A study of classification methods to identify sound signals of a washing machine

Abstract: Syftet med denna uppsats är att undersöka och klassificera ljud från en tvättmaskin. Ett tvättmaskinsprogram har olika faser, t ex vattenfyllning, tvättning, centrifugering, etc. Varje fas har ett eget ljud, därför kan vi anta vilken av faserna det är från ljudet, även om vi inte ser tvättmaskinen. När ljudet ’a’ skiljer sig från ljudet ’b’, ska vågformen av ’a’ vara annorlunda jämfört med vågformen av ’b’. Detta innebär att de frekvenser som utgör vågformerna är annorlunda. Formeln för att få ut frekvenskomponenter i en vågform är Fourier-transformen. Fourier-transformen delar upp en vågform i frekvenskomponenter genom en kombination av enkla sinusvågor. Vi kan även rekonstruera den ursprungliga vågformen från dessa komponenter. Denna uppsats består av tre delar. Den första studien fokuserade på Fourier-transformerna. Speciellt den diskreta Fourier-transformen (DFT) och den snabba Fourier-transformen (FFT) eftersom ljudsignalen analyseras av en dator som hanterar endast diskreta värden. Den andra, vi studerar ljud-extraktions metoder och diskuterar problemen. I sista delen, uppvisas ljudklassificering med en maskininlärningsmetod, kallad ”supervised learning” med djupa neurala nätverk. En av hyperparameteroptimeringar, ”random search” förklaras och används för klassificering av flera klasser.