Análisis de los primeros sonidos de Marte
[ES] El 18 de febrero de 2021 el rover Perseverance aterrizó en Marte, iniciando una misión de exploración del planeta Rojo en la que se recogerán las primeras muestras geológicas de la superficie de Marte para ser traídas a la Tierra dentro de varios años por una nueva misión espacial. Entre sus mú...
| Author: | |
|---|---|
| Format: | Master's thesis |
| Publication date: | 2022 |
| Country: | España |
| Institution: | Universidad del País Vasco |
| Repository: | Addi. Archivo Digital para la Docencia y la Investigación |
| OAI Identifier: | oai:addi.ehu.eus:10810/60043 |
| Online Access: | http://hdl.handle.net/10810/60043 |
| Access Level: | Open access |
| Keyword: | Mars 2020 supercam machine listening audioset transformer inteligencia artificial artificial intelligence adimen artifiziala |
| _version_ | 1878737067655036928 |
|---|---|
| author | Ortega Rodríguez, Ivan |
| author_browse | Ortega Rodríguez, Ivan |
| author_facet | Ortega Rodríguez, Ivan |
| author_role | author |
| collection | Addi. Archivo Digital para la Docencia y la Investigación |
| description | [ES] El 18 de febrero de 2021 el rover Perseverance aterrizó en Marte, iniciando una misión de exploración del planeta Rojo en la que se recogerán las primeras muestras geológicas de la superficie de Marte para ser traídas a la Tierra dentro de varios años por una nueva misión espacial. Entre sus múltiples instrumentos Perseverance dispone de dos micrófonos. La forma en que suenan muchas cosas en la Tierra es diferente en el Planeta Rojo. Esto se debe a que su atmósfera es unas 100 veces menos densa que la atmósfera terrestre en la superficie y tiene una composición diferente a la nuestra, lo que afecta a la propagación del sonido. Este trabajo presenta un análisis de los sonidos obtenidos, realizado mediante una Red Neuronal. El objetivo es desarrollar un sistema capaz de clasificar los sonidos de Marte de manera autónoma identificando ráfagas de viento y sonidos artificiales, como los emitidos por el vuelo en Marte del pequeño helicóptero Ingenuity. Para la clasificación de los diferentes sonidos se ha utilizado el Audio Spectrogram Transformer (AST), una red neuronal profunda (Deep Neural Network, DNN) para la clasificación de audio. Utilizando datos públicos del micrófono SCAM MIC se han definido 9 clases de sonido. Tras entrenar a la red neuronal esta clasifica los sonidos disponibles con un alto grado de precisión. |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| id | ES_99ff6f271ecebfba0931acd04c5d760d |
| institution | Universidad del País Vasco |
| instname_str | Universidad del País Vasco |
| network_acronym_str | ES |
| network_name_str | España |
| oai_identifier_str | oai:addi.ehu.eus:10810/60043 |
| publishDate | 2022 |
| publishDateSort | 2022 |
| reponame_str | Addi. Archivo Digital para la Docencia y la Investigación |
| spelling | Análisis de los primeros sonidos de Marte Ortega Rodríguez, Ivan Mars 2020 supercam machine listening audioset transformer inteligencia artificial artificial intelligence adimen artifiziala [ES] El 18 de febrero de 2021 el rover Perseverance aterrizó en Marte, iniciando una misión de exploración del planeta Rojo en la que se recogerán las primeras muestras geológicas de la superficie de Marte para ser traídas a la Tierra dentro de varios años por una nueva misión espacial. Entre sus múltiples instrumentos Perseverance dispone de dos micrófonos. La forma en que suenan muchas cosas en la Tierra es diferente en el Planeta Rojo. Esto se debe a que su atmósfera es unas 100 veces menos densa que la atmósfera terrestre en la superficie y tiene una composición diferente a la nuestra, lo que afecta a la propagación del sonido. Este trabajo presenta un análisis de los sonidos obtenidos, realizado mediante una Red Neuronal. El objetivo es desarrollar un sistema capaz de clasificar los sonidos de Marte de manera autónoma identificando ráfagas de viento y sonidos artificiales, como los emitidos por el vuelo en Marte del pequeño helicóptero Ingenuity. Para la clasificación de los diferentes sonidos se ha utilizado el Audio Spectrogram Transformer (AST), una red neuronal profunda (Deep Neural Network, DNN) para la clasificación de audio. Utilizando datos públicos del micrófono SCAM MIC se han definido 9 clases de sonido. Tras entrenar a la red neuronal esta clasifica los sonidos disponibles con un alto grado de precisión. [EN] The Perseverance rover landed on the Red Planet on February 18, 2021, initiating a Mars exploration mission in which it will collect the first samples to be brought back to Earth from the red planet in several years by a new space mission. Among its many instruments Perseverance has two microphones for studying the arrival and landing on Mars. Additionally, it captures sounds of the rover in operation, wind and other environmental noises. The way many things sound on Earth is slightly different on the Red Planet. This is because its atmosphere is about 100 times less dense than Earth's atmosphere at the surface and has a different composition than ours, which affects sound propagation. This paper presents an analysis of the sounds obtained, carried out using a Neural Network. The objective is to develop a system capable of autonomously classifying the sounds of Mars by identifying wind gusts and artificial sounds, such as those emitted by the flight of the small Ingenuity helicopter on Mars. The Audio Spectrogram Transformer (AST), a Deep Neural Network (DNN) for audio classification, has been used to classify the different sounds. Using public data from the SCAM MIC microphone, 9 sound classes have been defined. After training the neural network it classifies the available sounds with a high degree of accuracy. [EUS] 2021eko otsailaren 18an, Perseverance roverra Planeta Gorrian lurreratu zen, eta Marteko esplorazio-misio bati ekin zion. Misio espazial berri honek planeta gorriaren lehen laginak bilduko ditu, urte batzuk barru Lurrera ekartzeko. Perseverancek bere instrumentu ugarien artean bi mikrofono ditu Martera iritsi eta bertan lurreratzeko, roverraren eta haizearen soinuak eta inguruneko beste zarata batzuk aztertzeko. Planeta Gorrian gauzak ezberdin entzuten dira Lurrarekin alderatuz. Hori gertatzen da bere atmosferak Lurraren atmosferak baino 100 aldiz dentsitate txikiagoa duelako gainazalean eta gureaz bestelako konposizioa duelako, soinuaren transmisioari eragiten diona. Lan honek lortutako soinuen analisia aurkezten du, Neurona-Sare baten bidez egina. Helburua da Marteko soinuak modu automatikoan sailkatzeko gai den sistema bat garatzea, haize-boladak eta soinu artifizialak identifikatuz, eta baita Ingenuity helikopterok Marten egindako hegaldiak. Soinu desberdinak sailkatzeko, Audio Spectrogram Transformer (AST) erabili da, neurona-sare sakon (Deep Neural Network, DNN) bat. SCAM MIC mikrofonoaren datu publikoak erabiliz, 9 soinu klase definitu dira. Sare neuronala entrenatu ondoren, honek doitasun handiz sailkatzen ditu eskuragarri dauden soinuak. http://hdl.handle.net/10810/60043 |
| spellingShingle | Análisis de los primeros sonidos de Marte Ortega Rodríguez, Ivan Mars 2020 supercam machine listening audioset transformer inteligencia artificial artificial intelligence adimen artifiziala |
| title | Análisis de los primeros sonidos de Marte |
| title_full | Análisis de los primeros sonidos de Marte |
| title_fullStr | Análisis de los primeros sonidos de Marte |
| title_full_unstemmed | Análisis de los primeros sonidos de Marte |
| title_short | Análisis de los primeros sonidos de Marte |
| title_sort | Análisis de los primeros sonidos de Marte |
| topic | Mars 2020 supercam machine listening audioset transformer inteligencia artificial artificial intelligence adimen artifiziala |
| topic_facet | Mars 2020 supercam machine listening audioset transformer inteligencia artificial artificial intelligence adimen artifiziala |
| url | http://hdl.handle.net/10810/60043 |