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...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2022 |
| País: | España |
| Recursos: | Universidad del País Vasco |
| Repositorio: | Addi. Archivo Digital para la Docencia y la Investigación |
| OAI Identifier: | oai:addi.ehu.eus:10810/60043 |
| Acesso em linha: | http://hdl.handle.net/10810/60043 |
| Access Level: | acceso abierto |
| Palavra-chave: | Mars 2020 supercam machine listening audioset transformer inteligencia artificial artificial intelligence adimen artifiziala |
| Resumo: | [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. |
|---|