Kaikki aineistot
Lisää
Työn tavoitteena oli analysoida analogisen kompressorin, putkisärön sekä suodatuksen ominaispiirteitä ja toteuttaa hankitun tiedon pohjalta digitaalinen ääniprosessori, jossa yhdistyvät kaikki kolme signaaliprosessorityyppiä. Ääniprosessori oli tarkoitus toteuttaa liitännäisenä kaikissa yleisimmissä formaateissa (VST, AU ja AAX). Kompressorityypeistä erityisen huomion kohteena on ollut FET-kompressori. Olen tutkinut Drawmer 1968 MK2 –kompressorin toimintaa sekä mittaamalla että kuuntelemalla kompressorin vaikutusta erilaisiin syötteisiin. Tavoitteena ei ollut tehdä tarkkaa mallinnusta, vaan selvittää olennaisimmat tekijät, jotka määrittelevät kyseisen laitteen luonteen. Tässä kompressorissa on myös putkella toteutettu ulostulon vahvistus, joka toimi eräänä esikuvana särölle. Analogisten laitteiden säröytymistä on tutkittu ja mallinnettu paljon, joten kehitystyön eri vaiheissa vertailin omaa työtäni muihin analogimallintaviin säröihin, kuten Soundtoys Decapitator ja Wave Arts Tube Saturator. Suodattimen toteutus perustuu yksinkertaisen analogisen suodatinpiirin (RC-piiri) tunnettuun matemaattiseen malliin. Suodatinta kehitellessä ei ollut käytössä oikeaa analogista vastinetta, vaan referenssinä käytin Cytomic The Drop –suodatinta, jota pidetään yleisesti eräänä parhaista analogimallintavista suodatinliitännäisistä. Digitaalisessa toteutuksessa on käytetty kehityksen apuna MATLAB –ohjelmaa matemaattisten mallien ja ohjelmakoodiprototyyppien arviointiin sekä kaavioiden piirtämiseen. Liitännäisen varsinainen toteutus on kirjoitettu C++ -ohjelmointikielellä. Opinnäytetyön kirjallinen osuus käsittelee kehitysprosessia ensisijaisesti musiikkiteknologian näkökulmasta. Varsinkin ohjelmakoodiin liittyvät yksityiskohdat on pyritty pitämään minimissä, jotta sisältö olisi ymmärrettävää ensisijaisesti musiikista ja musiikkiteknologiasta kiinnostuneille lukijoille.
Kivusta aiheutuva liikkeen pelko olisi hyödyllistä kyetä mittaamaan automaattisesti. Ensinnäkin Tampa Scale for Kinesiophobia ja muut liikkeen pelon mittarit johdattelevat potilasta jatkuvasti täyttämään erilaisia kyselyitä. Näin potilas päätyy toistuvasti pohtimaan sairauttaan, mikä on kaukana tavoiteltavasta. Toiseksi automaattinen liikkeen pelon mittari olisi helppo, objektiivinen ja passiivinen tapa yksilöllistää kipupotilaiden hoito-ohjelmia. Tässä diplomityössä luodaan algoritmi, joka tunnistaa automaattisesti kivun pelkoa puettavan teknologian avulla. Alaselkäkipupotilaiden ja kontrolliryhmän liikedataa kerätään Painlab-tutkimuksessa, jossa kivusta aiheutuvia negatiivisia seurauksia hoidetaan pelillistetyllä digitaalisella terapialla virtuaalimaailmassa. Painlab-datasetti mahdollistaa siis ryhmien välisen erottelun. Lisäksi alaselkäkipupotilaiden liikkeen kehittymistä eri terapiasessioiden välillä tutkitaan kokonaan erillisellä VIRPI-tutkimuksen avulla. Tämän diplomityön mallit monimutkaistuvat työn edetessä. Ensiksi ryhmien välisiä eroja selittäviä tekijöitä tutkitaan eksploratiivisen data-analyysin keinoin. Toiseksi pelaajien aikasarjoja pilkotaan osiin Markovin piilomallilla, ja piilomallin suorituskykyä tutkitaan huolella. Kolmanneksi pilkotut osat ja exploratiivisen data-analyysin tulokset yhdistetään täysin uudessa mallissa. Lopuksi esiteltyä metodologiaa testataan niin Painlab- kuin VIRPI-datalla. Kroonisten alaselkäkipupotilaiden ja kontrolliryhmän liikedatat pystyttiin erottelemaan luotettavasti toisistaan Painlab-tutkimuksessa. Myös lupaavia tuloksia saatiin keskeisten mitattavien suureiden kehittymisestä terapian aikana VIRPI-datan avulla. Lisäksi Markovin piilomalli pilkkoi luotettavasti pelaajien liikedataa samankaltaisiin osiin, mikä voi olla luodun algoritmin jatkokehityksen kannalta hyödyllistä. Kaiken kaikkeaan tämän diplomityön löydökset ovat selkeä askel eteenpäin automaattisessa kivusta aiheutuvan liikkeen pelon tunnistamisessa. Työssä luodulla mallilla on potentiaalia liikkeen pelon biomarkkeriksi kroonisten alaselkäkipupotilaiden hoidossa.