20.500.12556/RUL-172721 Klasifikacija zvočnih dogodkov z uporabo njihove smeri prihoda in časovne analize ničel signala Unsupervised classification of sound events using DOA and signal zero-crossing analysis V sodobnih industrijskih procesih postaja učinkovito spremljanje in analiza zvočnih pojavov ključnega pomena za zagotavljanje sledljivosti in optimizacijo delovanja. Tradicionalne metode pogosto zahtevajo kompleksne merilne sisteme ali drago opremo, kot so akustične kamere, zato se pojavlja potreba po razvoju enostavnejših in energetsko učinkovitih pristopov. V okviru te raziskave je bila razvita metodologija nenadzorovane klasifikacije zvočnih podatkov z uporabo algoritma k-means, ki omogoča ločevanje in razvrščanje akustičnih dogodkov na podlagi izbranih cenilk. Posebna pozornost je bila namenjena spektralnim, energijskim, časovnim in cepstralnim značilnostim, pri čemer se je kot ključna izkazala tudi relativno nekonvencionalna cenilka, pomembna za nadaljnjo implementacijo v FPGA vezja. Rezultati analize so pokazali visoko stopnjo skladnosti med razvrstitvijo in dejanskimi posnetki, kar potrjuje zanesljivost metode. Predlagani pristop tako odpira možnosti za razvoj cenovno dostopnih sistemov za spremljanje zvočnih procesov v realnem času, kar lahko pomembno prispeva k zmanjšanju stroškov proizvodnje ter hkrati omogoči zaznavanje odstopanj in izboljšano nadzorovanje industrijskih okolij. In modern industrial processes, efficient monitoring and analysis of acoustic phenomena are becoming crucial for ensuring traceability and optimizing performance. Traditional methods often rely on complex measurement systems or costly equipment, such as acoustic cameras, which creates the need for simpler and more energy-efficient approaches. In this study, a methodology for unsupervised classification of acoustic data using the k-means algorithm was developed, enabling the separation and categorization of acoustic events based on selected features. Special emphasis was placed on spectral, energetic, temporal, and cepstral characteristics, with one relatively unconventional feature emerging as particularly important for further implementation in FPGA circuits. The results demonstrated a high degree of consistency between the clustering outcomes and the actual recordings, confirming the reliability of the proposed method. This approach thus opens new opportunities for the development of cost-effective systems for real-time acoustic monitoring, which can significantly contribute to reducing production costs while enhancing anomaly detection and improving industrial process control. k-means ničelno prečkanje klasifikacija zvokov statistična razdalja časov med ničlami akustika redukcija dimenzionalnosti k-means zero-crossing sound classification statistical distance of zero-crossing intervals dimensionality reduction true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2025-09-11 08:31:56 2025-09-11 08:32:00 2025-10-20 03:51:30 0000-00-00 00:00:00 2025 0 0 XVIII, 69 str. 2025 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 681.88:534.87:658.5(043.2) 276000 249838339 43843.pdf 43843.pdf 1 38D28692AD8ECCEDCD9BFE7D22D32392 2a6f0e7ce790c6d5d695b8c3451de6b2c908efd0e81ce26ea74159a89b6ccc5e dc21d220-8ed8-11f0-9328-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=216751 Fakulteta za strojništvo 0 0 0