استخراج و بهینه سازیِ مُنحنی هایِ تَراز هم بُلندا با استفاده از شبکه عصبی مصنوعی

بُلندای صدا درنهایت کمیتی ذهنی است که دستگاهِ شنواییِ انسان درباره ی آن قضاوت می کند. با این وجود بلندا به فراسنج های فیزیکیِ صدا، به ویژه فشار و بسامد آن وابسته است. ارتباطِ بینِ بلندا، فشار و بسامد صدا با منحنی هایی به نامِ منحنی هایِ تَراز هم بُلندا نمایش می دهند. منحنی های موجود همه گی باتوجه به داده های تجربیِ اندازه گیری شده در آزمایش گاه ها ترسیم شده اند. این روش دو مشکلِ عمده به دنبال دارد. نخست این که این داده ها در شرایطی متفاوت اندازه گیری شده اند و درنتیجه گاهی باهم اختلاف دارند؛ و دیگر این که همین داده های تجربی هم محدود هستند و ترسیم منحنی ها بر اساس آن ها تنها با برون یابی و تخمین امکان پذیر است. این نقایص در حالی است که صافی های به کار رفته برای دستگاه های سنجش بلندا بر پایه ی این منحنی های هم بلندا طراحی می شوند. پژوهش گران به این منظور از مدل هایی نیمه تجربی استفاده می کنند و تاکنون کم تر مدلی کاملاً نظری معرفی شده است. در این پایان نامه، با استفاده از شبکه های عصبیِ مصنوعی مدلی برای پیش بینیِ تراز بلندای یک صدا معرفی می شود. برای آموزش شبکه ی عصبیِ به کار رفته در این مدل از داده های تجربیِ موجود در استاندارد iso 226 استفاده شده است. این مدل علاوه بر این که می تواند،تراز بلندای صداهایی را که برایشان داده های تجربی وجود ندارد به خوبی پیش بینی کند، باتوجه به الگوریتمِ به نسب ساده و دقتِ قابلِ قبول اش، قابلیتِ پیاده سازی برای دستگاه های سنجش صدا را نیز دارد.