Pozycja nr 1  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Kurowski, B. Kostek  Tytuł angielski Reinforcement Learning Algorithm and FDTD-based Simulation Applied to Schroeder Diffuser Design Optimization  Czasopismo IEEE Access  Wolumin   Numer czasopisma   Strony 1 - 15  Rok 2021 Identyfikator DOI 10.1109/ACCESS.2021.3114628  Abstract The aim of this paper is to propose a novel approach to the algorithmic design of Schroeder acoustic diffusers employing a deep learning optimization algorithm and a fitness function based on a computer simulation of the propagation of acoustic waves. The deep learning method employed for the research is a deep policy gradient algorithm. It is used as a tool for carrying out a sequential optimization process the goal of which is to maximize the fitness function based on parameters characterizing the autocorrelation diffusion coefficient of the designed acoustic diffuser. As the autocorrelation acoustic diffusion coefficients are calculated from the polar response of a diffuser, the FDTD (finite-difference time-domain) simulation method is used to obtain a set of impulse responses necessary to calculate the polar responses of the optimized Schroeder diffusers. The results obtained from optimization based on the deep learning algorithm were compared with the outcomes of an analogous algorithm employing a genetic algorithm, and based on random selection of the Schroeder diffuser well depth pattern. We found that the best result was achieved by the deep policy gradient, as it produced outcomes, which, in terms of the provided autocorrelation diffusion coefficient, were statistically better than properties of designs provided by two other baseline approaches.  Słowa kluczowe ACOUSTIC SIMULATION;FDTD (FINITE-DIFFERENCE TIME-DOMAIN);REINFORCEMENT LEARNING;SCHROEDER DIFFUSER OPTIMIZATION

Pozycja nr 2  Typ pozycji: książka  Autorzy K. Kąkol, G. Korvel, B. Kostek  Tytuł angielski Improving Objective Speech Quality Indicators in Noise Conditions  Wydawca Springer Nature Switzerland AG 2020, Cham, vol. 869  Strony 199 - 218  Rok 2020 Identyfikator DOI https://doi.org/10.1007/978-3-030-39250-5_9  Uwagi rozdział w książce, Link do wyd. https://link.springer.com/chapter/10.1007/978-3-030-39250-5_11  Abstract This work aims at modifying speech signal samples and test them with objective speech quality indicators after mixing the original signals with noise or with an interfering signal. Modifications that are applied to the signal are related to the Lombard speech characteristics, i.e., pitch shifting, utterance duration changes, vocal tract scaling, manipulation of formants. A set of words and sentences in Polish, recorded in silence, as well as in the presence of interfering signals, i.e., pink noise and the so-called babble speech, also referred to as the “cocktail-party” effect is utilized. Speech samples were then processed and measured utilizing objective indicators to check whether modifications applied to the signal in the presence of noise increased values of the speech quality index, i.e., PESQ (Perceptual Evaluation of Speech Quality) standard.   Słowa kluczowe Lombardz speech, PESQ, Evaluation of Speech Quality  Projekt badawczy DS

Pozycja nr 3  Typ pozycji: referat konferencyjny  Autorzy S. Zaporowski, B. Kostek  Tytuł angielski Ranking Speech Features for Their Usage in Singing Emotion Classification  Konferencja International Symposium on Methodologies for Intelligent Systems  Numer preprintu   Numer   Wolumin   Strony 225 - 234  Miejsce konferencji Graz, Austria  Data konferencji 23.9.2020- 25.9.2020  Identyfikator DOI 10.1007/978-3-030-59491-6  Abstract This paper aims to retrieve speech descriptors that may be useful for the classification of emotions in singing. For this purpose, Mel Frequency Cepstral Coefficients (MFCC) and selected Low-Level MPEG 7 descriptors were calculated based on the RAVDESS dataset. The database contains recordings of emotional speech and singing of professional actors presenting six different emotions. Employing the algorithm of Feature Selection based on the Forest of Trees method, descriptors with the best ranking results were determined. Then, the emotions were classified using the Support Vector Machine (SVM). The training was performed several times, and the results were averaged. It was found that descriptors used for emotion detection in speech are not as useful for singing. Also, an approach using Convolutional Neural Network (CNN) employing spectrogram representation of audio signals was tested. Several parameters for singing were determined, which, according to the obtained results, allow for a significant reduction in the dimensionality of feature vectors while increasing the classification efficiency of emotion detection.  Słowa kluczowe FEATURE SELECTION, MEL FREQUENCY CEPSTRAL COEFFICIENTS, MPEG 7 LOW-LEVEL AUDIO DESCRIPTORS, SINGING EXPRESSION CLASSIFICATION

Pozycja nr 4  Typ pozycji: artykuł w czasopiśmie  Autorzy K. Marciniuk, B. Kostek  Tytuł angielski ROAD TRAFFIC PARAMETRIZATION USING ACOUSTIC METHOD  Tytuł polski ANALIZA RUCHU DROGOWEGO Z WYKORZYSTANIEM ANALIZY AKUSTYCZNEJ  Czasopismo Przegląd Telekomunikacyjny i wiadomości telekomunikacyjne  Wolumin   Numer czasopisma 7-8  Strony   Rok 2020 Identyfikator DOI 10.15199/59.2020.7-8.53  Numer pozycji bibl. 11  Abstract The subject of the work is related to the acquisition of traffic information using acoustic monitoring. Baseline techniques of road traffic supervision are presented. The assumptions of the acoustic motion detector are introduced, and its effectiveness is examined at three levels of operation - vehicle counting, generic classification, and classification of weather conditions on the surface.  Streszczenie Tematyka pracy porusza zagadnienia dotyczące pozyskiwania informacji o ruchu drogowym z wykorzystaniem monitoringu akustycznego. Przybliżono podstawowe techniki nadzoru nad ruchem drogowym. Przedstawiono założenia akustycznego detektora ruchu i zbadano jego skuteczność na trzech płaszczyznach działania – zliczania pojazdów, klasyfikacji rodzajowej i klasyfikacji warunków pogodowych panujących na nawierzchni.   Słowa kluczowe traffic detection, acoustic traffic detector  Projekt badawczy INZNAK

Pozycja nr 5  Typ pozycji: artykuł w czasopiśmie  Autorzy P. Szczuko, A. Kurowski, P. Odya, A. Czyżewski, B. Kostek, B. Graff  Tytuł angielski Granularity Concept Applied to Respiratory Rate Quantification and Abnormal Pattern Prediction   Czasopismo Cognitive Computation - Granular Computing and Three-Way Decisions for Cognitive Analytics  Wolumin   Numer czasopisma   Strony   Rok 2020 Uwagi w przygotowaniu  Abstract W przygotowaniu

Pozycja nr 6  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Dorochowicz, A. Kurowski, B. Kostek  Tytuł angielski Employing Subjective Tests and Deep Learning for Discovering the Relationship between Personality Types and Preferred Music Genres  Czasopismo Electronics  Wolumin 9  Numer czasopisma 12  Strony 1 - 23  Rok 2020 Identyfikator DOI https://doi.org/10.3390/electronics9122016  Uwagi Electronics 2020, 9(12), 2016; HTML Version: https://www.mdpi.com/2079-9292/9/12/2016/htm PDF Version: https://www.mdpi.com/2079-9292/9/12/2016/pdf  Abstract The purpose of this research is two-fold: (a) to explore the relationship between the listeners’ personality trait, i.e., extraverts and introverts and their preferred music genres, and (b) to predict the personality trait of potential listeners on the basis of a musical excerpt by employing several classification algorithms. We assume that this may help match songs according to the listener’s personality in social music networks. First, an Internet survey was built, in which the respondents identify themselves as extraverts or introverts according to the given definitions. Their task was to listen to music excerpts that belong to several music genres and choose the ones they like. Next, music samples were parameterized. Two parametrization schemes were employed for that purpose, i.e., low-level MIRtoolbox parameters (MIRTbx) and variational autoencoder neural network-based, which automatically extract parameters of musical excerpts. The prediction of a personality type was performed employing four baseline algorithms, i.e., support vector machine (SVM), k-nearest neighbors (k-NN), random forest (RF), and naïve Bayes (NB). The best results were obtained by the SVM classifier. The results of these analyses led to the conclusion that musical excerpt features derived from the autoencoder were, in general, more likely to carry useful information associated with the personality of the listeners than the low-level parameters derived from the signal analysis. We also found that training of the autoencoders on sets of musical pieces which contain genres other than ones employed in the subjective tests did not affect the accuracy of the classifiers predicting the personalities of the survey participants.  Streszczenie HTML Version: https://www.mdpi.com/2079-9292/9/12/2016/htm PDF Version: https://www.mdpi.com/2079-9292/9/12/2016/pdf   Słowa kluczowe Keywords: music genres; music parametrization; personality types; subjective tests; deep learning; machine learning  Projekt badawczy DS

Pozycja nr 7  Typ pozycji: referat konferencyjny  Autorzy K. Marciniuk, B. Kostek  Tytuł angielski An Evaluation of Selected Machine Learning Algorithms in Acoustic-Based Road Traffic Monitoring System  Tytuł polski Zastosowanie wybranych algorytmów uczenia maszynowego w kontekście akustycznej analizy ruchu drogowego  Konferencja 13th International Road Safety Conference GAMBIT 2020 Challenges and requirements of improving road safety until 2030  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Gdański, Poland  Data konferencji 7.9.2020- 8.9.2020  Uwagi Skierowane do druku w Journal od KONBiN  Abstract The research presents the effectiveness of the selected machine learning algorithm in the two traffic analysis task: vehicle recognition and metrological pavement condition. The basics of the operation of the acoustic road parameters detector are briefly described. Then, the principles of machine learning algorithms applied was introduced. The paper contains a description of the data acquisition process, followed by technical information about the database. The study was conducted using the authors' audio recordings, registered in the Tri-City in several representative locations and three different meteorological conditions on the road surface. For each recording containing a single-vehicle passage, a vector of 67 parameters describing the audio signal was extracted. The obtained efficiency of the algorithms for each task is presented.  Projekt badawczy INZNAK

Pozycja nr 8  Typ pozycji: artykuł w czasopiśmie  Autorzy K. Kąkol, G. Korvel, O. Kurasova, B. Kostek  Tytuł angielski Evaluation of Lombard Speech Models in the Context of Speech in Noise Enhancement  Czasopismo IEEE Access  Wolumin 8  Numer czasopisma   Strony 15515  Rok 2020 Identyfikator DOI 10.1109/ACCESS.2020.3015421  Uwagi str. 155156 - 155170  Abstract The Lombard effect is one of the most well-known effects of noise on speech production. Speech with the Lombard effect is more easily recognizable in noisy environments than normal natural speech. Our previous investigations showed that speech synthesis models might retain Lombard-effect characteristics. In this study, we investigate several speech models, such as harmonic, source-filter, and sinusoidal, applied to Lombard speech in the context of speech enhancement. For this purpose, 100 utterances of natural speech, and 100 with the Lombard effect induced are used. The goal of this study is to check to what extent speech utterances based on these models are recognizable and at what SNR (Signal-to-Noise Ratio) level threshold a particular model stops working. For this purpose, the synthesized models and Lombard speech are mixed with babble speech and street noise recordings with different SNRs. The quality of these models is measured, employing objective indicators as well as subjective tests. Since there is no standardized measure to apply to enhanced speech, an objective measure of assessing the speech quality of a model synthesizing Lombard speech characteristics, based on a feature vector, is proposed. Our approach is then compared with the standardized metric used in telecommunications as well as with subjective test results. The experimental investigations show the superiority of the source-filter models applied to synthesize Lombard speech over other models utilized. Also, the measure proposed correlates more closely with the results of the subjective evaluation than the outcomes from the ITU-T P.563 recommendation. This was checked with a ANOVA statistical analysis.  Słowa kluczowe LOMBARD SPEECH, QUALITY OF EXPERIENCE, SPEECH MODELING TECHNIQUES  Projekt badawczy DS

Pozycja nr 9  Typ pozycji: artykuł w czasopiśmie  Autorzy G. Tamulevicius, G. Korvel, A. B Yayak, P. Treigys, J. Bernataviciene, B. Kostek  Tytuł angielski A Study of Cross-Linguistic Speech Emotion Recognition Based on 2D Feature Spaces  Czasopismo Electronics  Wolumin   Numer czasopisma 9  Strony 1725 - 1738  Rok 2020 Identyfikator DOI doi:10.3390/electronics9101725  Abstract In this research, a study of cross-linguistic speech emotion recognition is performed. For this purpose, emotional data of different languages (English, Lithuanian, German, Spanish, Serbian, and Polish) are collected, resulting in a cross-linguistic speech emotion dataset with the size of more than 10.000 emotional utterances. Despite the bi-modal character of the databases gathered, our focus is on the acoustic representation only. The assumption is that the speech audio signal carries sufficient emotional information to detect and retrieve it. Several two-dimensional acoustic feature spaces, such as cochleagrams, spectrograms, mel-cepstrograms, and fractal dimension-based space, are employed as the representations of speech emotional features. A convolutional neural network (CNN) is used as a classifier. The results show the superiority of cochleagrams over other feature spaces utilized. In the CNN-based speaker-independent cross-linguistic speech emotion recognition (SER) experiment, the accuracy of over 90% is achieved, which is close to the monolingual case of SER.   Słowa kluczowe speech analysis; speech emotion recognition; 2D feature spaces  Projekt badawczy DS

Pozycja nr 10  Typ pozycji: artykuł w czasopiśmie  Autorzy S. Cunningham, G. Fazekas, G. Kalliris, B. Kostek  Tytuł angielski GUEST EDITORS’ NOTE Special Issue on Sound in Immersion and Emotion  Czasopismo J. Audio Eng. Soc.  Wolumin 68  Numer czasopisma 1/2  Strony 5 - 6  Rok 2020 Abstract This special issue of the Journal of the Audio Engineering Society covers a range of tools and techniques concerned with bridging the gap between audio signals and their semantic information. As humans, we experience the perception of sound from a range of physical and cognitive sources, and each of these perceptions has the potential to trigger an interpretation and association, whether that be an emotional response, timbral description, musical association, or perhaps triggering a memory. We are not designed to process and understand sound on simply an acoustic level, but on one that draws upon our individual characteristics, such as education, age, culture, physicality, and mental abilities.  Słowa kluczowe Sound in Immersion and Emotion; Deep learning; Music; Music and speech signals  Projekt badawczy DS

Pozycja nr 11  Typ pozycji: artykuł w czasopiśmie  Autorzy D. Koszewski, B. Kostek  Tytuł angielski Musical Instrument Tagging Using Data Augmentation and Effective Noisy Data Processing  Czasopismo J. Audio Eng. Soc.  Wolumin 68  Numer czasopisma 1/2  Strony 57 - 65  Rok 2020 Identyfikator DOI https://doi.org/10.17743/jaes.2019.0050  Abstract Developing signal processing methods to extract information automatically has potential in several applications, for example searching for multimedia based on its audio content, making context-aware mobile applications (e.g., tuning apps), or pre-processing for an automatic mixing system. However, the last-mentioned application needs a significant amount of research to reliably recognize real musical instruments in recordings. In this paper we primarily focus on how to obtain data for efficiently training, validating, and testing a deep-learning model by using a data augmentation technique. These data are transformed into 2D feature spaces, i.e., mel-scale spectrograms. The Neural Network used in the experiments consists of a single-block DenseNet architecture and a multi-head softmax classifier for efficient learning with the mixup augmentation. For automatic noisy data labeling, the batch-wise loss masking, which is robust to corrupting outliers in data, was applied. To train the models, various audio sample rates and different audio representations were utilized. The method provides promising recognition scores even with real-world recordings that contain noisy data.  Streszczenie Musical instrument reconigtion; data augmentation; neural network  Projekt badawczy DS

Pozycja nr 12  Typ pozycji: książka  Autorzy P. Treigys, G. Korvel, G. Tamulevičius , J. Bernatavičienė , B. Kostek  Tytuł angielski Investigating Feature Spaces for Isolated Word Recognition  Wydawca Springer Nature Switzerland AG 2020,Studies in Computational Intelligence, Volume 869, Cham, vol. 869  Strony 165 - 181  Rok 2020 Identyfikator DOI https://doi.org/10.1007/978-3-030-39250-5_9  Uwagi rozdział w książce, link: https://link.springer.com/chapter/10.1007/978-3-030-39250-5_9#citeas  Abstract The study addresses the issues related to the appropriateness of a two-dimensional representation of speech signal for speech recognition tasks based on deep learning techniques. The approach combines Convolutional Neural Networks (CNNs) and time-frequency signal representation converted to the investigated feature spaces. In particular, waveforms and fractal dimension features of the signal were chosen for the time domain, and three feature spaces were investigated for the frequency domain, namely: Linear Prediction Coefficient (LPC) spectrum, Hartley spectrum, and cochleagram. Due to the fact that deep learning requires an adequate training set size of the corpus and its content may significantly influence the outcome, thus for the data augmentation purpose, the created dataset was extended with mixes of the speech signal with noise with various SNRs (Signal-to-Noise Ratio). In order to evaluate the applicability of the implemented feature spaces for isolated word recognition task, three experiments were conducted, i.e., 10-, 70-, and 111-word cases were analyzed.  Słowa kluczowe two-dimensional representation of speech signal, speech recognition   Projekt badawczy DS

Pozycja nr 13  Typ pozycji: artykuł w czasopiśmie  Autorzy M. Piotrowska, G. Korvel, B. Kostek, T. Ciszewski, A. Czyżewski  Tytuł angielski MACHINE LEARNING-BASED ANALYSIS OF ENGLISH LATERAL ALLOPHONES  Czasopismo Int. J. Appl. Math. Comput. Sci.  Wolumin   Numer czasopisma   Strony   Rok 2019 Uwagi publikacja w 2019  Abstract Automatic classification methods, such as Artificial Neural Networks (ANNs), k-Nearest Neighbor (KNN) and Self-Organizing Maps (SOMs), are applied to allophone analysis based on recorded speech. A list of 650 words was created for that purpose, containing positionally- and/or contextually-conditioned allophones. For each word a group of 16 native and non-native speakers were audio-video recorded, from which seven native speakers and pgonologo experts were selected. For the purpose of the present study a sub-list of 103 words containing the English alveolar lateral phoneme /l/ was compiled. The list includes ’dark’ (velarized) allophonic realizations (which occur before a consonant or at the end of the word before silence) and 52 ’clear’ allophonic realizations (which occur before a vowel), as well as voicing variants. The recorded signals were segmented into allophones and parametrized using a set of descriptors, originating from the MPEG 7 standard, plus dedicated time-based parameters as well as modified MFCC features proposed by the authors. Classification methods such as ANNs, kNN and SOM were employed to automatically detect the two types of allophones. Various sets of features were tested to achieve the best performance of the automatic methods. In the final experiment, a selected set of features was used for the automatic evaluation of the pronunciation of dark /l/ by non-native speakers.  Słowa kluczowe Allophones, Audio Features, Artificial Neural Networks (ANNs), k-Nearest Neighbor (kNN), Self-Organizing Map (SOM)

Pozycja nr 14  Typ pozycji: artykuł w czasopiśmie  Autorzy G. Korvel, B. Kostek  Tytuł angielski Discovering rule-based learning systems for the purpose of music analysis  Czasopismo J. Acoust. Soc. Amer.  Wolumin 146  Numer czasopisma 4  Strony 2947  Rok 2019 Identyfikator DOI 10.1121/1.5137237  Abstract Music analysis and processing aims at understanding information retrieved from music (Music Information Retrieval). For the purpose of music data mining, machine learning (ML) methods or statistical approach are employed. Their primary task is recognition of musical instrument sounds, music genre or emotion contained in music, identification of audio, assessment of audio content, etc. In terms of computational approach, music databases contain imprecise, vague and indiscernible data objects. Moreover, most of the machine learning algorithms outcomes are given as a black-box result. Also, underfitting or overfitting may occur, meaning that either the model description is not complex enough or the test set is too small or not sufficiently representative. Thus the goal is to generalize the model. To overcome some of these problems, rule-based systems may be used, e.g., based on rough set theory that shows the outcome in the form of rules interconnecting features retrieved from music. Thus, first, principles of rule-based classifiers and particularly rough sets (RS) are presented, showing their usability in the music domain. A potential of the rough set-based approach was shown in the context of music genre recognition. The results were analyzed in terms of the recognition rate and computation time efficiency.  Słowa kluczowe Music analysis and processing, rule-based machine learning system  Projekt badawczy DS

Pozycja nr 15  Typ pozycji: książka  Autorzy B. Kostek  Tytuł polski Postępy badań w inżynierii dźwięku i obrazu. Nowe Trendy i zastosowania technologii multimedialnych   Wydawca Akademicka Oficyna Wydawnicza EXIT  Strony 1 - 226  Rok 2019 Identyfikator DOI ISBN 978-83-7837-89-5  Uwagi Redakcja książki: Postępy badań w inżynierii dźwięku i obrazu. Nowe Trendy i zastosowania technologii multimedialnych Wydawn. za 80 punktów  Abstract Redakcja książki  Streszczenie Tytuł niniejszej książki nawiązuje do inżynierii dźwięku i obrazu, która jest interdyscyplinarną i szybko rozwijającą się dziedziną. Obejmuje wiele aspektów takich, jak percepcja dźwięku i obrazu, technologia studyjna, reżyseria dźwięku i obrazu, transmisja treści audiowizualnych, archiwizacja treści audiowizualnych, akustyka foniczna, przetwarzanie dźwięku i obrazu, inteligentne wyszukiwanie informacji muzycznych, synteza dźwięku, elektroakustyka, akustyka wnętrz, rozpoznawanie obrazu i wiele innych, które leżą u podstaw multimediów i technologii multimedialnych. I właśnie druga część tego tytułu zamyka klamrą zagadnienia, które zostaną przedstawione w niniejszej książce. Ponadto metody uczenia maszynowego stosowane w wyżej wymienionych tematach stały się istotną częścią inżynierii dźwięku i obrazu i multimediów. Zostaną one przywołane w wybranych zastosowaniach. Warto w tym miejscu wspomnieć, że - ze względu na interdyscyplinarność - nie jest możliwe wyczerpujące opracowanie monograficzne poświęcone temu obszarowi badań.   Słowa kluczowe inżynieria dźwięku i obrazu, przetwarzanie dźwięku i obrazu, multimedia   Projekt badawczy DS

Pozycja nr 16  Typ pozycji: artykuł w czasopiśmie  Autorzy S. Zaporowski, B. Kostek  Tytuł angielski ANALIZA PARAMETRÓW SYGNAŁU MOWY W KONTEKŚCIE ICH PRZYDATNOŚCI W AUTOMATYCZNEJ OCENIE JAKOŚCI EKSPRESJI ŚPIEWU  Tytuł polski ANALYSIS OF SPEECH SIGNAL PARAMETERS IN THE CONTEXT OF THEIR SUITABILITY IN THE AUTOMATIC ASSESSMENT OF THE QUALITY OF SINGING EXPRESSION  Czasopismo Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej  Wolumin   Numer czasopisma 68  Strony 61 - 64  Rok 2019 Streszczenie Praca dotyczy podejścia do parametryzacji w przypadku klasyfikacji emocji w śpiewie oraz porównania z klasyfikacją emocji w mowie. Do tego celu wykorzystano bazę mowy i śpiewu nacechowanego emocjonalnie RAVDESS (Ryerson Audio-Visual Database of Emotional Speech and Song), zawierającą nagrania profesjonalnych aktorów prezentujących sześć różnych emocji. Następnie obliczono współczynniki mel-cepstralne (MFCC) oraz wybrane deskryptory niskopoziomowe MPEG 7. W celu selekcji cech, posiadających najlepsze wyniki rankingowe, wykorzystano las drzew. Następnie dokonano klasyfikacji emocji z za pomocą maszyny wektorów nośnych (SVM, Support Vector Machine). Stwierdzono, że parametryzacja skuteczna dla mowy nie jest skuteczna dla śpiewu. Wyznaczono podstawowe parametry, które zgodnie z otrzymanymi wynikami pozwalają na znaczną redukcję wymiarowości wektorów cech, jednocześnie podnosząc skuteczność klasyfikacji.  Słowa kluczowe ANALIZA ŚPIEWU, EKSTRAKCJA PARAMETRÓW, KLASYFIKACJA EMOCJI W ŚPIEWIE, NISKOPOZIOMOWE DESKRYPTORY SYGNAŁU

Pozycja nr 17  Typ pozycji: referat konferencyjny  Autorzy A. Kurowski, B. Kostek  Tytuł angielski A Method of Automatic Design of an Acoustic Diffuser Based on a Genetic Algorithm  Konferencja 11th International Workshop on DATA ANALYSIS METHODS FOR SOFTWARE SYSTEMS  Numer preprintu   Numer   Wolumin   Strony 46 - 46  Miejsce konferencji Druskininkai, Litwa  Data konferencji 28.11.2019- 30.11.2019  Identyfikator DOI 10.15388/DAMSS.11.2019  Abstract A method of automatic design of an acoustic diffuser based on a genetic algorithm is proposed. This allows defining the geometry of an acoustic diffuser, which is tailored to the room of specific geometry and the purpose of music mixing or mastering music or performing other types of audio-related work. Parameters that are commonly employed to describe the quality of acoustic treatment, such as the size of a reflection-free zone, sound clarity and the ratio of direct to reverberant sound are employed as a fitness function for the genetic algorithm. They are computed with the use of the finite time difference method, which imposes relatively low requirements related to the computational power of a computer used for calculations. The experiment is conducted for selected geometries of rooms. Optionally, a room designed also contains devices providing attenuation of unwanted sound reflections. The performance of Schroeder diffuser is compared with the performance of two reference designs obtained with the use of QRD (Quadratic Residue Diffusers) and PRD (Primitive Root Diffusers) pseudo-random sequences. The simulation is carried out for each acoustic diffuser designed. It is repeated several times with changes in the position of sound sources to estimate the quality of each design concerning the position of loudspeakers. The performance of diffuser geometries is compared for each of the four parameters with the use of the ANOVA statistical test and visualized in the form of boxplots.  Projekt badawczy DS

Pozycja nr 18  Typ pozycji: artykuł w czasopiśmie  Autorzy D. Korzekwa, B. Kostek  Tytuł angielski Deep learning model for automated assessment of lexical stress of non-native English speakers  Czasopismo J. Acoust. Soc. Amer.  Wolumin 146  Numer czasopisma 4  Strony 2956  Rok 2019 Identyfikator DOI 10.1121/1.5137270  Abstract In this paper, we present a novel system to practice lexical stress in L2 English learning with Amazon Alexa home assistant. The language learning for non-native English speakers mostly focuses on practicing correct grammar, extending language vocabulary, and improving pronunciation. The system proposed enables a person to practice lexical stress skills at home by having conversations with Alexa assistant. The system assesses student's abilities to enunciate words with a correct lexical stress and automatically selects the next words to practice. After a series of exercises, the system informs the student on the improvement. The main scientific contribution of the work presented is a deep learning model for automated assessment of lexical stress of non-native English speakers. The model is based on a transfer learning technique. First, we train the model to predict the location of a lexical stress on a syllable level using a large corpus of native English speech. Then, we tune the model with a limited amount of a non-native speech. A corpus of non-native English speech obtained from Polish speakers is incorporated into the training and testing of the model. It is shown that the system enables to create a vocabulary for a particular speaker interactively.  Słowa kluczowe automated assessment of lexical stress, machine learning  Projekt badawczy DS

Pozycja nr 19  Typ pozycji: referat konferencyjny  Autorzy D. Korzekwa, R. Barra-Chicote, B. Kostek, T. Drugman, M. Lajszczak  Tytuł angielski Interpretable Deep Learning Model for the Detection and Reconstruction of Dysarthric Speech  Konferencja UK Speech Conference 2019, The University of Birmingham, UK 24{25 June  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Birmingham,, UK  Data konferencji 24.6.2019- 25.6.2019  Uwagi http://www.thespeechark.com/ukspeech2019/abstractBook_UKSpeech2019_fin_noLogos.pdf  Abstract We present a novel deep learning model for the detection and reconstruction of dysarthric speech. We train the model with a multi-task learning technique to jointly solve dysarthria detection and speech reconstruction tasks. The model key feature is a low-dimensional latent space that is meant to encode the prop- erties of dysarthric speech. It is commonly believed that neural networks are black boxes that solve problems but do not provide interpretable outputs. On the contrary, we show that this latent space successfully encodes interpretable characteristics of dysarthria, is eective at detecting dysarthria, and that ma- nipulation of the latent space allows the model to reconstruct healthy speech from dysarthric speech. This work can help patients and speech pathologists to improve their understanding of the condition, lead to more accurate diagnoses and aid in reconstructing healthy speech for aicted patients.  Streszczenie https://www.researchgate.net/publication/334388948_Interpretable_Deep_Learning_Model_for_the_Detection_and_Reconstruction_of_Dysarthric_Speech  Słowa kluczowe deep learning model, detection and reconstruction of dysarthric speech  Projekt badawczy DS

Pozycja nr 20  Typ pozycji: referat konferencyjny  Autorzy K. Marciniuk, B. Kostek  Tytuł angielski Road Traffic Event Classifier Based on Machine Learning and Audio Signal  Konferencja DISP'19, International Conference on Digital Image & Signal Processing  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Oxford, UK  Data konferencji 29.4.2019- 30.4.2019  Uwagi ISBN: 978-1-912532-09-4  Abstract This paper contains a description of the event classifier in road traffic, as well as conditions related to the surface hydrological condition of the roadway based on deep learning and audio signal recorded. Technical requirements for audio signal acquisition were defined, followed by the process of preparing data for analysis, extraction of selected parameters and classification of selected problems related to road traffic. The proposed functionality of acoustic traffic analysis includes: detection of the presence of a vehicle, automatic vehicles counting, traffic statistics for given intervals, classification of the surface condition, classification of three types of vehicles. In the registration of dynamic data related to traffic, the parameters determined by the proposed audio analyzer are: the number of vehicles in the time interval of observation, average intensity per minute, average speed in the observation interval and distance between vehicles determined in time unit [s]. The project is partly financed by the Polish National Centre for Research and Development (NCBR) from the European Regional Development Fund under the Operational Programme Innovative Economy No. POIR.04.01.04-00-0089/16 entitled: INZNAK – “Intelligent road signs for adaptive traffic control, communicating in V2X technology”.  Słowa kluczowe Machine learning, deep learning, traffic road event classification, audio signal, Gammatone filters  Projekt badawczy INZNAK

Pozycja nr 21  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek, A. Czyżewski  Tytuł angielski Sound engineering as our commitment to its creators in Poland  Czasopismo Archives of Acoustics  Wolumin 44  Numer czasopisma 3  Strony 617 - 617  Rok 2019 Uwagi 150860 w moja.pg, 66th Open Seminar on Acoustics Boszkowo, Poland, September 18 – 20, 2019  Słowa kluczowe sound engineering  Projekt badawczy DS

Pozycja nr 22  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, B. Kostek  Tytuł angielski Remembrance about Marianna Sankiewicz and Gustaw Budzyński – our teachers and scientific mentors  Czasopismo Archives of Acoustics  Wolumin 44  Numer czasopisma 3  Strony 615 - 615  Rok 2019 Identyfikator DOI 10.24425/aoa.2019.129274  Uwagi 150859 w moja.pg, 66th Open Seminar on Acoustics Boszkowo, Poland, September 18 – 20, 2019  Słowa kluczowe Sound engineering  Projekt badawczy DS

Pozycja nr 23  Typ pozycji: referat konferencyjny  Autorzy D. Korzekwa, R. Barra-Chicote, B. Kostek, T. Drugman, M. Łajszczak  Tytuł angielski Interpretable Deep Learning Model for the Detection and Reconstruction of Dysarthric Speech  Tytuł polski Detekcja i rekonstrukcja mowy dyzartrycznej za pomocą uczenia głębokiego  Konferencja INTERSPEECH 2019  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Graz, Austria  Data konferencji 15.9.2019- 19.9.2019  Identyfikator DOI DOI: 10.21437/Interspeech.2019  Uwagi https://www.isca-speech.org/archive/Interspeech_2019/  Abstract We present a novel deep learning model for the detection and reconstruction of dysarthric speech. We train the model with a multi-task learning technique to jointly solve dysarthria detection and speech reconstruction tasks. The model key feature is a low-dimensional latent space that is meant to encode the properties of dysarthric speech. It is commonly believed that neural networks are black boxes that solve problems but do not provide interpretable outputs. On the contrary, we show that this latent space successfully encodes interpretable characteristics of dysarthria, is effective at detecting dysarthria, and that manipulation of the latent space allows the model to reconstruct healthy speech from dysarthric speech. This work can help patients and speech pathologists to improve their understanding of the condition, lead to more accurate diagnoses and aid in reconstructing healthy speech for afflicted patients.  Streszczenie referat wprowadzony do moja.pg, konferencja indeskowana w WoS, SCOPUS, CORE Lista MNiSW: nr rekordu: 344 European Conference on Speech Communication and Technology (now Interspeech) 140 punktów  Słowa kluczowe dysarthria detection, speech recognition, speech synthesis, interpretable deep learning models  Projekt badawczy DS

Pozycja nr 24  Typ pozycji: artykuł w czasopiśmie  Autorzy T. Poremski, P. Szymański, B. Kostek  Tytuł angielski Assessment of the Effectiveness of a Short-term Hearing Aid Use in Patients with Different Degrees of Hearing Loss  Czasopismo Archives of Acoustics  Wolumin 44  Numer czasopisma 4  Strony 719 - 729  Rok 2019 Identyfikator DOI 10.24425/aoa.2019.129727  Uwagi 150858 w moja.pg  Abstract The study presents evaluating the effectiveness of the hearing aid fitting process in the short-term use (7 days). The evaluation method consists of a survey based on the APHAB (Abbreviated Profile of Hearing Aid Benefit) questionnaire. Additional criteria such as a degree of hearing loss, number of hours and days of hearing aid use as well as the user’s experience were also taken into consideration. The outcomes of the benefit obtained from the hearing aid use in various listening environments for 109 hearing aid users are presented, including a degree of their hearing loss. The research study results show that it is possible to obtain relevant and reliable information helpful in assessing the effectiveness of the shortterm (7 days) hearing aid use. The overall percentage of subjects gaining a benefit when communicating in noise is the highest of all the analyzed and the lowest in the environment with reverberation. The statistical analysis performed confirms that in the listening environments in which conversation is held, a subjective indicator determined by averaging benefits for listening situations individually is statistically significant with respect to the degree of hearing loss. Statistically significant differences depending on the degree of hearing loss are also found separately for noisy as well as reverberant environments. However, it should be remembered that this study is limited to three types of hearing loss, i.e. mild, moderate and severe. The acceptance of unpleasant sounds gets the lowest rating. It has also been observed that in the initial period of hearing aid use, the perception of unpleasant sounds has a big influence on the evaluation of hearing improvement.  Słowa kluczowe hearing aid; APHAB (Abbreviated Profile of Hearing Aid Benefit); assessment of hearing aid benefit; hearing loss; evaluation of hearing aid use.  Projekt badawczy DS

Pozycja nr 25  Typ pozycji: referat konferencyjny  Autorzy K. Marciniuk, B. Kostek  Tytuł angielski Road Traffic Event Classification Based on Audio Signal - Classification Algorithms Overview  Tytuł polski Klasyfikacja zdarzeń drogowych na podstawie analizy sygnałów – przegląd algorytmów klasyfikacji  Konferencja XVIII Międzynarodowa Konferencja Zwalczania Hałasu Noise Control 2019  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Janów Podlaski, Polska  Data konferencji 26.5.2019- 29.5.2019  Abstract The aim of this experiment was to examine the performance of selected classification algorithms in application to Intelligent Transportation Systems (ITS). The paper contains a description of the vehicle type classifier in road traffic, as well as conditions related to the surface hydrological condition of the roadway. In the introduction, technical requirements for audio signal acquisition are briefly defined, followed by the description of preprocessing and feature extraction process. Five classification algorithms were chosen: Naive Bayesian Classifier, Perceptron Learning Algorithm, Regression Analysis, Linear Discriminant analysis and Fisher – Linear Discriminant Analysis. Each algorithm was trained 300 times in 45:20:35 ratio (training, validation and test sets, in every iteration, selected randomly). From the vector of the target and the predicted output, a complex performance analysis was carried out.  Słowa kluczowe noise; road traffic classification;   Projekt badawczy INZNAK

Pozycja nr 26  Typ pozycji: książka  Autorzy D. Weber, B. Kostek  Tytuł angielski Color analysis of film scenes in the context of color grading,   Tytuł polski Analiza kolorów scen filmowych w kontekście color gradingu  Wydawca Politechnika Gdańska  Strony 57 - 60  Rok 2019 Identyfikator DOI 10.32016/1.68.12  Słowa kluczowe analiza koloru, color grading  Projekt badawczy DS

Pozycja nr 27  Typ pozycji: książka  Autorzy G. Korvel, A. Kurowski, B. Kostek, A. Czyżewski  Tytuł angielski Speech Analytics Based on Machine Learning  Wydawca Springer  Strony 129 - 157  Rok 2019 Identyfikator DOI 10.1007/978-3-319-94030-4_6  Abstract In this chapter, the process of speech data preparation for machine learning is discussed in detail. Examples of speech analytics methods applied to phonemes and allophones are shown. Further, an approach to automatic phoneme recognition involving optimized parametrization and a classifier belonging to machine learning algorithms is discussed. Feature vectors are built on the basis of descriptors coming from the music information retrieval (MIR) domain. Then, phoneme classification beyond the typically used techniques is extended towards exploring Deep Neural Networks (DNNs). This is done by combining Convolutional Neural Networks (CNNs) with audio data converted to the time-frequency space domain (i.e. spectrograms) and then exported as images. In this way a two-dimensional representation of speech feature space is employed. When preparing the phoneme dataset for CNNs, zero padding and interpolation techniques are used. The obtained results show an improvement in classification accuracy in the case of allophones of the phoneme /l/, when CNNs coupled with spectrogram representation are employed. Contrarily, in the case of vowel classification, the results are better for the approach based on pre-selected features and a conventional machine learning algorithm.  Słowa kluczowe CONVOLUTIONAL NEURAL NETWORKS, DATA PREPARATION, DEEP LEARNING, MACHINE LEARNING, SPEECH SIGNAL  Projekt badawczy ALOFON

Pozycja nr 28  Typ pozycji: artykuł w czasopiśmie  Autorzy G. Korvel, O. Kurasova, B. Kostek  Tytuł angielski Comparison of Lithuanian and Polish Consonant Phonemes Based on Acoustic Analysis – Preliminary Results  Czasopismo Archives of Acoustics  Wolumin 44  Numer czasopisma 4  Strony 693 - 707  Rok 2019 Identyfikator DOI 10.24425/aoa.2019.129725  Uwagi 150857 w moja.pg  Abstract The goal of this research is to find a set of acoustic parameters that are related to differences between Polish and Lithuanian language consonants. In order to identify these differences, an acoustic analysis is performed, and the phoneme sounds are described as the vectors of acoustic parameters. Parameters known from the speech domain as well as those from the music information retrieval area are employed. These parameters are time- and frequency-domain descriptors. English language as an auxiliary language is used in the experiments. In the first part of the experiments, an analysis of Lithuanian and Polish language samples is carried out, features are extracted, and the most discriminating ones are determined. In the second part of the experiments, automatic classification of Lithuanian/English, Polish/English, and Lithuanian/Polish phonemes is performed.  Słowa kluczowe acoustic analysis; consonant phonemes; acoustic parameters; machine learning methods  Projekt badawczy DS

Pozycja nr 29  Typ pozycji: książka  Autorzy Sz Zaporowski, B. Kostek  Tytuł angielski ANALYSIS OF THE SPEECH SIGNAL PARAMETERS IN THE CONTEXT OF THEIR SUITABILITY IN THE AUTOMATIC QUALITY OF SINGING EXPRESSION ASSESSMENT   Tytuł polski ANALIZA PARAMETRÓW SYGNAŁU MOWY W KONTEKŚCIE ICH PRZYDATNOŚCI W AUTOMATYCZNEJ OCENIE JAKOŚCI EKSPRESJI ŚPIEWU  Wydawca Politechnika Gdańska  Strony 61 - 64  Rok 2019 Identyfikator DOI 10.32016/1.68.13   Uwagi Rozdział w monografii "Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej" nr 68  Abstract This paper concerns the approach to parameterization for the classification of emotions in singing and comparison with the classification of emotions in speech. For this purpose, the RAVDESS database containing emotional speech and song was used. This database contains recordings of professional actors presenting six different emotions. Next, Mel Frequency Cepstral Coefficients and selected Low-Level MPEG 7 descriptors were calculated. Using the algorithm of Feature Selection based on a Forest of Trees, coefficients, and descriptors with the best ranking results were determined. Then, the emotions were classified using the Support Vector Machine. The classification was repeated several times, and the results were averaged. It was found that descriptors used for emotion detection in speech are not as useful for singing. Basic parameters for singing were determined which, according to the obtained results, allow for a significant reduction in the dimensionality of feature vectors while increasing the classification efficiency of emotion detection.   Streszczenie Praca dotyczy podejścia do parametryzacji w przypadku klasyfikacji emocji w śpiewie oraz porównania z klasyfikacją emocji w mowie. Do tego celu wykorzystano bazę mowy i śpiewu nacechowanego emocjonalnie RAVDESS (Ryerson Audio-Visual Database of Emotional Speech and Song), zawierającą nagrania profesjonalnych aktorów prezentujących sześć różnych emocji. Następnie obliczono współczynniki mel-cepstralne (MFCC) oraz wybrane deskryptory niskopoziomowe MPEG 7. W celu selekcji cech, posiadających najlepsze wyniki rankingowe, wykorzystano las drzew. Następnie dokonano klasyfikacji emocji z za pomocą maszyny wektorów nośnych (SVM, Support Vector Machine). Stwierdzono, że parametryzacja skuteczna dla mowy nie jest skuteczna dla śpiewu. Wyznaczono podstawowe parametry, które zgodnie z otrzymanymi wynikami pozwalają na znaczną redukcję wymiarowości wektorów cech, jednocześnie podnosząc skuteczność klasyfikacji  Słowa kluczowe niskopoziomowe deskryptory sygnału, analiza śpiewu, ekstrakcja parametrów, klasyfikacja emocji w śpiewie

Pozycja nr 30  Typ pozycji: książka  Autorzy A. Kurowski, K. Mrozik, B. Kostek, A. Czyżewski  Tytuł angielski Automatic Clustering of EEG-Based Data Associated with Brain Activity  Wydawca Springer  Strony 470 - 479  Rok 2019 Identyfikator DOI 10.1007/978-3-319-98678-4_47  Abstract The aim of this paper is to present a system for automatic assigning electroencephalographic (EEG) signals to appropriate classes associated with brain activity. The EEG signals are acquired from a headset consisting of 14 electrodes placed on skull. Data gathered are first processed by the Independent Component Analysis algorithm to obtain estimates of signals generated by primary sources reflecting the activity of the brain. Next, the parameterization process is performed in two ways, i.e. by applying Discrete Wavelet Transform and utilizing an autoencoder network. The resulting sets of parameters are then used for the data clustering and the effectiveness of correct assignment of data into adequate clusters is checked. It occurs that the performance of wavelets- and autoencoders-based parametrization is similar, however in several cases, autoencoders allowed for obtaining a higher mean distance and lower standard deviation than distances provided by the wavelet-based method. Moreover, a supervised classification of signals is performed as a form of benchmarking.  Słowa kluczowe BRAIN ACTIVITY, DATA CLUSTERING, DEEP LEARNING, EEG SIGNAL, HUMAN-COMPUTER INTERFACES (HCI)  Projekt badawczy HCIBRAIN

Pozycja nr 31  Typ pozycji: referat konferencyjny  Autorzy Sz Zaporowski, B. Kostek, A. Czyżewski  Tytuł angielski Automatic Transcription of Speech to International Phonetic Alphabet Employing Acoustical and Facial Motion Capture Data   Konferencja International Conference on Digital Image & Signal Processing  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Oxford, Wielka Brytania  Data konferencji 29.4.2019- 30.4.2019  Uwagi Plakat  Abstract An approach to ASR systems combined with the IPA transcription is presented. The system can provide STT accuracy in the range of 70-80%, which could be not enough for discerning classes in practice. Experimental allophone detection was implemented with the use of allophone boundaires. However, the complex nature of the issue and the need to manually mark allophones boundaries by phonology specialists should be taken into account in this particular experiment, since it influences results. That is visible especially, when comparing present results with results of previous author’s research in this subject.  Słowa kluczowe ALOFON, DEEP LEARNING, FACIAL MOTION CAPTURE  Projekt badawczy ALOFON

Pozycja nr 32  Typ pozycji: książka  Autorzy B. Kostek  Tytuł polski Wprowadzenie  Wydawca Akademicka Oficyna Wydawnicza EXIT  Strony 8 - 15  Rok 2019 Identyfikator DOI ISBN 978-83-7837-89-5  Uwagi rozdział w książce, Postępy badań w inżynierii dźwięku i obrazu. Nowe Trendy i zastosowania technologii multimedialnych Wydawn. za 80 punktów  Streszczenie Tytuł niniejszej książki nawiązuje do inżynierii dźwięku i obrazu, która jest interdyscyplinarną i szybko rozwijającą się dziedziną. Obejmuje wiele aspektów takich, jak percepcja dźwięku i obrazu, technologia studyjna, reżyseria dźwięku i obrazu, transmisja treści audiowizualnych, archiwizacja treści audiowizualnych, akustyka foniczna, przetwarzanie dźwięku i obrazu, inteligentne wyszukiwanie informacji muzycznych, synteza dźwięku, elektroakustyka, akustyka wnętrz, rozpoznawanie obrazu i wiele innych, które leżą u podstaw multimediów i technologii multimedialnych. I właśnie druga część tego tytułu zamyka klamrą zagadnienia, które zostaną przedstawione w niniejszej książce. Ponadto metody uczenia maszynowego stosowane w wyżej wymienionych tematach stały się istotną częścią inżynierii dźwięku i obrazu i multimediów. Zostaną one przywołane w wybranych zastosowaniach. Warto w tym miejscu wspomnieć, że - ze względu na interdyscyplinarność - nie jest możliwe wyczerpujące opracowanie monograficzne poświęcone temu obszarowi badań.   Słowa kluczowe inżynieria dźwięku i obrazu, przetwarzanie dźwięku i obrazu, multimedia  Projekt badawczy DS

Pozycja nr 33  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek  Tytuł angielski Music Information Retrieval – the Impact of Technology in Art, Crowdsourcing, Big Data, and the Cloud  Czasopismo J. Acoust. Soc. Amer.  Wolumin 146  Numer czasopisma 4  Strony   Rok 2019 Identyfikator DOI https://doi.org/10.1121/1.5137234  Uwagi https://asa.scitation.org/doi/10.1121/1.5137234  Abstract The exponential growth of computer processing power, cloud data storage, and crowdsourcing model of gathering data bring new possibilities to Music Information Retrieval (MIR) field. MIR is no longer music content retrieval only; the area also comprises the discovery of expressing feelings and emotions contained in music, incorporating other than hearing modalities for helping this issue, users’ profiling, merging music with social media and qualitative recommendations in music services. Moreover, 5G telecommunications networks, characterized by ‘near-instant and everything in the vicinity talks with one another,’ with exponentially faster download and upload speeds, may change the existing models and create a new age of interconnectedness. This paper aims at showing some of the already highly exploited technologies and crowdsourcing models applied to music processing. Several studies are discussed in details, such as, e.g., deep learning applied to music, a way to generate an expanded training sets using 2-D data such spectrograms, mel-cepstrograms, chromagrams, and waveform-based representations of the signal instead of feature vectors in machine learning, allowing to retain all nuances related musical articulation in the signal. Also, a discussion is to be outlined, expanding the issue of the impact of these new technologies on the artistic and aesthetic values of music.  Słowa kluczowe Music information retrieval, crowdsourcing, big data, machine learning  Projekt badawczy DS

Pozycja nr 34  Typ pozycji: referat konferencyjny  Autorzy G. Korvel, O. Kurasova, B. Kostek  Tytuł angielski An Attempt to Create Speech Synthesis Model That Retains Lombard Effect Characteristics   Konferencja SIGMAP 2019 - 16th International Conference on Signal Processing and Multimedia Applications  Numer preprintu   Numer   Wolumin   Strony 280 - 289  Miejsce konferencji Prague, Czech Republic  Data konferencji 26.7.2019- 28.7.2019  Identyfikator DOI 10.5220/0007854302800289  Uwagi ISBN: 978-989-758-378-0; Proceedings of the 16th International Joint Conference on e-Business and Telecommunications (ICETE 2019),  Abstract The speech with the Lombard effect has been extensively studied in the context of speech recognition or speech enhancement. However, few studies have investigated the Lombard effect in the context of speech synthesis. The aim of this paper is to create a mathematical model that allows for retaining the Lombard effect. These models could be used as a basis of a formant speech synthesizer. The proposed models are based on dividing the speech signal into harmonics and modeling them as the output of a SISO system whose transfer function poles are multiple, and inputs vary in time. An analysis of the Lombard effect of the synthesized signal is performed on the noise residual. The synthesized signal residual is described by vectors of acoustic parameters related to the Lombard effect. For testing the performance of the created models in various noise conditions two classifiers are employed, namely kNN and Naive Bayes. For comparison of results, we created models of sinusoids based on frequency tracks. The results show that a model based on the residual sinewave sum demonstrates the possibility of retaining the Lombard effect. Finally, future work directions are outlined in conclusions.  Streszczenie http://insticc.org/node/TechnicalProgram/icete/presentationDetails/78543  Słowa kluczowe Speech Analysis and Synthesis, Lombard Effect, SISO (Single-Input and Single-Output) System, Sinusoidal Model.  Projekt badawczy DS

Pozycja nr 35  Typ pozycji: referat konferencyjny  Autorzy S. Cygert, A. Czyżewski, M. Stefaniak, B. Kostek  Tytuł angielski Recovering Sound Produced by Wind Turbine Structures Employing Video Motion Magnification  Konferencja 146th Audio Engineering Society Convention  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Dublin, Irlandia  Data konferencji 20.3.2019- 23.3.2019  Abstract The recordings were made with a fast video camera and with a microphone. Using fast cameras allowed for observation of the micro vibrations of the object structure. Motion-magnified video recordings of wind turbines on a wind farm were made for the purpose of building a damage prediction system. An idea was to use video to recover sound & vibrations in order to obtain a contactless diagnostic method for wind turbines. The recovered signals can be analyzed in a way similar to accelerometer signals, employing spectral analysis. They can be also played back through headphones and compared with sounds recorded by microphones.   Słowa kluczowe MOTION MAGNIFICATION, VISUAL MICROPHONE, WIND TURBINE  Projekt badawczy INUSER

Pozycja nr 36  Typ pozycji: referat konferencyjny  Autorzy G. Korvel, K. Kąkol, B. Kostek  Tytuł angielski Evaluation of Lombard speech models in the context of speech enhancement  Konferencja 11th International Workshop on DATA ANALYSIS METHODS FOR SOFTWARE SYSTEMS  Numer preprintu   Numer   Wolumin   Strony 35 - 36  Miejsce konferencji Druskininkai, Litwa  Data konferencji 28.11.2019- 30.11.2019  Identyfikator DOI 10.15388/DAMSS.11.2019   Abstract The environment noise changes the manner of expression. The Lombard effect is one of the most known effects of noise on speech production. The results obtained in our previous study lead us to conclude that speech with the Lombard effect is more recognizable in noisy environments than normal speech. Our investigations have also shown that that speech synthesis model may retain Lombard effect characteristics. In this study, we investigate several models of Lombard speech in the context of speech enhancement. For this purpose, 25 statements (15 sentences and 10 words) uttered by four speakers were used. These statements were recorded in two conditions: without additional noise as well as with interference. These conditions resulted in two types of recordings: 100 statements of normal speech and 100 with the Lombard effect, i.e., non-Lombard speech. In the experimental part of the research, the Lombard speech models such as harmonic, source-filter, and these based on sinewave oscillator bank were investigated. The main goal was to check how these models are recognizable when the signal is reverberant and at what the noise threshold the model stops working. For this purpose, the models and Lombard speech were mixed with babble speech and street noise recordings with a different signal to noise ratio (SNR). The quality of these models was measured employing objective indicators. The experimental investigations show the superiority of source-filter models over other models utilized.  Projekt badawczy DS

Pozycja nr 37  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Kurowski, K. Mrozik, B. Kostek, A. Czyżewski  Tytuł angielski Method for Clustering of Brain Activity Data Derived from EEG Signals  Czasopismo Fundamenta Informaticae  Wolumin 168  Numer czasopisma 2-4  Strony 249 - 268  Rok 2019 Identyfikator DOI 10.3233/FI-2019-1831  Abstract A method for assessing separability of EEG signals associated with three classes of brain activity is proposed. The EEG signals are acquired from 23 subjects, gathered from a headset consisting of 14 electrodes. Data are processed by applying Discrete Wavelet Transform (DWT) for the signal analysis and an autoencoder neural network for the brain activity separation. Processing involves 74 wavelets from 3 DWT families: Coiflets, Daubechies and Symlets. Euclidean distance between clusters normalized with respect to the standard deviation of the whole set of data are used to separate each task performed by participants. The results of this stage allow for an assessment of separability between subsets of data associated with each activity performed by experiment participants. The speed of convergence of the training process employing deep learning-based clustering is also measured.  Projekt badawczy HCIBRAIN

Pozycja nr 38  Typ pozycji: referat konferencyjny  Autorzy D. Weber, B. Kostek  Tytuł angielski Subjective tests for gathering konwledge for applaying color grading to video clips automatically  Konferencja SPA 2019 SIGNAL PROCESSING algorithms, architectures, arrangements, and applications Conference Proceedings  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Poznań, Polska  Data konferencji 18.9.2019- 20.9.2019  Identyfikator DOI 10.23919/SPA.2019.8936722  Abstract The analysis of film music concerning caused emotions may allow for a more accurate adaptation of the color of the film in the context of color grading. Therefore, this paper aims to gather knowledge on the correlation between the applied color palette to a video clip, music associated with a particular shot,and emotions evoked. For that purpose, subjective tests are prepared in which several video clips are presented with or without the accompanying music along with several models to describe emotions. The test is composed of three stages. First, video shots are presented: the role of the viewer isto assign the associated emotion on graphs representing the emotion model (Hevner’s, Thayer’s, Plutchik’s). Thefirst part of the testis organized to checkwhich of the emotion models is the easiest to associate the adapted color grading with emotion. Then, the test is repeated with the chosen psychological model on new video shots. The final phase consists of testing the same video shots but with accompanying music. In the paper, the meaning of the color in the film is explained based on the psychology of the color in film production. To analyze the sound path of the film, both low-and high-level parameters are given.Also, objective color measures corresponding to the tested film video shot are recalled. Assumptions for detecting emotions in the video shots to apply color grading automatically are also depicted.  Słowa kluczowe COLOR GRADING, EMOTIONS DETECTION, FILM MUSIC, FILM PRODUCTION, MOOD MODELS  Projekt badawczy DS

Pozycja nr 39  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Kurowski, K. Mrozik, B. Kostek, A. Czyżewski  Tytuł angielski Comparison of the effectiveness of automatic EEG signal class separation algorithms  Czasopismo Journal of Intelligent & Fuzzy Systems  Wolumin   Numer czasopisma   Strony 1 - 7  Rok 2019 Identyfikator DOI 10.3233/JIFS-179360  Abstract In this paper, an algorithm for automatic brain activity class identification of EEG (electroencephalographic) signals is presented. EEG signals are gathered from seventeen subjects performing one of the three tasks: resting, watching a music video and playing a simple logic game. The methodology applied consists of several steps, namely: signal acquisition, signal processing utilizing z-score normalization, parametrization and activity classification. The EEG signal is acquired from a headset containing 14 electrodes. For the parametrization two methods are used, namely, DiscreteWavelet Transform (DWT) employed as a reference parametrization technique and autoencoder neural network. Parameters obtained with those methods are fed to the input of classifiers which assigned them to one of three activity classes. Then, the effectiveness of the assignment of the frames of EEG data into appropriate classes is observed and compared. Results obtained using both methods show differences in accuracy with regard to the task detected depending on factors such as type of parametrization or complexity of the classifier employed for EEG activity classification.  Słowa kluczowe AUTOENCODER, DISCRETE WAVELET TRANSFORM, EEG SIGNAL, EEG SIGNAL CLASSIFICATION  Projekt badawczy HCIBRAIN

Pozycja nr 40  Typ pozycji: artykuł w czasopiśmie  Autorzy D. Weber, B. Kostek  Tytuł polski NALIZA KOLORÓW SCEN FILMOWYCH W KONTEKŚCIE COLOR GRADINGU  Czasopismo Zeszyty naukowe WE PG  Wolumin 68  Numer czasopisma   Strony 57 - 60  Rok 2019 Identyfikator DOI 10.32016/1.68.12  Streszczenie W artykule przedstawiono zagadnienia związane z kolorowaniem sceny filmowej. W pracy przedyskutowano główne aspekty obróbki koloru obrazu filmowego oraz omówiono definicje pojęć związanych z kolorowaniem sceny, tj.: color correction oraz color gradingu. Opisano teorie psychologii koloru oraz ich praktyczne wykorzystanie w filmie i odniesiono je do podstawowych gatunków filmowych i modeli emocji. Następnie przedyskutowano założenia metodologii analizy kolorów scen filmowych w kontekście color gradingu, obejmującej również zebranie przykładów scen filmowych i ich adnotację. Przedstawiono strukturę oraz opis algorytmu uzyskiwania najbardziej dominujących kolorów scen filmowych w produkcjach filmowych. Wynikiem pracy algorytmu jest ekstrakcja parametrów związanych z trzema najważniejszymi cechami koloru, tj.: luminancją, nasyceniem i odcieniem, czyli histogramów luminancji i saturacji wyznaczanymi dla kilku pasm osobno w skali logarytmicznej (np. dla luminancji: najbardziej dominujące kolory, średnie i cienie). W artykule zawarto wstępne wyniki analizy kolorów na podstawie przetwarzania obrazu uzyskane w wyniku implementacji algorytmu. Pracę kończy podsumowanie i wnioski dotyczące połączenia najbardziej dominujących kolorów w scenach filmowych wraz z psychologią kolorów oraz oddziaływaniem ich na ludzkie emocje.  Słowa kluczowe COLOR GRADING, FILM PRODUCTION, MOOD MODELS, EMOTIONS DETECTION  Projekt badawczy DS

Pozycja nr 41  Typ pozycji: referat konferencyjny  Autorzy D. Weber, B. Kostek  Tytuł angielski A Concept of Automatic Film Color Grading Based on Music Recognition and Evoked Emotions  Konferencja The International Conference on Digital Image & Signal Processing DISP'19  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Oxford, Wielka Brytania  Data konferencji 29.4.2019- 30.4.2019  Abstract The article presents the aspects of the final selection of the color of shots in film production based on the psychology of color. First of all, the elements of color processing, contrast, saturation or white balance in the film shots were presented and the definition of color grading was given. In the second part of the article the analysis of film music was conducted in the context of stimulating appropriate emotions while watching the film. Objective parameters of the color of the shot have been defined as well as low and high-level parameters of the analysis of musical compositions, which will allow to study the mood in the soundtrack. Finally, a concept of color grading system working on machine learning based on emotion detection in the soundtrack was proposed.  Słowa kluczowe COLOR GRADING, MUSIC AND EMOTION RECOGNITION, PERCEPTION, MACHINE LEARNING.  Projekt badawczy DS

Pozycja nr 42  Typ pozycji: referat konferencyjny  Autorzy A. Kurowski, K. Mrozik, B. Kostek, A. Czyżewski  Tytuł angielski Automatic Clustering of EEG-Based Data Associated with Brain Activity  Konferencja The 11th edition of International Conference on Multimedia & Network Information Systems MISSI 2018  Numer preprintu   Numer   Wolumin   Strony 470 - 479  Miejsce konferencji Wrocław, Polska  Data konferencji 12.9.2018- 14.9.2018  Identyfikator DOI 10.1007/978-3-319-98678-4_47  Abstract The aim of this paper is to present a system for automatic assigning electroencephalographic (EEG) signals to appropriate classes associated with brain activity. The EEG signals are acquired from a headset consisting of 14 electrodes placed on skull. Data gathered are first processed by the Independent Component Analysis algorithm to obtain estimates of signals generated by primary sources reflecting the activity of the brain. Next, the parameterization process is performed in two ways, i.e. by applying Discrete Wavelet Transform and utilizing an autoencoder network. The resulting sets of parameters are then used for the data clustering and the effectiveness of correct assignment of data into adequate clusters is checked. It occurs that the performance of wavelets- and autoencoders-based parametrization is similar, however in several cases, autoencoders allowed for obtaining a higher mean distance and lower standard deviation than distances provided by the wavelet-based method. Moreover, a supervised classification of signals is performed as a form of benchmarking.  Słowa kluczowe brain activity; data clustering; deep learning; eeg signal; human-computer interaction  Projekt badawczy HCIBRAIN

Pozycja nr 43  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Dorochowicz, P. Hoffmann, A. Majdańczuk, B. Kostek  Tytuł angielski Classification of musical genres by means of listening tests and decision algorithms  Czasopismo Intelligent Methods and Big Data in Industrial Applications  Wolumin   Numer czasopisma   Strony 291 - 305  Rok 2018 Identyfikator DOI 1007/978-3-319-77604-0_21  Abstract The paper compares the results of audio excerpt assignment to a music genre obtained in listening tests and classification by means of decision algorithms. A short review on music description employing music styles and genres is given. Then, assumptions of listening tests to be carried out along with an online survey for assigning audio samples to selected music genres are presented. A framework for music parametrization is created resulting in feature vectors, which are checked for data redundancy. Finally, the effectiveness of the automatic music genre classification employing two decision algorithms is presented. Conclusions contain the results of the comparative analysis of the results obtained in listening tests and automatic genre classification.   Słowa kluczowe music genre classification; feature extraction; listening tests

Pozycja nr 44  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Dorochowicz, B. Kostek  Tytuł angielski A Study on of Music Features Derived from Audio Recordings Examples – a Quantitative Analysis  Czasopismo Archives of Acoustics  Wolumin 43  Numer czasopisma 3  Strony 505 - 516  Rok 2018 Identyfikator DOI 10.24425/123922  Abstract The paper presents a comparative study of music features derived from audio recordings, i.e. the same music pieces but representing different music genres, excerpts performed by different musicians, and songs performed by a musician, whose style evolved over time. Firstly, the origin and the background of the division of music genres were shortly presented. Then, several objective parameters of an audio signal were recalled that have an easy interpretation in the context of perceptual relevance. Within the study parameter values were extracted from music excerpts, gathered and compared to determine to what extent they are similar within the songs of the same performer or samples representing the same piece.  Słowa kluczowe music genres; audio parametrization; music features

Pozycja nr 45  Typ pozycji: referat konferencyjny  Autorzy K. Marciniuk, B. Kostek  Tytuł polski Detekcja i subiektywna lokalizacja pojazdów na podstawie generowanego hałasu w kontekście bezpieczeństwa pieszych  Konferencja XI Polski Kongres ITS  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Warszawa, Polska  Data konferencji 22.5.2018- 23.5.2018  Streszczenie Tematem badań jest subiektywna lokalizacja pojazdów na podstawie generowanego hałasu. Na potrzeby badan zarejestrowano przejazdy kilkunastu pojazdów, wyselekcjonowano nagrania w których przeważał hałas silnika. Następnie z wykorzystaniem funkcji HRTF (Head-Related Transform Function - funkcje opisujące wpływ filtracji słowy, małżowin usznych oraz tułowia na postrzeganie na detekcje źródła dźwięku) przygotowano testowe nagrania dla zadanych kątów w płaszczyźnie poziomej. Przeprowadzono serie testów subiektywnych w których słuchacze mieli za zadanie wyznaczyć percypowaną lokalizacje pojazdu. Wyniki z testów subiektywnych zestawiono z obiektywnymi miarami oceny jakości dźwięku.  Słowa kluczowe HRTF, MOTOCYKLE, NOISE, SAFETY  Projekt badawczy INPREDO

Pozycja nr 46  Typ pozycji: referat konferencyjny  Autorzy D. Koszewski, B. Kostek  Tytuł angielski Low-level audio descriptors-based analysis of music mixes from different Digital Audio Workstations - case study  Konferencja IEEE SPA 2018  Numer preprintu   Numer   Wolumin   Strony 213 - 217  Miejsce konferencji Poznan, Polska  Data konferencji 19.9.2018- 21.9.2018  Uwagi ISBN: 978-83-62065-31-8  Abstract The aim of this paper is two-fold. Firstly, we attempt to check whether objective, low-level audio descriptors may serve as a comparison tool in music mix evaluation performed using different Digital Audio Workstations (DAWs). Secondly, we seek to answer whether differences in music mixes are objectively discernible when several sound processing engines of DAWs are used. The same tracks of a song exported from different Digital Audio Workstations constitute the basis for this research study. Several song mixes are built of 24 individual tracks with no added effects, employing both commercial and non-commercial DAWs. For the purposes of the experiment a reference signal has also been generated using Matlab. Then, a set of time- and frequency-domain audio descriptors is calculated to find similarities and differences between the music mixes. Informal listening tests are conducted to answer to what extent experts are able to evaluate differences in these mixes. Then data are analyzed to show that in most cases very similar results are obtained regardless of the DAW employed.  Słowa kluczowe AUDIO DESCRIPTORS, AUTOMATIC MIXING, DIGITAL AUDIO WORKSTATION, SIGNAL PROCESSING

Pozycja nr 47  Typ pozycji: referat konferencyjny  Autorzy Sz Zaporowski, B. Kostek, J. Gołębiewska, J. Piltz  Tytuł angielski Audio-visual aspect of Lombard effect and comparison with recordings depicting emotional states.  Konferencja SPA 2018 Signal Processing Algorithms, Architectures, Arrangements and Applications  Numer preprintu   Numer   Wolumin   Strony 104 - 107  Miejsce konferencji Poznań, Polska  Data konferencji 19.9.2018- 21.9.2018  Uwagi partially ALOFON  Abstract In this paper an analysis of audio-visual recordings of the Lombard effect is shown. First, audio signal is analyzed indicating the presence of this phenomenon in the recorded sessions. The principal aim, however, was to discuss problems related to extracting differences caused by the Lombard effect, present in the video , i.e. visible as tension and work of facial muscles aligned to an increase in the intensity of the articulated speech signal. Also the database of recordings, available on the internet, depicting emotional states was analyzed in order to compare and find a visual similarity between the Lombard effect and sentiment contained in speech. The results presented are discussed and further plans are depicted.  Słowa kluczowe AUDIO PROCESSING, IMAGE PROCESSING, LOMBARD EFFECT, PSYCHACOUSTICS  Projekt badawczy ALOFON

Pozycja nr 48  Typ pozycji: referat konferencyjny  Autorzy M. Piotrowska, G. Korvel, A. Kurowski, B. Kostek, A. Czyżewski  Tytuł angielski Machine Learning Applied to Aspirated and Non-Aspirated Allophone Classification—An Approach Based on Audio "Fingerprinting"  Konferencja 145 Audio Engineering Society Convention  Numer preprintu 10070  Numer   Wolumin   Strony   Miejsce konferencji New York, USA  Data konferencji 17.10.2018- 20.10.2018  Abstract The purpose of this study is to involve both Convolutional Neural Networks and a typical learning algorithm in the allophone classification process. A list of words including aspirated and non-aspirated allophones pronounced by native and non-native English speakers is recorded and then edited and analyzed. Allophones extracted from English speakers’ recordings are presented in the form of two-dimensional spectrogram images and used as input to train the Convolutional Neural Networks. Various settings of the spectral representation are analyzed to determine adequate option for the allophone classification. Then, testing is performed on the basis of non-native speakers’ utterances. The same approach is repeated employing learning algorithm but based on feature vectors. The archived classification results are promising as high accuracy is observed.  Słowa kluczowe speech recognition, allophone, phonology, foreign language, audio features  Projekt badawczy ALOFON

Pozycja nr 49  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, B. Kostek  Tytuł angielski In Memoriam Professors Marianna Sankiewicz-Budzyński and Gustaw K.E. Budzyński - Founders of the Polish Audio Engineering  Tytuł polski Wspomnienie o prof. M. Sankiewicz i G. Budzyńskim  Czasopismo Archives of Acoustics  Wolumin 43  Numer czasopisma 3  Strony 353 - 355  Rok 2018 Identyfikator DOI 10.24425/123907  Abstract Biography and scientific achievements of Professors Marianna Sankiewicz-Budzyński and Gustaw K.E. Budzyński - Founders of the Polish Audio Engineering.  Streszczenie Przedmiotem artykułu jest wspomnienie dorobku prof. M. Sankiewicz i G. Budzyńskiego, którzy byli fundatorami kierunku inżyniera dźwięku w Polsce.  Słowa kluczowe biografia, inżynieria dźwięku  Projekt badawczy DS

Pozycja nr 50  Typ pozycji: referat konferencyjny  Autorzy Sz Zaporowski, B. Kostek  Tytuł angielski SPEECH SYNTHESIS WITH EMOTION EMPLOYING NEURAL NETWORKS  Tytuł polski WYKORZYSTANIE SIECI NEURONOWYCH DO SYNTEZY MOWY WYRAŻAJĄCEJ EMOCJE  Konferencja XVII Międzynarodowe Sympozjum Nowości w Technice Audio i Wideo  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Poznań, Polska  Data konferencji 11.10.2018- 12.10.2018  Uwagi referat i plakat  Abstract The following paper presents the analysis of solutions for the recognition of emotions based on speech and the possibility of their use in the synthesis of speech with emotion, using neural networks for this purpose. Current solutions regarding the recognition of emotions in speech and methods of speech synthesis using neural networks have been presented. At present, there is a significant increase in the interest and use of deep learning in the applications related to speech signal processing. However, it has not been possible to perfectly match the emotions in the human voice using these methods. Authors, reviewing available technologies, suggest possible solutions to this problem. The proposed solutions include the use of reinforced learning or the application of emotional contours extracted from previously recorded statements to neutral expressions.  Streszczenie W niniejszym artykule przedstawiono analizę rozwiązań do rozpoznawania emocji opartych na mowie i możliwości ich wykorzystania w syntezie mowy z emocjami, wykorzystując do tego celu sieci neuronowe. Przedstawiono aktualne rozwiązania dotyczące rozpoznawania emocji w mowie i metod syntezy mowy za pomocą sieci neuronowych. Obecnie obserwuje się znaczny wzrost zainteresowania i wykorzystania uczenia głębokiego w aplikacjach związanych z przetwarzaniem sygnału mowy. Jednak do tej pory nie udało się idealnie syntezować emocji w ludzkim głosie za pomocą tych metod. Autorzy, dokonując przeglądu dostępnych technologii, sugerują możliwe rozwiązania tego problemu. Proponowane rozwiązania obejmują zastosowanie uczenia wzmocnionego lub zastosowanie konturu emocjonalnego wytłoczonego z wcześniej zapisanych wypowiedzi do neutralnych wyrażeń.  Słowa kluczowe SYNTEZA MOWY, UCZENIE MASZYNOWE, DETEKCJA EMOCJI

Pozycja nr 51  Typ pozycji: książka  Autorzy M. Hoppe, B. Kostek  Tytuł angielski SIMULATION OF SURROUND SOUND IN HEADPHONE PLAYBACK APPLIED TO SHORT FILM SOUNDTRACK  Tytuł polski SYMULACJA DŹWIĘKU PRZESTRZENNEGO W ŚCIEŻCE DŹWIĘKOWEJ W ODSŁUCHU BINAURALNYM   Wydawca Polska Sekcja Audio Engineering Society  Strony 103 - 113  Rok 2018 Uwagi książka wydana w 2018 r., ISBN: 978-83-946985-2-2, Redaktorzy: Stefan Brachmański, Andrzej Miśkiewicz, Przemysław Plaskota  Abstract rozdział w książce: Aspekty komputerowej inżynierii dźwięku. Od metafory do standaryzacji.  Streszczenie Celem pracy jest przedstawienie aplikacji umożliwiającej tworzenie stereofonicznej ścieżki dźwiękowej do filmu, symulującej dźwięk przestrzenny w odsłuchu słuchawkowym. Interfejs przygotowanej aplikacji pozwala użytkownikowi na wybór rozmieszczenia konkretnych partii instrumentalnych w odpowiednich miejscach w przestrzeni dźwiękowej oraz jednoczesny odsłuch wszystkich ścieżek wraz z przygotowanym materiałem filmowym. Symulacja obejmuje dwa systemy odsłuchowe: system kwadrofoniczny oraz system 5.1. W symulacji dźwięku wielokanałowego wykorzystano filtrację HRTF (ang. Head-Related-Transfer-Function). Aplikacja została skonstruowana w taki sposób, aby użytkownik mógł porównać kwadrofoniczny oraz system 5.1 przy takim samym rozmieszczeniu instrumentów, a następnie dokonać zmiany rozmieszczenia instrumentów i ponowny odsłuch. Dodano także możliwość odsłuchu ścieżki dźwiękowej w systemie stereofonicznym. W tej wersji ścieżka dźwiękowa stanowi downmix wszystkich partii instrumentalnych do dwóch kanałów. Na potrzeby ścieżki dźwiękowej został także przygotowany krótki film. W ramach badań zostały przeprowadzone dwie serie testów odsłuchowych. Pierwsza seria testów polegała na ocenie powyższych systemów w kontekście określonych parametrów. Druga seria testów - przeprowadzona dla systemów 5.1 i kwadrofonii - miała na celu określenie, w jakim stopniu poszczególne partie instrumentalne są poprawnie lokalizowane w przestrzeni.   Słowa kluczowe dźwięk przestrzenny, dźwięk binauralny, 3 rys., 1 tab., 18 poz. bibliografii  Projekt badawczy DS

Pozycja nr 52  Typ pozycji: referat konferencyjny  Autorzy M. Blaszke, B. Kostek  Tytuł angielski Support Vector Machine Applied to Road Traffic Event Classification  Konferencja XII MIĘDZYNARODOWA KONFERENCJA BEZPIECZEŃSTWA RUCHU DROGOWEGO GAMBIT 2018  Numer preprintu   Numer 04001  Wolumin 231  Strony   Miejsce konferencji Gdańsk, Polska  Data konferencji 12.4.2018- 13.4.2018  Identyfikator DOI https://doi.org/10.1051/matecconf/201823104001  Uwagi 10.1051/matecconf/201823104001, częsciowo DS  Abstract The aim of this paper is to present results of road traffic event signal recognition. First, several types of systems for road traffic monitoring, including Intelligent Transport System (ITS) are shortly described. Then, assumptions of creating a database of vehicle signals recorded in different weather and road conditions are outlined. Registered signals were edited as single vehicle pass by. Using the Matlab-based application a feature vector containing 48 parameters was extracted and analyzed in the context of parameter separability and classification effectiveness employing SVM (Support Vector Machine) algorithm. In conclusion, the classifier developed and its effectiveness were discussed.  Słowa kluczowe ACOUSTICS, ROAD DETECTION, ROAD TRAFFIC NOISE  Projekt badawczy INPREDO

Pozycja nr 53  Typ pozycji: artykuł w czasopiśmie  Autorzy G. Korvel, B. Kostek, O. Kurasova  Tytuł angielski Comparative analysis of various transformation techniques for voiceless consonants modeling  Tytuł polski Zastosowanie algorytmów uczenia maszynowego do modelowania fonemów z wykorzystaniem różnych metod parametryzacji  Czasopismo International Journal of Computers, Communications and Control  Wolumin 13  Numer czasopisma 5  Strony 853 - 864  Rok 2018 Uwagi Open Access, czasopismo ISI, http://univagora.ro/jour/index.php/ijccc/article/view/3310/pdf  Abstract In this paper, a comparison of various transformation techniques, namely Discrete Fourier Transform (DFT), Discrete Cosine Transform (DCT) and Discrete Walsh Hadamard Transform (DWHT) are performed in the context of their application to voiceless consonant modeling. Speech features based on these transformation techniques are extracted. These features are mean and derivative values of cepstrum coefficients, derived from each transformation. Feature extraction is performed on the speech signal divided into short-time segments. The kNN and Naive Bayes methods are used for phoneme classification. We consider both classfication accuracies and computational time. Experiments show that DFT and DCT give better classification accuracy than DWHT. The result of DFT was not significantly different from DCT, but it was for DWHT. The same tendency was revealed for DCT. It was checked with the usage of the ANOVA test that the difference between results obtained by DCT and DWHT is significant.   Streszczenie W pracy wykorzystano transformację Fouriera, dyskretną transformację kosinusową oraz dyskretną transformację Walsh-Hadamarda w modelowaniu spółgłosek. Następnie uzyskane głoski sparametryzowano i sprawdzano efektywność zaproponowanego modelu za pomocą uczenia maszynowego. W tym celu zastosowano naiwny klasyfikator Bayesowski oraz maszynę wektorów nośnych. Otrzymaną skuteczność zweryfikowano za pomocą testu statystycznego ANOVA.  Słowa kluczowe transformacja Fouriera, dyskretna transformacja kosinusowa, dyskretna transformacja Walsh-Hadamarda  Projekt badawczy DS

Pozycja nr 54  Typ pozycji: książka  Autorzy T. Poremski, P. Szymański, B. Kostek  Tytuł angielski EFFECTIVENESS EVALUATION METHOD OF SHORT-TERM APPLICATION OF HEARING AIDS EMPLOYING THE WEB-BASED SURVEY  Tytuł polski METODA OCENY EFEKTYWNOŚCI KRÓTKOTERMINOWEGO STOSOWANIA APARATÓW SŁUCHOWYCH Z WYKORZYSTANIEM APLIKACJI INTERNETOWEJ  Wydawca Polska Sekcja Audio Engineering Society  Strony 115 - 128  Rok 2018 Uwagi książka wydana w 2019 r., ISBN: 978-83-946985-2-2, Redaktorzy: Stefan Brachmański, Andrzej Miśkiewicz, Przemysław Plaskota  Abstract rozdział w książce: Aspekty komputerowej inżynierii dźwięku. Od metafory do standaryzacji.  Streszczenie W pracy przedstawiono opracowanie metody oceny efektywności protezowania osób niedosłyszących aparatami słuchowymi. Metoda polega na badaniu ankietowym opartym na kwestionariuszu oceny APHAB uzupełnionym testem rozumienia słów jednosylabowych w polu swobodnym. Uwzględniono dodatkowe kryteria, takie jak: stopień ubytku słuchu, pomiar liczby dni i godzin korzystania z aparatów słuchowych oraz doświadczenia pacjenta. Metoda została opracowana w celu umożliwienia skutecznego pomiaru dużej grupy osób badanych w całym kraju. Przygotowano i opracowano internetową aplikację, umożliwiającą przeprowadzenie badania z dowolnego komputera z dostępem do sieci. Zakres badań i pomiarów został wybrany w taki sposób, aby można było wykorzystać istniejące zasoby personalne oraz typowe wyposażenie audiologiczne punktów protetycznych. W opracowaniu uwzględniono specyfikę badanych, pośród których dużą grupę stanowią osoby w podeszłym wieku. Metoda bierze zatem pod uwagę ich zdolności percepcyjne oraz charakterystykę najczęściej występującego otoczenia akustycznego tych osób. W pracy zawarto przegląd istniejących metod oceny efektywności i skuteczności protezowania aparatami słuchowymi, przyjętą metodologię badania oraz wnioski.   Słowa kluczowe protezowanie osób niedosłyszących, aparat słuchowy,kwestionariuszu oceny APHAB ( Abbreviated Profile of Hearing Aid Benefit); tab. 4, rys. 1, 41 poz. bibl.  Projekt badawczy DS

Pozycja nr 55  Typ pozycji: artykuł w czasopiśmie  Autorzy G. Korvel, P. TREIGYS, G. TAMULEVIČIUS, J. BERNATAVIČIENĖ, B. Kostek  Tytuł angielski Analysis of 2D Feature Spaces for Deep Learning-based Speech Recognition  Czasopismo J. Audio Eng. Soc.  Wolumin 66  Numer czasopisma   Strony 1072 - 1081  Rok 2018 Identyfikator DOI https://doi.org/10.17743/jaes.2018.0066  Uwagi projekt częsciowo ALOFON, częściowo DS  Abstract The aim of the presented study was to evaluate the suitability of 2D audio signal feature maps for speech recognition based on deep learning. The proposed methodology employs a convolutional neural network (CNN) which is a class of deep, feed-forward artificial neural network. We decided to analyze audio signal feature maps, namely spectrograms, linear and Mel-scale cepstrograms, and chromagrams. The choice was made upon the fact that CNN performs well in 2D data-oriented processing contexts. Feature maps were employed in the Lithuanian word recognition task. The spectral analysis led to the highest word recognition rate. Spectral and mel-scale cepstral feature spaces outperform linear cepstra and chroma. The 111-word classification experiment depicts f1 score of 0.99 for spectrum, 0.91 for mel-scale cepstrum , 0.76 for chromagram, and 0.64 for cepstrum feature space on test data set.  Streszczenie Celem pracy było wykorzystanie sieci splotowych convolutional neural network - CNN)) do analizy mowy. Wykorzystano różne reprezentacje sygnału mowy: spektrogram, cepstrogram, chromagram i różne warunki uczenia. Zbadano, że algorytm uzyskał największą skuteczność w połączeniu ze spektrogramem, podawaną na wejście CNN jako mapa 2D.  Słowa kluczowe 2D space feature, speech analysis, deep learning, spectrogram, cepstrogram, chromagram  Projekt badawczy ALOFON

Pozycja nr 56  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, P. Szczuko, A. Kurowski, P. Odya, B. Kostek  Tytuł polski Dokumentacja prac wykonanych przez zespół LAF w ramach zadania 2  Numer raportu P-INSPACE-04-07-2018  Rok 2018 Streszczenie Niniejszy dokument stanowi podsumowanie prac wykonanych przez zespół LAF w ramach zadania 2, ujętego w Harmonogramie rzeczowo-finansowym PG, uszczegółowionego w ramach zadań 2a, 2b i 2c.  Projekt badawczy INSPACE

Pozycja nr 57  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, P. Szczuko, A. Kurowski, P. Odya, B. Kostek  Tytuł polski Dokumentacja prac wykonanych przez zespół LAF w ramach zadania 3  Numer raportu P-INSPACE-08-10-2018  Rok 2018 Streszczenie Niniejszy dokument stanowi podsumowanie prac wykonanych przez zespół LAF w ramach zadania 3, ujętego w Harmonogramie rzeczowo-finansowym PG, uszczegółowionego w ramach zadań 3a i 3b.   Projekt badawczy INSPACE

Pozycja nr 58  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, A. Kurowski, B. Kostek  Tytuł polski Projekt algorytmów nadążnej filtracji adaptacyjnej sygnału mowy  Numer raportu P-INSPACE-05-07-2018  Rok 2018 Streszczenie Niniejszy dokument stanowi podsumowanie prac wykonanych przez zespół LAF w ramach zadania 3, ujętego w Harmonogramie rzeczowo-finansowym PG, uszczegółowionego w ramach zadania 3a. Dla łatwiejszej oceny niniejszego raportu przywołano uzgodnioną treść zadania 3a: Projekt algorytmów nadążnej filtracji adaptacyjnej sygnału mowy: schemat blokowy + algorytm w Matlabie + opis matematyczny, odniesienie do skali docelowej, określenie warunków brzegowych (jakie są ograniczenia), weryfikacja i uzasadnienie zapotrzebowania na moc obliczeniową/zasoby pamięci - potwierdzenie poprawności wyboru platformy DSP z pkt 1a. (raport, prezentacja seminaryjna, dokumentacja algorytmu).   Projekt badawczy INSPACE

Pozycja nr 59  Typ pozycji: raport  Autorzy J. Kotus, P. Szczuko, A. Kurowski, B. Kostek  Tytuł polski Analiza nagrań i wyników pomiarów wykonanych w wybranych obiektach wyposażonych w DSO  Numer raportu P-INSPACE-24-06-2018  Rok 2018 Streszczenie W niniejszym dokumencie przedstawiono opis przeprowadzonych analiz dla nagrań i wyników pomiarów pozyskanych w wybranych obiektach wyposażonych w instalację rozgłoszeniową. Niniejszy raport dokumentuje prace wykonane w ramach realizacji podzadania 2c - Analiza badawcza nagrań i wyników pomiarów, określenie listy typowych zakłóceń i zniekształceń występujących w zgromadzonym materiale dla danego źródła (rodzaju urządzenia, otoczenia), stworzenie domyślnych profili przetwarzania dla określonych klas sygnałów. (raport, prezentacja, materiał do wspólnej publikacji), ujętych w Harmonogramie rzeczowo-finansowym PG.  Projekt badawczy INSPACE

Pozycja nr 60  Typ pozycji: artykuł w czasopiśmie  Autorzy W. Paszkowski, J. Kotus, T. Poremski, B. Kostek  Tytuł angielski EVALUATION OF SOUND QUALITY FEATURES ON ENVIRONMENTAL NOISE EFFECTS – A CASE STUDY APPLIED TO ROAD TRAFFIC NOISE  Czasopismo Metrology and Measurement Systems  Wolumin 25  Numer czasopisma 3  Strony 517 - 531  Rok 2018 Identyfikator DOI 10.24425/123901  Uwagi częściowo OT4- 4B/AGH-PG-WSTKT  Abstract The paper shows a study on the relationship between noise measures and sound quality (SQ) features that are related to annoyance caused by the traffic noise. First, a methodology to perform analyses related to the traffic noise annoyance is described including references to parameters of the assessment of road noise sources. Next, the measurement setup, location and results are presented along with the derived sound quality features. Then, statistical analyses are performed to compare the measurement results and sound quality features. The included conclusions are focused on showing that the obtained loudness values, regardless of the used system, are similar in a statistical sense. Contrarily, sharpness, roughness and fluctuation strength values differ for the tools employed.  Słowa kluczowe ANNOYANCE, SOUND QUALITY, TRAFFIC NOISE  Projekt badawczy INZNAK

Pozycja nr 61  Typ pozycji: referat konferencyjny  Autorzy P. Hoffmann, B. Kostek  Tytuł angielski Towards Audio Signal Equalization Based on Spectral Characteristics of a Listening Room and Music Content Reproduced  Konferencja 2018 Joint Conference - Acoustics  Numer preprintu   Numer   Wolumin   Strony 1 - 9  Miejsce konferencji Ustka, Polska  Data konferencji 11.9.2018- 14.9.2018  Identyfikator DOI 10.1109/ACOUSTICS.2018.8502216  Numer pozycji bibl. 14  Uwagi referat indeksowany w IEEE, Scopus, WoS  Abstract This study presents investigations of the influence of the room acoustics on the frequency characteristic of the audio signal playback. First, the concept of a novel spectral equalization method of the room acoustic conditions is introduced. On the basis of the room spectral response, a system for room acoustics compensation based on an equalizer designed is proposed. The system settings depend on music genre recognized automatically. In order to acquire room acoustic characteristics, a series of measurements are performed. The impact of the enclosure on particular music genre spectral characteristics has also been presented. In the analyses a comparison of spectral characteristics obtained with pink noise and music genres as measurement signals is presented.  Słowa kluczowe EQUALIZATION , IMPULSE RESPONSE , MUSIC CONTENT , SMART AUDIO  Projekt badawczy DS

Pozycja nr 62  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, B. Kostek  Tytuł polski Opracowanie oprogramowania symulacyjnego w środowisku Matlab na potrzeby testowania algorytmów nadążnej filtracji adaptacyjnej sygnału mowy  Numer raportu P-INSPACE-06-09-2018  Rok 2018 Streszczenie Niniejszy dokument stanowi podsumowanie prac wykonanych przez zespół LAF w ramach zadania 3, ujętego w Harmonogramie rzeczowo-finansowym PG, uszczegółowionego w ramach zadania 3b. Dla łatwiejszej oceny niniejszego raportu przywołano uzgodnioną treść zadania 3b: Opracowanie oprogramowania symulacyjnego w środowisku Matlab, przeprowadzenie badań w warunkach laboratoryjnych przy użyciu środowiska MatLab, określenie metod pomiaru współczynnika STI dostosowanych do wprowadzanych przez algorytmy modyfikacji sygnału. Wyznaczenie miar poprzez wykorzystanie metryk obiektywnych niezbędnych w dalszym etapie badań do określenia punktu odniesienia przy dalszych testach algorytmów poprawy jakości sygnałów. (dokumentacja oprogramowania).   Projekt badawczy INSPACE

Pozycja nr 63  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Mróz, B. Kostek  Tytuł angielski Externalisation in binaural ambisonic auralization of directional sources  Tytuł polski Eksternalizacja w binauralnej ambisonicznej auralizacji źródeł kierunkowych  Czasopismo Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej  Wolumin   Numer czasopisma 60  Strony 75 - 80  Rok 2018 Identyfikator DOI 10.32016/1.60.15  Abstract The article presents the most important components of the process of effectively rendering a three-dimensional sound image using headphones. To this end, the impact of a set of factors affecting sound externalisation is examined: head tracking, individual head transfer functions (HRTF – Head Related Transfer Function, related to the mathematical function of sound propagation around the head), room model, as well as a so-called room divergence effect and individual headphone alignment. Furthermore, the directivity aspect of the sound source is discussed as a convenient way to control Direct-toReverberant ratio and thus provides a robust control of the auditory distance. The results obtained indicate that the tracking of the head position as well as the individual functions of the head transfer are crucial for faithful sound reproduction. The conducted research also shows that the effect of room compliance and headphone alignment prove to be significant factors throughout the auralisation process.  Streszczenie W artykule przedstawiono najważniejsze składniki procesu skutecznego renderowania trójwymiarowego obrazu dźwiękowego za pomocą słuchawek. W tym celu badany jest stopień oddziaływania poszczególnych czynników wpływających na eksternalizację dźwięku: śledzenie położenia głowy (ang. head tracking), indywidualne funkcje przenoszenia głowy (HRTF – Head Related Transfer Function, odnoszące się do matematycznej funkcji propagacji dźwięku wokół głowy), model pomieszczenia, jak również tzw. efekt zgodności pomieszczenia oraz indywidualne wyrównywanie charakterystyki przenoszenia słuchawek. Uzyskane wyniki wskazują, że śledzenie głowy, a także indywidualne funkcje przenoszenia głowy mają kluczowe znaczenie dla wiernej reprodukcji dźwięku. Z przeprowadzonych badań wynika również, że efekt zgodności pomieszczenia i wyrównywanie charakterystyki przenoszenia słuchawek są znaczącymi elementami procesu auralizacji.  Słowa kluczowe ambisonia, eksternalizacja, technologia binauralna, auralizacja

Pozycja nr 64  Typ pozycji: referat konferencyjny  Autorzy K. Kąkol, G. Korvel, B. Kostek  Tytuł angielski Analysis of Lombard speech using parameterization and the objective quality indicators in noise conditions  Tytuł polski Parametryzacja sygnału mowy z efektem Lombarda  Konferencja 10th International Workshop "Data analysis methods for software systems", DAMSS 2018 – DAMSS 2018  Numer preprintu   Numer   Wolumin   Strony 35 - 36  Miejsce konferencji   Data konferencji 29.11.2018- 1.12.2018  Identyfikator DOI Proc. DAMSS 2018: DOI: https://doi.org/10.15388/DAMSS.2018.1  Uwagi ISBN: 978-609-07-0043-3  Abstract The aim of the work is to analyze Lombard speech effect in recordings and then modify the speech signal in order to obtain an increase in the improvement of objective speech quality indicators after mixing the useful signal with noise or with an interfering signal. The modifications made to the signal are based on the characteristics of the Lombard speech, and in particular on the effect of increasing the fundamental frequency F0. The recording session includes sets of words and sentences in Polish, recorded in silence, as well as in the presence of interfering signals, i.e. pink noise and so-called bustle (called babble speech), also referred to as the “cocktail-party” effect. Research on the Lombard speech often focuses on subjective studies of speech intelligibility. There are, however, objective indicators such as PESQ (Perceptual Evaluation of Speech Quality) and P.563, which are used in studies of quality of telecommunication channels. The study shows that increasing the fundamental frequency results in increased values of the speech quality index, measured using the PESQ (Perceptual Evaluation of Speech Quality) standard. The research carried out consists of several stages: (1) recording speech samples (words and sentences) without and in the presence of pink noise and babble speech (the so-called cocktail party effect), i.e. the reference signal (“clean” speech), and then recording the same words/sentences in the presence of additional disturbances forcing the Lombard effect in speech recordings to occur; (2) analyzing differences between “clean” speech and the Lombard speech based on objective audio parameters; (3) mixing speech recordings with pink noise with a different signal to 36 10th International Workshop on noise ratio (SNR) in order to measure PESQ MOS coefficients; (4) measuring the PESQ coefficients of the reference files (“clean speech”) that are processed by increasing the F0 value and sound intensity level, and then the same files mixed with pink noise and babble speech interfering signals; (5) repeating step (2), i.e. analyzing the difference in objective parameters and indicating whether these differences are statistically significant.   Streszczenie Celem referatu była analiza sygnału mowy z nagrań, w których rejestrowany był efekt Lombarda. W kolejnym kroku badano cechy wypowiedzi nagranych w warunkach hałasu. Następnie modyfikowano sygnał z uwzględnieniem cech charakterystycznych dla mowy z efektem Lombarda w celu poprawy jakości mowy.  Słowa kluczowe efekt Lombarda, analiza sygnału mowy   Projekt badawczy DS

Pozycja nr 65  Typ pozycji: referat konferencyjny  Autorzy G. Korvel, G. Tamulevičius, P. Treigys, J. Bernatavičienė, B. Kostek  Tytuł angielski Investigating Feature Spaces for Isolated Word Recognition  Tytuł polski Badania przestrzeni parametrów sygnału mowy w celu rozpoznawania izolowanych wyrazów  Konferencja 10th International Workshop "Data analysis methods for software systems", DAMSS 2018 – DAMSS 2018  Numer preprintu   Numer   Wolumin   Strony 47 - 47  Miejsce konferencji Druskininkai, Lithuania  Data konferencji 29.11.2018- 1.12.2018  Identyfikator DOI Proc. DAMSS 2018: DOI: https://doi.org/10.15388/DAMSS.2018.1  Uwagi ISBN: 978-609-07-0043-3  Abstract Much attention is given by researchers to the speech processing task in automatic speech recognition (ASR) over the past decades. The study addresses the issue related to the investigation of the appropriateness of a two-dimensional representation of speech feature spaces for speech recognition tasks based on deep learning techniques. The approach combines Convolutional Neural Networks (CNNs) and timefrequency signal representation converted to the investigative feature spaces. In particular, fractal dimension features of the signal were chosen for the time domain, and two feature spaces were investigated for the frequency domain, namely: frequency tracks obtained from the frequencies and amplitudes of the detected spectral peaks and the modified chromagrams. Both are constructed from a series of short-time Fourier transforms, which were computed along the window speech signal in the time domain. Due to the fact that deep learning requires a sufficiently large training set as the size of the corpus may significantly influence the outcome, thus for the data augmentation purpose, the created dataset was extended by adding various noise levels and mixed with the speech signal. In order to evaluate the applicability of implemented feature spaces for isolated word recognition task, three experiments were conducted: a 10-word, a 70-word, and a 111-word cases were analyzed.  Streszczenie W pracy przedstawiono badania przestrzeni parametrów sygnału mowy w celu automatycznego rozpoznawania (ASR - automatic speech recognition) izolowanych wyrazów. W klasyfikacji wykorzystano sieci splotowe oraz reprezentacje sygnałou mowy: spektrogramy oraz chromagramy.   Słowa kluczowe automatyczne rozpoznawanie mowy, splotowe sieci, głębokie uczenie, chromagramy, wymiar fraktalny  Projekt badawczy DS

Pozycja nr 66  Typ pozycji: artykuł w czasopiśmie  Autorzy T. Poremski, P. Szymański, B. Kostek  Tytuł polski Aparat słuchowy a alternatywne urządzenia poprawiające słyszenie  Czasopismo Otorynolaryngologia  Wolumin 17  Numer czasopisma 2  Strony 49 - 56  Rok 2018 Uwagi Open Access: http://www.otorynolaryngologia-pk.pl/f/file/orl-18-2-a1-poremski.pdf  Streszczenie W opracowaniu dokonano przeglądu dostępnych prac dotyczących różnych rodzajów urządzeń poprawiających słyszenie, które w szczególnych przypadkach mogą być traktowane jako rozwiązania alternatywne w stosunku do klasycznych aparatów słuchowych. Praca zawiera dyskusję na temat nowego rodzaju aparatu słuchowego wstępnie zaprogramowanego, który może być dystrybuowany korespondencyjnie lub bezpośrednio potencjalnym użytkownikom. Ponadto zawarto opis tzw. „personalnych” wzmacniaczy dźwięku ze szczególnym uwzględnieniem tzw. wzmacniaczy słuchu, które co do zasady są przeznaczone dla osób ze słuchem normalnym. Podano cechy poszczególnych rozwiązań oraz możliwe zastosowania. Analiza dostępnych opracowań w tym zakresie pokazuje dużą różnorodność rozwiązań, a co za tym idzie brak jednoznacznych kryteriów, dzięki którym można by dokonać łatwej i obiektywnej oceny urządzeń między sobą czy też porównać je z klasycznymi aparatami słuchowymi. Na podstawie przedstawionej pracy można sfomułować następujące wnioski: wzmacniacze słuchu nie powinny być stosowane w przypadku niedosłuchów odbiorczych czuciowo-nerwowych z uwagi na brak możliwości właściwego dostosowania parametrów akustycznych takiego wzmacniacza do specyficznej charakterystyki niedosłuchu. Wysoki poziom ciśnienia akustycznego, jaki mogą one generować może pogłębiać wadę słuchu. Aparaty słuchowe wstępnie zaprogramowane mogą stanowić alternatywę dla klasycznych aparatów, choć wyniki badań pokazują, że uzyskiwane efekty, w szczególności w rozumieniu mowy, są słabsze. Kluczową rolę w poprawie możliwości uzyskania bardziej efektywnych wyników w przypadku niedosłuchu odbiorczego pełni audiolog lub protetyk słuchu.  Słowa kluczowe aparaty słuchowe, alternatywne urządzenia poprawiające słuch, aparaty słuchowe wstępnie zaprogramowane (OTC, Over-the-Counter)  Projekt badawczy DS

Pozycja nr 67  Typ pozycji: referat konferencyjny  Autorzy B. Kostek  Tytuł angielski Listening to Live Music: Life beyond Music Recommendation Systems  Tytuł polski Muzyczne systemy społecznościowe - co dalej?  Konferencja 2018 Joint Conference - Acoustics, Acoustics 2018  Numer preprintu   Numer   Wolumin   Strony 134 - 139  Miejsce konferencji Ustka, PL  Data konferencji 11.9.2018- 14.9.2018  Identyfikator DOI DOI: 10.1109/ACOUSTICS.2018.8502385  Uwagi Article number 8502385, referat w bazach IEEE, SCOPUS i WoS  Abstract This paper presents first a short review on music recommendation systems based on social collaborative filtering. A dictionary of terms related to music recommendation systems, such as music information retrieval (MIR), Query-by-Example (QBE), Query-by-Category (QBC), music content, music annotating, music tagging, bridging the semantic gap in music domain, etc. is introduced. Bases of music recommender systems are shortly presented, including the mechanisms underlying these systems. Also, usage of machine learning versus statistics is discussed with regard to the recommender systems working. Moreover, listening to music through players implemented on computers or mobile devices as opposed to listening to live music in the context of social and technology implications, i.e. live performance contrasting issues related to music quality. Finally, future directions in the music recommendation area and live music are discussed, including performance on virtual musical instruments.  Streszczenie W pracy przedstawiono słownik pojęć związanych z informatyką muzyczną. Przedstawiono również muzyczne systemy społecznościowe. W podsumowaniu odniesiono się do przyszłych kierunków rozwoju technologii muzycznych, w tym wirtualnych instrumentów muzycznych.  Słowa kluczowe Automatyczne wyszukiwanie muzyki, muzyczne systemy społecznościowe, technologie muzyczne, wirtualne instrumenty muzyczne  Projekt badawczy DS

Pozycja nr 68  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek  Tytuł angielski EDITOR’S NOTE and 2018 REVIEWERS  Tytuł polski Podsumowanie roku 2018 - przegląd artykułów w czasopiśmie JAES  Czasopismo J. Audio Eng. Soc.  Wolumin 66  Numer czasopisma 12  Strony 1004 - 1005  Rok 2018 Streszczenie Przedmiotem pracy jest odniesienie do prac opublikowanych w 2018 roku, jak również do serii artykułów w ramach specjalnego wydania: Special Issue on Augmented and Participatory Sound and Music Interaction Using Semantic Audio.   Słowa kluczowe audio engineering, semantic audio  Projekt badawczy DS

Pozycja nr 69  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, P. Szczuko, B. Kostek  Tytuł polski Typowanie mikrofonów pomiarowych do zastosowań w innowacyjnym systemie rozgłoszeniowo-komunikacyjnym  Numer raportu P-INSPACE-16-02-2018  Rok 2018 Streszczenie W niniejszym dokumencie przedstawiono wymagania akustyczne dla mikrofonów pomiarowych do zastosowania w systemie DSO oraz wytypowano przykładowe modele mikrofonów do badań. Niniejszy raport dokumentuje część prac wykonanych w ramach realizacji podzadania 1b, ujętych w Harmonogramie rzeczowo-finansowym PG.  Projekt badawczy INSPACE

Pozycja nr 70  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek, K. Kąkol  Tytuł angielski Improving the quality of speech in the conditions of noise and interference  Tytuł polski Poprawa jakości mowy w warunkach zakłóceń  Czasopismo J. Acoust. Soc. Amer.  Wolumin 144  Numer czasopisma 3  Strony 1905 - 1905  Rok 2018 Identyfikator DOI https://doi.org/10.1121/1.5068349  Uwagi ASA Meeting, Vancouver 5-9. 11. 2018  Abstract The aim of the work is to present a method of intelligent modification of the speech signal with speech features expressed in noise, based on the Lombard effect. The recordings utilized sets of words and sentences as well as disturbing signals, i.e., pink noise and the so-called babble speech. Noise signal, calibrated to various levels at the speaker's ears, was played over two loudspeakers located 2 m away from the speaker. In addition, the recording session included utterances in quiet, which constitute a reference to the received speech signal analysis with the Lombard effect. As a part of the analysis, the following parameters were examined with regard to prosody: fundamental frequency F0, formant frequencies of F1 and F2, duration of the utterance, sound intensity, etc., taking into account individual sentences, words, and vowels. The PRAAT program was used to process and analyze speech signals. Next, a method for modifying speech with the features of speech spoken in noise was proposed. Subsequent analyzes have shown that noisy speech modified by the Lombard effect features is characterized by higher values of the PESQ (perceptual evaluation of speech quality) speech quality indicator compared to noisy speech without the features incorporated.  Streszczenie W pracy przedstawiono nagrania sygnału mowy w warunkach mowy Lombardzkiej. Analizowano parametry związane z prozodią mowy, np. formanty, długość trwania wypowiedzi, poziom wypowiedzi, itd. Analizy przeprowadzono z wykorzystaniem programu PRAAT. W ocenie jakości wykorzystano miarę PESQ.  Słowa kluczowe sygnał mowy, efekt Lombarda, analiza PESQ  Projekt badawczy DS

Pozycja nr 71  Typ pozycji: artykuł w czasopiśmie  Autorzy P. Szymański, T. Poremski, B. Kostek  Tytuł angielski The influence of time of hearing aid use on auditory perception in various acoustic situations  Tytuł polski Wpływ czasu uzytkowania protezy słuchowej na percepcję dźwięku w różnych warunkach odsłuchowych  Czasopismo J. Acoust. Soc. Amer.  Wolumin 144  Numer czasopisma 3  Strony 1834 - 1835  Rok 2018 Identyfikator DOI https://doi.org/10.1121/1.5068083  Uwagi ASA Meeting, Vancouver 5-9. 11. 2018   Abstract The assessment of sound perception in hearing aids, especially in the context of benefits that a prosthesis can bring, is a complex issue. The objective parameters of the hearing aids can easily be determined. These parameters, however, do not always have a direct and decisive influence on the subjective assessment of quality of the patient’s hearing while using a hearing aid. The paper presents the development of a method for the assessment of auditory perception and the effectiveness of applying hearing aids for hearing-impaired people during a short-term use. The method involves a questionnaire based on the APHA (Abbreviated Profile of Hearing Aid Benefit) assessment questionnaire, a measure of self-reported auditory disability. The study includes additional criteria, such as measuring the number of hours and days of use of hearing aids, the degree of hearing loss and thepatient’s experience. A web-based application is developed to enable to carry out such an examination from any computer with access to the network. The research results show that in the first period of use of hearing aids, speech perception improves, especially in noisy environments. The perception of unpleasant sounds also increases, which leads to deterioration of hearing aid acceptance by their users.  Streszczenie W artykule przedstawiono wpływ czasu użytkowania aparatu słuchowego na percepcję dźwięku. Badania były przeprowadzone w grupie kilkuset osób. W analizie wykorzystano formularz APHAB (Abbreviated Profile of Hearing Aid Benefit) oraz testy statystyczne w celu sprawdzenia efektu użytkowania protezy słuchowej.   Słowa kluczowe percepcja dźwięku, aparaty słuchowe, formularz APHAB (Abbreviated Profile of Hearing Aid Benefit)  Projekt badawczy DS

Pozycja nr 72  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, P. Szczuko, B. Kostek  Tytuł polski Koncepcja eksperymentalnego testowania algorytmów nadążnej filtracji adaptacyjnej sygnału mowy oraz algorytmów transpozycji czasowej sygnału mowy, dokumentujący prace wykonane przez LAF  Numer raportu P-INSPACE-29-09-2018  Rok 2018 Streszczenie Niniejszy dokument stanowi podsumowanie prac wykonanych przez zespół LAF w ramach zadania 5, ujętego w Harmonogramie rzeczowo-finansowym PG, uszczegółowionego w ramach zadania 5a. Dla łatwiejszej oceny niniejszego raportu przywołano uzgodnioną treść zadania 5a: LAF opracuje koncepcję eksperymentu, którego celem będzie udowodnienie możliwości osiągnięcia zdefiniowanych w projekcie kryteriów sukcesu (pierwsza faza eksperymentu). Zestawienie, skonfigurowanie i sprawdzenie aparatury badawczej dla potrzeb prowadzenia eksperymentów (raport) (aparatura wykorzystana do badań zostanie częściowo udostępniona przez ABT-wymaga szczegółowych uzgodnień).  Słowa kluczowe INSPACE, DSO, DCR, STI, zrozumiałość mowy  Projekt badawczy INSPACE

Pozycja nr 73  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, P. Szczuko, B. Kostek  Tytuł polski Koncepcja DSO wyposażonego w procesor DSP oraz akustyczne sprzężenie zwrotne  Numer raportu P-INSPACE-30-03-2018  Rok 2018 Streszczenie W niniejszym dokumencie przedstawiono koncepcję Dźwiękowego Systemu Ostrzegawczego wyposażonego w procesor DSP oraz akustyczne sprzężenie zwrotne. Koncepcja została wypracowana w toku licznych spotkań roboczych, w których udział brali przedstawiciele podwykonawcy (LAF) oraz osoby oddelegowane przez wykonawcę (firmę Ambient System). Niniejszy raport dokumentuje prace wykonane w ramach realizacji podzadania 1a, ujętych w Harmonogramie rzeczowo-finansowym PG. Ze względu na zakres prac, w które zaangażowany jest podwykonawca, w niniejszym raporcie główny nacisk jest położony na funkcjonalności przewidziane do zrealizowania w oparciu o procesor DSP oraz zestaw mikrofonów pomiarowych oraz na rodzaje i sposoby cyfrowego przetwarzania sygnałów (CPS) akustycznych. Pominięto w niniejszym opracowaniu elementy infrastruktury technicznej DSO, które nie mają bezpośredniego związku z realizacją procedur cyfrowego przetwarzania sygnałów. Opracowanie tych elementów leży w kompetencji wykonawcy projektu – firmy Ambient System.  Projekt badawczy INSPACE

Pozycja nr 74  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, P. Szczuko, B. Kostek  Tytuł polski Koncepcja eksperymentalnego testowania algorytmów nadążnej filtracji adaptacyjnej sygnału mowy oraz algorytmów transpozycji czasowej sygnału mowy, dokumentujący prace wykonane przez LAF w ramach zadan  Numer raportu P-INSPACE-29-09-2018  Rok 2018 Streszczenie Niniejszy dokument stanowi podsumowanie prac wykonanych przez zespół LAF w ramach zadania 5, ujętego w Harmonogramie rzeczowo-finansowym PG, uszczegółowionego w ramach zadania 5a. Dla łatwiejszej oceny niniejszego raportu przywołano uzgodnioną treść zadania 5a: LAF opracuje koncepcję eksperymentu, którego celem będzie udowodnienie możliwości osiągnięcia zdefiniowanych w projekcie kryteriów sukcesu (pierwsza faza eksperymentu). Zestawienie, skonfigurowanie i sprawdzenie aparatury badawczej dla potrzeb prowadzenia eksperymentów (raport) (aparatura wykorzystana do badań zostanie częściowo udostępniona przez ABT-wymaga szczegółowych uzgodnień).  Projekt badawczy INSPACE

Pozycja nr 75  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Rosner, B. Kostek  Tytuł angielski Automatic music genre classification based on musical instrument track separation  Tytuł polski Automatyczna klasyfikacja gatunku muzycznego wykorzystująca algorytm separacji dźwięku instrumentów muzycznych   Czasopismo Journ. of Intelligent Information Systems  Wolumin 50  Numer czasopisma 2  Strony 363 - 384  Rok 2018 Identyfikator DOI 10.1007/s10844-017-0464-5  Uwagi wydanie w czasopiśmie  Abstract The aim of this article is to investigate whether separating music tracks at the pre-processing phase and extending feature vector by parameters related to the specific musical instruments that are characteristic for the given musical genre allow for efficient automatic musical genre classification in case of database containing thousands of music excerpts and a dozen of genres. Results of extensive experiments show that the approach proposed for music genre classification is promising. Overall, conglomerating parameters derived from both an original audio and a mixture of separated tracks improve classification effectiveness measures, demonstrating that the proposed feature vector and the Support Vector Machine (SVM) with Co-training mechanism are applicable to a large dataset.   Streszczenie Celem artykułu było przedstawienie badań pokazujących czy zastosowanie separacji ścieżek muzycznych w fazie wstępnego przetwarzania wspomaga efektywność procesu automatycznego rozpoznawania gatunków muzycznych. W badaniach wykorzystano maszynę wektorów wspierających (SVM) i bazę danych muzycznych zawierającą kilkadziesiąt tysięcy utworów muzycznych.  Słowa kluczowe informatyka muzyczna, wyszukiwanie informacji muzycznej (MIR), maszyna wektorów wspierających (SVM), klasyfikacja gatunków muzycznych,   Projekt badawczy DS

Pozycja nr 76  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek  Tytuł angielski Journal of the Audio Engineering Society  Tytuł polski Edytor czasopisma  Czasopismo J. Audio Eng. Soc.  Wolumin 66  Numer czasopisma 1-12  Strony 1 - 1192  Rok 2018 Identyfikator DOI http://www.aes.org/journal/  Uwagi coroczna nominacja na Redaktora naczelnego czasopisma J. Audio Eng. Soc.  Streszczenie Edytor czasopisma, coroczna nominacja na funkcję Redaktora Naczelnego od 2012  Słowa kluczowe Edytor czasopisma J. Audio Eng. Soc.  Projekt badawczy DS

Pozycja nr 77  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, B. Kostek  Tytuł angielski Marianna Sankiewicz and Gustaw Budzynski (1921-2018) Obituary  Tytuł polski Wspomnienie o działalności naukowej i organizacyjnej prof. M. Sankiewicz i G. Budzyńskim  Czasopismo J. Audio Eng. Soc.  Wolumin 66  Numer czasopisma 7-8  Strony 644 - 644  Rok 2018 Abstract Organizing the Polish AES Section became real during the session of the National Sound Engineering Symposium held at the Gdansk Technical University in 1991. AES President Tim Shelton came to the Gdansk Symposium and inaugurated the activities of the newly founded PS-AES.   Streszczenie Przedmiotem artykułu są wspomnienia o fundatorach Polskiej Sekcji towarzystwa naukowego Audio Engineering Society.  Słowa kluczowe inżynieria dźwięku, Polska Sekcja - towarzystwo naukowego Audio Engineering Society  Projekt badawczy DS

Pozycja nr 78  Typ pozycji: referat konferencyjny  Autorzy G. Korvel, B. Kostek  Tytuł angielski Examining Feature Vector for Phoneme Recognition  Tytuł polski Analiza parametrów w kontekście automatycznej klasyfikacji fonemów  Konferencja ISSPIT 2017, 17th IEEE International Symposium on Signal Processing and Information Technology  Numer preprintu   Numer   Wolumin   Strony 384 - 398  Miejsce konferencji Bilbao, Hiszpania  Data konferencji 2018  Identyfikator DOI 10.1109/ISSPIT.2017.8388675  Uwagi częściowo Alofon, https://drive.google.com/open?id=1ugidXH_qNO9LRWTnkJU6Mbrk4AfTonGw  Abstract The aim of this paper is to analyze usability of descriptors coming from music information retrieval to the phoneme analysis. The case study presented consists in several steps. First, a short overview of parameters utilized in speech analysis is given. Then, a set of time and frequency domain-based parameters is selected and discussed in the context of stop consonant acoustical characteristics. A toolbox created for this purpose in the Matlab environment is presented. The next analysis step includes the process of selecting the most discriminating descriptors based on Bron Kerbosch algorithm. It is shown that parameters resulted from this analysis can be used for separation of consonants. Finally, phoneme recognition is performed employing k-NN classifier. Keywords: Phoneme analysis, parametrization, phoneme recognition, k-NN classifier  Streszczenie W referacie przedstawiono analizę wybranych parametrów w kontekście automatycznej klasyfikacji fonemów. W tym celu dokonano wyboru deskryptorów ekstrahowanych w dziedzinie czasu i częstotliwości, a następnie uzyskany wektor cech poddano optymalizacji za pomocą algorytmu Brona-Kerboscha. W klasyfikacji przykładowych fonemów wykorzystano algorytm kNN.  Słowa kluczowe Analiza fonematyczna, parametryzacja, klasyfikacja fonemów, algorytm kNN Uwagi: Ta pozycja została afiliowana w bazach i nadano jej numer doi w 2018   Projekt badawczy ALOFON

Pozycja nr 79  Typ pozycji: książka  Autorzy G. Korvel, A. Kurowski, B. Kostek, A. Czyżewski  Tytuł angielski Speech analytics based on machine learning  Tytuł polski Analiza sygnału mowy za pomocą uczenia głębokiego  Wydawca Springer International Publishing AG, part of Springer Nature, tytuł książki: Intelligent Systems Reference Library, vol. 149  Strony 129 - 157  Rok 2018 Uwagi rozdział w książce   Abstract In this chapter, the process of speech data preparation for machine learning is discussed in detail. Examples of speech analytics methods applied to phonemes and allophones are shown. Further, an approach to automatic phoneme recognition involving optimized parametrization and a classifier belonging to machine learning algorithms is discussed. Feature vectors are built on the basis of descriptors coming from the music information retrieval (MIR) domain. Then, phoneme classification beyond the typically used techniques is extended towards exploring Deep Neural Networks (DNNs). This is done by combining Convolutional Neural Networks (CNNs) with audio data converted to the time-frequency space domain (i.e. spectrograms) and then exported as images. In this way a two-dimensional representation of speech feature space is employed. When preparing the phoneme dataset for CNNs, zero padding and interpolation techniques are used. The obtained results show an improvement in classification accuracy in the case of allophones of the phoneme /l/, when CNNs coupled with spectrogram representation are employed. Contrarily, in the case of vowel classification, the results are better for the approach based on pre-selected features and a conventional machine learning algorithm.  Streszczenie Celem badań było wykorzystanie uczenia głębokiego do analizy alofonów i fonemów. W ekstrakcji cech użyto wybrane parametry stosowane w automatycznym wyszukiwaniu muzyki (Music Information Retrieval - MIR). W klasyfikacji wykorzystano zarówno typowe algorytmy uczące, jak również sieci splotowe. Większa efektywność została uzyskana w przypadku zastosowania spektrogramów (jako cech sygnału mowy) oraz uczenia głębokiego.  Słowa kluczowe ALOFON/częściowo DS; automatyczna analiza sygnału mowy, alofon, fonem, algorytmy uczące, uczenie głębokie  Projekt badawczy ALOFON

Pozycja nr 80  Typ pozycji: referat konferencyjny  Autorzy G. Korvel, O. Kurasova, B. Kostek  Tytuł angielski Comparative analysis of spectral and cepstral feature extraction techniques for phoneme modelling  Tytuł polski Porównanie cech mel-cepstralnych i widmowych w modelowaniu fonemów  Konferencja 11th International Conference on Multimedia and Network Information Systems, MISSI 2018  Numer preprintu   Numer   Wolumin 833  Strony 480 - 489  Miejsce konferencji Wrocław, Poand  Data konferencji 12.9.2018- 14.9.2018  Identyfikator DOI 10.1007/978-3-319-98678-4_48  Uwagi Advances in Intelligent Systems and Computing, vol. 833, Editors: Choros K.,Kopel M.,Kukla E.,Sieminski A.  Abstract Phoneme parameter extraction framework based on spectral and cepstral parame-ters is proposed. Using this framework, the phoneme signal is divided into frames and Hamming window is used. The performances are evaluated for recognition of Lithuanian vowel and semivowel phonemes. Different feature sets without noise as well as at different level of noise are considered. Two classical machine learning methods (Naive Bayes and Support Vector Machine) are used for classifying each problem, separately. The experiment results show that cepstral parameters give higher accuracies than spectral parameters. Moreover, cepstral parameters give better performance compared to spectral parameters in noisy conditions.  Streszczenie W pracy porównano efektywność parametryzacji mel-cepstralnej i widmowej w modelowaniu fonemów. W klasyfikacji wykorzystano dwie klasyczne metody uczenia maszynowego:, tj. naiwny klasyfikator Bayesowski (Naive Bayes) i maszynę wektorów nośnych (Support Machine Vector). Wyniki eksperymentów pokazują, że parametry cepstralne dają wyższą skuteczność niż parametry spektralne. Co więcej, parametry cepstralne dają lepszą wydajność w porównaniu do parametrów spektralnych w warunkach szumu.  Słowa kluczowe parametryzacja, ekstrakcja cech, uczenie maszynowe, analiza mowy, fonemy   Projekt badawczy DS

Pozycja nr 81  Typ pozycji: referat konferencyjny  Autorzy J. Kotus, B. Kostek, A. Kurowski, P. Szczuko  Tytuł angielski A Comparison of STI Measured by Direct and Indirect Methods for Interiors Coupled with Sound Reinforcement Systems  Tytuł polski Porównanie wartości wskaźnika STI wyznaczonych za pomocą metody bezpośredniej i pośredniej dla wnętrz wyposażonych w system nagłośnieniowy  Konferencja 2018 Joint Conference - Acoustics  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Polska  Data konferencji 11.9.2018- 14.9.2018  Identyfikator DOI 10.1109/ACOUSTICS.2018.8502277  Abstract This paper presents a comparison of STI (Speech Transmission Index) coefficient measurement results carried out by direct and indirect methods. First, acoustic parameters important in the context of public address and sound reinforcement systems are recalled. A measurement methodology is presented that employs various test signals to determine impulse responses. The process of evaluating sound system performance, signals enabling direct objective measurement of the STI (Speech Transmission Index) coefficient, and in particular the STI-PA (STI for Public Address systems) ratio, are employed in accordance with the measurement standards. Sound systems installed in two acoustic interiors are used in the measurements. A comparison of the results obtained for different length of swept sine stimuli is made that enabled to recommend this test signal as more suitable for interiors coupled with sound reinforcement systems.  Streszczenie W pracy przedstawiono porównanie wyników pomiarów współczynników STI (Speech Transmission Index) przeprowadzonych metodami bezpośrednimi i pośrednimi. Po pierwsze, przywołuje się parametry akustyczne ważne w kontekście systemów nagłośnieniowych i nagłośnieniowych. Przedstawiono metodologię pomiaru, która wykorzystuje różne sygnały testowe do określenia odpowiedzi impulsowych. Proces oceny wydajności systemu dźwiękowego, sygnały umożliwiające bezpośredni obiektywny pomiar współczynnika STI (Speech Transmission Index), w szczególności współczynnika STI-PA (STI dla systemów adresów publicznych), są stosowane zgodnie ze standardami pomiarowymi. W pomiarach zastosowano systemy dźwiękowe zainstalowane w dwóch wnętrzach akustycznych. Uzyskano porównanie wyników otrzymanych dla różnych długości bodźców sinusoidalnych, które umożliwiły zalecenie tego sygnału testowego jako bardziej odpowiedniego dla wnętrz połączonych z systemami nagłośnienia.  Słowa kluczowe MEASUREMENTS, REINFORCEMENT SYSTEMS, SPEECH TRANSMISSION INDEX  Projekt badawczy INSPACE

Pozycja nr 82  Typ pozycji: artykuł w czasopiśmie  Autorzy P. Szymański, T. Poremski, B. Kostek  Tytuł polski ZASTOSOWANIE APLIKACJI INTERNETOWEJ W OCENIE JAKOŚCI DOPASOWANIA APARATÓW SŁUCHOWYCH  Czasopismo Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej  Wolumin 60  Numer czasopisma   Strony 121 - 126  Rok 2018 Identyfikator DOI doi: 10.32016/1.60.25  Abstract The study presents application of the web-based application for the assessment of quality of hearing aid fitting. The method consists of a survey supplemented with the test for recognizing the single syllable words under free-field conditions. A web-based application has been developed to allow testing from any computer with the Internet access. The implementation of the method in the form of a web-based application, allows a systematic and organized assessment of the benefits gained from the hearing aid use. The application is an easy-to-use tool that can easily be modified. On the basis of the study performed, it may be observed that in the case of 60% of subjects it was possible to achieve benefit ≥10%, which signifies an effective fitting of the hearing aid. The highest benefit occurs for subjects with grade 2 and 3 of hearing loss according to the WHO scale.  Streszczenie W pracy opisano zastosowanie aplikacji internetowej do oceny jakości dopasowania aparatów słuchowych. Metoda oceny polega na badaniu ankietowym, uzupełnionym testem rozumienia słów jednosylabowych w polu swobodnym. Opisywana aplikacja internetowa pozwala na przeprowadzenie badania z dowolnego komputera z dostępem do sieci. Dzięki implementacji metody w postaci aplikacji internetowej, można w systematyczny i uporządkowany sposób dokonywać oceny korzyści z użytkowania aparatów słuchowych. Daje też możliwość jej rozszerzenia czy modyfikacji. Z przeprowadzonych badań wynika, że ok. 60% użytkowników uzyskało w ciągu 7 dni zysk z aparatu słuchowego ≥10%, co oznacza efektywne zaopatrzenie. Największy zysk osiągają pacjenci z 2. i 3. stopniem niedosłuchu według skali WHO (World Health Organization).  Słowa kluczowe APPLICATION OF THE WEB-BASED APPLICATION FOR THE ASSESSMENT OF THE QUALITY OF HEARING AID FITTING  Projekt badawczy DS

Pozycja nr 83  Typ pozycji: artykuł w czasopiśmie  Autorzy K. Kąkol, B. Kostek  Tytuł angielski A STUDY ON IMPROVING OBJECTIVE QUALITY INDICATORS OF SPEECH UTTERANCES IN NOISE CONDITIONS  Tytuł polski POPRAWA OBIEKTYWNYCH WSKAŹNIKÓW JAKOŚCI MOWY W WARUNKACH HAŁASU  Czasopismo Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej  Wolumin 60  Numer czasopisma   Strony 45 - 50  Rok 2018 Identyfikator DOI doi: 10.32016/1.60.09  Uwagi częściowo DEC-2015/17/B/ST6/01874  Abstract The aim of the work is to modify the speech signal in order to improve objective speech quality indicators after mixing the useful signal with noise or with an interfering signal. Modifications made to the signal are based on the characteristics of the Lombard speech, and in particular on the effect of raising the fundamental frequency F0. The recording session included sets of words and sentences in Polish, recorded in silence, as well as in the presence of interfering signals, i.e. pink noise and so-called babble speech, also referred to as the "cocktail-party" effect. As a part of the research, speech samples were processed - both sentences and words spoken by men. The study shows that raising the fundamental frequency results in increased values of the speech quality index, measured using the PESQ (Perceptual Evaluation of Speech Quality) standard.  Streszczenie Celem pracy jest modyfikacja sygnału mowy, aby uzyskać zwiększenie poprawy obiektywnych wskaźników jakości mowy po zmiksowaniu sygnału użytecznego z szumem bądź z sygnałem zakłócającym. Wykonane modyfikacje sygnału bazują na cechach mowy lombardzkiej, a w szczególności na efekcie podniesienia częstotliwości podstawowej F0. Sesja nagraniowa obejmowała zestawy słów i zdań w języku polskim, nagrane w warunkach ciszy, jak również w obecności sygnałów zakłócających, tj. szumu różowego oraz tzw. gwaru (ang. babble speech), określanego też jako efekt „cocktail-party”. W ramach badań przetwarzano próbki mowy głosów męskich. W pracy wykazano, że podniesienie częstotliwości podstawowej skutkuje zwiększonymi wartościami wskaźnika jakości mowy, mierzonymi przy użyciu standardu PESQ (Perceptual Evaluation of Speech Quality).   Słowa kluczowe efekt Lombarda; wskaźnik oceny jakości sygnału mowy PESQ (Perceptual Evaluation of Speech Quality); parametry sygnału mowy.  Projekt badawczy ALOFON

Pozycja nr 84  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, S. Zaporowski, B. Kostek  Tytuł angielski Bimodal classification of English allophones employing acoustic speech signal and facial motion capture  Czasopismo J. Acoust. Soc. Amer.  Wolumin 144  Numer czasopisma 3  Strony 1801 - 1802  Rok 2018 Identyfikator DOI 10.1121/1.5067951  Uwagi ASA Meeting, Vancouver 5-9. 11. 2018   Projekt badawczy ALOFON

Pozycja nr 85  Typ pozycji: referat konferencyjny  Autorzy M. Piotrowska, G. Korvel, B. Kostek, A. Rojczyk, A. Czyżewski  Tytuł angielski Objectivization of phonological evaluation of speech elements by means of audio parametrization  Konferencja 2018 11th International Conference on Human System Interaction (HSI)   Numer preprintu   Numer   Wolumin   Strony 325 - 331  Miejsce konferencji Gdańsk, Polska  Data konferencji 4.7.2018- 6.7.2018  Uwagi Proc. w WoS  Abstract This study addresses two issues related to both machine- and subjective-based speech evaluation by investigating five phonological phenomena related to allophone production. Its aim is to use objective parametrization and phonological classification of the recorded allophones. These allophones were selected as specifically difficult for Polish speakers of English: aspiration, final obstruent devoicing, dark lateral /l/, velar nasal and prefortis clipping. A set of audio features based on mechanism of each phonological process was created. Recordings of phonetic material prepared by phonology expert were executed. First, several speakers were recorded while reading words from a teleprompter. Then, every word was played back from the previously recorded sample read by a phonology expert and each examined speaker repeated a particular word trying to imitate correct pronunciation. The next step consisted in partitioning by editing two recorded sets of words into allophones, then signals were analyzed and subsequently audio excerpts were parametrized. The comparison of two sets of allophones was reinforced by the phonology expert’s assessment of produced speech sounds. Analyses presented in this paper allowed for discovering a set of parameters, which enable to determine whether the target processes were pronounced correctly.  Słowa kluczowe allophone, phonology, foreign language, audio features  Projekt badawczy ALOFON

Pozycja nr 86  Typ pozycji: referat konferencyjny  Autorzy K. Marciniuk, B. Kostek  Tytuł angielski Sound quality metrics applied to road noise evaluation  Konferencja 176th Meeting od the Acoustical Society of America and 2018 Acoustic Week in Canada  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Victoria, Kanada  Data konferencji 5.11.2018- 9.11.2018  Uwagi https://acousticalsociety.org/wp-content/uploads/2018/10/PASA_144_3_pt2.pdf  Abstract Road noise monitoring systems typically measure sound levels in specific time periods. The more insightful approach suggests to measure also the nature of noise. Sound quality of sounds such as car noise can be objectively evaluated by several parameters. One of them is psychoacoustic annoyance, described by loudness, tone color, and the temporal structure of sound. In this paper the assessment of several sound quality parameters, such as: loudness of time-varying noise, sharpness, fluctuation strength, and roughness, as well some additional parameters borrowed from the Music Information Retrieval area are presented. Then a comparison between parameter values obtained by means of the professional measurement system and a tool working in the Matlab environment is performed. The conducted investigations are carried out using recorded samples of an individual vehicle 1930 J. Acoust. Soc. Am., Vol. 144, No. 3, Pt. 2, September 2018 ASA Fall 2018 Meeting/2018 Acoustics Week in Canada 1930 pass-by in close proximity of the road, organized as a database of road traffic noise recordings.  Słowa kluczowe NOISE, ROAD NOISE, SOUND QUALITY  Projekt badawczy INPREDO

Pozycja nr 87  Typ pozycji: referat konferencyjny  Autorzy P. Odya, A. Czyżewski, A. Sroczyński, B. Kostek  Tytuł angielski A Device for Measuring Auditory Brainstem Responses to Audio  Tytuł polski Urządzenie do pomiarów słuchowych potencjałów wywołanych pnia mózgu za pomocą sygnałów fonicznych  Konferencja 145th AES Convention  Numer preprintu   Numer 485  Wolumin   Strony   Miejsce konferencji Nowy Jork, USA  Data konferencji 17.10.2018- 20.10.2018  Abstract Standard ABR devices use clicks and tone bursts to assess subjects’ hearing in an objective way. A new device was developed that extends the functionality of a standard ABR audiometer by collecting and analyzing auditory brainstem responses (ABR). The developed accessory allows for the use of complex sounds (e.g., speech or music excerpts) as stimuli. Therefore, it is possible to find out how efficiently different types of sounds are processed in the hearing system including brain. The paper contains technical details related to the design of the device, including its hardware and software parts. The test results that have been carried out to verify the operation of the device are also described.   Słowa kluczowe ABR, hearing, device  Projekt badawczy HCIBRAIN

Pozycja nr 88  Typ pozycji: referat konferencyjny  Autorzy M. Piotrowska, S. Piotrowski, L. Pindor, B. Kostek  Tytuł angielski Objective and Subjective Evaluation of "Automatic Mastering" Compared to Mastering Engineer’s Musical Product Creation  Konferencja AES UK Mastering Conference  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji London, UK  Data konferencji 22.9.2018- 23.9.2018  Abstract Through the past decade we encounter an enormous increase of music produced in home- and project-studios. In self-produced, independent and low-budget projects, mastering - considered by many as the last creative part of the process - is often included in the mixing process as bus processing. Obviously, this trend is magnified by the rapid development of "automatic mastering services". Moreover, one may expect that in some cases a home-produced mix results in a low quality product, which cannot however be fixed by an automatic mastering service as the primary goal of mastering is to transform a fully arranged mix into a musical product, ready for distribution. In this paper, authors examine changes introduced to audio signals resulted from processing by various online platforms, which offer instant, automatic mastering services. A music set consisting of 10 songs produced in small facilities was processed by six automatic mastering services including five on-line solutions and one algorithm proposed by by one of the co-authors. Additionally to music tracks some laboratory-constructed signals were tested. To determine, whether changes introduced to audio are invariable between trials, every music excerpt was submitted several times. For each sample, parameters related to music characteristics such as timbre, dynamics and loudness were extracted before and after processing. Results obtained enable to discover some of the mechanisms underlying automatic mastering services tested as well as discerning similarities and differences between various platforms. In addition, authors invited 3 mastering engineers to create their mastered versions of all tracks. Since most of automatic services do not refer to the target distribution medium, mastering engineers were instructed to provide a musical product version suitable for digital distribution. As the last stage of this investigation subjective evaluation of the processing results was performed. Listening tests included versions of the tracks returned by "instant mastering" services as well as files delivered by three mastering engineers.   Słowa kluczowe audio mastering, audio parameterization, music processing  Projekt badawczy DS

Pozycja nr 89  Typ pozycji: referat konferencyjny  Autorzy A. Kurowski, D. Koszewski, J. Kotus, B. Kostek  Tytuł angielski A Stand for Measurement and Prediction of Scattering Properties of Diffusers  Konferencja 144nd Audio Engineering Society International Convention 2018, AES 2018  Numer preprintu   Numer   Wolumin   Strony 1 - 4  Miejsce konferencji Mediolan, Włochy  Data konferencji 23.5.2018- 26.5.2018  Abstract In this paper we present a set of solutions which may be used for prototyping and simulation of acoustic scattering devices. A system proposed is capable of measuring sound field. Also a way to use an open source solution for simulation of scattering phenomena occurring in proximity of acoustic diffusers is shown. The result of our work are measurement procedure and a prototype of the simulation script based on FEniCS - an open source computing platform for the FEM-based solution of differential equations. A visualization and comparison between data obtained from measurement and an example of the simulation scenario are presented and discussed.  Słowa kluczowe ACOUSTIC DIFFUSER, FINITE ELEMENT METHOD, SOUND PROGPAGATION

Pozycja nr 90  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, P. Szczuko, A. Kurowski, P. Odya, B. Kostek  Tytuł polski Rejestracja materiału badawczego z wykorzystaniem DSO i przygotowanie repozytorium nagrań.   Numer raportu P-INSPACE-23-06-2018  Rok 2018 Streszczenie W niniejszym dokumencie przedstawiono opis procesu rejestracji materiału badawczego w wybranych obiektach wyposażonych w instalację rozgłoszeniową i przygotowanie repozytorium nagrań. Niniejszy raport dokumentuje prace wykonane w ramach realizacji podzadania 2b - LAF dokonana rejestracji materiału badawczego i przygotowanie repozytorium nagrań. Przeprowadzenie pomiarów w wytypowanych obiektach, ujętych w Harmonogramie rzeczowo-finansowym PG.  Projekt badawczy INSPACE

Pozycja nr 91  Typ pozycji: artykuł w czasopiśmie  Autorzy P. Hoffmann, B. Kostek  Tytuł angielski AUDIO SIGNAL EQUALIZATION BASED ON IMPULSE RESPONSE OF A LISTENING ROOM AND MUSIC CONTENT REPRODUCED  Tytuł polski Koncepcja korekcji sygnału dźwiękowego z uwzględnieniem odpowiedzi impulsowej pomieszczenia i zawartości sygnału.  Czasopismo Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne  Wolumin 23  Numer czasopisma 1  Strony 13 - 20  Rok 2018 Numer pozycji bibl. 13  Abstract A research study presents investigations of the influence of the room acoustics on the frequency characteristic of the audio signal playback. First, a concept of a novel spectral equalization method of the room acoustic conditions is introduced. On the basis of the room spectral response, a system for room acoustics compensation based on an equalizer designed is proposed. The system settings depend on music genre recognized automatically. In order to acquire room acoustic characteristics, a series of measurements are performed. The impact of the impulse response on particular genres of music has also been presented. In the analysis of impulse responses, both examples of concert halls, as well as other acoustic spaces were examined. Also, future work on sound correction has been presented.  Słowa kluczowe equlization, impulse response, music content, smart audio  Projekt badawczy DS

Pozycja nr 92  Typ pozycji: artykuł w czasopiśmie  Autorzy K. Marciniuk, B. Kostek  Tytuł angielski INFLUENCE OF DATA NORMALIZATION ON THE EFFECTIVENESS OF NEURAL NETWORKS APPLIED TO CLASSIFICATION OF PAVEMENT CONDITIONS – CASE STUDY  Tytuł polski Wpływ normalizacji danych na efektywność treningu i skuteczność sztucznych sieci neuronowych na przykładzie klasyfikacji stanu nawierzchni.  Czasopismo Zeszyty Naukowe Wydziału ETI PG  Wolumin 23  Numer czasopisma 1  Strony 5 - 12  Rok 2018 Numer pozycji bibl. 12  Abstract In recent years automatic classification employing machine learning seems to be in high demand for tele-informatic-based solutions. An example of such solutions are intelligent transportation systems (ITS), in which various factors are taken into account. The subject of the study presented is the impact of data pre-processing and normalization on the accuracy and training effectiveness of artificial neural networks in the case of pavement condition classification. First, audio parametrization process is shortly described and then the most commonly used methods of data normalization are recalled. Examples of analyses are shown, along with conclusions on application of neural networks to pavement moisture condition classification. A neural network based on the Java Neuroph library was designed. Training time and the network evaluation efficiency of the data without and with normalization performed were shown and analyzed. As it turns out, the Z-score normalization is the most accurate, and also the fastest one for the dataset gathered.  Streszczenie Automatyczna klasyfikacja wykorzystująca algorytmy uczenia maszynowego wymaga zastosowania rozwiązań teleinformatycznych. Przykładem takich rozwiązań są inteligentne systemy transportowe (ITS), w których brane są pod uwagę różne czynniki. Przedmiotem niniejszych badań jest wpływ wstępnego przetwarzania danych i normalizacji na dokładność i skuteczność treningu sztucznych sieci neuronowych w przypadku klasyfikacji stanu nawierzchni. W pierwszej kolejności krótko opisano proces parametryzacji sygnałów fonicznych, a następnie przywołano najczęściej używane metody normalizacji danych. Przedstawiono przykłady analiz wraz z wnioskami dotyczącymi zastosowania sieci neuronowych do klasyfikacji stanu nawierzchni. Zaprojektowano sieć neuronową w oparciu o bibliotekę Neuroph w języku Java. Zbadano czas treningu oraz skuteczność sieci dla danych bez obróbki, oraz stosując opisane metody normalizacji danych.   Słowa kluczowe neural network, data normalization, pavement condition  Projekt badawczy INPREDO

Pozycja nr 93  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, P. Szczuko, B. Kostek  Tytuł polski Metodyka wykonania pomiarów akustycznych w obiektach objętych działaniem systemu DSO  Numer raportu P-INSPACE-16-03-2018  Rok 2018 Streszczenie W niniejszym dokumencie przedstawiono opis metodyki wykonywania pomiarów akustycznych w wybranych obiektach wyposażonych w instalację rozgłoszeniową. Niniejszy raport dokumentuje prace wykonane w ramach realizacji podzadania 2a - Sprecyzowanie metodyki pomiarowej i celów wykonania pomiarów, wybór lokalizacji dla potrzeb rejestracji materiału badawczego (możliwe lokalizacje wykonania pomiarów wskaże ABT, LAF dokona ich przeglądu i zaproponuje miejsce/miejsca pomiarów), ujętych w Harmonogramie rzeczowo-finansowym PG.  Projekt badawczy INSPACE

Pozycja nr 94  Typ pozycji: raport  Autorzy J. Kotus, G. Szwoch, P. Szczuko, A. Kurowski, P. Odya, B. Kostek  Tytuł polski Dokumentacja prac wykonanych przez zespół LAF w ramach zadania 4  Numer raportu P-INSPACE-09-10-2018  Rok 2018 Streszczenie Niniejszy dokument stanowi podsumowanie prac wykonanych przez zespół LAF w ramach zadania 4, ujętego w Harmonogramie rzeczowo-finansowym PG, uszczegółowionego w ramach zadań 4a i 4b.   Projekt badawczy INSPACE

Pozycja nr 95  Typ pozycji: raport  Autorzy J. Kotus, P. Odya, A. Kurowski, P. Szczuko, B. Kostek  Tytuł polski Opracowanie oprogramowania symulacyjnego w środowisku Matlab na potrzeby testowania algorytmów transpozycji (czasowej) sygnału mowy  Numer raportu P-INSPACE-24-09-2018  Rok 2018 Streszczenie Niniejszy dokument stanowi podsumowanie prac wykonanych przez zespół LAF w ramach zadania 4, ujętego w Harmonogramie rzeczowo-finansowym PG, uszczegółowionego w ramach zadania 4b. Dla łatwiejszej oceny niniejszego raportu przywołano uzgodnioną treść zadania 4b: Opracowanie oprogramowania symulacyjnego w środowisku MATLAB, przeprowadzenie badań w warunkach laboratoryjnych przy użyciu środowiska MATLAB, określenie metod pomiaru współczynnika DCR dostosowanych do wprowadzanych przez algorytmy modyfikacji sygnału. Wyznaczenie miar poprzez wykorzystanie metryk obiektywnych niezbędnych w dalszym etapie badań do określenia punktu odniesienia przy dalszych testach algorytmów poprawy jakości sygnałów (dokumentacja oprogramowania).   Projekt badawczy INSPACE

Pozycja nr 96  Typ pozycji: referat konferencyjny  Autorzy K. Marciniuk, B. Kostek  Tytuł angielski Audio Signal Processing in ITS The State-of-the-Art  Tytuł polski Przetwarzanie dźwięku w ITS - przegląd dostępnych rozwiązań  Konferencja Wydziałowe Warsztaty Doktorantów 2018  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Gdańsk, Polska  Data konferencji 9.7.2018- 9.7.2018  Uwagi Wystąpienie, bez przedruku  Abstract Acoustic analysis of the road traffic provides various types of traffic oriented data corresponding to vehicles velocity and safety issues. One of the crucial point in emergency situation it to provide help in the shortest possible time. Faster and more specific localization of the car crash can manage to improve safety on roads. Acoustic analysis and detection systems are used in many countries, however mostly to , detects explosions or shooting in large city agglomerations.   Słowa kluczowe its, road traffic, acoustic monitoring,

Pozycja nr 97  Typ pozycji: referat konferencyjny  Autorzy K. Marciniuk, M. Blaszke, B. Kostek  Tytuł angielski Acoustic Road Monitoring  Konferencja XII MIĘDZYNARODOWA KONFERENCJA BEZPIECZEŃSTWA RUCHU DROGOWEGO GAMBIT 2018  Numer preprintu   Numer 05002  Wolumin 231  Strony   Miejsce konferencji Gdańsk, Polska  Data konferencji 12.4.2018- 13.4.2018  Identyfikator DOI 10.1051/matecconf/201823105002  Uwagi https://www.scopus.com/record/display.uri?eid=2-s2.0-85057451160&origin=resultslist&sort=plf-f&src=s&sid=008e23d418b2ee20bacf1ca4c47a89c8&sot=autdocs&sdt=autdocs&sl=18&s=AU-ID%2857189691452%29&relpos=  Abstract The subject of this research is showing the performance of an automatic acoustic road monitoring system proposed by the authors. The main goal of the study is describing road traffic by means of an acoustic representation and testing effectiveness of traffic flow sensors. Evaluation metrics of the road conditions such as velocity of the traffic flow, its structure and weather condition are presented along with acoustic descriptors derived from the audio signal analysis. Accuracy of emergency vehicles pass by detection based on acoustic monitoring is also briefly described.  Słowa kluczowe ACOUSTICS, ROAD DETECTION, ROAD TRAFFIC NOISE  Projekt badawczy INZNAK

Pozycja nr 98  Typ pozycji: artykuł w czasopiśmie  Autorzy P. Hoffmann, B. Kostek  Tytuł angielski Intelligent equalizer solution employing music genre and the room characteristics analysis  Tytuł polski Inteligentna korekcja sygnału dźwiękowego z uwzględnieniem charakterystyk częstotliwościowych pomieszczenia oraz gatunku muzycznego  Czasopismo Elektronika : konstrukcje, technologie, zastosowania  Wolumin 58  Numer czasopisma 4  Strony 13 - 17  Rok 2017 Identyfikator DOI 10.15199/13.2017.4.3  Numer pozycji bibl. 17  Abstract The paper presents an intelligent equalizer solution based on room acoustic conditions and music genre analysis. A series of acoustic characteristic measurements are performed for checking the concept proposed. White noise (reference signal) and audio excerpts belonging to six music genres are utilized as excitation signals in measurements. This results in registration of frequency responses of rooms and reverberation times. Signals recorded in the listener’s receiver position are used to obtain room equalization characteristics. Pilot subjective tests are performed to obtain information on listeners’ preference on spectral characteristics of reproduced music depending on music genre.  Streszczenie W artykule przedstawiono koncepcję inteligentnego rozwiązania korektora graficznego uwzględniającego warunki akustyczne pomieszczenia oraz gatunek muzyczny. W przeprowadzonych pomiarach właściwości akustycznych badanych pomieszczeń wykorzystano szum biały (sygnał odniesienia) oraz fragmenty sygnałów fonicznych, należących do sześciu gatunków muzycznych. Na podstawie pomierzonej charakterystyki częstotliwościowej pomieszczenia dokonano kompensacji warunków akustycznych w otoczeniu miejsca odsłuchu z uwzględnieniem gatunku muzycznego. Przeprowadzono wstępne testy subiektywne w celu uzyskania informacji w kontekście preferencji słuchaczy reprodukowanej muzyki w zależności od gatunku muzycznego.  Słowa kluczowe EQUALIZATION, LUFS, MUSIC GENRES, ROOM ACOUSTICS  Projekt badawczy DS

Pozycja nr 99  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, G. Korvel  Tytuł angielski Rough Sets Applied to Music Informatics  Tytuł polski Przetwarzanie baz muzycznych w oparciu o system wykorzystujący zbiory przybliżone  Konferencja DAMSS 2017, 10th International Workshop Data Analysis Methods for Software Systems  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Druskininkai, Lithuania  Data konferencji 29.11.2017- 1.12.2017  Uwagi https://www.mii.lt/damss/index.php?page=program&lang=en  Abstract In this presentation music data processing and mining in large databases is investigated based on soft computing methods. First, principles of rule-based classifiers and particularly rough sets are presented, showing their usability in music informatics. Several examples of music processing are shown, including music genre/mood classification, automatic music collection tagging, personal recommendation, composing a playlist, etc. Next, for the purpose of this research study a large number of 30000 audio files divided into different music genres/music mood were gathered to form a database. All files contained in this database were parametrized and resulted in a feature vector of 173 parameters. To reduce the dimensionality of data the correlation analysis was performed. This was then compared to the rough set-based processing of the same feature vectors as such an algorithm produced reducts containing the most promising descriptors in the context of music genre/mood recognition. Classification tests were conducted using the Rough Set Exploration System (RSES), a toolset for analyzing data with the use of methods based on the rough set theory as well as in the WEKA environment with the use of k-Nearest Neighbors (kNN), Bayesian Network (Net) and Sequential Minimal Optimization (SMO) algorithms. All results were analyzed in terms of the recognition rate and computation time efficiency. In conclusion, a potential of rough set-based approach when applied to music informatics was underlined as it offers the possibility to deal with imprecise, vague and indiscernible data objects.  Streszczenie W pracy przedstawiono kolejne fazy przetwarzania sygnałów muzycznych w kontekście automatycznej klasyfikacji oraz rekomendacji muzyki. W badaniach wykorzystano dedykowany wektor parametrów oraz system RSES, wykorzystujący przetwarzanie w oparciu o zbiory przybliżone.  Słowa kluczowe zbiory przybliżone, informatyka muzyczna, przetwarzanie sygnałów muzycznych  Projekt badawczy DS

Pozycja nr 100  Typ pozycji: referat konferencyjny  Autorzy T. Poremski, P. Szymański, B. Kostek  Tytuł polski OCENA EFEKTYWNOŚCI KRÓTKOTERMINOWEGO ZASTOSOWANIA APARATÓW SŁUCHOWYCH Z WYKORZYSTANIEM APLIKACJI INTERNETOWEJ  Konferencja ISSET 2017, XVII Międzynarodowe Sympozjum Inżynierii i Reżyserii Dźwięku  Numer preprintu   Numer   Wolumin   Strony 1 - 15  Miejsce konferencji Warszawa, Polska  Data konferencji 13.10.2017- 15.10.2017  Streszczenie W pracy przedstawiono opracowanie metody oceny efektywności protezowania osób niedosłyszących aparatami słuchowymi. Metoda polega na badaniu ankietowym opartym na kwestionariuszu oceny APHAB uzupełnionym testem rozumienia słów jednosylabowych w polu swobodnym. Uwzględniono dodatkowe kryteria, takie jak: stopień ubytku słuchu, po-miar liczby godzin i dni korzystania z aparatów słuchowych oraz doświadczenia pacjenta. Metoda została opracowana w celu umożliwienia skutecznego pomiaru dużej grupy osób ba-danych w całym kraju. Przygotowano i opracowano internetową aplikację, umożliwiającą przeprowadzenie badania z dowolnego komputera z dostępem do sieci. Zakres badań i pomiarów został wybrany w taki sposób, aby można było z niego korzystać z wykorzystaniem istniejących zasobów personalnych oraz typowego wyposażenia audiologicznego punktów protetycznych. W opracowaniu uwzględniono specyfikę badanych, pośród których dużą grupę stanowią osoby w podeszłym wieku. Metoda bierze zatem pod uwagę charakterystykę najczęściej wy-stępującego otoczenia akustycznego tych osób oraz ich zdolności percepcyjne. W pracy zawarto przegląd istniejących metod oceny efektywności i skuteczności protezowania aparatami słuchowymi, przyjętą metodologię badania oraz wnioski.   Słowa kluczowe protezy słuchu, kwestionariusz oceny APHAB (Abbreviated Profile of Hearing Aid Benefit), skuteczność protezowania aparatami słuchowymi  Projekt badawczy DS

Pozycja nr 101  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, M. Piotrowska, B. Kostek  Tytuł angielski Analysis of allophones based on audio signal recordings and parameterization  Tytuł polski Ocena wymowy wybranych alofonów na podstawie sparametryzowanych reprezentacji sygnału mowy  Czasopismo J. Acoust. Soc. Amer.  Wolumin 141  Numer czasopisma   Strony 3521  Rok 2017 Identyfikator DOI https://doi.org/10.1121/1.4987415  Abstract The aim of this study is to develop an allophonic description of English plosive consonants based on recordings of 600 specially selected words. Allophonic variations addressed in the study may have two sources: positional and contextual. The former one depends on the syllabic or prosodic position in which a particular phoneme occurs. Contextual allophony is conditioned by the local phonetic environment. Co-articulation overlapping in time demands a precise determination of allophonic pronunciation in the context of phonemic transcription. The presented study is focused on creation of speech recordings that may serve for the analysis of allophone variation. Two sets of recordings are prepared. The first one consists of words read by the non-native speakers. Tempo of reading is forced by a teleprompter. In the second case, every word is played back from the recordings of the phonology expert and then the speaker repeats a particular word. The last stage is the assessment of recordings by the same expert. Scores assigned by the expert are included as a reference for signal analysis and parametrization. [Research sponsored by the Polish National Science Centre, Dec. No.2015/17/B/ST6/01874.]   Streszczenie Celem pracy było przygotowanie bazy nagrań wybranych słów, które posłużyły następnie do edycji wybranych alofonów. Nagrania dotyczyły mówców anglojęzycznych, jak również mówców o różnym stopniu znajomości j. angielskiego (w tym drugim przypadku nagrania powtórzone dwukrotnie, za drugim razem z odsłuchem mówcy anglojęzycznego). Kolejnym punktem był opis parametryczny wybranych alofonoów w kontekście automatycznej oceny wymowy.  Słowa kluczowe alofon, baza nagrań, parametryzacja, automatyczna ocena wymowy  Projekt badawczy ALOFON

Pozycja nr 102  Typ pozycji: referat konferencyjny  Autorzy K. Mrozik, A. Kurowski, B. Kostek, A. Czyżewski  Tytuł angielski Comparison of selected electroencephalographic signal classification methods  Konferencja SPA2017 Signal Processing: Algorithms, Architectures, Arrangements, and Application  Numer preprintu   Numer   Wolumin   Strony 34 - 41  Miejsce konferencji Poznań, Polska  Data konferencji 20.9.2017- 22.9.2017  Abstract A variety of methods exists for electroencephalographic (EEG) signals classification. In this paper, we briefly review selected methods developed for such a purpose. First, a short description of the EEG signal characteristics is shown. Then, a comparison between the selected EEG signal classification methods, based on the overview of research studies on this topic, is presented. Examples of methods included in the study are: Artificial Neural Networks, Support Vector Machines, Fuzzy or k-Means Clustering. Similarities and differences between all considered methods of an automatic EEG signal classification with a focus on consecutive stages of such a process are reviewed. Examples of EEG classification, considering various types of usage and target applications along with their effectiveness, are also shown.  Słowa kluczowe brain-computer interface, EEG signal, EEG signal classification, machine learning  Projekt badawczy HCIBRAIN

Pozycja nr 103  Typ pozycji: książka  Autorzy A. Kurowski, P. Odya, P. Szczuko, M. Lech, P. Spaleniak, B. Kostek, A. Czyżewski  Tytuł angielski Multimodal system for diagnosis and polysensory stimulation of subjects with communication disorders  Wydawca Springer Verlag  Strony 47 - 56  Rok 2017 Identyfikator DOI 10.1007/978-3-319-60438-1_5  Abstract An experimental multimodal system, designed for polysensory diagnosis and stimulation of persons with impaired communication skills or even non-communicative subjects is presented. The user interface includes an eye tracking device and the EEG monitoring of the subject. Furthermore, the system consists of a device for objective hearing testing and an autostereoscopic projection system designed to stimulate subjects through their immersion in a virtual environment. Data analysis methods are described, and experiments associated with classification of mental states during listening exercises as well as audio-visual stimuli are presented and discussed. Feature extraction was based on discrete wavelet transformation and clustering employing the k-means algorithm was designed. All algorithms were implemented in the Python programming language with the use of Open Source libraries. Tests of the proposed system were performed in a Special School and Educational Center in Koś-cierzyna, Poland. Results and comparison with data gathered from the control group of healthy people are presented and discussed.  Słowa kluczowe communication disorders, data clustering, EEG, multimodal interfaces, polysensory stimulation  Projekt badawczy HCIBRAIN

Pozycja nr 104  Typ pozycji: referat konferencyjny  Autorzy A. Kurowski, J. Kotus, B. Kostek  Tytuł angielski Measurement and visualization of sound intensity vector distribution in proximity of acoustic diffusers  Konferencja 142nd Audio Engineering Society International Convention 2017, AES 2017  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Berlin, Niemcy  Data konferencji 20.5.2017- 23.5.2017  Abstract In this work, we would like to present analyses and visualizations of sound intensity distribution measured in proximity of an acoustic diffuser. Such distribution may be used for estimation of basic acoustic parameters of a diffuser. Measurement is performed with the use of a logarithmic sine sweep which allows for the analysis of waves scattered by the diffuser and rejecting the direct sound signal component. Pressure and sound intensity vector impulse responses are measured simultaneously. The measurement is carried out for a grid of 37 points arranged at equal intervals lying in a semicircle. To investigate the impact of objects evaluated on the sound wave propagation diffusion coefficients and sound intensity vector distributions are then compared.  Słowa kluczowe acoustic diffuser, room treatment, sound intensity, wave propagation

Pozycja nr 105  Typ pozycji: artykuł w czasopiśmie  Autorzy G. Korvel, B. Kostek  Tytuł angielski Voiceless Stop Consonant Modelling and Synthesis Framework Based on MISO Dynamic System  Tytuł polski Propozycja modelu głosek bezdżwięcznych wykorzystująca strukturę MISO (Multiple-Input and Single-Output)  Czasopismo Archives of Acoustics  Wolumin 42  Numer czasopisma 3  Strony 375 - 383  Rok 2017 Identyfikator DOI 10.1515/aoa-2017-0039  Uwagi partially Alofon  Abstract A voiceless stop consonant phoneme modelling and synthesis framework based on a phoneme modelling in low-frequency range and high-frequency range separately is proposed. The phoneme signal is decomposed into the sums of simpler basic components and described as the output of a linear multiple-input and single-output (MISO) system. The impulse response of each channel is a third order quasi-polynomial. Using this framework, the limit between the frequency ranges is determined. A new limit point searching three-step algorithm is given in this paper. Within this framework, the input of the low-frequency component is equal to one, and the impulse response generates the whole component. The high-frequency component appears when the system is excited by semi-periodic impulses. The filter impulse response of this component model is single period and decays after three periods. Application of the proposed modelling framework for the voiceless stop consonant phoneme has shown that the quality of the model is sufficiently good. Acknowledgments: Polish National Commission for UNESCO Scheme (fellowship grant financed by the Ministry of Science and Higher Education) and the Polish National Science Centre, Dec. No. 2015/17/B/ST6/01874 keywords: speech synthesis; consonant phonemes; phoneme modelling framework; MISO system  Streszczenie słowa kluczowe: przetwarzanie mowy, synteza mowy, fonem, modelowanie spółgłosek, układ MISO (Multiple-Input and Single-Output). W artykule przedstawiono zagadnienia związane z syntezą mowy, a w szczególności z modelowaniem fonemów z wykorzystaniem liniowej struktury MISO (multiple-input and single-output). W pierwszej kolejności odniesiono się do aktualnego stanu wiedzy w modelowaniu pojedynczych fonemów (w rozważanym przypadku, spółgłosek bezdźwięcznych) oraz przedstawiono matematyczny model wykorzystywany w badaniach. W dalszej części przedstawiono algorytm implementujący zaprojektowaną strukturę oraz wyniki badań, które potwierdzają możliwość generowania syntetycznych o dobrej jakości dźwięku.  Projekt badawczy ALOFON

Pozycja nr 106  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, B. Kostek, A. Kurowski, P. Szczuko, M. Lech, P. Odya, A. Kwiatkowska  Tytuł angielski Multimodal approach for polysensory stimulation and diagnosis of subjects with severe communication disorders  Czasopismo Procedia Computer Science  Wolumin 121  Numer czasopisma   Strony 238 - 243  Rok 2017 Identyfikator DOI 10.1016/j.procs.2017.11.033  Abstract An experimental multimodal system, designed for polysensory diagnosis and stimulation of non-communicative subjects, with severe brain injuries is presented. The user interface uses an eye-tracking device and EEG monitoring of the subject. The system is evaluated on 9 patients, data analysis methods are described, and experiments of correlating Glasgow Coma Scale with extracted features describing subjects performance in therapeutic exercises exploiting EEG and eyetracker are presented. Performance metrics are proposed, and k-means clusters used to define concepts for mental states related to EEG and eyetracking activity. Finally, it is shown that the strongest correlations are between the number of detected mental states and GCSe score, and between maximal length of mental state and GCSm. Weaker correlations are reported as well. Moreover an approach to classification of real and imaginary motion of limbs is presented and discussed. Classifiers based on SVM, Artificial Neural Networks, and Rough Sets were trained and accuracy reaching 91% for the real, and up to 100% for the imaginary type of motion was observed. Assessments of communication skills and therapy is possible with the system, already employed in long-term care facility.  Słowa kluczowe communication disorders, brain injuries, polysensory stimulation, EEG, electroencephalography, multimodal interfaces, imaginary motion  Projekt badawczy HCIBRAIN

Pozycja nr 107  Typ pozycji: referat konferencyjny  Autorzy A. Czyżewski, B. Kostek, A. Kurowski, P. Szczuko, M. Lech, P. Odya, A. Kwiatkowska  Tytuł angielski Multimodal Approach For Polysensory Stimulation And Diagnosis Of Subjects With Severe Communication Disorders  Konferencja HCist - International Conference on Health and Social Care Information Systems and Technologies  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Barcelona, Hiszpania  Data konferencji 8.11.2017- 10.11.2017  Abstract An experimental multimodal system, designed for polysensory diagnosis and stimulation of non-communicative subjects, with severe brain injuries is presented. The user interface uses an eye-tracking device and EEG monitoring of the subject. The system is evaluated on 9 patients, data analysis methods are described, and experiments of correlating Glasgow Coma Scale with extracted features describing subjects performance in therapeutic exercises exploiting EEG and eyetracker are presented. Performance metrics are proposed, and k-means clusters used to define concepts for mental states related to EEG and eyetracking activity. Finally, it is shown that the strongest correlations are between the number of detected mental states and GCSe score, and between maximal length of mental state and GCSm. Weaker correlations are reported as well. Moreover an approach to classification of real and imaginary motion of limbs is presented and discussed. Classifiers based on SVM, Artificial Neural Networks, and Rough Sets were trained and accuracy reaching 91% for the real, and up to 100% for the imaginary type of motion was observed. Assessments of communication skills and therapy is possible with the system, already employed in long-term care facility.  Słowa kluczowe communication disorders, brain injuries, polysensory stimulation, EEG, electroencephalography, multimodal interfaces, imaginary motion  Projekt badawczy HCIBRAIN

Pozycja nr 108  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Rosner, B. Kostek  Tytuł angielski Automatic music genre classification based on musical instrument track separation  Tytuł polski Automatyczna klasyfikacja gatunku muzycznego wykorzystująca algorytm separacji dźwięku instrumentó muzycznych  Czasopismo Journ. of Intelligent Information Systems  Wolumin   Numer czasopisma   Strony   Rok 2017 Identyfikator DOI doi:10.1007/s10844-017-0464-5  Abstract The aim of this article is to investigate whether separating music tracks at the pre-processing phase and extending feature vector by parameters related to the specific musical instruments that are characteristic for the given musical genre allow for efficient automatic musical genre classification in case of database containing thousands of music excerpts and a dozen of genres. Results of extensive experiments show that the approach proposed for music genre classification is promising. Overall, conglomerating parameters derived from both an original audio and a mixture of separated tracks improve classification effectiveness measures, demonstrating that the proposed feature vector and the Support Vector Machine (SVM) with Co-training mechanism are applicable to a large dataset. Keywords: Music information retrieval (MIR) Automatic music genre classification Automatic separation of music tracks Support vector machine (SVM)  Streszczenie Celem artykułu było przedstawienie badań pokazujących czy zastosowanie separacji ścieżek muzycznych w fazie wstępnego przetwarzania wspomaga efektywność procesu automatycznego rozpoznawania gatunków muzycznych. W badaniach wykorzystano maszynę wektorów wspierających (SVM) i bazę danych muzycznych zawierającą kilkadziesiąt tysięcy utworów muzycznych. Słowa kluczowe: informatyka muzyczna, wyszukiwanie informacji muzycznej (MIR), maszyna wektorów wspierających (SVM), klasyfikacja gatunków muzycznych

Pozycja nr 109  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, M. Piotrowska, T. Ciszewski, A. Czyżewski  Tytuł angielski Determining Pronunciation Differences in English Allophones Utilizing Audio Signal Parameterization  Konferencja 142nd Audio Engineering Society Convention  Numer preprintu 9716  Numer   Wolumin   Strony   Miejsce konferencji   Data konferencji 20.5.2017- 23.5.2017  Abstract An allophonic description of English plosive consonants, based on audio-visual recordings of 600 specially selected words, was developed. First, several speakers were recorded while reading words from a teleprompter. Then, every word was played back from the previously recorded sample read by a phonology expert and each examined speaker repeated a particular word trying to imitate correct pronunciation. The next step consisted in partitioning by editing two recorded sets of words into allophones, then signals were analyzed and subsequently audio excerpts were parametrized. The comparison of two sets of allophones was reinforced by the phonology expert’s assessment of produced speech sounds. Analyses presented in this paper allowed for determining a set of parameters describing an allophone pronunciation.  Projekt badawczy ALOFON

Pozycja nr 110  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, M. Piotrowska, A. Czyżewski  Tytuł angielski Comparative Study of Self-Organizing Maps vs. Subjective Evaluation of Quality of Allophone Pronunciation for Nonnative English Speakers  Konferencja 143rd Audio Engineering Society Convention  Numer preprintu 9847  Numer   Wolumin   Strony   Miejsce konferencji New York, USA  Data konferencji 18.10.2017- 21.10.2017  Abstract The purpose of this study was to apply Self-Organizing Maps to differentiate between the correct and the incorrect allophone pronunciations and to compare the results with subjective evaluation. Recordings of a list of target words, containing selected allophones of English plosive consonants, the velar nasal and the lateral consonant, were made twice. First, the target words were read from the list by nine non-native speakers and then repeated after a phonology expert’s recorded sample. Afterwards, two recorded signal sets were segmented into allophones and parameterized. For that purpose, a set of descriptors, commonly employed in music information retrieval, was utilized to determine whether they are effective in allophone analysis. The phonology expert’s task was to evaluate the pronunciation accuracy of each uttered allophone. Extracted feature vectors along with the assigned ratings were applied to SOMs.  Projekt badawczy ALOFON

Pozycja nr 111  Typ pozycji: referat konferencyjny  Autorzy M. Piotrowska, S. Piotrowski, B. Kostek  Tytuł angielski A Study on Audio Signal Processed by "Instant Mastering"  Konferencja 142nd Audio Engineering Society Convention  Numer preprintu 9719  Numer   Wolumin   Strony   Miejsce konferencji Berlin, Niemcy  Data konferencji 20.5.2017- 23.5.2017  Abstract An increasing amount of music produced in home- and project-studios results in development and growth of "automatic mastering services". The presented investigation explores changes introduced to audio signal by various online mastering platforms. A music set consisting of 10 songs produced in small facilities was processed by eight on-line automatic mastering services. Additionally, some laboratory-constructed signals were tested. To determine, whether changes introduced to audio are invariable between trials, every music excerpt was submitted several times. For each sample, parameters related to music characteristics such as timbre, dynamics and loudness were calculated before and after processing. Results obtained enable to discover some of the mechanisms underlying tested automatic mastering services as well as discern similarities and differences between various platforms.  Projekt badawczy DS

Pozycja nr 112  Typ pozycji: referat konferencyjny  Autorzy M. Hoppe, B. Kostek  Tytuł polski Stworzenie stereofonicznej ścieżki dźwiękowej do filmu symulującej dźwięk wielokanałowy  Konferencja ISSET 2017, XVII Międzynarodowe Sympozjum Inżynierii i Reżyserii Dźwięku   Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Warszawa, Polska  Data konferencji 13.10.2017- 15.10.2017  Streszczenie Celem referatu pracy jest przedstawienie procesu tworzenia stereofonicznej ścieżki dźwiękowej do filmu, symulującej dźwięk wielokanałowy w odsłuchu słuchawkowym. Opracowana symulacja dźwięku wielokanałowego wykorzystuje filtrację HRTF (ang. Head-Related-Transfer-Function). W celu umożliwienia jednoczesnego odsłuchu kilku partii instrumentalnych składających się na ścieżkę dźwiękową stworzona została aplikacja wraz z graficznym interfejsem użytkownika w środowisku Java. Interfejs pozwala użytkownikowi na wybór rozmieszczenia konkretnych partii instrumentalnych w odpowiednich miejscach w przestrzeni dźwiękowej oraz jednoczesny odsłuch wszystkich partii wraz z materiałem filmowym. Symulacja obejmuje dwa systemy odsłuchowe: system kwadrofoniczny oraz system 5.1. Każda partia instrumentalna została przefiltrowana parą filtrów odpowiadających położeniu głośników w powyższych systemach. Aplikacja została skonstruowana w taki sposób, aby użytkownik mógł porównać oba systemy przy takim samym rozmieszczeniu instrumentów, a następnie dokonać zmiany rozmieszczenia instrumentów i ponowny odsłuch. Dodatkowo dodano także możliwość odsłuchu ścieżki dźwiękowej w systemie stereofonicznym. W tej wersji ścieżka dźwiękowa stanowi downmix wszystkich partii instrumentalnych do dwóch kanałów. Na potrzeby ścieżki dźwiękowej został także przygotowany krótki film. W ramach badań zostały przeprowadzone dwie serie testów odsłuchowych. Pierwsza seria testów polegała na ocenie powyższych systemów w kontekście określonych parametrów. Druga seria testów przeprowadzona dla systemów 5.1 i kwadrofonii miała na celu określenie, w jakim stopniu poszczególne partie instrumentalne są poprawnie lokalizowane w przestrzeni.   Słowa kluczowe dźwięki wielokanałowy, odsłuch binauralny, ocena jakości dźwięku  Projekt badawczy DS

Pozycja nr 113  Typ pozycji: artykuł w czasopiśmie  Autorzy P. Spaleniak, A. Kurowski, B. Kostek  Tytuł polski Wspomaganie komunikacji w procesie neurorehabilitacji z wykorzystaniem śledzenia wzroku i analizy sygnałów EEG  Czasopismo Zeszyty naukowe WE PG  Wolumin   Numer czasopisma 57  Strony 127 - 130  Rok 2017 Streszczenie W pracy przedstawiono charakterystykę systemu do wspomagania komunikacji w procesie neurorehabilitacji osób w stanie ograniczonej świadomości. Przygotowana aplikacja komputerowa wykorzystuje metodę śledzenia wzroku wspomaganą analizą sygnału EEG. W pracy podano genezę powstania systemu, scharakteryzowano zaimplementowane ćwiczenia oraz pozostałe funkcjonalności, a także zamieszczono wyniki wstępnych badań dokonanych w kilku polskich ośrodkach terapeutycznych.  Słowa kluczowe neurorehabilitacja, interfejsy HCI, śledzenie wzroku, elektroencefalografia  Projekt badawczy HCIBRAIN

Pozycja nr 114  Typ pozycji: artykuł w czasopiśmie  Autorzy P. Odya, J. Kotus, M. Szczodrak, B. Kostek  Tytuł angielski Sound intensity distribution around organ pipe  Tytuł polski Rozkład natężenia dźwięku wokół piszczałki organowej  Czasopismo Archives of Acoustics  Wolumin 42  Numer czasopisma 1  Strony   Rok 2017 Uwagi Grant NCN - partially  Abstract The aim of the paper was to compare acoustic field around the open and stopped organ pipes. The wooden organ pipe was located in the anechoic chamber and activated with a constant air flow, produced by an external air-compressor. Thus, long-term steady state response was possible to obtain. Multichannel acoustic vector sensor was used to measure the sound intensity distribution of radiated acoustic energy. Measurements have been carried out on a defined fixed grid of points. A specialized Cartesian robot allowed for a precise positioning of the acoustic probe. Afterwards, the data were processed in order to obtain and visualize the sound intensity distribution around the pipe. The fact of opening or stopping the pipe affects the frequency of the generated sound, the sound pressure level and direction of propagation of acoustic energy. For the open pipe, another sound source was present at the top of the pipe. In this case, the streamlines in front of the pipe are propagated horizontally and in a greater distance from the pipe are directed downwards. For the stopped pipe, the streamlines of the acoustic flow were directed upwards. The results for both pipe types were compared and discussed in the paper.  Streszczenie Celem przeprowadzonych badań było uzyskanie rozkładu natężenia dźwięku wokół piszczałki organowej. W badaniach wykorzystano czujnik wektorowy oraz robota kartezjańskiego. Pomiary wykonano w komorze bezechowej przy zachowaniu stałego pobudzenia.  Słowa kluczowe organ pipe, sound field, sound intensity, cartesian robot  Projekt badawczy NCN_POM

Pozycja nr 115  Typ pozycji: referat konferencyjny  Autorzy D. Koszewski, K. Marciniuk, B. Kostek  Tytuł polski Badanie wierności brzmienia dźwięku instrumentów wirtualnych VST/TRTAS  Konferencja XVII Międzynarodowe Sympozjum Inżynierii i Reżyserii Dźwięku ISSET2017  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Warszawa,   Data konferencji 13.10.2017- 15.10.2017  Numer pozycji bibl. 8  Abstract The aim of this study is to check if nowadays virtual instruments (VST/RTAS), based on the sampling of acoustic instruments, allow realistically reproduce sound and articulation of an real instruments. The first part of this study provides sound synthesis methods and an overview of virtual instruments based on a sample synthesis. Practical part concerns arrange pieces of orchestral music tracks, then use VSTi plugins to create appropriate virtual instrument. The work is summarized by performing subjective tests answering the question whether today's virtual instruments can replace real ones.  Streszczenie Tematem referatu jest subiektywne badanie wierności brzmienia instrumentów wirtualnych (VST/TRTAS) wykorzystujących próbkowanie dźwięków rzeczywistych instrumentów muzycznych. Na potrzeby przedstawionej pracy wybrano kilka utworów muzyki orkiestrowej z epoki romantyzmu i klasycyzmu, nagranych przy użyciu instrumentów akustycznych. Następnie zaaranżowano fragmenty tych utworów, wykorzystując do tego instrumenty wirtualne i efekty cyfrowego przetwarzania sygnałów. W kolejnym kroku przeprowadzono testy subiektywne dla próbek oryginalnych i zsyntetyzowanych. W badaniach wzięła udział reprezentatywna grupa słuchaczy, składająca się zarówno z ekspertów pracujących na co dzień przy produkcjach muzycznych, jak i osób niedoświadczonych. Porównano stopień wierności odtworzenia brzmienia i artykulacji instrumentów akustycznych przez instrumenty wirtualne na przykładzie fragmentów zaaranżowanych utworów i ich oryginalnych wersji. Wyniki zostały poddane analizie statystycznej.  Słowa kluczowe VST, SAMPLING, AUDIO

Pozycja nr 116  Typ pozycji: referat konferencyjny  Autorzy A. Kurowski, P. Odya, P. Szczuko, M. Lech, P. Spaleniak, B. Kostek, A. Czyżewski  Tytuł angielski Multimodal System for Diagnosis and Polysensory Stimulation of Subjects with Communication Disorders  Konferencja 23rd International Symposium on Methodologies for Intelligent Systems ISMIS 2017  Numer preprintu   Numer   Wolumin   Strony 47 - 56  Miejsce konferencji Warszawa, Polska  Data konferencji 26.6.2017- 29.6.2017  Identyfikator DOI 10.1007/978-3-319-60438-1_5   Abstract An experimental multimodal system, designed for polysensory diagnosis and stimulation of persons with impaired communication skills or even non-communicative subjects is presented. The user interface includes an eye tracking device and the EEG monitoring of the subject. Furthermore, the system consists of a device for objective hearing testing and an autostereoscopic projection system designed to stimulate subjects through their immersion in a virtual environment. Data analysis methods are described, and experiments associated with classification of mental states during listening exercises as well as audio-visual stimuli are presented and discussed. Feature extraction was based on discrete wavelet transformation and clustering employing the k-means algorithm was designed. All algorithms were implemented in the Python programming language with the use of Open Source libraries. Tests of the proposed system were performed in a Special School and Educational Center in Koś-cierzyna, Poland. Results and comparison with data gathered from the control group of healthy people are presented and discussed.   Słowa kluczowe communication disorders, data clustering, EEG, multimodal interfaces, polysensory stimulation   Projekt badawczy HCIBRAIN

Pozycja nr 117  Typ pozycji: książka  Autorzy K. Marciniuk, B. Kostek, A. Czyżewski  Tytuł angielski Traffic Noise Analysis Applied to Automatic Vehicle Counting and Classification  Wydawca Springer, Multimedia Communications, Services and Security, MCSS 2017  Strony 110 - 123  Rok 2017 Identyfikator DOI 10.1007/978-3-319-69911-0_9  Uwagi Best paper  Abstract Problems related to determining traffic noise characteristics are discussed in the context of automatic dynamic noise analysis based on noise level measurements and traffic prediction models. The obtained analytical results provide the second goal of the study, namely automatic vehicle counting and classification. Several traffic prediction models are presented and compared to the results of in-situ noise level measurements. Synchronized audio recordings were made to determine Sound Quality parameters describing the nature of acquired sound signals. Video recordings and information about the traffic structure using commercially available automatic vehicle detection methods were also collected in order to create ground truth data used for the experiments.  Słowa kluczowe Traffic noise Audio parametrization Automatic dynamic noise map creation Automatic traffic counting and vehicle recognition   Projekt badawczy INPREDO

Pozycja nr 118  Typ pozycji: referat konferencyjny  Autorzy A. Dorochowicz, A. Majdańczuk, P. Hoffmann, B. Kostek  Tytuł angielski Classification of musical genres by means of listening tests and decision algorithms  Konferencja ISMIS 2017 : 23rd International Symposium on Methodologies for Intelligent Systems  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Warszawa, Polska  Data konferencji 26.6.2017- 29.6.2017  Numer pozycji bibl. 24  Abstract The paper compares the results of audio excerpt assignment to a music genre obtained in listening tests and classification by means of decision algorithms. A short review on music description employing music styles and genres is given. Then, assumptions of listening tests to be carried out along with an online survey for assigning audio samples to selected music genres are presented. A framework for music parametrization is created resulting in feature vectors, which are checked for data redundancy. Finally, the effectiveness of the automatic music genre classification employing two decision algorithms is presented. Conclusions contain the results of the comparative analysis of the results obtained in listening tests and automatic genre classification.  Słowa kluczowe MUSIC GENRE CLASSIFICATION, FEATURE EXTRACTION, LISTENING TESTS  Projekt badawczy DS

Pozycja nr 119  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, B. Kostek, P. Bratoszewski, J. Kotus, M. Szykulski  Tytuł angielski An audio-visual corpus for multimodal automatic speech recognition  Czasopismo Journ. of Intelligent Information Systems  Wolumin   Numer czasopisma   Strony 1 - 27  Rok 2017 Numer pozycji bibl. 54  Uwagi http://dx.doi.org/10.1007/s10844-016-0438-z  Abstract A review of available audio-visual speech corpora and a description of a new multimodal corpus of English speech recordings is provided. The new corpus containing 31 hours of recordings was created specifically to assist audio-visual speech recognition systems (AVSR) development. The database related to the corpus includes high-resolution, high-framerate stereoscopic video streams from RGB cameras, depth imaging stream utilizing Time-of-Flight camera accompanied by audio recorded using both: a microphone array and a microphone built in a mobile computer. For the purpose of applications related to AVSR systems training, every utterance was manually labeled, resulting in label files added to the corpus repository. Owing to the inclusion of recordings made in noisy conditions the elaborated corpus can also be used for testing robustness of speech recognition systems in the presence of acoustic background noise. The process of building the corpus, including the recording, labeling and post-processing phases is described in the paper. Results achieved with the developed audio-visual automatic speech recognition (ASR) engine trained and tested with the material contained in the corpus are presented and discussed together with comparative test results employing a state-of-the-art/commercial ASR engine. In order to demonstrate the practical use of the corpus it is made available for the public use.   Słowa kluczowe MODALITY corpus; English language corpus; Speech recognition; AVSR  Projekt badawczy MODALITY

Pozycja nr 120  Typ pozycji: patent  Autorzy B. Kostek, M. Dziubiński  Tytuł polski Algorytmy separacji miksów dźwięków instrumentów muzycznych  Numer patentu   Data zgłoszenia 23.2.2017  Uwagi rozwiązanie innowacyjne  Streszczenie Zaproponowane zostały cztery algorytmy separacji zmiksowanych dźwięków muzycznych. Na wejście algorytmu separacji podawane były dźwięki zmiksowane w warunkach braku wiedzy na temat rodzaju instrumentów muzycznych składających się na dźwięk zmiksowany. Opisywana metoda bazuje na dekompozycji składowych harmonicznych. Składowe te reprezentowane są jako przebiegi sinusoidalne o zmiennej w czasie fazie, amplitudzie i częstotliwości. Dzięki modelowaniu składowych harmonicznych przy pomocy powyższej reprezentacji, możliwe jest osiągnięcie znacznie większej rozdzielczości czasowoczęstotliwościowej niż w stosowanych do tej pory metodach separacji, bazujących na analizie STFT. Jednym z celów było ponadto opracowanie skutecznego algorytmu detekcji częstotliwości podstawowej dźwięków muzycznych. Jest to jeden z elementów procesu separacji, który wykorzystuje informację o częstotliwości podstawowej miksowanych dźwięków. Zaproponowany został taki algorytm i przebadany na znaczącej reprezentacji dźwięków muzycznych (1000 dźwięków syntetycznych i 567 dźwięków instrumentów akustycznych). Następnie wykazano, że zaproponowany algorytm nie popełnia błędów oktawowych i wyznacza częstotliwość podstawową dźwięku z dokładnością do pojedynczych centów dla całej skali muzycznej (średni błąd estymacji wyniósł 0.0108 % w stosunku do częstotliwości wzorcowej).   Słowa kluczowe separacja dźwięków instrumentów muzycznych, miks dźwięków, dekompozycja składowych harmonicznych, detekcja częstotliwości podstawowej, rozdzielczość czasowo-częstotliwościowa  Projekt badawczy DS

Pozycja nr 121  Typ pozycji: referat konferencyjny  Autorzy A. Czyżewski, B. Kostek  Tytuł angielski Assessment of hearing in coma patients employing auditory brainstem response, electroencephalography, and eye-gaze-tracking  Tytuł polski Ocena słuchu u pacjentów w śpiączce z wykorzystaniem odpowiedzi słuchowej pnia mózgu, elektroencefalografii i śledzenia wzroku  Konferencja Acoustics'17 (Acoustical Society of America)  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Boston, USA  Data konferencji 25.6.2017- 29.6.2017  Identyfikator DOI 10.1121/1.4988794  Uwagi The Journal of the Acoustical Society of America 141, 3903 (2017)  Abstract The results of the study conducted by Tagliaferri et al. in 12 European countries indicate that the ratio of registered brain injury cases in Europe amounts to 150-300 per 100 000 people, with the European mean value of 235 cases per 100 000 people. The project presented in the paper assumes development of a combined metric of patients’ state remaining in coma by intelligent fusion of GCS (subjective Glasgow Coma Scale or its derivatives) with objective data acquired using ABR (Auditory Brainstem Response), EEG (electroencephalography), and EGT (Eye-Gaze-Tracking). Variety of coma patients from cooperating medical care centers were examined. Senses examination involved the assessment of their function by a medical specialist, with special attention paid to hearing tests results obtained with an ABR measuring device. The assessment included speech-based cognitive functions such as comprehension, phonematic hearing and auditory gnosia. Achieved results are discussed in the paper showing that most patients remaining in coma after a severe brain injury have preserved the ability to receive sound stimuli. [The project was partially funded by the Polish National Science Centre on the basis of the decision No. DEC-2014/15/B/ST7/04724.]  Streszczenie Wyniki badania przeprowadzonego przez Tagliaferri et al. w 12 krajach europejskich wskazuje, że stosunek zarejestrowanych przypadków obrażeń mózgu w Europie wynosi 150-300 na 100 000 osób, przy średniej europejskiej wynoszącej 235 przypadków na 100 000 osób. Przedstawiony projekt zakłada opracowanie połączonego wskaźnika stanu pacjentów pozostających w stanie śpiączki poprzez inteligentną syntezę GCS (subiektywna skala Glasgow Coma Scale lub jej pochodne) z obiektywnymi danymi uzyskanymi przy użyciu ABR (Auditory Brainstem Response), EEG (elektroencefalografia), i EGT (Eye-Gaze-Tracking). Badano różnorodność pacjentów w śpiączce ze współpracujących ośrodków opieki medycznej. Badanie zmysłów obejmowało ocenę ich funkcji przez lekarza specjalistę, ze szczególnym uwzględnieniem wyników badań słuchu uzyskanych za pomocą urządzenia pomiarowego ABR. Ocena obejmowała funkcje kognitywne oparte na mowie, takie jak rozumienie, słuch fonemiczny i gnoza słuchowa. Osiągnięte wyniki zostały omówione w artykule pokazującym, że większość pacjentów pozostających w śpiączce po ciężkim uszkodzeniu mózgu zachowało zdolność do odbierania bodźców dźwiękowych. [Projekt był częściowo finansowany przez Narodowe Centrum Nauki na podstawie decyzji nr DEC-2014/15 / B / ST7 / 04724.]  Słowa kluczowe urazy mózgowe; śpiączka; badanie słuchu  Projekt badawczy HCIBRAIN

Pozycja nr 122  Typ pozycji: artykuł w czasopiśmie  Autorzy K. Marciniuk, B. Kostek, A. Czyżewski  Tytuł angielski Classifying type of vehicles on the basis of data extracted from audio signal characteristics  Czasopismo J. Acoust. Soc. Amer.  Wolumin 141  Numer czasopisma 5  Strony 3883 - 3883  Rok 2017 Identyfikator DOI https://doi.org/10.1121/1.4988697  Abstract The aim of this study is to find and optimize a feature vector for an automatic recognition of the type of vehicles, extracted form an audio signal. First, the influence of weather-based conditions of road surface on spectral characteristic of the audio signal recorded from a passing vehicle in close proximity to the road is discussed. Next, parameterization of the recorded audio signal is performed. For that purpose, the MIRtoolbox, designed for music parameter extraction, is used to obtain a vector of parameters. Correlation analyses are performed to check whether extracted parameters enable to separate selected types of vehicle-associated noise, e.g.: car, truck and motorcycle. Behrens-Fisher statistics is used to find the most suitable parameters that may be contained in the optimized feature vector. The last step is to build a decision system that allows for the automatic classification of a vehicle type. The results of automatic classification of prepared vehicle-noise related samples are shown and discussed. Research was supported by the Polish National Centre for Research and Development within the grant No. OT4- 4B/AGH-PG-WSTKT.  Słowa kluczowe VEHICLE CLASSIFICATION, AUDIO PROCESSING, PARAMETERS EXTRACTION  Projekt badawczy INPREDO

Pozycja nr 123  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, M. Plewa  Tytuł angielski Rough Sets Applied to Mood of Music Recognition   Tytuł polski Wnioskowanie przybliżone w zastosowaniu do przetwarzania danych muzycznych  Konferencja Federated Conference on Computer Science and Information Systems  Numer preprintu   Numer   Wolumin ISBN 978-83-60810-90  Strony 71 - 78  Miejsce konferencji Gdansk, Poland  Data konferencji 11.9.2016- 14.9.2016  Uwagi http://dx.doi.org/10.15439/2016F548  Abstract With the growth of accessible digital music libraries over the past decade, there is a need for research into automated systems for searching, organizing and recommending music. Mood of music is considered as one of the most intuitive criteria for listeners, thus this work is focused on the emotional content of music and its automatic recognition. The research study presented in this work contains an attempt to music emotion recognition including audio parameterization and rough sets. A music set consisting of 154 excerpts from 10 music genres was evaluated in the listening experiment. This may be treated as a ground truth. The results achieved indicated a strong correlation between subjective results and objective descriptors and on that basis a vector of parameters related to mood of music was created. On the other hand, rough set-based processing was applied to derive reducts containing the most promising features in the context of mood recognition, as well as confusion matrices of the mood recognition. Both approaches indicate strong relationship between objective descriptors and subjective evaluation of mood of music.  Streszczenie Dane: Proceedings of the 2016 Federated Conference on Computer Science and Information Systems, M. Ganzha, L. Maciaszek, M. Paprzycki (eds). ACSIS, Vol. 8, pages 71–78 (2016). Proc. w WoS W referacie przedstawiono zagadnienia związane z automatycznym przetwarzaniem nastroju w muzyce za pomocą zbiorów przybliżonych. W eksperymentach wykorzystano próbki sygnałów muzycznych należących do 10 gatunków muzycznych. Badania objęły porównanie wyników analiz z przetwarzania przybliżonego z wynikami testów subiektywnych.   Słowa kluczowe zbiory przybliżone, nastrój w muzyce, automatyczne rozpoznawanie danych muzycznych; ang. rough sets, mood of music, automatic music recognition  Projekt badawczy DS

Pozycja nr 124  Typ pozycji: referat konferencyjny  Autorzy A. Dorochowicz, A. Majdańczuk, P. Hoffmann, B. Kostek  Tytuł angielski Comparison of classification of musical genre results obtained by subjective tests and decision algorithms  Konferencja XVI Międzynarodowe Sympozjum Nowości w Technice Audio i Wideo  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Rzeszów, Polska  Data konferencji 13.10.2016- 15.10.2016  Numer pozycji bibl. 24  Streszczenie Celem pracy jest przeprowadzenie testów subiektywnych rozróżniania gatunku muzycznego przez słuchaczy oraz dokonanie automatycznej klasyfikacji gatunków muzycznych przy pomocy wybranych algorytmów uczących się. W pierwszej kolejności przywołano genezę podziału na gatunki muzyczne. W ramach pracy zrealizowana została ankieta internetowa w celu umożliwienia odsłuchu i przypisania próbek dźwiękowych do wybranych gatunków muzycznych za pomocą odpowiednio przygotowanego interfejsu. Dodatkowo, dokonano parametryzacji wybranych utworów muzycznych oraz zbadano skuteczność automatycznej klasyfikacji gatunków muzycznych. W końcowej części porównano wskazania słuchaczy i wyniki klasyfikacji uzyskane za pomocą algorytmów uczących się.  Słowa kluczowe GENRE RECOGNITION, MUSIC PROCESSING, DECISION ALGORITHMS, K-NN, BAYESNET, SUBJECTIVE,  Projekt badawczy DS

Pozycja nr 125  Typ pozycji: artykuł w czasopiśmie  Autorzy M. Szczodrak, A. Kurowski, J. Kotus, A. Czyżewski, B. Kostek  Tytuł angielski A system for acoustic field measurement employing cartesian robot  Czasopismo METROLOGY AND MEASUREMENT SYSTEMS  Wolumin 23  Numer czasopisma 3  Strony 333 - 343  Rok 2016 Identyfikator DOI 10.1515/mms-2016-0037  Abstract A system setup for measurements of acoustic field, together with the results of 3D visualisations of acoustic energy flow are presented in the paper. Spatial sampling of the field is performed by a Cartesian robot. Automatization of the measurement process is achieved with the use of a specialized control system. The method is based on measuring the sound pressure (scalar) and particle velocity (vector) quantities. The aim of the system is to collect data with a high precision and repeatability. The system is employed for measurements of acoustic energy flow in the proximity of an artificial head in an anechoic chamber. In the measurement setup an algorithm for generation of the probe movement path is included. The algorithm finds the optimum path of the robot movement, taking into account a given 3D object shape present in the measurement space. The results are presented for two cases, first without any obstacle and the other - with an artificial head in the sound field.  Słowa kluczowe Cartesian robot, sound intensity, sound field, anechoic chamber  Projekt badawczy NCN_POM

Pozycja nr 126  Typ pozycji: artykuł w czasopiśmie  Autorzy K. Marciniuk, M. Szczodrak, B. Kostek  Tytuł angielski Performance of Noise Map Service Working in Cloud Computing Environment  Tytuł polski Badanie wydajności i skuteczności algorytmu serwisu Mapy Hałasu pracującego jako usługa chmurowa do wyznaczania dynamicznych map hałasu  Czasopismo Archives of Acoustics  Wolumin 41  Numer czasopisma 2  Strony 297 - 302  Rok 2016 Identyfikator DOI 10.1515/aoa-2016-0029  Numer pozycji bibl. 22  Uwagi 10.1515/aoa-2016-0029 https://www.degruyter.com/downloadpdf/j/aoa.2016.41.issue-2/aoa-2016-0029/aoa-2016-0029.xml  Abstract In the paper a noise map service designated for the user interested in environmental noise subject is presented. It is based on cloud computing. Noise prediction algorithm and source model, developed for creating acoustic maps, are working in cloud computing environment. In the study issues related to noise modeling of sound propagation in urban spaces are discussed with a special focus on road noise. Examples of results obtained employing a web application created for that purpose are shown. Also, a comparison between the web-based results and those obtained from the commercial software simulations for two road noise prediction models is carried out. The user-interface design and ergonomics of the web application developed, as well its computing efficiency, are tested and analyzed. In the paper a flowchart simulating the operation of the noise webbased service is presented showing that the created application is easy to use even for people with little experience in computers.  Streszczenie Artykuł dotyczył wyznaczania map hałasu z wykorzystaniem usługi GRIDowej. Omówiono metody dostępu do danych, zasady poruszania się po portalu. Wyniki uzyskane za pomocą algorytmu na platformie zestawiono z wynikami uzyskanymi z programu CadnaA dla kilku modeli propagacyjnych. W pracy przedstawiono złożoność algorytmu i jego zapotrzebowania na zasoby, przedstawiono wzór na optymalną rezerwacje zasobów.  Słowa kluczowe CLOUD COMPUTING, DYNAMIC NOISE MAP, NOISE MAPS, SOUND PROPAGATION  Projekt badawczy INPREDO

Pozycja nr 127  Typ pozycji: referat konferencyjny  Autorzy A. Czyżewski , K. Marciniuk, B. Kostek  Tytuł angielski Dynamic Road Traffic Density Estimation Employing Noise Mapping with the Use of Grid Supercomputing  Tytuł polski Dynamiczne szacowanie natężenia ruchu drogowego z wykorzystaniem odwzorowania hałasu z pomocą superkomputera  Konferencja Acoustical Society of America 2016 Meeting  Numer preprintu 2478337  Numer   Wolumin   Strony   Miejsce konferencji Salt Lake City, USA  Data konferencji 23.5.2016- 27.7.2016  Identyfikator DOI 10.1121/1.4949894  Abstract A noise prediction model of a large city agglomeration was elaborated in order to allow for a dynamic road traffic density estimation in vehicular networks. The implemented application adopts the model fed with traffic noise data based on frequently refreshed LDEN levels. Calculations were made with the use of the numerical model developed for his purpose and then implemented on the PL-Grid supercomputing infrastructure. Data obtained through supercomputing and through the use of a standard noise map computing software were collated with measured levels acquired from the acoustic city monitoring system and then analyzed. The comparison performed afterwards shows a relatively good accuracy of the developed model. The numerical model of traffic noise and its main sources are briefly characterized. A full day dynamic noise map can be browsed as a set of 24 noise maps, one for each hour of the day which in turn allows for vehicular traffic density estimation based exclusively on acoustical data.  Streszczenie Model przewidywania hałasu dużego miasta aglomeracji został opracowany, aby umożliwić dynamiczne szacowanie natężenia ruchu drogowego. Wdrożona aplikacja przyjmuje model zasilany danymi dotyczącymi hałasu ruchu w oparciu o często odświeżane poziomy LDEN. Obliczenia wykonano z wykorzystaniem numerycznego modelu, a następnie wdrożony na infrastrukturze PL-Grid Model numeryczny hałasu komunikacyjnego i jego główne źródła zostały krótko scharakteryzowane. Mapę całodniową dynamiczną hałasu można przeglądać jako zestaw 24 map hałasu, dla każdej pory dnia, co z kolei pozwala na oszacowanie gęstości ruchu kołowego opiera się wyłącznie na danych akustycznych.  Słowa kluczowe ruch drogowy; hałas pojazdów  Projekt badawczy INPREDO

Pozycja nr 128  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, P. Szczuko, J. Kotus, M. Szczodrak, A. Czyżewski  Tytuł angielski Vibration analysis of acoustic guitar string employing high-speed video cameras  Konferencja Spring (171st) 2016 Meeting of the Acoustical Society of America  Numer preprintu   Numer   Wolumin   Strony 1 - 1  Miejsce konferencji Salt Lake City, USA  Data konferencji 23.5.2016- 27.5.2016  Identyfikator DOI 10.1121/1.4950573  Abstract A method of analysis and visualization of displacements of an acoustic guitar string is presented. Vibrations of the strings are recorded using high-speed cameras. The optical system used for the recording is applied in order to make it possible to observe the vibrations along the string. Images recorded with high-speed cameras are analyzed using digital signal processing algorithms in order to track the shape of deflections and displacement of strings, with a high spatial resolution, and to convert the acquired video data into an acoustic signal. The acoustic signal derived from the visual analysis is then compared with a reference signal which was recorded simultaneously using a measurement microphone. The research experiments are aimed principally at studying the phenomena related to energy transfer of vibrating strings to the body of the instrument. [This research study was supported by the grant, funded by the Polish National Science Centre, decision number DEC-2012/05/B/ST7/02151.]  Słowa kluczowe FAST CAMERAS, GUITAR STRING VIBRATIONS, VIBRATION ANALYSIS  Projekt badawczy NCN_POM

Pozycja nr 129  Typ pozycji: referat konferencyjny  Autorzy A. Kurowski, K. Marciniuk, B. Kostek  Tytuł angielski Separability Assessment of Selected Types of Vehicle-Associated Noise  Konferencja The 10th International Conference on Multimedia and Network Information Systems  Numer preprintu   Numer 10  Wolumin 506  Strony 113 - 121  Miejsce konferencji Wrocław, Polska  Data konferencji 14.9.2016- 16.9.2016  Identyfikator DOI 10.1007/978-3-319-43982-2_10  Uwagi link: http://dx.doi.org/10.1007/978-3-319-43982-2_10, do projektu INPREDO; Advances in Intelligent Systems and Computing, Springer Verlag   Abstract Music Information Retrieval (MIR) area as well as development of speech and environmental information recognition techniques brought various tools intended for recognizing low-level features of acoustic signals based on a set of calculated parameters. In this study, the MIRtoolbox MATLAB tool, designed for music parameter extraction, is used to obtain a vector of parameters to check whether they are suitable for separation of selected types of vehicle-associated noise, i.e.: car, truck and motorcycle. Then, cross-correlation between pairs of parameters is calculated. Parameters for which absolute value of cross-correlation factor is below a selected threshold, are chosen for further analysis. Subsequently, pairs of parameters found in the previous step are analyzed as a graph of low-correlated parameters with the use of the Bron-Kerbosch algorithm. Graph is checked for existence of cliques of parameters linked in all-to-all manner related to their low correlation. The largest clique of low-correlated parameters is then tested for suitability for separation into three vehicle noise classes. Behrens-Fisher statistic is used for this purpose. Results are visualized in the form of 2D and 3D scatter plots.  Słowa kluczowe Bron-Kerbosch algorithm, low-level features, MIRtoolbox, vehicle-associated noise  Projekt badawczy INPREDO

Pozycja nr 130  Typ pozycji: książka  Autorzy A. Dorochowicz, A. Majdańczuk, P. Hoffmann, B. Kostek  Tytuł polski Porównanie wyników klasyfikacji gatunków muzycznych uzyskanych za pomocą testów subiektywnych i algorytmów uczących się  Wydawca Polska Sekcja Audio Engineering Society, Uniwersytet Rzeszowski, Wydział Matematyczno-Przyrodniczy, Katedra Mechatroniki i Automatyki Politechnika Wrocławska, Wydział Elektroniki, Katedra Akustyki i M  Strony 27 - 46  Rok 2016 Numer pozycji bibl. 24  Streszczenie Celem pracy jest przeprowadzenie testów subiektywnych rozróżniania gatunku muzycznego przez słuchaczy oraz dokonanie automatycznej klasyfikacji gatunków muzycznych przy pomocy wybranych algorytmów uczących się. W pierwszej kolejności przywołano genezę podziału na gatunki muzyczne. W ramach pracy zrealizowana została ankieta internetowa w celu umożliwienia odsłuchu i przypisania próbek dźwiękowych do wybranych gatunków muzycznych za pomocą odpowiednio przygotowanego interfejsu. Dodatkowo, dokonano parametryzacji wybranych utworów muzycznych oraz zbadano skuteczność automatycznej klasyfikacji gatunków muzycznych. W końcowej części porównano wskazania słuchaczy i wyniki klasyfikacji uzyskane za pomocą algorytmów uczących się.  Słowa kluczowe GENRE RECOGNITION, MUSIC PROCESSING, DECISION ALGORITHMS, K-NN, BAYES, SUBJECTIVE

Pozycja nr 131  Typ pozycji: patent  Autorzy M. Lech, B. Kostek, A. Czyżewski  Tytuł angielski Method and system for audio mixing  Tytuł polski Układ do miksowania dźwięku  Numer patentu 223813  Data zgłoszenia 30.11.2016  Uwagi nr zgł. 395458, data zgł. 2011-06-28, nr WUP 11/2016, data pub. WUP 2016-11-30, nr, BUP 01/2013, data pub. BUP 2013-01-07  Streszczenie Sposób miksowania dźwięku polegający na zmianie parametrów i sterowaniu parametrami sygnału zapisanego na poszczególnych ścieżkach dźwiękowych składających się na końcowy sygnał foniczny za pomocą aplikacji komputerowej udostępniającej operacje miksowania dźwięku charakteryzuje się tym, że określone operacje miksowania wybiera się i wykonuje bezkontaktowo za pomocą gestów obiektów sterujących (OS) odbieranych przez moduł akwizycji gestów (K), które po ich przetworzeniu metodami cyfrowymi w urządzeniu sterującym (U) współpracującym z komputerem (C) wykorzystuje się do generowania sygnałów elektronicznych sterujących wyborem operacji miksowania dla aplikacji komputerowej udostępniającej operacje miksowania dźwięku, przy czym użytkownik dowolnie określa i modyfikuje powiązania gestów z poszczególnymi operacjami miksowania. System miksowania dźwięku zawiera zespół głośników (G) współpracujących z komputerem (C) wyposażonym w aplikację komputerową (AM) udostępniającą operacje miksowania dźwięku i wyposażony jest w urządzenie sterujące (U) sprzężone z komputerem (C) i posiadające moduł akwizycji gestów (K) sprzężony bezkontaktowo z obiektami sterującymi (OS).  Słowa kluczowe miksowanie dźwięku; akwizycja gestów   Projekt badawczy DS

Pozycja nr 132  Typ pozycji: patent  Autorzy B. Kostek, P. Hoffmann, T. Sanner  Tytuł angielski Method for improving the sound quality in portable electronic devices and the circuit for execution of this method  Tytuł polski Sposób i układ realizujący poprawę jakości brzmienia dźwięku w przenośnych urządzeniach elektronicznych  Numer patentu 225364  Data zgłoszenia 2016  Uwagi nr zgł. 408563, data zgł. 2014-06-16, data pub. WUP 2017-03-31, data BUP 2015-12-21, nr BUP 26/2015  Streszczenie Sposób charakteryzuje się tym, że z urządzenia elektronicznego (UE) pozyskuje się próbkę dźwiękową (SP), którą powiela się na trzy kopie, które obrabia się, korzystnie przy pomocy algorytmów i baz danych zaimplementowanych w komputerowym systemie zarządzania. Pierwszą kopię stanowiącą sygnał do klasyfikacji, wykorzystuje się do klasyfikacji gatunku muzycznego, drugą kopię stanowiącą sygnał do modyfikacji wykorzystuje się do modyfikacji sygnału w celu poprawy jakości brzmienia w oparciu o parametry określające gatunek muzyczny, a trzecią kopię stanowiącą sygnał do sumowania wykorzystuje się do uzupełnienia zmodyfikowanego sygnału o oryginalny zakres próbki dźwiękowej (SP). Uzyskany zmodyfikowany sygnał (BZ3) sumuje się z opóźnionym sygnałem (CZ1) w sumatorze (11). Uzyskany sygnał finalny (SF) przesyła się do urządzenia elektronicznego (UE).  Projekt badawczy DS

Pozycja nr 133  Typ pozycji: referat konferencyjny  Autorzy P. Hoffmann, B. Kostek  Tytuł angielski A concept of Signal Equalization Method Based on Music Genre and the Listener's Room Characteristics  Konferencja Signal Processing Algorithms, Architectures, Arrangements, and Applications, SPA 2016  Numer preprintu   Numer   Wolumin   Strony 213 - 218  Miejsce konferencji Poznań, Polska  Data konferencji 21.9.2016- 23.9.2016  Numer pozycji bibl. 17  Abstract A research study that investigates the influence of the room acoustics environment on the frequency characteristic of the audio signal playback is presented. First, a novel spectral equalization method of the room acoustic conditions is introduced. On the basis of the frequency response of the room, a system for room acoustics compensation based on eight-band equalizer is proposed. The system settings depend on music genre. In order to acquire room acoustic characteristics, a series of measurements are performed. Reverberation times and frequency responses of four rooms are acquired. White noise serving as reference signal and audio excerpts belonging to six music genres are utilized in measurements. For audio normalization LUFS (Loudness Unit, referenced to Full Scale) scale is employed, therefore all audio tracks are adjusted to -23 LUFS signal level. Recorded signals in the listener’s receiver position are then used to obtain room equalization characteristics. A comparison between the results obtained with the method introduced and a traditional graphic equalizer, based on preliminary subjective tests, is given. It is shown that room equalization based on the method proposed is effective in room acoustic deficiencies improvement.  Słowa kluczowe Digital Signal Processing, Room acoustic equalization, LUFS (Loudness Unit, referenced to Full Scale), music genre   Projekt badawczy DS

Pozycja nr 134  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, T. Ciszewski, B. Kostek  Tytuł angielski Methodology and technology for the polymodal allophonic speech transcription  Tytuł polski Metodologia i technologia wielomodalnej transkrypcji mowy  Czasopismo J. Acoust. Soc. Amer.  Wolumin 139  Numer czasopisma 4  Strony 2017 - 2017  Rok 2016 Uwagi http://dx.doi.org/10.1121/1.4949947  Abstract A method for automatic audiovisual transcription of speech employing: acoustic, electromagnetical articulography and visual speech representations is developed. It adopts a combining of audio and visual modalities, which provide a synergy effect in terms of speech recognition accuracy. To establish a robust solution, basic research concerning the relation between the allophonic variation of speech, i.e., the changes in the articulatory setting of speech organs for the same phoneme produced in different phonetic environments and the objective signal parameters (both audio and video) is carried out. The method is sensitive to minute allophonic detail as well as to accentual differences. It is shown that by using the analysis of video signals together with the acoustic signal, speech transcription can be performed more accurately and robustly than by using the acoustic modality alone. In particular, various features extracted from the visual signal are tested for their abilities to encode allophonic variations in pronunciation. New methods for modeling the accentual and allophonic variation of speech are developed.   Słowa kluczowe Allophonic speech transcription;   Projekt badawczy ALOFON

Pozycja nr 135  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, M. Plewa, A. Czyżewski  Tytuł angielski Material for Automatic Phonetic Transcription of Speech Recorded in Various Conditions  Tytuł polski Materiał foniczno-wizyjny nagrany w różnych warunkach na potrzeby automatycznej transkrypcji mowy  Konferencja 141 Audio Eng. Soc. Convention  Numer preprintu 9648  Numer   Wolumin   Strony 1 - 9  Miejsce konferencji Los Angeles, USA  Data konferencji 29.9.2016- 2.10.2016  Uwagi wersja elektroniczna, http://www.aes.org/e-lib/browse.cfm?elib=18452  Abstract Automatic speech recognition (ASR) is under constant development, especially in cases when speech is casually produced or it is acquired in various environment conditions, or in the presence of background noise. Phonetic transcription is an important step in the process of full speech recognition and is discussed in the presented work as the main focus in this process. ASR is widely implemented in mobile devices technology, but the need is also encountered in applications such as automatic recognition of speech in movies for non-native speakers, for impaired users, and as a support for multimedia systems. This work contains an attempt to analyze speech recorded in various conditions. First, audio and video recordings of specially constructed list of words in English were prepared in order to perform dedicated audio and video analyses in the future stages of the research aiming at audio-visual speech recognition systems (AVSR) development. A dataset of audio-video recordings was prepared and examples of analyses are described in the paper.  Streszczenie W referacie przedstawiono materiał foniczno-wizyjny nagrany w różnych warunkach akustycznych. Zawarto w nim przykłady analiz oraz przedstawiono dyskusję wyników w kontekście możliwości automatycznej transkrypcji mowy.  Słowa kluczowe baza nagrań foniczno-wizyjnych, analiza fonetyczne mowy, rozpoznawanie mowy  Projekt badawczy ALOFON

Pozycja nr 136  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, A. Ciarkowski, B. Kostek, J. Kotus, K. Łopatka, P. Suchomski  Tytuł angielski Adaptive Personal Tuning of Sound in Mobile Computers  Czasopismo J. Audio Eng. Soc.  Wolumin 64  Numer czasopisma 6  Strony 405 - 428  Rok 2016 Uwagi https://doi.org/10.17743/jaes.2016.0014  Abstract An integrated methodology for enhancing audio quality in mobile computers is presented, whose key features are adapting the acoustic track to changing acoustic conditions of the environment, and matching audio characteristics to the users’ individual preferences. Signal processing algorithms included linearizing the frequency response, enhancing dialogue intelligibility, and adjusted dynamics to the users’ hearing characteristics. Algorithms were tested on two different computers (an All-in-one and a laptop), both of which were located in quiet office-like conditions but in the presence of strong noise. In general, test results showed that audio processing methods were useful tools for the improvement of the sound quality in compact computers. For example, although most the listeners were untrained, the processing for speech clarity in noise (dialogue enhancement and dynamics processing) yielded the highest scores. The majority of the results indicated that listeners perceive the processing as being desirable and useful.  Słowa kluczowe urządzenia mobilne, poprawa jakości sygnału, dopasowanie charakterystyki dźwięku do indywidualnych potrzeb słuchacza, linearyzacja odpowiedzi częstotliwościowej, dopasowanie dynamiki, poprawa zrozumiałości  Projekt badawczy MODALITY

Pozycja nr 137  Typ pozycji: artykuł w czasopiśmie  Autorzy T. Ciszewski, A. Czyżewski, B. Kostek  Tytuł angielski Methodology and technology for the polymodal allophonic speech transcription  Tytuł polski Metodyka i technologia wielomodalnej transkrypcji mowy  Czasopismo Proc. of Meetings on Acoustics, Acoustical Society of America  Wolumin 26  Numer czasopisma   Strony 1 - 15  Rok 2016 Uwagi doi: 10.1121/2.0000300  Abstract A method for automatic audiovisual transcription of speech employing: acoustic and visual speech representations is developed. It adopts a combining of audio and visual modalities, which provide a synergy effect in terms of speech recognition accuracy. To establish a robust solution, basic research concerning the relation between the allophonic variation of speech, i.e. the changes in the articulatory setting of speech organs for the same phoneme produced in different phonetic environments and the objective signal parameters (both audio and video) is carried out. The method is sensitive to minute allophonic detail as well as to accentual differences. It is shown that by using the analysis of video signals together with the acoustic signal, speech transcription can be performed more accurately and robustly than by using the acoustic modality alone. In particular, various features extracted from the visual signal are tested for their abilities to encode allophonic variations in pronunciation. New methods for modeling the accentual and allophonic variation of speech are developed.   Streszczenie Publikacja opisuje sposób automatycznej transkrypcji audiowizualnej mowy w oparciu o: akustyczną i wizualną reprezentację mowy. Założono łączenie modalności audio i wizualnej, które zapewniają efekt synergii w zakresie dokładności rozpoznawania mowy. W szczególności nacisk położono na wydobywania różnnych cech z zapisu wizyjnego, które zostały przetestowane pod kątem ich przydatności do reprezentowania różnic w wymowie na poziomie alofonicznym. N  Projekt badawczy ALOFON

Pozycja nr 138  Typ pozycji: artykuł w czasopiśmie  Autorzy K. Marciniuk, B. Kostek  Tytuł angielski DETERMINING THE ROAD SURFACE CONDITION AND TYPE OF VEHICLES ON THE BASIS OF DATA EXTRACTED FROM AUDIO SIGNAL CHARACTERISTICS  Tytuł polski ANALIZA STANU NAWIERZCHNI I KLAS POJAZDÓW NA PODSTAWIE PARAMETRÓW EKSTRAHOWANYCH Z SYGNAŁU FONICZNEGO  Czasopismo Zeszyty naukowe WE PG  Wolumin 51  Numer czasopisma   Strony 115 - 118  Rok 2016 Abstract The aim of this study is to find a feature vector for an automatic recognition of road surface conditions and the type of vehicles, extracted form an audio signal. First, the influence of weather-based conditions of road surface on spectral characteristic of the audio signal recorded from a passing vehicle in close proximity to the road is shortly discussed. Next, parameterization of the recorded audio signal is performed and examples of the correlation analyses are presented in the context of the class separability. Behrens-Fisher statistics is used to find the most suitable parameters that may be contained in the optimized feature vector.   Streszczenie Celem badań jest poszukiwanie parametrów wektora cech ekstrahowanego z sygnału fonicznego w kontekście automatycznego rozpoznawania stanu nawierzchni jezdni oraz typu pojazdów. W pierwszej kolejności przedstawiono wpływ warunków pogodowych na charakterystykę widmową sygnału fonicznego rejestrowanego przy przejeżdżających pojazdach. Następnie, dokonano parametryzacji sygnału fonicznego oraz przeprowadzano analizę korelacyjną w celu przedstawienia separowalności klas na podstawie ekstrahowanych parametrów. W procesie optymalizacji proponowanego wektora cech wykorzystano statystykę Behrensa-Fishera.  Słowa kluczowe analiza ruchu drogowego, parametryzacja sygnałów fonicznych, MIRtoolbox.  Projekt badawczy INPREDO

Pozycja nr 139  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek  Tytuł angielski Edytor czasopisma  Czasopismo IEEE/ACM Transactions on Audio, Speech, and Language Processing;   Wolumin 24  Numer czasopisma 1-6  Strony   Rok 2016 Uwagi Edytor czasopisma  Projekt badawczy DS

Pozycja nr 140  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Kurowski, J. Kotus, B. Kostek, A. Czyżewski  Tytuł angielski NUMERICAL SIMULATION OF THE SOUND INTENSITY DISTRIBUTION IN THE PROXIMITY OF THE ACOUSTIC DIFFUSER  Tytuł polski Pomiar rozkładu wektora natężenia dźwięku w pobliżu dyfuzora akustycznego weryfikowany symulacją komputerową  Czasopismo Zeszyty naukowe WE PG  Wolumin 51  Numer czasopisma   Strony 97 - 101  Rok 2016 Streszczenie Projektowanie adaptacji akustycznej pomieszczeń jest złożonym procesem, który wymaga możliwości przewidywania wpływu zastosowanych ustrojów akustycznych na sposób propagacji fal akustycznym w pomieszczeniu. Przykładem ustroju stosowanego do korekcji akustyki pomieszczeń jest dyfuzor akustyczny. Niniejsza praca opisuje proces pomiaru oraz numerycznej symulacji rozkładu wektora natężenia akustycznego w pobliżu dyfuzora. Analiza tego rozkładu pozwala zaobserwować zjawisko transportu energii akustycznej w pobliżu badanego obiektu. Wyniki badań przedstawiono w formie graficznej. Przygotowane zostały także mapy różnic pomiędzy rozkładem wektora natężenia dźwięku zmierzonego bez i z dyfuzorem. Jako obiekt referencyjny wykorzystana została płaska powierzchnia odbijająca. Dzięki takiemu podejściu możliwe było zaobserwowanie i opisanie wpływu zjawiska rozproszenia dźwięku przez dyfuzor na rozkład otaczającego pola akustycznego   Słowa kluczowe dyfuzor akustyczny; akustyka pomieszczeń; wektor natężenia akustycznego; metoda elementów brzegowych  Projekt badawczy NCN_POM

Pozycja nr 141  Typ pozycji: książka  Autorzy K. Marciniuk, A. Kurowski, B. Kostek  Tytuł polski Współczesne zagadnienia techniki fonicznej, wizyjnej i medycznej  Wydawca Polska Sekcja Audio Engineering Society, Uniwersytet Rzeszowski, Wydział Matematyczno-Przyrodniczy, Katedra Mechatroniki i Automatyki Politechnika Wrocławska, Wydział Elektroniki, Katedra Akustyki i M  Strony 139 - 149  Rok 2016 Uwagi w druku, ISBN: 978-83-946985-0-8  Streszczenie Akustyczna detekcja pojazdów jest najmniej inwazyjnym sposobem kontroli natężenia ruchu pojazdów w miastach. Charakteryzuje się ona również większą odpornością na warunki oświetleniowe i pogodowe. W niniejszym referacie przedstawiono wyniki parametryzacji sygnałów fonicznych dla sygnałów przejeżdżających pojazdów w kontekście zmian warunków atmosferycznych. W ramach badań przeprowadzono rejestrację wideofoniczną pojazdów w dwóch wybranych lokalizacjach, między innymi dla drogi ekspresowej oraz drogi o niższym natężeniu pojazdów. Sesje nagraniowe prowadzone były przy różnych warunkach atmosferycznych, z uwzględnieniem różnic w widmie sygnału fonicznego dla jezdni mokrej i suchej.   Słowa kluczowe klasyfikacja odgłosów, ruch drogowy, sieć neuronowa, MIR Toolbox  Projekt badawczy INPREDO

Pozycja nr 142  Typ pozycji: referat konferencyjny  Autorzy P. Hoffmann, B. Kostek  Tytuł angielski AUDIO SIGNAL CORRECTION ALGORITHM BASED ON THE ROOM FREQUENCY CHARACTERISTICS AND MUSIC GENRE  Tytuł polski Koncepcja korekcji sygnału dźwiękowego z uwzględnieniem charakterystyk częstotliwościowych pomieszczenia oraz gatunku muzycznego  Konferencja XXVI Seminarium ZASTOSOWANIE KOMPUTERÓW W NAUCE I TECHNICE 2016  Numer preprintu   Numer   Wolumin 51  Strony 63 - 66  Miejsce konferencji Gdańsk, Polska  Data konferencji 6.12.2016- 6.12.2016  Uwagi powinien być zgłoszony jako artykuł Zeszyty Naukowe WEiA  Streszczenie W artykule została przedstawiona koncepcja automatycznego systemu korekcji z uwzględnieniem charakterystyki częstotliwościowej pomieszczenia oraz odtwarzanego gatunku muzycznego. Proponowany algorytm na podstawie charakterystyki częstotliwościowej pomieszczenia dokonuje kompensacji warunków akustycznych w otoczeniu emitera dźwięku. Dodatkowo w procesie kompensacji uwzględniana jest zawartość sygnału poprzez rozpoznanie rodzaju gatunku muzycznego. W artykule zostały pokrótce przedstawione parametry wykorzystywane w procesie rozpoznawania gatunków w kontekście liczby pasm częstotliwościowych użytych w korekcji dźwiękowej. Ponadto pokrótce omówiono środowisko Faust, w którym zaprojektowano korektor graficzny.  Słowa kluczowe korektor graficzny, akustyka pomieszczeń, LUFS (Loudness Unit, referenced to Full Scale), gatunek muzyczny.  Projekt badawczy DS

Pozycja nr 143  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, A. Dorochowicz, A. Majdańczuk, P. Hoffmann  Tytuł angielski Comparison of classification of musical genre results obtained by subjective tests and decision algorithms.  Tytuł polski Porównanie wyników klasyfikacji gatunków muzycznych uzyskanych za pomocą testów subiektywnych i algorytmów uczących się.  Konferencja XVI Międzynarodowego Sympozjum Nowości w Technice Audio i Wideo  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Rzeszów, Polska  Data konferencji 13.10.2016- 15.10.2016  Numer pozycji bibl. 24  Streszczenie Celem pracy jest przeprowadzenie testów subiektywnych rozróżniania gatunku muzycznego przez słuchaczy oraz dokonanie automatycznej klasyfikacji gatunków muzycznych przy pomocy wybranych algorytmów uczących się. W pierwszej kolejności przywołano genezę podziału na gatunki muzyczne. W ramach pracy zrealizowana została ankieta internetowa w celu umożliwienia odsłuchu i przypisania próbek dźwiękowych do wybranych gatunków muzycznych za pomocą odpowiednio przygotowanego interfejsu. Dodatkowo, dokonano parametryzacji wybranych utworów muzycznych oraz zbadano skuteczność automatycznej klasyfikacji gatunków muzycznych. W końcowej części porównano wskazania słuchaczy i wyniki klasyfikacji uzyskane za pomocą algorytmów uczących się.  Słowa kluczowe Gatunki muzyczne, k-nn, testy subiektywne, akustyka  Projekt badawczy DS

Pozycja nr 144  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek  Tytuł polski Edytor czasopisma   Czasopismo J. Audio Eng. Soc.  Wolumin 64  Numer czasopisma 1-12  Strony   Rok 2016 Uwagi Edytor czasopisma  Projekt badawczy DS

Pozycja nr 145  Typ pozycji: artykuł w czasopiśmie  Autorzy K. Kąkol, B. Kostek  Tytuł angielski A STUDY ON SIGNAL PROCESSING METHODS APPLIED TO HEARING AIDS  Tytuł polski PRZEGLĄD METOD PRZETWARZANIA DŹWIĘKU WYKORZYSTYWANYCH W APARATACH SŁUCHOWYCH  Czasopismo Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej  Wolumin 51  Numer czasopisma   Strony 71 - 76  Rok 2016 Uwagi 2016  Streszczenie Niniejszy artykuł odnosi się do aktualnego stanu technologii wykorzystywanych w cyfrowych aparatach słuchowych, ze szczególnym uwzględnieniem technik cyfrowego przetwarzania sygnałów dźwiękowych. W artykule przedstawiono czynniki mające wpływ na efektywność aparatów słuchowych, a także zaprezentowano przykłady nowoczesnych metod cyfrowego przetwarzania sygnałów. Przedstawiono również przykłady ograniczeń współczesnych aparatów słuchowych oraz kierunki ich rozwoju. Przywołano również pojęcie analizy sceny dźwiękowej (CASA - Computational Auditory Scene Analysis) jako potencjalnej metody do polepszenia jakości odbioru mowy i muzyki w aparatach słuchowych.  Słowa kluczowe cyfrowe aparaty słuchowe; przetwarzanie sygnałów; przetwarzanie wielokanałowe; redukcja szumu i zakłóceń; kompensacja sprzężenia zwrotnego  Projekt badawczy DS

Pozycja nr 146  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek  Tytuł angielski Editor's note   Tytuł polski Artykuł wstępny  Czasopismo J. Audio Eng. Soc.  Wolumin 64  Numer czasopisma 12  Strony 960 - 961  Rok 2016 Streszczenie W artykule wstępnym zostały przedstawione aktualne osiągnięcia czasopisma, dotyczące m.in. wydania dwóch specjanych numerów JASEu poświęconych problemom ubytków słuchu związanych ze słuchaniem głośnej muzyki (ang. music-induced hearing disorders) oraz zagadnieniom automatycznego przetwarzania muzyki (ang. intelligent audio processing, semantics, and interaction).   Słowa kluczowe problemy uszkodzenia słuchu wywołane słuchniem głośnej muzyki,automatyczne przetwarzanie muzyki  Projekt badawczy DS

Pozycja nr 147  Typ pozycji: artykuł w czasopiśmie  Autorzy J. Kotus, A. Czyżewski, B. Kostek  Tytuł angielski 3D Acoustic Field Intensity Probe Design and Measurements  Czasopismo Archives of Acoustics  Wolumin 41  Numer czasopisma 4  Strony 701 - 711  Rok 2016 Uwagi DOI: 10.1515/aoa-2016-0067  Abstract The aim of this paper is two-fold. First, some basic notions on acoustic field intensity and its measurement are shortly recalled. Then, the equipment and the measurement procedure used in the sound intensity in the performed research study are described. The second goal is to present details of the design of the engineered 3D intensity probe, as well as the algorithms developed and applied for that purpose. Results of the intensity probe measurements along with the calibration procedure are then contained and discussed. Comparison between the engineered and the reference commercial probe confirms that the designed construction is applicable to the sound field intensity measurements with a sufficient effectiveness.  Słowa kluczowe SOUND INTENSITY;SOUND INTENSITY MEASUREMENTS;SOUND INTENSITY PROBE  Projekt badawczy NCN_POM

Pozycja nr 148  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek, P. Odya, P. Suchomski  Tytuł angielski Loudness Scaling Tests In Hearing Problems Detection  Tytuł polski Skalowanie głośności oparte na percepcji kategorii głośności  Czasopismo Archives of Acoustics  Wolumin 41  Numer czasopisma 4  Strony 637 - 648  Rok 2016 Uwagi DOI 10.1515/aoa-2016-0061  Abstract The main goal of this research study is focused on creating a method for loudness scaling based on categorical perception. Its main features, such as: way of testing, calibration procedure for securing reliable results, employing natural test stimuli, etc., are described in the paper and assessed against a procedure that uses 1/2-octave bands of noise (LGOB) for the loudness growth estimation. The Mann-Whitney U-test is employed to check whether the proposed method is statistically equivalent to LGOB. It is shown that loudness functions obtained in both methods are similar in the statistical context. Moreover, the band-filtered musical instrument signals are experienced as more pleasant than the narrow-band noise stimuli and the proposed test is performed in a shorter time. The method proposed may be incorporated into fitting hearing strategies or used for checking individual loudness growth functions and adapting them to the comfort level settings while listening to music.  Streszczenie Głównym celem niniejszej pracy badawczej było stworzenie metody skalowania głośności opartej na percepcji kategorii głośności. W artykule opisane główne cechy metody, takie jak: sposób badania, procedura kalibracji, bodźce testowe. Dokonano także porównania z klasyczną metodą LGOB. Użytu w tym celu testu Manna-Whitneya. Wykazano, że funkcje skalowania głośności uzyskane dla obu metod są zbliżone statystycznie. Ponadto filtrowane sygnały instrumentów muzycznych są wskazywane jako przyjemniejsze niż próbki szumu wąskopasmowego.  Słowa kluczowe skalowanie głośności, diagnostyka słuchu, audiologia   Projekt badawczy MODALITY

Pozycja nr 149  Typ pozycji: referat konferencyjny  Autorzy K. Marciniuk, A. Kurowski, B. Kostek  Tytuł angielski Analysis of soundscape recordings in close proximity to the road in changeable wather conditions  Tytuł polski ANALIZA SYGNAŁÓW FONICZNYCH W NAGRANIACH POJAZDÓW W ZMIENNYCH WARUNKACH POGODOWYCH  Konferencja 16th International Symposium on New Trends in Audio and Video  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Rzeszów, Polska  Data konferencji 13.10.2016- 15.10.2016  Abstract The acoustic vehicle sensing is the least invasive type of traffic detection. Also, acoustic-based vehicle detection technology is insensitive to precipitation and can operate in low light level. Therefore, this kind of method may be used for automatic detection of the vehicle passage events. It can also be employed for measurements of a vehicle speed and the vehicle assignment to the particular category. In this paper the results of the experiment that evaluate the impact of the wet pavement on the noise pattern analyzed in frequency domain are presented. The observations take place in a few locations in different weather conditions. Video recordings were also made for a better speed determination.  Streszczenie Akustyczna detekcja pojazdów jest najmniej inwazyjnym sposobem kontroli natężenia ruchu pojazdów w miastach. Charakteryzuje się również odpornością na warunki oświetleniowe i pogodowe. W niniejszym referacie przedstawiono wyniki parametryzacji sygnałów fonicznych dla dźwięków przejazdów pojazdów w kontekście zmian warunków atmosferycznych. W ramach badań przeprowadzono rejestrację wideofoniczną pojazdów w kilku wybranych lokalizacjach, między innymi dla drogi ekspresowej oraz dróg o niższym natężeniu pojazdów. Sesje nagraniowe prowadzone były przy różnych warunkach atmosferycznych, z uwzględnieniem różnic w widmie sygnału fonicznego dla jezdni mokrej i suchej.   Słowa kluczowe BRON-KERBOSCH ALGORITHM, FIELD RECORDINGS, LOW-LEVEL FEATURES, MIR-TOOLBOX, VEHICLE-ASSOCIATED NOISE  Projekt badawczy INPREDO

Pozycja nr 150  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski , K. Marciniuk, B. Kostek  Tytuł angielski Dynamic Road Traffic Density Estimation Employing Noise Mapping with the Use of Grid Supercomputing  Tytuł polski Szacowanie natężenia ruchu drogowego z zastosowaniem tworzenia map hałasu przy zastosowaniu gridu superkomputerowego  Czasopismo J. Acoust. Soc. Amer.  Wolumin 139  Numer czasopisma 4  Strony 2006 - 2006  Rok 2016 Identyfikator DOI 10.1121/1.4949894  Uwagi http://dx.doi.org/10.1121/1.4949894  Abstract A noise prediction model of a large city agglomeration was elaborated in order to allow for a dynamic road traffic density estimation in vehicular networks. The implemented application adopts the model fed with traffic noise data based on frequently refreshed LDEN levels. Calculations were made with the use of the numerical model developed for his purpose and then implemented on the PL-Grid supercomputing infrastructure. Data obtained through supercomputing and through the use of a standard noise map computing software were collated with measured levels acquired from the acoustic city monitoring system and then analyzed. The comparison performed afterwards shows a relatively good accuracy of the developed model. The numerical model of traffic noise and its main sources are briefly characterized. A full day dynamic noise map can be browsed as a set of 24 noise maps, one for each hour of the day which in turn allows for vehicular traffic density estimation based exclusively on acoustical data.  Słowa kluczowe Ruch drogowy; hałas  Projekt badawczy INPREDO

Pozycja nr 151  Typ pozycji: artykuł w czasopiśmie  Autorzy A. Czyżewski, B. Kostek, A. Górski  Tytuł angielski Method and Application of Auditory-Visual Attention Training  Tytuł polski Metoda audiowizualnego treningu uwagi i jej zastosowanie   Czasopismo J. Acoust. Soc. Amer.  Wolumin 139  Numer czasopisma 4  Strony 1993 - 1993  Rok 2016 Uwagi http://dx.doi.org/10.1121/1.4949836  Abstract The main idea underlying the proposed attention training is to perform stimulation of the hearing and sight senses employing digital signal processing algorithms controlled by electroencephalography signals. The auditory and visual stimuli are designated to force the perception through hearing and sight senses by the appropriate hemisphere. The applied speech modification uses a non-uniform real-time speech stretching algorithm. The video content retrieval showing the speaker's face is slowed down, accordingly. Research experiments employed subjects with central auditory and visual processing disorders revealing severe communication difficulties. The effectiveness of the proposed method has been shown using formal attention focus tests. It was demonstrated that the proposed method of attention training helps improve speech understanding and reading skills in examined subjects. [Research sponsored by the Polish National Science Centre, Dec. No. DEC-2014/15/B/ST7/04724.]  Słowa kluczowe Attention training; Audio; Video  Projekt badawczy HCIBRAIN

Pozycja nr 152  Typ pozycji: referat konferencyjny  Autorzy A. Czyżewski, B. Kostek, M. Szykulski, T.E Ciszewski  Tytuł angielski Building Knowledge for the Purpose of Lip Speech Identification  Tytuł polski Przygotowanie bazy w celu indentyfikacji wizemów  Konferencja MISSI 2016, 10th International Conference on Multimedia & Network Information Systems  Numer preprintu   Numer 10  Wolumin 506  Strony 3 - 14  Miejsce konferencji Wrocław, Polska  Data konferencji 14.9.2016- 16.9.2016  Uwagi link: http://link.springer.com/chapter/10.1007/978-3-319-43982-2_1 Advances in Intelligent Systems and Computing, Springer Verlag,   Abstract Consecutive stages of building knowledge for automatic lip speech identification are shown in this study. The main objective is to prepare audio-visual material for phonetic analysis and transcription. First, approximately 260 sentences of natural English were prepared taking into account the frequencies of occurrence of all English phonemes. Five native speakers from different countries read the selected sentences in front of three cameras. Video signals, synchronized with audio, were registered and then analyzed. Encountered problems related to video registration and results achieved are discussed. Słowa kluczowe: audio-visual speech recognition · AVSR · thermovision · stereovision · Time-of-Flight · phonetic transcription  Streszczenie W publikacji przedstawiono kolejne kroki związane z przygotowaniem bazy wideo-fonicznych nagrań mowy. W pierwszej kolejności zaproponowano materiał językowy do nagrań w kontekście analizy leksykalnej występowania fonemów w j. angielskim. Nagrano pięć osób z wykorzystaniem trzech kamer i jednoczesną rejestracją dźwięku. Przedstawiono i przedyskutowano przykłady analiz nagranego materiału wideo-fonicznego. indeksowanie: Web of Science, IEEE Xplore, Google Scholar, Springerlink, ISI Proceedings, SCOPUS  Słowa kluczowe foniczno-wizyjne rozpoznawanie mowy (ang. audio-visual speech recognition - AVSR, transkrypcja fonetyczna, baza nagrań AVSR  Projekt badawczy ALOFON

Pozycja nr 153  Typ pozycji: referat konferencyjny  Autorzy A. Czyżewski , B. Kostek  Tytuł angielski A Study in Experimental Methods of Human-Computer Communication for Patients After Severe Brain Injuries  Tytuł polski Studium metod komunikacji człowiek-komputer dla pacjentów po ciężkich urazach mózgu  Konferencja 4th International Work-Conference on Bioinformatics and Biomedical Engineering (IWBBIO) 2016  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Granada, Spain  Data konferencji 20.4.2016- 22.4.2016  Uwagi Rozdział w książce Bioinformatics and Biomedical Engineering Volume 9656 of the series Lecture Notes in Computer Science pp. 689-703  Abstract Experimental research in the domain of multimedia technology applied to medical practice is discussed, employing a prototype of integrated multimodal system to assist diagnosis and polysensory stimulation of patients after severe brain injury. The system being developed includes among others: eye gaze tracker, and EEG monitoring of non-communicating patients after severe brain injuries. The proposed solutions are used for collecting and analyzing patients’ responses and interactions induced by the multimodal stimulation, resulting in assessing the influence of stimuli on increase of patient’s cognitive and communicative functions with the use of intelligent data analysis methods.  Słowa kluczowe Human Computer Interface; Coma; Brain Injuries  Projekt badawczy HCIBRAIN

Pozycja nr 154  Typ pozycji: artykuł w czasopiśmie  Autorzy B. Kostek, S. Laskowski, K. Mizgier  Tytuł angielski Modeling and Designing Acoustical Conditions of the Interior – Case Study  Tytuł polski Model i symulacja warunków akustyki wnętrza - przykład  Czasopismo Archives of Acoustics  Wolumin 41  Numer czasopisma 3  Strony 473 - 484  Rok 2016 Uwagi doi:10.1515/aoa-2016-0044  Abstract The primary aim of this research study was to model acoustic conditions of the Courtyard of the Gdańsk University of Technology Main Building, and then to design a sound reinforcement system for this interior. First, results of measurements of the parameters of the acoustic field are presented. Then, the comparison between measured and predicted values using the ODEON program is shown. Collected data indicate a long reverberation time which results in poor speech intelligibility. Then, a thorough analysis is perform to improve the acoustic properties of the model of the interior investigated. On the basis of the improved acoustic model two options of a sound reinforcement system for this interior are proposed, and then analyzed. After applying sound absorbing material it was noted that the predicted speech intelligibility increased from bad/poor rating to good category. słowa kluczowe: acoustic field analysis and modeling; acoustic conditions measurements and analysis; sound reinforcement system design  Streszczenie Celem artykułu było przygotowanie modelu akustyki wnętrza Dziedzińca Politechniki Gdańskiej, a następnie zaprojektowanie systemu nagłośnieniowego przeznaczonego dla tego wnętrza. W artykule przedstawiono wyniki pomiarów i porównano je z wynikami symulacji przeprowadzonej w środowisku Odeon. W dalszej kolejności zaproponowano warianty adaptacji akustycznej oraz przedstawiono projekt systemu nagłośnieniowego.   Słowa kluczowe analiza akustyki wnętrza, pomiary akustyczne, analiza warunków akustyki wnętrz, system nagłośnienia  Projekt badawczy NCN_POM

Pozycja nr 155  Typ pozycji: patent  Autorzy A. Czyżewski, B. Kostek, G. Bogdanis, W. Sudomir  Tytuł polski Sposób i układ do weryfikacji tożsamości użytkownika w systemach informatycznych, zwłaszcza w systemach bankowych  Numer patentu P.416349  Data zgłoszenia 1.3.2016  Słowa kluczowe BIOMETRICS, DYNAMIC SIGNATURE, FINGER / HAND VEIN, MULTIMODAL IDENTIFICATION, VERIFICATION  Projekt badawczy IDENT

Pozycja nr 156  Typ pozycji: artykuł w czasopiśmie  Autorzy M. Szykulski, P. Bratoszewski, J. Kotus, A. Czyżewski, B. Kostek  Tytuł polski KORPUS MOWY ANGIELSKIEJ DO CELÓW MULTIMODALNEGO AUTOMATYCZNEGO ROZPOZNAWANIA MOWY  Czasopismo Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne  Wolumin   Numer czasopisma 8-9  Strony   Rok 2016 Uwagi doi:10.15199/59.2016.8-9.74  Abstract An audiovisual corpus containing 31 hours of English speech recordings is presented. The new corpus was created in order to assist the development of audiovisual speech recognition systems (AVSR). The corpus includes high-framerate stereoscopic video streams and audio recorded by both microphone array and a microphone built in a mobile computer. Owing to the inclusion of recordings made in noisy conditions, the corpus can be used to assess the robustness of speech recognition systems in the presence of acoustic noise.  Streszczenie W referacie zaprezentowano audiowizualny korpus mowy zawierający 31 godzin nagrań mowy w języku angielskim. Korpus dedykowany jest do celów automatycznego audiowizualnego rozpoznawania mowy. Korpus zawiera nagrania wideo pochodzące z szybkoklatkowej kamery stereowizyjnej oraz dźwięk zarejestrowany przez matrycę mikrofonową i mikrofon komputera przenośnego. Dzięki uwzględnieniu nagrań zarejestrowanych w warunkach szumowych korpus może być wykorzystany do badania wpływu zakłóceń na skuteczność rozpoznawania mowy.  Słowa kluczowe ROZPOZNAWANIE MOWY, KORPUS MODALITY, AVSR  Projekt badawczy ALOFON

Pozycja nr 157  Typ pozycji: referat konferencyjny  Autorzy A. Czyżewski, G. Bogdanis, B. Kostek, M. Lech, P. Bratoszewski, P. Hoffmann  Tytuł angielski Automatic verification of banking clients based on multimodal biometrics  Konferencja Biometrics 2016  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Londyn , Wielka Brytania  Data konferencji 18.10.2016- 20.10.2016  Abstract Within the scope of the IDENT project – a Multimodal biometric system for bank client identity verification developed within the NCBiR Applied Research Program, a multimodal technology is currently in development, improving biometric systems used to date through integration and intelligent application of innovative – new and already known biometric methods in form of an intelligent, multimodal bank stand. In the multimodal stand, the authors decided to use the following modalities: - dynamic signature based on multidimensional analysis, applied with a wireless pen with sensors, developed and built in the Department of Multimedia Systems - face contour registered with the use of laser photogrammetry - audio verification of identity with the use of free speech - video verification of identity - verification with the use of blood vessel distribution, based on hand analysis in infrared light A central element of the stand is a Biometric Hub, which functions as a modality integrator. Signals registered with the use of biometric sensors are parameterized by the Biometric Hub and then transferred to a Biometric Server, where the assessment and comparison of samples are performed. Control of the stand takes place via the Biometric Server, which supervises the process of biometric sampling. All activities performed in the stand are simultaneously performed on the Biometric Hub and on the consultant’s computer, and the results of operation of the stand are visible on the screens of the consultant and of the customer. Activities performed in the stand are registered in a biometric database. The basic functionality consists of enabling the collection of biometric samples, which in the next step serve for identity verification. Biometric data collected while the stand is operating are saved on a Biometric Server. Through global storage of biometric patterns, it is possible to confirm the identity of a customer in any bank unit taking part in the development of an Experimental, Distributed Biometric Lab. After the process of collecting biometric patterns is completed, the customer and the consultant are asked to share their opinions in a survey integrated with the software of the stand. According to the project execution plan, it is planned to build and launch 100 stands described above in 60 units of the PKO BP Bank. As all those stands are going to communicate with a central server, this will lead to the creation of a certain Distributed Bank Biometrics Laboratory.   Słowa kluczowe BIOMETRICS, DYNAMIC SIGNATURE, FINGER / HAND VEIN, MULTIMODAL IDENTIFICATION, VERIFICATION  Projekt badawczy IDENT

Pozycja nr 158  Typ pozycji: referat konferencyjny  Autorzy A. Kurowski, J. Kotus, B. Kostek, A. Czyżewski  Tytuł angielski Numerical modeling of sound intensity distributions around acoustic transducer  Konferencja 140th Audio Eng. Society Convention  Numer preprintu 9525  Numer   Wolumin   Strony 1 - 10  Miejsce konferencji Paryż, Francja  Data konferencji 4.6.2016- 7.6.2016  Abstract The aim of this research study is to measure, simulate and compare sound intensity distribution generated by the acoustic transducers of the loudspeaker. The comparison of the gathered data allows for validating the numerical model of the acoustic radiation. An accurate model of a sound source is necessary in mathematical modeling of the sound field distribution near the scattering obstacles. An example of such obstacle is a human head. Preparation of a robust mathematical model of the sound field generated by a loudspeaker is one of the important factors in simulation of sound waves scattering by the human head. The numerical model is developed for the purpose of this kind of research.  Słowa kluczowe anechoic chamber, boundary element method, sound intensity, electroacoustic transducers, computer simulation  Projekt badawczy NCN_POM

Pozycja nr 159  Typ pozycji: referat konferencyjny  Autorzy K. Kąkol, B. Kostek  Tytuł angielski A study on signal processing methods applied to hearing aids  Tytuł polski Przegląd algorytmów przetwarzania sygnałów w protezach słuchowych  Konferencja SIGNaL PROCESSING algorithms, architectures, arrangements, and applications SPA 2016  Numer preprintu   Numer   Wolumin   Strony 219 - 224  Miejsce konferencji Poznan, Poland  Data konferencji 21.9.2016- 23.9.2016  Uwagi Proc. w WoS, www.spaconference.org.pl  Abstract This paper presents a short survey on current technology available in hearing aids with a focus on digital signal processing techniques used. First, factors influencing the hearing aid effectiveness are introduced. Then, examples of the present DSP methods and strategies are provided. Also, a description of current limitations of hearing aids and future trends of development are shown. Finally, the notion of computational auditory scene analysis is presented as a possible solution for improving quality of speech and music perception while using a hearing prosthesis.  Streszczenie Referat przedstawia aktualne trendy technologiczne stosowane w protezach słuchowych oraz algorytmy przetwarzania sygnałów w protezach słuchowych. Pokazano ównież kierunki rozwoju algorytmów stosowanych w protezach słuchowych w kontekście poprawy jakości percpecji sygnałów mowy i muzycznych.  Słowa kluczowe technologia protez słuchowych, algorytmy przetwarzania sygnałów w protezach słuchowych, ang. hearing aid technology, signal processing technology in hearing aids  Projekt badawczy DS

Pozycja nr 160  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, P. Odya, P. Suchomski  Tytuł angielski Loudness Scaling Test Based On Categorical Perception  Tytuł polski Skalowanie głośności oparte na percepcji kategorii głośności  Konferencja 17th International Conference Noise Control 2016  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Gniew, Polska  Data konferencji 22.5.2016- 25.5.2016  Uwagi prezentacja na konferencji, abstarct w materiałach konferencyjnych  Abstract The main goal of this research study is focused on creating a method for loudness scaling based on categorical perception. Its main features, such as: way of testing, calibration procedure for securing reliable results, employing natural test stimuli, etc., are described in the paper and assessed against a procedure that uses 1/2-octave bands of noise (LGOB) for the loudness growth estimation. The Mann-Whitney U-test is employed to check whether the proposed method is statistically equivalent to LGOB. It is shown that loudness functions obtained in both methods are similar in the statistical context. Moreover, the band-filtered musical instrument signals are experienced as more pleasant than the narrow-band noise stimuli and the proposed test is performed in a shorter time. The method proposed may be incorporated into fitting hearing strategies or used for checking individual loudness growth functions and adapting them to the comfort level settings while listening to music.  Słowa kluczowe skalowanie głośności, diagnostyka słuchu, audiologia  Projekt badawczy MODALITY

Pozycja nr 161  Typ pozycji: referat konferencyjny  Autorzy P. Odya, B. Kostek, J. Kotus, M. Szczodrak, A. Czyżewski  Tytuł angielski Sound Field Analysis Around An Organ Pipe  Konferencja DAGA 2016  Numer preprintu   Numer   Wolumin   Strony 275 - 278  Miejsce konferencji Aachen, Niemcy  Data konferencji 14.3.2016- 17.3.2016  Uwagi poster  Abstract The aim of this paper is to examine sound field around an organ pipe measured under free-field conditions. Measurement methodology along with the equipment employed in this research study are described. Sound intensity is determined by utilizing an acoustic vector sensor. Issues related to the organ pipe activation providing constant air flow to secure long-term steady state responses of generated acoustic signals are presented. For this purpose an external compressor is applied. Sound energy flow is measured in a defined grid of points. The Cartesian robot is used for a precise positioning of the acoustic probe. Results of measurements of acoustic energy flow in an anechoic chamber are shown along with the analysis and visualization sound intensity distribution of radiated acoustic energy around the organ pipe.   Słowa kluczowe organ pipe, sound field, organy, piszczałka  Projekt badawczy NCN_POM

Pozycja nr 162  Typ pozycji: referat konferencyjny  Autorzy J. Kotus, A. Czyżewski, B. Kostek  Tytuł angielski 3D acoustic field intensity probe design and measurements  Konferencja XVII International Conference Noise Control 2016  Numer preprintu   Numer   Wolumin   Strony   Miejsce konferencji Gniew, Polska  Data konferencji 22.5.2016- 25.5.2016  Abstract The aim of this paper is two-fold. First of all, some basic notions on acoustic field intensity and its measurement are shortly recalled. Then, the equipment and the measurement procedure used in the sound intensity in the performed research study are described. The second goal is to present details of the design of the engineered 3D intensity probe, as well as algorithms developed and applied. Results of the intensity probe measurements along with the calibration procedure are then contained and discussed. Comparison between the engineered and the reference commercial probe confirm that the designed construction is applicable to sound field intensity measurements with a sufficient effectiveness.  Słowa kluczowe SOUND INTENSITY, SOUND INTENSITY MEASUREMENTS, SOUND INTENSITY PROBE  Projekt badawczy NCN_POM

Pozycja nr 163  Typ pozycji: artykuł w czasopiśmie  Autorzy K. Łopatka, A. Czyżewski, B. Kostek  Tytuł angielski Improving listeners' experience for movie playback through enhancing dialogue clarity in soundtracks  Tytuł polski Poprawa jakości odbioru multimediów poprzez zwiększenie wyrazistości dialogów w ścieżce dźwiękowej  Czasopismo Digital Signal Processing  Wolumin 48  Numer czasopisma   Strony 40 - 49  Rok 2016 Uwagi doi:10.1016/j.dsp.2015.08.015, opublikowano online 8.09.2015 http://www.sciencedirect.com/science/article/pii/S105120041500264X  Abstract his paper presents a method for improving users' quality of experience through processing of movie soundtracks. The dialogue clarity enhancement algorithms were introduced for detecting dialogue in movie soundtrack mixes and then for amplifying the dialogue components. The front channel signals (left, right, center) are analyzed in the frequency domain. The selected partials in the center channel signal, which yield high disparity between left and right channels, are detected as dialogue. Subsequently, the dialogue frequency components are boosted to achieve an increased dialogue intelligibility. Techniques for reduction of artifacts in the processed signal are also introduced. It is done through smoothing in the time domain and in the frequency domain, applied to reduce unpleasant artifacts. The results of objective and subjective tests are provided, which prove that an increased dialogue intelligibility is achieved with the aid of the proposed algorithm. The algorithm is particularly applicable in mobile devices while listening in changing conditions and in the presence of noise.  Streszczenie W artykule przedstawiono sposób poprawy percypowanej jakości multimediów (Quality of Experience) poprzez przetwarzanie ścieżek dźwiękowych filmów. Wprowadzono algorytm poprawy wyrazistości dialogów filmowych. Sygnały z kanałów przednich (lewy, prawy, środkowy) są analizowane w dziedzinie częstotliwości. Wybrane składowe częstotliwościowe, które wykazują dużą dysparycję pomiędzy kanałem środkowym a kanałami bocznymi, są zidentyfikowane jako związane z dialogiem i wzmocnione w celu zwiększenia wyrazistości mowy. Opisano techniki redukcji artefaktów w przetworzonym sygnale. Polegają one na wygładzaniu w dziedzinie czasu i częstotliwości. Przedstawiono wyniki testów obiektywnych oraz subiektywnych. które potwierdzają, że dzięki zastosowaniu zaproponowanego algorytmu osiąga się zwiększoną wyrazistość mowy. Algorytm znajduje zastosowanie zwłaszcza przy odsłuchu w zmiennych warunkach w obecności zakłóceń zewnętrznych.  Słowa kluczowe Dialogue clarity; Center channel extraction; Speech processing; 5.1 downmix; Quality of experience  Projekt badawczy MODALITY

Pozycja nr 164  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, P. Szczuko, J. Kotus, M. Szczodrak, A. Czyżewski  Tytuł angielski Guitar String Sound Retrieved from Moving Pixels  Konferencja Spring (171st) 2016 Meeting of the Acoustical Society of America  Numer preprintu   Numer   Wolumin   Strony 1 - 8  Miejsce konferencji Salt Lake City, USA  Data konferencji 23.5.2016- 27.3.2016  Abstract The aim of this study was to develop a method of visual recording and analyzing the vibrations of guitar strings using high-speed cameras and dedicated video processing algorithms. The recording of a plucked string reveals the way in which the deformations propagate, composing the standing and travelling wave. The paper compares the results for a few selected models of classical and acoustic guitars, and it involves processing the vibration image into to the sound recording. The sound reconstructed in this way is compared with the sound recorded synchronously with the reference measurement microphone.  Słowa kluczowe ACOUSTIC GUITAR, FAST CAMERAS, VIBRATION ANALYSIS  Projekt badawczy NCN_POM

Pozycja nr 165  Typ pozycji: referat konferencyjny  Autorzy B. Kostek, T. Poremski  Tytuł angielski Designing a computer-based application for subjective tinnitus evaluation  Tytuł polski Aplikacja wspomagająca pomiar parametrów psychoakustycznych szumów usznych   Konferencja MCSB 2015, Cybernetic Modelling of Biological Systems  Numer preprintu   Numer   Wolumin   Strony 38 - 38  Miejsce konferencji Kraków, 2015  Data konferencji 14.5.2015- 15.5.2015  Abstract Measuring tinnitus is an important part of the process of helping patients. A standard procedure employs an audiometer to determine both Tinnitus pitch and its severity. However, patients are rarely able to identify these two factors correctly, thus the process is not accurate. Thus, the objective of this paper is to present a computer-based application for diagnosing subjective Tinnitus in patients and check whether this tool enables to shorten this process and makes it more reliable. A touch-screen graphical interface is proposed which patients use while measuring their own Tinnitus. The measurement method is based on sound synthesis and it is then compared to the standard method which employs an audiometer. For the purpose of this study a group of patients is examined employing the designed application against audiometric-based Tinnitus measurements. Wilcoxon test is then utilized to check whether there are statistically important differences between these two methods. Resulted from this study is that patients while using the synthesizer are able to estimate their tinnitus twice as fast as when they do that on the basis of the audiometer. Also, evaluation of the Tinnitus is more accurate. Wilcoxon-based analysis proves that the results obtained with the use of the application designed and an audiometer are statistically different. The authors demonstrate that when patients measure their own Tinnitus, they make it in a shorter time in comparison to the standard approach. Furthermore, they evaluate this process more friendly, and the results are better correlated to their own Tinnitus. Overall, they have a greater profit using the designed touch-screen application.  Streszczenie W referacie przedstawiono wykorzystanie opracowanej metody pomiaru parametrów psychoakustycznych szumów usznych wykorzystującego syntezę dźwięku. W badaniach uczestniczyły osoby cierpiące na szumy uszne. Uzyskane wyniki poddano analizie statystycznej (test Wilcoxona). Z przeprowadzonych badań wynika, że zastosowanie metody syntezy dźwięku skraca czas przeprowadzenia badania w stosunku do badania standardowego. Uzyskane w ten sposób wzorce szumu usznego są oceniane przez pacjentów jako bardziej podobne do odczuwanych szumów usznych.   Słowa kluczowe audiologia, szumy uszne, pomiar parametrów psychoakustycznych  Projekt badawczy DS