Multimodal Exponentially Modified Gaussian Oscillators

要約

音響モデリングは、ノイズ除去、データ再構築、モデルベースのテスト、分類などのオーディオ処理タスクに役立ちます。
以前の研究では、複数のガウス分布または単一の非対称ガウス曲線のいずれかによる波包絡線の信号パラメータ化を扱っていましたが、どちらも重ね合わせたエコーを十分に表現するには不十分でした。
この研究では、3 段階の Multimodal Exponentially Modified Gaussian (MEMG) モデルと、キャプチャされたエコーを時間領域の一変量確率分布の重ね合わせと見なすオプションの振動項を提示します。
これにより、アーティファクトに悩まされている合成超音波信号を完全に回復することができ、これは定量的評価に裏打ちされています。
実際のデータ実験は、さまざまな時点で検出されたオブジェクトの反射を使用して、取得した特徴の分類機能を実証するために実行されます。
コードは https://github.com/hahnec/multimodal_emg で入手できます。

要約(オリジナル)

Acoustic modeling serves audio processing tasks such as de-noising, data reconstruction, model-based testing and classification. Previous work dealt with signal parameterization of wave envelopes either by multiple Gaussian distributions or a single asymmetric Gaussian curve, which both fall short in representing super-imposed echoes sufficiently well. This study presents a three-stage Multimodal Exponentially Modified Gaussian (MEMG) model with an optional oscillating term that regards captured echoes as a superposition of univariate probability distributions in the temporal domain. With this, synthetic ultrasound signals suffering from artifacts can be fully recovered, which is backed by quantitative assessment. Real data experimentation is carried out to demonstrate the classification capability of the acquired features with object reflections being detected at different points in time. The code is available at https://github.com/hahnec/multimodal_emg.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google