This work investigates the direction-of-arrival problem. A time-delay-estimate (TDE) obtained from a peak of a correlation function is subject to two types of error: type I, approximation errors, and type II, errors due to spurious signals. The iterative least-squares algorithm tentatively selects spatially coherent subsets of TDEs containing no type II errors and minor contributions of type I errors ("matched-lags"). Simulations use a seven-microphone array and a gunshot signal. The evaluation methodology is rigorous, comparing empirical distribution functions of estimation error of algorithms through two-sample, one-sided Kolmogorov-Smirnov tests, and quantifying differences with Cohen's D. The direction-of-arrival estimate is improved, specifically at low signal-to-noise ratios.
This paper offers a new regard on compactly supported wavelets derived from FIR filters. Although being continuous wavelets, analytical formulation are lacking for such wavelets. Close approximations for daublets (Daubechies wavelets) and their spectra are introduced here. The frequency detection properties of daublets are investigated through scalograms derived from these new analytical expressions. These near-daublets have been implemented on the Matlab TM wavelet toolbox and a few scalograms presented. This approach can be valuable for wavelet synthesis from hardware or for application involving continuous wavelet-based systems, such as wavelet-OFDM.
Resumo-Este artigo foi desenvolvido no contexto do problema de localização de atiradores pelos sinais sonoros associados ao disparo de uma arma de fogo, gravados por arranjos de microfones. As soluções do estado-da-arte envolvem a estimação de direção de chegada (DoA, Direction of Arrival) através de atrasos (TDoA, Time Difference of Arrival) calculados por algoritmos da família de correlação cruzada generalizada (GCC, Generalized Cross-Correlation). Tais atrasos podem ser utilizados em uma solução de minimização de erros quadráticos, especificamente pelo algoritmo de Mínimos Quadrados (LS, Least Squares), em que o parâmetro livreé a DoA. Apresenta-se aqui um algoritmo que visa melhorar a precisão das estimativas de DoA, através da seleção das estimativas de TDoA que são fornecidas ao método LS. O caráter do algoritmoé iterativo, a cada passo eliminando a TDoA que mais contribui para aumentar a energia do erro e recalculando então a DoA. Tal algoritmoé testado em dados de tiro e medidas que indicam aumento na precisão das estimativas de DoA são apresentadas. A técnica propostaé particularmenté util no caso de má qualidade do sinal devidaà distância entre o atirador e o arranjo de microfones ou de perturbação do sinal original por suas reflexões ou por microfones defeituosos. Palavras-Chave-Estimação da direção de chegada, arranjo de microfones, transformada de fase.Abstract-This paper was developed in the context of the problem of sniper location by the audio signals associated to a gunshot event, recorded by microphone arrays. State-of-theart solutions rely on estimation of direction of arrival (DoA) through delays (TDoA, Time Difference of Arrival) estimated by algorithms of the Generalized Cross-Correlation (GCC) family. These TDoAs can be used in a solution of Least Mean Square Error, specifically by the Least Squares (LS) algorithm in which the free parameter is the DoA. Here we present an algorithm aimed at increasing precision of estimates of DoA, through selection of TDoA estimates that are fed to the LS method. The algorithm is iterative, at each step eliminating the TDoA which most contributes to the error energy and recalculating the DoA. The algorithm is tested in gunshot data, and measurements indicating improvement in accuracy of DoA estimates are shown. The technique is particularly useful in case of bad quality of the recorded signals due to large distances between the sniper and the recording apparatus, of perturbations of TDoA estimates due to reflections, and of defective microphones in the array.
The indexing of broadcast TV archives is a current problem in multimedia research. As the size of these databases grows continuously, meaningful features are needed to describe and connect their elements efficiently, such as the identification of speaking faces. In this context, this paper focuses on two approaches for unsupervised person discovery. Initial tagging of speaking faces is provided by an OCR-based method, and these tags propagate through a graph model based on audiovisual relations between speaking faces. Two propagation methods are proposed, one based on random walks and the other based on a hierarchical approach. To better evaluate their performances, these methods were compared with two graph clustering baselines. We also study the impact of different modality fusions on the graph-based tag propagation scenario. From a quantitative analysis, we observed that the graph propagation techniques always outperform the baselines. Among all compared strategies, the methods based on hierarchical propagation with late fusion and random walk with score-fusion obtained the highest MAP values. Finally, even though these two methods produce highly equivalent results according to Kappa coefficient, the random walk method performs better according to a paired t-test, and the computing time for the hierarchical propagation is more than 4 times lower than the one for the random walk propagation.
The rapid growth of multimedia databases and the human interest in their peers make indices representing the location and identity of people in audio-visual documents essential for searching archives. Person discovery in the absence of prior identity knowledge requires accurate association of audio-visual cues and detected names. To this end, we present 3 different strategies to approach this problem: clustering-based naming, verification-based naming, and graph-based naming. Each of these strategies utilizes different recent advances in unsupervised face / speech representation, verification, and optimization. To have a better understanding of the approaches, this paper also provides a quantitative and qualitative comparative study of these approaches using the associated corpus of the Person Discovery challenge at MediaEval 2016. From the results of our experiments, we can observe the pros and cons of each approach, thus paving the way for future promising research directions.
IntroduçãoAs cefaleias possuem alta prevalência e prejudicam a funcionalidade dos indivíduos acometidos. São classificadas etiologicamente em primárias, que se manifestam independentemente de um quadro patológico preexistente, e secundárias, causadas por outras doenças ou traumas. Entre os fatores desencadeantes das cefaleias primárias estão os hábitos de vida e as situações estressantes, condições comuns em acadêmicos de medicina, tornando-os um provável grupo de risco. Diante disso, este trabalho tem como objetivo reconhecer a prevalência e a associação da cefaleia em acadêmicos de medicina.Material e MétodosPesquisou-se, nesta revisão sistemática, estudos nas bases de dados MEDLINE, LILACS e SciELO com sinônimos dos descritores “Headache” e “Medical Students”, disponíveis no Medical Subject Headings (MeSH), combinados na estratégia de busca. Utilizamos artigos publicados entre 2010 e 2020, os quais foram submetidos ao Checklist para Estudos Transversais, do Joanna Briggs Institute, definido como critério para excluir os que pontuaram menos de quatro dos oito itens existentes. Em relação aos tipos de estudos incluídos neste trabalho, desconsideramos apenas as revisões de literatura. A busca e a análise foram realizadas por quatro autores de forma independente.ResultadosA estratégia de busca resultou em 82 artigos, os quais, após remoção dos duplicados, passaram pela avaliação citada anteriormente e, ao total, foram incluídos 26 estudos transversais. Observa-se uma prevalência significativa de cefaleia nos estudantes de medicina em relação à população em geral. Nesse segmento universitário, foram mais frequentes os tipos tensional e migrânea, correspondendo a, respectivamente, 64,7% e 18,7% dos casos. Essa condição perpetuada pela baixa procura por ajuda médica e por maus hábitos de vida, como: aspectos psíquicos (estresse e distúrbios do sono), ano de graduação e muitas horas de leitura prejudica a produtividade acadêmica e é intensificada por fatores relacionados a ela.ConclusãoA prevalência de cefaleia é elevada nos acadêmicos de medicina, o que sugere uma necessidade de orientação profissional a esse grupo, com foco em profilaxia e em mudança dos hábitos de vida associados aos fatores desencadeantes. São necessários estudos multicêntricos e ensaios clínicos relacionados ao tema para uma melhor compreensão dessa realidade e descrição das peculiaridades do tratamento em acadêmicos.
Resumo-O presente trabalho de iniciação científica apresenta uma proposta de sistema em tempo real para a detecção e a estimação da direção de chegada de sinais deáudio impulsivos. Utiliza-se um hardware específico para processamento em tempo real e um arranjo espacial de 7 microfones. Após detectado, o sinalé processado por um algoritmo de estimação de direção de chegada (DoA, direction of arrival) que utiliza a correlação cruzada generalizada (GCC, Generalized Cross-Correlation) para medir as diferenças de tempo de chegada entre os pares de microfone. Utilizando técnicas de tempo real, não ocorre perda de informação do ambiente pois os processos de detecção e estimação de DoA ocorrem em paralelo. Este trabalhoé a parte inicial (o sinal de testeé uma palma) da implementação de um sistema de localização de sniper, caso em que o sinal impulsivoé o disparo de uma arma de fogo. Palavras-Chave-Detecção em tempo real, estimação da direção de chegada, sinais impulsivos, arranjo de microfones.
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.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.