Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodigital.ipn.mx/handle/123456789/5640
Título : Modelo computacional para el análisis avanzado de señales de ruidos ambientales
Autor : Sánchez Fernández, Luis Pastor
Pogrebnyak, Oleksiy
Díaz Gudiño, Luis Jorge
Palabras clave : Noise - environmental aspects - Mexico City (México)
Fecha de publicación : 2011
Editorial : Instituto Politécnico Nacional. Centro de Investigación en Computación
Resumen : En esta tesis se presenta un modelo computacional para el análisis avanzado de señales de ruido ambiental de la ciudad de México. El modelo comprende la caracterización de los patrones de Niveles Sonoros Continuos Equivalentes (NSCE) recopilados por el Sistema de Monitoreo Ambiental del Centro Histórico (SIMAR-CH), el análisis de los patrones por día, lapso, hora y de cada 5 minutos. Para la caracterización de los patrones los datos son muestreados y recopilados en 10 puntos (nodos) distribuidos en el Centro Histórico. El muestreo se realiza cada 5 minutos; se mide la señal y se envía a la central del sistema, ahí se realiza una ponderación para calcular el NSCE de dicha señal. Estos datos son guardados en ponderaciones de cada 5 minutos y de cada hora. Para la caracterización de los NSCE se extraen los datos del SIMAR-CH, se extraen patrones por día, lapso y hora. Los patrones por día se utilizan para conocer las irregularidades determinadas por los usos y costumbres de la sociedad; es decir, el comportamiento de los Niveles Sonoros depende de los eventos sociales en determinados días. Los patrones por lapso determinan la irregularidad del ruido en eventos rutinarios. Estos eventos suceden en determinados lapsos del día. Los patrones por hora se analizan para encontrar los NSCE que determinan la irregularidad. Además de los análisis por día, lapso y hora, se analizan los NSCE de cada 5 minutos. El análisis de los datos de cada 5 minutos se realiza en 2 fases: la primera se utiliza para conocer los eventos críticos en la hora. Este análisis comienza extrayendo los niveles más altos, los picos y caídas (niveles que sufren un cambio considerable en razón de 5 minutos) y las pendientes (grupos de niveles en aumento o disminución constante). El segundo análisis se realiza directamente de la señal. Dentro de este primer análisis se busca en una base de conocimientos eventos determinados para conocer el origen de la anomalía. Una vez realizado el primer análisis y haber determinado los eventos críticos se hace un análisis espectral de la señal de ruido determinada. Este proyecto busca ser la base para el análisis de componentes independientes cuyo análisis realiza la extracción de componentes para una posterior clasificación. // This thesis presents a computational model for advanced signal analysis of ambient noise from Mexico City. This model incorporate characterization of the equivalent continuous sound level (NSCE) recompiled by the Sistema de Monitoreo Ambiental de Ruido de la Ciudad de México (SIMAR-CH). The analysis consists in pattern description per day, lapse, hour and every five minutes. For the characterization of patterns, the data are sampled and recompiled in ten points (nodes) distributed around Centro Histórico. This signal is measured and sent to the system center, in there, is weighted to calculate the NSCE. This information is saved every five minutes and each hour. For each NSCE characterization, data is extracted from SIMAR-CH. The patterns per day are used to extract certain irregularities for society’s customs; observing sounds (noise) level’s behavior is depending of the social events in certain days. The lapse patterns determine the irregularities of noise in routine events. The patterns per hour are analyzed finding the NSCE, they are determining the irregularities. The analysis of the data in every five minutes is realized into two phases: the first is used knowing critical events during hour. This analysis starts extracting the highest level, peaks and falls (levels which suffer an important changed in account of five minutes), the second, describes directly from the signal. With these phases using a knowledge base events allowing knowing the origin of the anomaly. Once the first analysis have done and finished the critical events, we make a spectral analysis determining the noise signal. This was analysis is based on the independent components of signals. This analysis realized considering the component extraction and classification.
Descripción : Maestría en Ciencias en Ingeniería de Cómputo con opción en Sistemas Digitales
URI : http://www.repositoriodigital.ipn.mx/handle/123456789/5640
Aparece en las colecciones: Maestría

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Tesis_12366.pdf2.81 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.