A System for speech, music, noise discrimination
Konuşma, müzik, gürültü ayrıştırma sistemi
- Tez No: 112129
- Danışmanlar: PROF. DR. FİKRET GÜRGEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Ayrıştırma, Gürültü, Konuşma, Müzik, Ses, Decomposition, Noise, Speech, Music, Voice
- Yıl: 2001
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET KONUŞMA, MÜZİK, GÜRÜLTÜ AYRIŞTIRMA SİSTEMİ Bu çalışmada işaret sınıflandırmada kullanılmak üzere genel bir veri çıkartım sistemi kurulmuş ve bu sistem konuşma, müzik, gürültü ayrıştırma probleminde kullanılmıştır. Problemde kullanılacak ses özelliklerinin belirlenmesi ve hesaplanması için bir işaret işleme çalışması gerçekleştirildi. Birincil ve ikincil ses özellikleri şöyle tanımlanmıştır: Birincil özellikler, spektral merkez, spectral maksima, spektral akı, düşük enerjili çerçeve oranı, spektral dönme noktası, sıfır geçiş oranı, sepstral kalıntı; ikincil özellikler ise, birincil özelliklerden çıkartılan ortama değer, varyans ve ortalama geçiş oranıdır. Sistemde gerçeklenen sınıflama yöntemleri k-yakın komşu sınırlandırıcısı (k-NN), en yakın küme sınıflandırıcısı ve çok katmanlı perseptron (MLP) sınıflandırmışıdır. Tek tek her özelliğin ve özellik kümelerinin gruplandırma performansları hesaplanmış ve karşılaştırılmıştır. Sistem daha sonra gerçek zamanda çalışma için optimize edilmiştir.
Özet (Çeviri)
ABSTRACT A SYSTEM FOR SPEECH, MUSIC, NOISE DISCRIMINATION This study builds a general data retrieval system that is used for the classification of signals and applied to discrimination of speech, music and noise problem. A signal preprocessing is performed for the identification and computation of the features that can be useful for the problem. We define primary and secondary features: the primary features are spectral centroid, spectral maxima, spectral flux, percentage of low energy frames, spectral roll-off point, zero-crossing rate, cepstral-residue, spectral maxima; and the secondary features are mean, variance. The system implements the following classification methods: k-Nearest Neighbor classifier (k-NN), nearest cluster classifier, Multi-Layer Perceptron classifier (MLP). The discrimination performances of the individual features and the combination of them are computed and compared. The system is then optimized for real-time processing.
Benzer Tezler
- Müzikal algı ile işitsel efferent sistem ilişkisi
Relationship between musical perception and auditory efferent system
İREM SENDESEN
Doktora
Türkçe
2025
Sağlık EğitimiAnkara ÜniversitesiKulak Burun Boğaz Hastalıkları Ana Bilim Dalı
PROF. DR. SUNA TOKGÖZ YILMAZ
- Normal işiten genç yetişkinlerde görsel dikkatin gürültüde konuşmayı anlama becerisi üzerine etkisi
Effect of visual attention on speech discrimination ability in youngadults with normal hearing
BEYZA ÇANTAK
Yüksek Lisans
Türkçe
2024
Kulak Burun ve Boğazİzmir Bakırçay ÜniversitesiOdyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERPİL ALLUŞOĞLU
- Independent component analysis as a front-end for speaker recognition
Bağımsız parça analizinin konuşmacı tanıma sistemleri için ön işlemci olarak kullanılması
AHMET ŞENTÜRK
Yüksek Lisans
İngilizce
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET GÜRGEN
- Örneklem tabanlı gürbüz konuşma tanıma
Exemplar based noise robust speech recognition
FATİH AKTÜRK
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER METE EKŞİOĞLU