-
Uspešnost razpoznavanja tekočega govora z uporabo različnih metod opisovanja značilnosti : magistrska nalogaDreo, DejanV magistrski nalogi smo analizirali tri metode izločanja značilnosti govornega signala, in sicer metodo linearne predikcije, kepstralne in mel-kepstralne analize. Osnovnemu značilnemu vektorju smo ... dodajali energijsko komponento ter dinamični značilni vektor prvega in drugega reda. Najboljši doseženi rezultati razpoznavanja za osnovni značilni vektor so bili 80.82% za linearno predikcijo, 85.46% za kepstralno analizo in 83.59% za mel-kepstralno analizo. Pri značilnih vektorjih, sestavljenih iz osnovnega znčilnega vektorja z dodano energijsko komponento ter dinamičnega značilnega vektorja prvega in drugega reda so bili doseženi pri vseh metodah najboljši rezultati:88.85% za linearno predikcijo, 91.08% za kepstralno analizo in 94.83% za mel-kepstralno analizo. Največji doprinos k uspešnosti razpoznavanja je za linearno predikcijo pri dodani energijski komponenti in znaša v povprečju 5.85%. Za kepstralno analizo se razpoznavanje najbolj poveča pri dodajanju dinamičnega značilnega vektorja prvega reda, in sicer v povprečju za 5.39%. Tudi pri mel-kepstralni analizi dinamični značilni vektor v najverčji meri doprinese k uspešnosti razpoznavanja, in sicer v povprečju za 8.98%. Kriterij za ugotavljanje prekrivanja značilnih vektorjev različnih fonemov govornega signala, ki temelji na ugotavljanju odstotka zastopanosti drugih fonemov v območju okrog povprečnega vektorja fonema, dokaže trditev, da je prekrivanje značilnih vektorjev povezano z uspešnostjo razpoznavanja govora. Kriterij se predvsem dobro obnese pri ugotavljanju prekrivanja značilnih vektorjev določene metode, kjer spreminjamo dimenzijo značilnega vektorja ali dodajamo dodatne komponente kot je energija signala ter dinamični značilni vektorji prvega in drugega reda. V tem primeru obstaja neposredna povezava med diagrami prekrivanja značilnih vektorjev in uspešnostjo razpoznavanja. Kriterij je manj primeren za primerjavo prekrivanja značilnih vektorjev različnih metod in s tem navezovanja na uspešnost rapoznavanja. Različne metode imajo različno porazdeljeno prekrivanje značilnih vektorjev, kar diagrami prekrivanja sicer jasno pokažejo, ne moremo pa iz njih sklepati, katera metoda bo dala boljše rezultate razpoznavanja, še posebej, če je razlika v uspešnosti razpoznavanja primerjanih metod majhna, približno 3%.Vrsta gradiva - magistrsko deloZaložništvo in izdelava - Maribor : [D. Dreo], 30 cmJezik - slovenskiCOBISS.SI-ID - 2938134
Avtor
Dreo, Dejan
Drugi avtorji
Horvat, Bogomir, 1936- |
Kačič, Zdravko
Teme
računalništvo |
avtomatsko razpoznavanje govora |
govorni signal |
značilni vektorji |
linearna predikcija |
kepstralna analiza |
mel-kepstralna analiza |
procesiranje signalov |
computer science |
automatic speech recognition |
speech signal |
signal processing |
feature vectors |
linear prediction |
cepstral analysis |
mel-cepstral analysis
Knjižnica/institucija |
Kraj | Akronim | Za izposojo | Druga zaloga |
---|---|---|---|---|
Knjižnica tehniških fakultet, Maribor | Maribor | KTFMB |
v čitalnico 1 izv.
|
Vnos na polico
Trajna povezava
- URL:
Faktor vpliva
Dostop do baze podatkov JCR je dovoljen samo uporabnikom iz Slovenije. Vaš trenutni IP-naslov ni na seznamu dovoljenih za dostop, zato je potrebna avtentikacija z ustreznim računom AAI.
Leto | Faktor vpliva | Izdaja | Kategorija | Razvrstitev | ||||
---|---|---|---|---|---|---|---|---|
JCR | SNIP | JCR | SNIP | JCR | SNIP | JCR | SNIP |
Baze podatkov, v katerih je revija indeksirana
Ime baze podatkov | Področje | Leto |
---|
Povezave do osebnih bibliografij avtorjev | Povezave do podatkov o raziskovalcih v sistemu SICRIS |
---|---|
Dreo, Dejan | 15188 |
Horvat, Bogomir, 1936- | 03015 |
Kačič, Zdravko | 06821 |
Izberite prevzemno mesto:
Prevzem gradiva po pošti
Obvestilo
Gesla v Splošnem geslovniku COBISS
Izbira mesta prevzema
Mesto prevzema | Status gradiva | Rezervacija |
---|
Prosimo, počakajte trenutek.