Automatic system for enviromental noise characterization

Abstract

This thesis delves into a comprehensive investigation of environmental noise impact at Quinta do Carmo, Évora, Portugal. Leveraging cutting-edge techniques, the study entails the production of noise maps, source identification, and rigorous sound level characterization using the PS-3227 sound level meter at ten strategic locations during operational hours. The essence of this research lies in the in-depth analysis of sound levels, encompassing both measurement and mapping methodologies, crucial for a nuanced assessment of noise pollution in landscape areas. This affords valuable insights into the specific activities contributing to heightened sound levels. Moreover, our approach employs a sophisticated supervised learning algorithm to discern nuances among five distinct colored noise sound signals. This algorithm meticulously preprocesses known noise signals, extracting salient features from both time and frequency domains for precise classification into predefined classes. Stringent validation processes ensure the stability and accuracy of predictions. In the testing phase, the classifier is applied to previously unexplored datasets, amplifying the scope and robustness of our findings. Beyond algorithmic intricacies, the study ventures into the exploration of potential correlations between real landscape data and identified noise color patterns, adding a layer of complexity and real-world relevance to our research endeavor; - Resumo: Sistema automático de caraterização do ruído ambiente - A presente tese investiga o impacto do ruído ambiental na Quinta do Carmo, Évora, Portugal. Recorrendo a técnicas de ponta, o estudo envolve a produção de mapas de ruído, a identificação de fontes e a caraterização rigorosa dos níveis sonoros, utilizando o sonómetro PS-3227, em dez locais estratégicos durante o horário de funcionamento. A essência desta investigação reside na análise aprofundada dos níveis sonoros, englobando metodologias de medição e de mapeamento, cruciais para uma avaliação matizada da poluição sonora em áreas de paisagem. Isto permite obter informações valiosas sobre as actividades específicas que contribuem para o aumento dos níveis sonoros. Além disso, a nossa abordagem emprega um algoritmo sofisticado de aprendizagem supervisionada para discernir nuances entre cinco sinais sonoros de ruído colorido distintos. Este algoritmo pré-processa meticulosamente sinais de ruído conhecidos, extraindo características salientes dos domínios do tempo e da frequência para uma classificação precisa em classes predefinidas. Processos de validação rigorosos garantem a estabilidade e a exatidão das previsões. Na fase de teste, o classificador é aplicado a conjuntos de dados previamente inexplorados, ampliando o âmbito e a robustez das nossas descobertas. Para além das complexidades algorítmicas, o estudo aventura-se na exploração de potenciais correlações entre dados paisagísticos reais e padrões de cores de ruído identificados, acrescentando uma camada de complexidade e relevância do mundo real ao nosso esforço de investigação.