer, estando presente todo esse tempo, nunca me abandonou, estando também sempre pronto a me atender e ajudar e que me ensinou muito. Obrigada Rodrigo, se Deus te proporcionar a metade do que faz por nós, alunos e orientados, pode ter a certeza que vai ser feliz pelo resto de sua vida. Com o uso de um conceito ainda não explorado para fins de classificação de dados, baseado em Lógica Paraconsistente Anotada (LPA), este trabalho visa à construção de um sistema inteligente para classificação de gêneros musicais (Music Genre Classification -MGC). Este tema, de caráter emergente na literatura, tem recebido atenção crescente da comunidade científica, tendo em vista a sua grande aplicabilidade, destacando-se o potencial de comercialização de dados multimídia pela Internet, assim como a automatização de inúmeras tarefas de data mining que envolvem sinais musicais. Utilizando uma base de dados composta por amostras de músicas representativas de cada gênero musical, tais como jazz, bolero, bossa nova, forró, salsa e sertanejo, assim como de um classificador discriminativo paraconsistente, uma abordagem supervisionada é proposta para solucionar o problema. O primeiro módulo do sistema realiza a extração de características dos diversos segm...

show abstract

A tutorial on signal energy and its applications

Cited by 38 publications

References 75 publications

A tutorial review on entropy-based handcrafted feature extraction for information fusion

A tutorial review on entropy-based handcrafted feature extraction for information fusion

Classificação Digital de Cicadidae com Wavelets e Support Vector Machines

Identificação de padrões de sinais acústicos com base em classificação paraconsistente

Contact Info

Product

Resources

About