With the advent of Intelligent Transportation Systems (ITS), data from various sensors embedded into vehicles or smart cities infrastructure are of utmost importance. This ecosystem will require processing power and efficient trust mechanisms for information exchange in vehicle-to-everything (V2X) communications. To accomplish these requirements, both edge computing and blockchain have been recently adopted towards a secure, distributed, and computation empowered Internet of Vehicles (IoV). This paper surveys prominent solutions for blockchain-based vehicular edge computing (VEC), provides a taxonomy, highlights their main features, advantages, and limitations to provide subsidies for further proposals.
Resumo-Este artigo apresenta um estudo dos efeitos de ruído e reverberação na acurácia da estimação da frequência fundamental em sinais de voz. Seis métodos de estimação (ACF, YIN, SWIPE, TAO, HHT-Amp e SFF) são considerados na análise para diferentes condições de reverberação e ruído incluindo o grau de não-estacionaridade destas interferências. Duas medidas de erro (GE e MAE) são aplicadas na avaliação da acurácia dos estimadores. Os resultados mostraram que o método HHT-Amp apresentou os menores erros médios de estimação para todos os cenários quando comparado com estimadores competitivos. Palavras-Chave-Estimação da frequência fundamental, avaliação da acurácia, não-estacionaridade.
Resumo-Este artigo apresenta uma proposta no domínio do tempo para aprimoramento das estimativas da frequência fundamental (F0) do método HHT-Amp em sinais de voz ruidosos. Os quadros do sinal de voz são classificados em alta/baixa frequência por meio de uma Rede de Aprendizado DCNN (Deep Convolutional Neural Network), e os candidatos são extraídos de acordo com os mais prováveis tipos de erros de estimação. Por fim, uma função custo é definida como critério de seleção do novo valor da F0. Os resultados dos experimentos mostraram uma superioridade da solução proposta DCNN+HHT-Amp nos diferentes cenários quando comparada aos métodos competitivos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.