Στην παρούσα εργασία γίνεται μελέτη ορισμένων χαρακτηριστικών παραμέτρων που αποδίδουν ένα ενδεικτικό μέτρο παραμορφώσεων για ηχητικά σήματα. Τα σήματα αυτά είναι παράγωγα διαφόρων λογισμικών ήχου που λειτουργούν σε μεταβλητές καταστάσεις υπολογιστικού φόρτου, με αποτέλεσμα να μελετάται εάν και πώς επηρρεάζονται τα ηχητικά σήματα από τους παράγοντες αυτούς. Γίνεται προσπάθεια να οριστεί κατάλληλος τρόπος αξιολόγησης των λογισμικών ήχου για την περαιτέρω διερεύνηση της υποκειμενικής ηχητικής ποιότητας από κάποια υπολογιστικά συστήματα. / --

Στην παρούσα διπλωματική εργασία γίνεται μελέτη των στατιστικών παραμέτρων ηχητικών σημάτων. Μελετάται η δυνατότητα αυτόματης ταξινόμησης μουσικής ανά είδος, η οποία βασίζεται στην εξαγωγή αυτών των παραμέτρων. Επίσης, μελετάται η μεταβολή αυτών σε συνθήκες αντήχησης, δίνοντας έμφαση στην παράμετρο φασματικής ασυμμετρίας ηχητικού σήματος. Σε αυτό το πλαίσιο, προτείνεται μέθοδος κατασκευής μοντέλου πρόβλεψης της συμπεριφοράς της συγκεκριμένης παραμέτρου σε συνθήκες αντήχησης, που στόχο έχει την εκτίμηση της απόστασης ηχητικής πηγής – δέκτη σε κλειστό χώρο, καθώς και την πρόβλεψη της ανωτέρω παραμέτρου ανηχωικού σήματος από σήματα με αντήχηση. / In this thesis we study the audio features and their applications, such as automatic music genre classification. It is also studied the behavior of these features under reverberant conditions, emphasizing on spectral skewness. In this framework, it is suggested a method of predicting the behavior of this feature under reverberant conditions, which could have many applications such as source - receiver distance estimation and prediction of the spectral skewness of anechoic audio signals.

Στόχος της συγγραφής αυτής της διπλωματικής εργασίας είναι η μελέτη των διαδικασιών μέσω των οποίων πραγματοποιείται η ενίσχυση ήχου κάτω από περιβάλλον θορύβου. Γίνεται εισαγωγή στις βασικές έννοιες του speech enhancement και ανάλυση των τεχνικών αποθορυβοποίησης. Επίσης γίνεται μελέτη των αρχών και μεθόδων αξιολόγησης Αναβαθμισμένων Ενθόρυβων Σημάτων. Όλα αυτά ολοκληρώνονται από τον αντίστοιχο κώδικα στο Matlab. / The main goal of this project is the study of the premium techniques of speech enhancement and explore the way that they are evaluated.

Στην παρούσα διπλωματική εργασία γίνεται μελέτη της ανάλυσης και σύνθεσης ήχου με τη βοήθεια ημιτονοειδών. Ειδικότερα, εξετάζονται οι παράμετροι της ανάλυσης και σύνθεσης και πως αυτες επηρεάζουν την τελική ανακατασκευή του σήματος. Στη συνέχεια γίνεται διερεύνηση της ανάλυσης και σύνθεσης μόνο στις χαμηλές συχνότητες. Με βάση ένα περιορισμένο εύρος ζώνης, γίνεται ανίχνευση των τονικών υψών. Αναπτύσσονται τρεις μέθοδοι κατηγοριοποίησης τους και στη συνέχεια γίνεται μία αξιολόγηση των μεθόδων αυτών μέσω των μέτρων NMR και PEAQ. / In this degree thesis sound analysis and synthesis using sinusoidals is studied. More specifically, parameters of analysis and synthesis are examined and how they affect the final reconstruction of a signal. Further research is conducted for analysis and synthesis at low sound frequencies. Based on a limited bandwidth, pitch detection is taking place on the input signal. Three methods of categorizing frequencies are developed and they are evaluated using the metrics of NMR (Noise to Mask Ratio) and PEAQ (Perceptual Evaluation of Audio Quality).

Το σύστημα που σχεδιάστηκε βασίζεται στον soft-core επεξεργαστή Nios II της ALTERA. Εκτελεί βασικές ρουτίνες επεξεργασίας ήχου όπως echo, reverberation, volume leveling, fir filtering και ο έλεγχος του επιτυγχάνεται ασύρματα, μέσω ενός πληκτρολογίου υπερύθρων. Αναλύονται όλες οι βασικές έννοιες, και περιγράφεται τόσο ο επεξεργαστής όσο και οι περιφερειακές μονάδες που χρησιμοποιήθηκαν (VGA, LCD, PIO κτλ.). Το όλο σύστημα υλοποιήθηκε στο DE2 Board της ALTERA. / The system that has been developed, is based on the ALTERA‘s soft-core processor Nios II. It implements basic sound-processing routines such as echo, reverberation, volume leveling, fir filtering and the control of the system is achieved via an infra red keyboard (wireless). All fundamental concepts are analyzed, and both the processor and the peripherals used (VGA, LCD, PIO etc) are described in detail. The system was implemented on the ALTERAs DE2 Board.

Αντικείμενο αυτής της διπλωματικής υπήρξε η μελέτη μιας νέας μεθόδου ενίσχυσης ακουστικών συχνοτήτων, που μπορεί να αναπαράγει τον ήχο με την υψηλή ποιότητα των ενισχυτών τάξης Α και ταυτόχρονα με υψηλή απόδοση ισχύος, που χαρακτηρίζει τους ενισχυτές τάξης D. / This Diploma Thesis studies a new method of audio amplifying that can reproduce sound with both high fidelity as found in a class A amplifier and high efficiency which is characteristic of class D amplifier.

Η εξελικτική δυσλεξία είναι μια ειδική μαθησιακή δυσκολία στην κατάκτηση του γραπτού λόγου που δεν σχετίζεται με χαμηλό νοητικό δυναμικό, ελλιπείς εκπαιδευτικές ευκαιρίες ή κάποιο εμφανές αισθητηριακό ή νευρολογικό πρόβλημα. Σύμφωνα με την «υπόθεση των φωνολογικών αναπαραστάσεων», που έχει υποστηριχθεί από δεδομένα στην αγγλική γλώσσα, τα άτομα με δυσλεξία παρουσιάζουν δυσκολία στην επαρκή αποθήκευση και ανάσυρση ακολουθιών ήχων που απαρτίζουν λέξεις, δηλαδή στη διαμόρφωση επαρκών «φωνολογικών αναπαραστάσεων». Στην παρούσα εργασία εξετάστηκε συστηματικά η παραπάνω υπόθεση. Δύο ομάδες 25 (επιλεγμένων από την κοινή τάξη) και 20 (με επίσημη διάγνωση από το ΚΕΔΔΥ) δυσλεξικών μαθητών εξετάστηκαν παράλληλα με δύο ομάδες ελεγχου: η πρώτη ίδιας χρονολογικής ηλικίας και καλής αναγνωστικής ικανότητας και η δεύτερη μικρότερης χρονολογικής ηλικίας και ανάλογης αναγνωστικής ικανότητας με τους δυσλεξικούς. Διαπιστώθηκαν ήπιες δυσκολίες των δυσλεξικών αναφορικά με την ποιότητα των φωνολογικών τους αναπαραστάσεων, όπως αξιολογήθηκε από την ικανότητά τους στην κατονομασία εικόνων. Από την άλλη, οι συσχετίσεις της επίδοσής τους στην κατονομασία εικόνων με επιδόσεις σε δοκιμασίες επεξεργασίας εξερχόμενης και εισερχόμενης φωνολογικής πληροφορίας, αλλά και φωνολογικής επίγνωσης, βασισμένων μάλιστα στα ίδια στοιχεία του λεξικού με εκείνα που είχαν χρησιμοποιηθεί στη δοκιμασία κατονομασίας εικόνων, δεν ήταν σε όλες τις περιπτώσεις ιδιαίτερα ισχυρές. Πιθανοί αιτιολογικοί παράγοντες για τις δυσκολίες των δυσλεξικών μαθητών στο φωνολογικό επίπεδο διερευνήθηκαν τόσο σε γνωστικό όσο και σε αντιληπτικό επίπεδο. Σε γνωστικό επίπεδο, ο παράγοντας της «συχνότητας» της φωνολογικής αναπαράστασης φάνηκε να σχετίζεται ισχυρότερα με την ποιότητα των φωνολογικών αναπαραστάσεων όλων των μαθητών ανεξάρτητα από το επίπεδο αναγνωστικής ικανότητας, σε σχέση με τον παράγοντα του «αριθμού των συλλαβών». Τέλος, σε αντιληπτικό επίπεδο εξετάστηκαν δύο παράμετροι της ακουστικής αντίληψης ως πιθανοί αιτιολογικοί παράγοντες των δυσκολιών των δυσλεξικών στη φωνολογική επεξεργασία: α. η αντίληψη ταχύτατα παρουσιαζόμενων ακουστικών ερεθισμάτων (Tallal) και β. η αντίληψη του κέντρου του ακουστικού ερεθίσματος (p-center, Goswami). Τα αποτελέσματα δεν φαίνεται να υποστηρίζουν τις υποθέσεις για πιθανά ελλείμματα στις συγκεκριμένες παραμέτρους ακουστικής αντίληψης που εξετάστηκαν. / Developmental dyslexia is a specific learning difficulty in acquiring literacy skills that manifests despite normal IQ, adequate educational opportunity and in the absence of any obvious sensory or neurological damage. According to the “Phonological Representations Hypothesis”, a hypothesis that has been supported by research in English, a core deficit for individuals with dyslexia is a difficulty in accurately storing and retrieving the sound sequences that make up words, or “phonological representations”. In this thesis the “Phonological Representations Hypothesis” of dyslexia was tested and elaborated. Two groups of 25 (chosen from normal classes) and 20 (with formal diagnosis from the National Center of Diagnosis, Differential Diagnosis and Educational Support of Greece) dyslexics were assessed alongside chronological age and reading ability matched groups. Mild difficulties of dyslexics were found as far as the quality of the phonological representations is concerned, as indexed by picture naming. Assossiations between performance in picture naming and performance on related input and output phonological processing tasks and phonological awareness taks were not in all cases strong. Possible reasons for dyslxexic’s phonological difficulties were investigated at both cognitive and perceptual levels. As far as the cognitive level is concerned, “frequency” rather than “ length” of the phonological representation was found to be associated more strongly with the quality of the phonological representation of all students independently of their reading ability. As far as the perceptual level is concerned, two different explanatory factors for dyslexic’s difficulties in phonological processing were assessed: a. perception of rapidly presented auditory stimuli (Tallal, 1980) and b. perception of the perceptual center of acoustic signals (p-center, Goswami, 2002). Results are not stronlgy supportive of the two hypotheses tested concerning deficits in parameters of perception of acoustic stimuli.

Στην παρούσα διπλωματική εργασία, σχεδιάζονται και υλοποιούνται συστήματα με βάση τη πλατφόρμα του Arduino. Το πρώτο σύστημα αφορά ένα Wireless Persistence of Vision Display, ουσιαστικά μία οθόνη, σχήματος δίσκου, που αποτελείται από μία περιστρεφόμενη στήλη LEDs. Συνεχίζουμε με το σχεδιασμό ενός συστήματος ικανού για γρήγορη πρόβλεψη και ανακατασκευή σημάτων, με σκοπό τη μελλοντική χρήση του στο συγχρονισμό ενεργειακών δικτύων. Ύστερα προχωράμε στην υλοποίηση ενός συστήματος εντοπισμού διεύθυνσης πηγής ήχου, μέσα από την ψηφιακή επεξεργασία ηχητικών σημάτων. Τέλος, η εμπειρία που αποκομίσθηκε με βάση το Arduino μας οδήγησε στη μελέτη μιας εκπαιδευτικής πλατφόρμας βασισμένη σε FPGA, το «F-Penguino», που ως στόχο έχει να αναδείξει την ευελιξία και ταχύτητα συστημάτων βασισμένα σε υλοποίηση με περιγραφή υλικού / In this thesis, we design and implement various systems based on the Arduino platform. The first system is a Wireless Persistence of Vision Display, which is actually a round screen, made of a rotating column of LEDs. We also design a system capable of fast prediction and reconstruction of signals, with an utter goal, its future use in effectively connecting different power networks. Furthermore, we implement a sound source localization system, using DSP techniques and fundamental robotics. Finally, the experience obtained using the Arduino, led us to involve with an FPGA based platform, the “F-Penguino”, the goal of which is to indicate the versatility and speed of systems based on hardware-description implementations.

Καθώς η εξέλιξη της βιοϊατρικής επιστήμης και τεχνολογίας είναι συνεχής και ραγδαία, η έρευνα επικεντρώνεται τόσο στη βελτίωση των κλινικών τεχνικών όσο και στην ανάπτυξη νέων με κυριότερο σκοπό την ακριβέστερη και ασφαλέστερη διάγνωση και θεραπεία. Στην παρούσα διπλωματική εργασία, μελετάται η χρήση δύο περιοχών του φάσματος, των μικροκυματικών και των ηχητικών συχνοτήτων για διαγνωστικές λειτουργικές εφαρμογές εγκεφάλου. Παρόλο που η χρήση των υπερήχων έχει αξιοποιηθεί στην κλινική εφαρμογή, οι αναφορές για τη χρήση των ηχητικών κυμάτων στις βιοιατρικές εφαρμογές είναι περιορισμένες στη διεθνή βιβλιογραφία. Στην παρούσα διπλωματική εργασία μελετάται η ανάπτυξη ενός συστήματος για διαγνωστικές εφαρμογές εγκεφάλου στις ηχητικές συχνότητες. Στα δύο πρώτα κεφάλαια περιγράφονται οι βασικές αρχές που διέπουν την επιστήμη του ήχου (ακουστική) αλλά και οι φυσικές αρχές αλληλεπίδρασης των ηχητικών κυμάτων με τους βιολογικούς ιστούς (δημιουργία και εξέλιξη των φυσικών φαινομένων ανάκλασης, διάθλασης, μετάδοσης και απορρόφησης της ηχητικής δέσμης). Πιο συγκεκριμένα μοντελοποιείται και μελετάται θεωρητικά το πρόβλημα της αλληλεπίδρασης των ηχητικών κυμάτων με τον ανθρώπινο εγκέφαλο. Στο τρίτο κεφάλαιο παρατίθεται η θεωρητική ανάλυση και οι βασικές αρχές της προτεινόμενης μεθόδου για μέτρηση της εγκεφαλικής δραστηριότητας στις ηχητικές συχνότητες καθώς και τα βασικά στοιχεία της πρακτικής της υλοποίησης που περιλαμβάνουν ανάλυση του πιεζοηλεκτρικού φαινομένου και των αντίστοιχων μετατροπέων καθώς και το αντίστοιχο σύστημα λήψης ηχητικών σημάτων. Τα μικροκύματα έχουν χρησιμοποιηθεί σε πλήθος διαγνωστικών και θεραπευτικών τεχνικών τόσο σε επίπεδο έρευνας όσο και στην κλινική πράξη. Στην παρούσα εργασία πραγματοποιείται θεωρητική μελέτη δύο πολυσυχνοτικών κυρτών προσαρμόσιμων μικροταινιακών τυπωμένων κεραιών για χρήση τους με συστήματα ευαίσθητων δεκτών μικροκυματικής ραδιομετρίας. Στο κεφάλαιο 4 περιγράφονται η βασική τεχνολογία και οι βασικές αρχές λειτουργίας της παθητικής μεθόδου διάγνωσης με μικροκύματα, της μικροκυματικής ραδιομετρίας. Οι προτεινόμενες κυρτές κεραίες μοντελοποιήθηκαν (κεφάλαιο 5) και μελετήθηκαν με τη βοήθεια του ηλεκτρομαγνητικού προσομοιωτικού λογισμικού πακέτου HFSS που χρησιμοποιεί τη μέθοδο των πεπερασμένων στοιχείων. Παρουσιάζονται αναλυτικά οι ιδιότητες εστίασης των κεραιων αυτών σε δύο διαφορετικά μοντέλα κεφαλιού στος εύρος συχνοτήτων 2 – 3.5 GHz. / As the evolution in the field of biomedical science and technology is continuous, the research focuses mainly on the improvement of existent clinical techniques and the development of new ones, aiming to the most accurate and safe diagnosis and treatment. In the present thesis, the usage of two frequency bands is investigated, the microwave and sound frequencies for diagnostic functional brain applications. Despite the fact that ultrasounds have been utilized in clinical practice, the references regarding the application of sound frequencies in medical diagnosis are restrained in international literature. In the present thesis the development of a system for diagnostic brain applications operating at sound frequencies is studied. In the first two chapters the basic principles of acoustics and the physical principles of the interaction of sound waves with biological tissue (including physical phenomena of reflection, diffraction, transmission and absorption of sound) are described. More specifically, the problem of the interaction of sound waves with the human brain tissues is theoretically modeled and studied. In the third chapter theoretical analysis and basic principles of the suggested method are given together with the basic points of its practical implementation that include analysis of the piezoelectric phenomenon, the respective piezoelectric transducers and sound signal receiver. Microwaves have been used in many diagnostic and therapeutic techniques both at research level and in clinical practice. Herein, a theoretical study of two multi-frequency conformal microstrip patch antennas is performed, in order to use them in conjunction with sensitive microwave radiometry receivers. In chapter 4 the basic technology and the basic operation principles of the passive diagnostic method with microwaves (microwave radiometry) are described. The suggested conformal antennas are modeled (chapter 5) and studied using the electromagnetic simulation tool HFSS that implements the finite element method (FEM). The properties of these antennas and their focusing ability on specific brain areas are presented at 2 – 3.5 GHz in two different head models.

The main focus of this thesis is to analyse signals (signal-dependent analysis) and room responses (system-dependent analysis) from a statistical point of view, attempt to determine the underlying statistical relationships between the reverberant signals and the room responses and propose relevant statistical models. Based on such a statistical framework, this thesis aims to propose novel methodologies for the extraction of room acoustical information and parameters from reverberant signals. Schroeder's theory is experimentally evaluated for various Room Transfer Functions (RTFs) measured in many source/receiver positions in various enclosures and several related aspects are discussed. Using a statistical approach, the effects of reverberant energy on the histograms and statistical measures are discussed and models describing the relationship of statistical measures between the reverberant signal and the RTFs are extracted. Then, the statistical properties of Binaural Room Transfer Functions (BRTFs) and binaural cues are examined. The well-known property of the spectral standard deviation of the magnitude of RTFs, that is its convergence to 5.6 dB for diffuse fields, is examined for the case of BRTFs, using a similar approach and a generic model for the relationship of the spectral standard deviation of RTFs and BRTFs. This thesis is also concerned with the distance estimation problem from a perceptual and computational point of view. Two novel methods for the estimation of the source/receiver distance using speech signals are proposed. The first method is able to detect the distance between the speaker and the microphone in a room environment using single-channel signals. The distance-dependent variation of several temporal and spectral statistical features of single-channel signals is studied and a novel sound source distance detector, based on these features is developed. The second method estimates distance from binaural speech signals (two-channel signals). This method does not require a priori knowledge of the room impulse response, the reverberation time or any other acoustical parameter and relies on a set of novel features extracted from the reverberant binaural signals. For this method, a novel distance estimation feature is introduced exploiting the standard deviation of the difference of the magnitude spectra of the left and right binaural signals (termed here as Binaural Spectral Magnitude Difference Standard Deviation (BSMD STD)). Moreover, an extended and novel set of additional features based on the statistical properties of binaural cues (ILDs, ITDs, ICs) is extracted from an auditory front-end which models the peripheral processing of the human auditory system. Both methods rely on novel distance-dependent features, related to statistical parameters of speech signals. Finally, a novel method for the estimation of the direct-to-reverberant-ratio (DRR) from dual-channel microphone recordings without having knowledge of the source signal is presented. / Η παρούσα διατριβή ασχολείται με τη μελέτη και ανάλυση των στατιστικών χαρακτηριστικών ηχητικών σημάτων και των ακουστικών αποκρίσεων χώρου, έχοντας ως πρωταρχικό σκοπό να προτείνει σχέσεις που περιγράφουν τη συσχέτιση των στατιστικών χαρακτηριστικών των σημάτων με αντήχηση με τις ακουστικές αποκρίσεις χώρων. Βάσει ενός τέτοιου θεωρητικού πλαισίου, η διατριβή αυτή αποσκοπεί στο να προτείνει νέες μεθοδολογίες για την εξαγωγή πληροφορίας που σχετίζεται με τα ακουστικά χαρακτηριστικά των χώρων, κάνοντας χρήση ηχογραφημένων ηχητικών σημάτων (π.χ. σήματα ομιλίας) στους εκάστοτε κλειστούς χώρους. Το θεωρητικό υπόβαθρο αυτής της διατριβής βασίζεται σε υπάρχοντα θεωρητικά μοντέλα για το ηχητικό πεδίο μέσα σε ένα κλειστό χώρο, όπως, για παράδειγμα, το στατιστικό μοντέλο του Schroeder. Το μοντέλο του Schroeder επιβεβαιώνεται πειραματικά για ακουστικές αποκρίσεις που έχουν μετρηθεί σε διάφορες θέσεις, μέσα σε κλειστούς χώρους, οι οποίοι διαφέρουν στα ακουστικά χαρακτηριστικά τους. Βάσει στατιστικής ανάλυσης, εξάγονται στατιστικά μοντέλα, τα οποία περιγράφουν την επίδραση της αντήχησης στα ηχητικά σήματα, όταν αυτά αναπαραχθούν μέσα σε ένα κλειστό χώρο. Στη συνέχεια, λαμβάνοντας υπόψη αντιληπτικά μοντέλα ακοής, τα οποία προϋποθέτουν την ύπαρξη δυο ηχητικών σημάτων (δυο αυτιά, αμφιωτική ακοή) σε αυτή τη διατριβή, μελετώνται κάποιες παράμετροι οι οποίες εξάγονται από αμφιωτικές ακουστικές αποκρίσεις χώρου. Η ιδιότητα της φασματικής τυπικής απόκλισης συναρτήσεων μεταφοράς χώρων να συγκλίνει στην τιμή των 5.6~dB για διάχυτα ηχητικά πεδία, επεκτείνεται στην περίπτωση των αμφιωτικών αποκρίσεων χώρου και προτείνεται ένα γενικευμένο μοντέλο που συσχετίζει τη φασματική τυπική απόκλιση μονοφωνικών και αμφιωτικών συναρτήσεων μεταφοράς χώρου. Η διατριβή αυτή, επίσης, ασχολείται με το πρόβλημα της εκτίμησης της απόστασης μεταξύ πηγής και δέκτη. Προτείνονται δυο νέες μέθοδοι για την εκτίμηση της απόστασης μεταξύ πηγής και δέκτη, κάνοντας χρήση ηχητικών σημάτων ομιλίας. Η προτεινόμενη μέθοδος βασίζεται σε μια σειρά από στατιστικές παραμέτρους των οποίων οι τιμές μεταβάλλονται είτε στο πεδίο του χρόνου είτε στο πεδίο της συχνότητας. Η δεύτερη προτεινόμενη μέθοδος αφορά, επίσης, στην εκτίμηση της απόστασης πηγής/δέκτη, αλλά από αμφιωτικά σήματα. Η μέθοδος αυτή δεν προαπαιτεί γνώση της ακουστικής απόκρισης του χώρου, του χρόνου αντήχησης ή άλλης ακουστικής παραμέτρου και βασίζεται σε μια σειρά από νέες παραμέτρους, οι οποίες μπορούν να υπολογισθούν από τα αμφιωτικά σήματα με αντήχηση. Οι παράμετροι συνδυάζονται με δυο διαφορετικές τεχνικές αναγνώρισης προτύπων των οποίων τα μειονεκτήματα και πλεονεκτήματα συζητώνται. Στα πλαίσια αυτής της μεθόδου, προτείνεται μια νέα παράμετρος, η οποία βασίζεται στη διαφορά της φασματικής τυπικής απόκλισης του αριστερού και του δεξιού αμφιωτικού ηχητικού σήματος, η οποία αποδεικνύεται ότι σχετίζεται με τα στατιστικά της αντίστοιχης μονοφωνικής ακουστικής απόκρισης. Τέλος, προτείνεται μια σειρά από παραμέτρους οι οποίες βασίζονται στα στατιστικά χαρακτηριστικά αμφιωτικών παραμέτρων και σχετίζονται με το αντιληπτικό μοντέλο της ανθρώπινης ακοής. Τέλος, προτείνεται μια νέα μέθοδος για την εκτίμηση της στάθμης λόγου κατευθείαν προς ανακλώμενου ήχου από στερεοφωνικά σήματα.