MétaCan
Menu
Retour à la cohorte
Enregistrement W4226318633 · doi:10.22215/etd/2022-14944

Gunshots Sound Analysis, Identification, and Impact on Hearing

2022· dissertation· en· W4226318633 sur OpenAlexaff
Bruno Tardif

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueGait Recognition and Analysis
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésAcousticsSound (geography)Octave (electronics)Acoustic attenuationAttenuationComputer scienceEngineeringSpeech recognitionPhysics

Résumé

récupéré en direct d'OpenAlex

Analyzing the sound resulting from a gunshot can help identify the type of gun used.This can help determine the appropriate public safety actions when a gunshot sound is detected in a public space.Furthermore, analyzing the sound can lead to a better understanding of the impact of this sound on hearing.For example, exposure to gunshot sounds can cause hearing impairments.Measuring these sounds from various locations and analyzing them can improve the design of hearing protectors and help enact regulations to minimize the impact of gunshot sounds on hearing impairments.In this thesis, acoustic data was collected from different guns and a mortar for analysis.To capture their sound including any non-symmetric sound propagation from the gunshots, 27 high dynamic range pressure 1/8" microphones were placed around the weapons forming a polar grid pattern.Audio signals from all microphones were captured at 204.8 kHz sampling rate synchronously to preserve the fidelity of the impulse nature of the gunshots.This thesis entails two types of analysis.The first is an image-based analysis method to take advantage of the recent advancement of image recognition techniques.In this thesis, we used Continuous Wavelet Transform (CWT) and Short-Time Fourier Transform (STFT) to obtain the time-frequency spectrogram of the gunshot recordings as images.We then employed a two-stage machine-learning classifier to process the images to identify the specific gun or mortar the gunshot was originated from.Classification accuracy of 98.1% was achieved in this example.A second type of analysis was conducted using a novel method for characterizing acoustic attenuation properties that respects the iii spectral sensitivity of the human ear and preserves the energy in its octave bands at the same time.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,287
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGait Recognition and AnalysisTravaux en français237 207