Borende buurman irritanter dan verkeerslawaai

Bij het herkennen van geluid, maar ook bij het beleven ervan, speelt de context een belangrijke rol. Informatie over de omgeving kan de kwaliteit van computerprogramma's voor geluidsherkenning daarom flink verbeteren, concludeert cognitief wetenschapster Maria Niessen. Ze promoveert 22 oktober 2010 op haar onderzoek naar automatische geluidsherkenning.

Niessen ontwikkelde een computermodel voor geluidsherkenning dat akoestische informatie combineert met contextinformatie. Zonder informatie over de omgeving lijken geluiden sterk op elkaar. Daardoor zijn ze soms moeilijk te herkennen. Het spinnen van een kat is zonder context bijvoorbeeld nauwelijks te onderscheiden van motorgeluid.

Contextinformatie

Niessen voegde informatie over de context toe aan haar model door de computer te trainen aan de hand van geluidsopnamen. Daarbij maakte ze gebruik van de manier waarop mensen hun geheugen aanspreken om geluiden verwerken. Eerdere ervaringen en herinneringen spelen bij de mens een essentiële rol bij het interpreteren van geluiden in nieuwe situaties. Door te berekenen hoe waarschijnlijk het is dat een geluid in een bepaalde situatie voorkomt, kan het model van Niessen bepalen of een geluid tot de bron behoort of achtergrondgeluid is.

Buurman

Ook de perceptie van geluidsoverlast wordt bepaald door de context van het geluid. Afhankelijk van de situatie kan eenzelfde geluid als overlast worden ervaren of juist niet. Zo kunnen mensen het geluid van een scooter in een park heel verschillend interpreteren. De bestuurder van de scooter heeft nauwelijks last van het motorgeluid, misschien geniet hij er zelfs van. Iemand die rustig op een bankje zit te lezen zal de voorbijrazende scooter echter als storend ervaren. Hetzelfde principe gaat op voor de buren: wanneer de buurman met de boormachine aan de slag gaat, veroorzaakt dat veel eerder geluidsoverlast dan langsrijdende auto’s die net zo veel geluid produceren.

Overlast meten

Het model van Niessen kan de bepaling van geluidsoverlast sterk verbeteren. In de huidige methoden om geluidsoverlast te bepalen spelen alleen luidheidmaten, decibellen, een rol. Een ontoereikende methode om geluidsoverlast te bepalen, stelt Niessen: ‘Alleen bij extreem hard geluid, zoals dat van een laag overvliegende straaljager, ervaart vrijwel iedereen het geluid als geluidsoverlast. Maar tot ongeveer 70 dB is de geluidscontext bepalend. Met een model dat context meeweegt, is veel beter inzicht te verkrijgen in de vraag of mensen een geluid daadwerkelijk als overlast ervaren.’

Robots

Daarnaast is het model toepasbaar in robots die zelfstandig door een onbekende omgeving bewegen. Zoals robots die bewoners van een verzorgingstehuis helpen met huishoudelijke taken. Niessen: ‘In het onderzoek naar dergelijke robots gaat veel aandacht uit naar zicht, niet naar geluid. Terwijl geluid juist heel belangrijk is om de omgeving waar te nemen en daarop te reageren.’

Curriculum vitae

Maria E. Niessen (Apeldoorn, 1980) studeerde Kunstmatige Intelligentie aan de Rijksuniversiteit Groningen. Haar onderzoek werd medegefinancierd door SenterNovem. Niessen promoveert tot doctor in de wiskunde en natuurwetenschappen bij prof.dr. L. R. B. Schomaker en dr. T. C. Andringa. Sinds februari is Niessen verbonden als postdocoraal onderzoeker bij INCAS3, waar ze haar onderzoek naar geluidsoverlast voortzet, in samenwerking met L'équipe "Lutheries - Acoustique - Musique" in Parijs. De titel van haar proefschrift luidt: ‘Context-Based Sound Event Recognition’.

Noot voor de pers

Meer informatie: Maria Niessen, tel. +33 (0)1 53954321, e-mail: marianiessen incas3.eu