Musiikin akustisten ominaisuuksien mallintaminen kuuntelijan fysiologisista vasteista

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Makkonen, Tommi
dc.contributor.advisor Vatanen, Tommi
dc.contributor.author Wikström, Valtteri
dc.date.accessioned 2014-02-17T11:21:59Z
dc.date.available 2014-02-17T11:21:59Z
dc.date.issued 2014-02-10
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/12597
dc.description.abstract Tämän työn aiheena ovat äänen psykoakustiset ominaisuudet, musiikkiin liitettävät tunteet, ja niiden aiheuttamat fysiologiset vasteet. Tavoitteena on kehittää reaaliaikainen järjestelmä psykoakustisten ominaisuuksien mallintamiseksi kuuntelijan fysiologisten vasteiden perusteella. Tämän teknologian mahdollisia käyttökohteita ovat fysiologisesti ja tunteellisesti tietoisten käyttöliittymien kehittäminen, sekä taiteellinen ilmaisu. Työ alkaa katsauksella autonomiseen hermostoon, affektiiviseen tietotekniikkaan ja musiikin tiedonhakuun. Metodiosiossa kartoitetaan tunnettuja työkaluja ja menetelmiä fysiologisten signaalien ja psykoakustisten ominaisuuksien analysoimiseksi. Koska saatavilla ei ollut työkaluja ihon sähkönjohtavuuden, sydänsähkökäyrän ja hengityksen reaaliaikaista analyysiä varten, kehitettiin tätä tarkoitusta varten uusi tietokoneohjelmisto. Äänen analyysi ja regressiomallinnus toteutettiin olemassaolevilla työkaluilla. Arviointitutkimuksen avulla pyrittiin selvittämään regressiomallin toimivuus. Validoidussa paradigmassa monen muuttujan lineaarista regressiomallia ja neuroverkkomallia verrattiin vakiomalliin. Lopputulos oli sekalainen. Vakiomalli oli tarkempi kuin kaksi muuta mallia, mutta neuroverkkomalli saavutti merkittäviä korrelaatioita ennusteiden ja kohdearvojen välille. Päätösluvussa teen ehdotuksia nykyisen järjestelmän edelleenkehittämistä varten, sekä ehdotan mahdollisia jatkotutkimuksen aiheita.} fi
dc.description.abstract The topic of this work is determining the relationship between the psychoacoustic qualities of sound, musical emotions, and their physiological response patterning. The goal is the development of a real-time system for predicting psychoacoustic features, derived from a songs audio signal, with physiological measurements of the listener. Possible uses for this technology are in the creation of physiologically and affectively aware user interfaces, as well as in artistic expression. The background chapter consists of an overview of the autonomous nervous system, affective computing, and music information retrieval. In the methods chapter the available tools and methods for the analysis of physiological signals and psychoacoustic features from music are evaluated. Because no readily available software is identified for real-time analysis of electrodermal activation, electrocardiography and respiration inductance plethysmography, a new software application is developed for this purpose. Audio analysis and regression modeling are approached using existing tools. An evaluation study is conducted to determine the efficacy of the regression model. In a validated paradigm, a multiple linear regression model and an artificial neural network model are tested against a constant regressor, or dummy model. The results of the evaluation study are mixed. The dummy model outperforms the other models in prediction accuracy, but the artificial neural network model achieves significant correlations between predictions and target values. In the conclusion chapter I suggest improvements to the current system and possible future directions for this research. en
dc.format.extent 60 + 6
dc.language.iso en en
dc.title Musiikin akustisten ominaisuuksien mallintaminen kuuntelijan fysiologisista vasteista fi
dc.title Tuning the body to music en
dc.type G2 Pro gradu, diplomityö en
dc.contributor.school Sähkötekniikan korkeakoulu fi
dc.subject.keyword affective computing en
dc.subject.keyword physiological computing en
dc.subject.keyword psychoacoustics en
dc.subject.keyword music information retrieval en
dc.subject.keyword MIR en
dc.subject.keyword music emotion recognition en
dc.subject.keyword physiology en
dc.subject.keyword autonomic nervous system en
dc.subject.keyword ANS en
dc.subject.keyword real-time en
dc.subject.keyword tunteet fi
dc.subject.keyword musiikki fi
dc.subject.keyword fysiologia fi
dc.subject.keyword autonominen hermosto fi
dc.subject.keyword reaaliaikainen fi
dc.subject.keyword psykoakustiikka fi
dc.identifier.urn URN:NBN:fi:aalto-201402191435
dc.programme.major Laskennallinen ja kognitiivinen biotiede fi
dc.programme.mcode S3001 fi
dc.type.ontasot Diplomityö fi
dc.type.ontasot Master's thesis en
dc.contributor.supervisor Sams, Mikko
dc.programme BIO - Bioinformaatioteknologia fi
dc.location P1 fi


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account