{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "Q50",
        "title": "تشخیص اتوماتیک صداهای ضربه ای با استفاده از تکنیک های پردازش سیگنال",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1393",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "Q50",
        "title": "تشخیص اتوماتیک صداهای ضربه ای با استفاده از تکنیک های پردازش سیگنال",
        "degree": null,
        "faculty": "مهندسی کامپیوتر ",
        "year": 1393,
        "authors": [
            {
                "name": "نجمه فیاضی فر",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حمید حسن پور",
                "role": "استاد راهنما"
            },
            {
                "name": "هادی  گرایلو",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "اصوات ضربه ای",
            "شناسایی و دسته بندی",
            "استخراج ویژگی",
            "دسته بند k-نزدیکترین همسایه"
        ],
        "abstract": "سیستم شناسایی و تشخیص اصوات محیط کاربردهای فراوانی در زمینه ی هدایت ربات، سیستم های نظارت پزشکی و تشخیص نفوذ در سیستم های امنیتی و نظارتی دارا می باشد. این پایان نامه به منظور توسعه ی سیستم هوشمندی انجام شده است که بتواند اصوات ضربه ای را از غیر ضربه ای تمییز داده و آن ها را دسته بندی کند.\r\nاز جمله چالش های مطرح در روش های موجود در این زمینه، نیاز به پنجره گذاری سیگنال ها پیش از استخراج ویژگی و سپس استخراج ویژگی ها از این پنجره ها می باشد. ویژگی پیشنهاد شده در این تحقیق، مستقیما از داده ها استخراج می شود و ضرورتی برای پنجره گذاری سیگنال ها وجود ندارد. به دلیل استفاده از کل سیگنال در فرآیند استخراج ویژگی، تعداد ویژگی های استخراج شده کمتر از سایر روش ها بوده و در نتیجه حجم محاسبات سیستم پیشنهادی کم و مناسب برای کاربردهای بلادرنگ می-باشد. همچنین این روش در مقایسه با سایر روش های موجود، در برابر نویز بسیار مقاوم می باشد. \r\nسیستم پیشنهادی ابتدا ضربه ای بودن یا نبودن سیگنال ورودی را بررسی می کند. دو رویکرد جدید در این پایان نامه، برای شناسایی پیشنهاد شده است. این دو روش بر اساس تغییرات میزان انرژی سیگنال در طول زمان عمل می کنند. در بخش شناسایی، سیستم در شرایط بدون نویز توانسته است عملکرد بسیار مناسبی ارائه دهد. در این حالت میزان شناسایی سیستم 100% گزارش شده است. \r\nپس از شناسایی اصوات ضربه ای، سیستم وارد فاز دسته بندی می شود. ویژگی جدیدی که در این پایان نامه ارائه شده است بر مبنای تفاوت در رفتار سیگنال ها و نحوه ی رسیدن آن ها از مقدار کمینه به بیشینه، عمل می کند. در این کار از دسته بند k-نزدیک ترین همسایه استفاده شده و میزان تشخیص درست سیستم در این حالت 93.75% گزارش شده است که در مقایسه با روش های موجود از جمله ضرایب کپسترال فرکانس مل، نقطه ی تعادل طیفی و شار طیفی عملکرد بهتری داشته است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_Q50.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}