Özet:
Bu tez çalışmasında, ses işleme yöntemleri ve sınıflandırma teknikleri kullanılarak 5 farklı model ve tipteki otomobilin motor seslerinden, bu otomobillerin modellerinin tanınması amaçlanmıştır. Ses kayıtları, yalıtımlı ve kapalı bir ortamda imkanlar dahilinde alınamamıştır. Bu nedenle ses kayıtları, dış ortam seslerinin (insan sesi, kuş sesi, çevre sesleri vb.) en az olacağı düşünülen gece saatlerinde açık bir ortamda alınmıştır. Ses kayıtları alınırken tüm araçlar rölanti halinde çalıştırılmıştır. Otomobiller rölanti halinde çalışırken her otomobilin motorundan ayrı ayrı ortalama 10'ar saniyelik süreler ile 50'şer adet ses verisi toplanmıştır. Toplanan ses verileri bilgisayar ortamına aktarılarak dijitalleştirilmiştir. Ses verileri incelendikten sonra, her araca ait 50 adet ses verisine welch yöntemi uygulanarak sinyallerin güç spektrum yoğunlukları hesaplanmış ve grafikleri tüm sesler için ayrı ayrı çizdirilmiştir. Güç spektrum grafiklerinden 17 adet farklı frekans bölgesi belirlenmiştir. Bu frekans bölgelerindeki genlik değerleri her araç için öznitelik olarak alınmıştır. Toplamda her araç için 50 adet ses kaydı olup 17 adet öznitelik seçildiğinden 17x50'lik öznitelik matrisi oluşturulmuştur. Çalışmada 5 farklı araç bulunduğu için toplamda 17x250'lik bir öznitelik matrisi elde edilmiştir. Bu öznitelik matrisinden 17x125'lik kısmı sınıflandırma için eğitimde kullanılmıştır geri kalan 17x125'lik kısmı ise eğitilen sınıflandırma yapısında başarı hesaplatmak için kullanılmıştır. Sınıflandırma için Yapay Sinir Ağları, Destek Vektör Makineleri ve k-En Yakın Komşuluk yöntemleri kullanılmıştır. Yapay Sinir Ağları ve k- En Yakın Komşuluk yöntemleri kullanılarak %99.2 başarı oranında, Destek Vektör Makineleri yöntemi kullanılarak %100 başarı oranında sınıflandırma yapılmış ve araç modelleri tanınmıştır.
