Politecnico: proclamati tre nuovi
ingegneri acustici e musicali

Si è svolta oggi un’altra sessione di laurea nel Campus di Cremona del Politecnico di Milano. Sono tre gli studenti che hanno completato il loro percorso con la discussione di laurea e hanno raggiunto un ambito traguardo: la Laurea Magistrale in Music and Acoustic Engineering, prima ed unica in Italia interamente dedicata all’ingegneria della musica e dell’acustica.

Dei laureati di questa sessione, due hanno scelto di approfondire la loro preparazione in tema di informatica musicale ed elaborazione del suono, mentre uno si è concentrato sull’acustica.

Nata nella Città di Stradivari grazie al sostegno del territorio, in particolare della Fondazione Arvedi Buschini e del Comune di Cremona, questa nuova Laurea Magistrale è attrattiva non solo per gli universitari italiani ma anche per i laureati internazionali provenienti da diversi Paesi Extra Ue, con una formazione sia ingegneristica che musicale.

Il Campus di Cremona può vantare infatti un percorso estremamente innovativo che prevede la collaborazione con la Facoltà di Musicologia dell’Università degli Studi di Pavia e del Conservatorio di Milano e la presenza di un Laboratorio di Acustica Musicale, dotato di una camera anecoica, dedicato allo sviluppo di tecnologie avanzate per il miglioramento della tradizione liutaria e di metodologie sistematiche per la valutazione quantitativa delle caratteristiche fisiche e acustiche degli strumenti di liuteria. Due sono gli orientamenti tra cui gli interessati possono scegliere: Acoustic Engineering per chi vuole approfondire il tema dell’acustica musicale e Music Engineering per chi invece vuole focalizzarsi sullo studio dell’informatica musicale e l’elaborazione del suono.

Gli interessati a questo innovativo percorso, in possesso di un titolo di studi triennale italiano, potranno richiederne l’ammissione per il prossimo anno accademico dall’ 11 luglio al 29 agosto 2022. Le immatricolazioni si chiuderanno il 14 settembre 2022.

BORDONI PAOLO

Titolo tesi: Qualitative analysis of a flue organ pipe numerical simulation

L’indagine sui meccanismi del suono delle canne d’organo è un argomento presente nella letteratura scientifica da quasi un secolo. Il primo filone di ricerca privilegiava l’approccio analitico, sfruttando i precedenti modelli matematici e sistemi concentrati. Le relazioni non lineari all’origine del suono di una canna d’organo, specialmente per quanto riguarda l’aeroacustica del getto d’aria, rendono lo sviluppo di un modello analitico completo un obiettivo troppo oneroso. Il filone di ricerca si è quindi spostato su misurazioni e analisi di dati sperimentali mirando a formulare relazioni di causa-effetto fra la geometria della canna e il suono prodotto. Tuttavia, alcune delle grandezze fisiche in gioco non possono essere misurate direttamente in un contesto reale, ad esempio perché la presenza di una sonda altererebbe i dati acquisiti. Al giorno d’oggi, la fluidodinamica computazionale (CFD) rappresenta un potente strumento per studiare come la geometria della canna può influenzare il suo suono e fornisce risultati accurati nella previsione del valore di variabili come la pressione e la velocità delle particelle d’aria. Tra le altre, Large-Eddy Simulation (LES) è un approccio indicato per simulare flussi turbolenti e risolvere problemi di aeroacustica. Il presente lavoro si propone di indagare la qualità di una simulazione numerica LES di una canna d’organo mediante il confronto con misure effettuate su una canna reale della stessa geometria. Vengono perseguite due prospettive principali. Una si concentra sull’emissione del suono della canna, ricostruendo il segnale di pressione e il campo di intensità intorno alla bocca. Il secondo mira a visualizzare e osservare il movimento del getto d’aria, che rappresenta il meccanismo di eccitazione del sistema. Le due prospettive rivelano somiglianze ma anche differenze legate principalmente ad approssimazioni numeriche e non idealità della canna reale.

IGLESIAS del CAMPO MANUEL

Titolo tesi: Comparison of Autoregressive Models and Artificial Neural Networks for Packet Loss Concealment in Networked Music Performance Applications

Le tecnologie di Network Music Performance (NMP) stanno cambiando le modalità di interazione tra i musicisti, permettendo loro di essere in luoghi diversi e di esibirsi insieme grazie a una connessione internet. Tuttavia, una performance di musica d’insieme richiede ritardi impercettibili e trasmissione dell’audio in tempo reale. Ciò costituisce un’importante sfida per l’infrastruttura di telecomunicazioni in termini di latenza, jitter e qualità della connessione. Una scarsa qualità della rete potrebbe infatti portare alla perdita di pacchetti nel flusso audio trasmesso che, se non recuperati, provocano artefatti nella riproduzione dell’audio dal lato del ricevitore. Le tecniche di Packet Loss Concealment (PLC) affrontano questo problema con tecniche di codifica sul lato mittente e metodi di sostituzione o recupero sul lato ricevitore. Quest’ultima famiglia di tecniche PLC va dai classici metodi di elaborazione del segnale come la codifica predittiva lineare a moderni approcci di deep learning (DL). Negli ultimi anni, svariati metodi PLC basati sulle reti neurali sono stati proposti in letteratura. Tuttavia, essi sono raramente confrontati in termini di prestazioni a tecniche di elaborazione del segnale ben consolidate. In questo manoscritto, confrontiamo un semplice modello autoregressivo (AR) con due reti neurali profonde, una fully-connected neural network (FCNN) ed una long short-term memory (LSTM) recurrent neural network (RNN). Tutti e tre i modelli sono soggetti a vari esperimenti in cui vengono modificati diversi parametri, come la lunghezza del pacchetto e la dimensione dell’input. I risultati ottenuti nei nostri esperimenti indicano che i modelli AR sono un’opzione adatta da utilizzare quando la dimensione dei pacchetti è piccola, ma mostrano anche come i metodi DL ottengono risultati migliori quando la lunghezza dei pacchetti aumenta. Tra i due modelli DL, le FCNN superano le reti LSTM, indicando come una corretta selezione degli iperparametri sia fondamentale per ottenere una performance competitiva con i metodi PLC basati su RNN.

INTAGLIATA EMANUELE

Titolo tesi: Enhanced Amplitude SAR Imagery Splicing Localization through Land Cover Mapping Techniques

La diffusione e la qualità delle immagini satellitari è cresciuta in modo repentino negli ultimi decenni. Purtroppo, la loro manipolazione e il loro uso fraudolento è possibile con l’aiuto di software di editing come GIMP e PhotoShop. La diffusione in vari scenari di immagini satellitari modificate può avere gravi conseguenze (es. propagazione di fake news, manipolazione dell’opinione pubblica, ecc.). Per questo motivo è necessario sviluppare tecniche forensi per verificare l’integrità e l’autenticità delle immagini satellitari. In questa tesi proponiamo un metodo per la localizzazione di manipolazioni locali, ovvero attacchi di splicing, su immagini SAR ampiezza. Per loro natura, queste immagini differiscono dalle classiche fotografie aeree e satellitari, pertanto sono necessari strumenti specifici per estrarre tracce lasciate da operazioni di editing dannose. Il nostro metodo utilizza congiuntamente due strumenti per la localizzazione degli attacchi di splicing: (i) una CNN che estrae una fingerprint evidenziando le regioni manipolate dell’immagi; (ii) una seconda CNN che aiuta la prima fornendo una segmentazione dell’immagine analizzata in diversi tipi di terreno. I risultati sperimentali calcolati su un set di dati di immagini SAR in doppia polarizzazione provenienti dal Copernicus Open Access Hub mostrano che l’integrazione di informazioni forensi e semantiche offre vantaggi significativi. In particolare, le informazioni fornite dalle mappe di copertura del suolo consentono di mitigare gli artefatti nella fingerprint forense generati dalla presenza di contenuti semantici singolari, ma non manipolati, nei campioni in esame. I lavori futuri saranno dedicati a una più profonda integrazione di informazioni semantiche di alto livello all’interno delle pipeline degli strumenti forensi.