Geri Dön

Robust speech hashing

Gürbüz ses kıyım fonksiyonu

  1. Tez No: 252592
  2. Yazar: EKİN OLCAN ŞAHİN
  3. Danışmanlar: DOÇ. DR. MEHMET KIVANÇ MIHÇAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 47

Özet

Bu çalışmada, yeni bir gürbüz ses kıyım algoritması sunulmuş ve farklı gürbüz ses kıyım fonksiyonları ile performans karşılaştırması yapılmıştır. Konuşma verileri için parmakizi (kıyım değeri) ses bazlı frekans-zaman uzayı analizi yapılarak bulunmaktadır. ?Gürbüz Konuşma Kıyımı? içerik takibi yapmak ve bulmak için tasarlanmış bir boyut düşüren mekanizma olarak görülebilir. Güvenilir konuşma verisi takibi için, konuşma sesinin özelliği düşünülerek fonem (en küçük ses değeri) kullanılmış ve kıyım fonksiyonu omurgası olarak rasgele yoğunluk hesaplanmıştır. Sunulan algoritma 3 temel aşamadan meydana gelmektedir: sırasıyla çevrimdışı, çevrimiçi ve karşılaştırma aşamaları uygulanmaktadır. İlk olarak, en yoğun kullanılan sesli harfin zaman-frekans uzayında orüntüsü çıkarılmıştır. Daha sonra değerlendirilecek ses sinyali zaman-enerjiekseninden zaman-frekans eksenine çevrilmiş ve, ?cepstrum? katsayılarının, sesli harfin örüntüsünün kapsadığı altuzaya izdüşümleri hesaplanmıştır. Bununla beraber, güvenlik konusu sözde-rasgele doğrusal dönüşüm uygulanarak halledilmiştir. Son konuşma verilerinden hesaplanmış gürbüz ses değerlerinin L2 uzaklıkları karşılaştırılmış. Karşılaştırma hem aynı hem farklı konuşma değerlerinin orijinal ve saldırılmış sürümleri arasında yapılmıştır. Kıyım değeri esas alınarak tanıma yapmak için bir çok test yapılmış alıcı işletim eğrileri incelenmiştir. Çıkan sonuçları değerlendirdiimizde önerilen algoritmanın değerlendirilen diğer ses kıyım fonksiyonlarından -konuşma sesleri için- daha iyi olduğunu görürüz.

Özet (Çeviri)

In this thesis, a robust speech hashing algorithm is proposed and performanceof this speech hashing algorithm is compared with several robust audio hashing algorithms.We use phone based frequency-time domain analysis for developing a ngerprint(hash value) for any speech data. Robust Speech Hashing can qualitatively bestated as a \dimensionality reduction“ mechanism (which would be called the \robustspeech hashing”function) via which the desired content of interest can be trackedand found reliably. Phonemes as speech characteristics and randomized frequency ashashing backbone is used so as to conclude on a secure speech tracking. The proposedalgorithm is formed by 3 basic stages: Oine, Online and Comparison stagesare applied in order. First, we extract most eective letter patterns in the cepstraldomain. After transforming the speech signal into the spectral domain, the cepstrumcoecients are projected on the subspace spanned by the pattern that represents theletter (vowel) at hand. Moreover a pseudo-random linear transformation is applied inorder to add a secure aspect. Lastly, the robust hash values of audio les are comparedin the L2 sense. The comparison takes place between between dierent audios as wellas same but attacked ones. Several comparison tests are made for robust speech hashvalue based identication. ROC curves for dierent kind of attacks are investigatedand we determined that, for speech signals, the proposed algorithm is superior to otherconsidered robust audio hashing functions.

Benzer Tezler

  1. Noise robust speech recognition using parallel model compensation and voice activity detection methods

    PMT ve ses aktivitesi tespiti metodları kullanarak gürültüye dayanıklı konuşma tanıma

    SERHAT HIZLISOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEKERİYA TÜFEKCİ

  2. Örneklem tabanlı gürbüz konuşma tanıma

    Exemplar based noise robust speech recognition

    FATİH AKTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENDER METE EKŞİOĞLU

  3. New methods for robust speech recognition

    Konuşma tanıma için gürültüye dayanıklı yeni yöntemler

    ENGİN ERZİN

    Yüksek Lisans

    İngilizce

    İngilizce

    1995

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    DOÇ.DR. A. ENİS ÇETİN

  4. Acoustic feature analysis for robust speech recognition

    Daha gürbüz ses tanıma için akustik vektör analizi

    ALPAY KOÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2002

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. LEVENT M. ARSLAN

  5. Gürültülü ortamlarda Türkçe ayrık sözcük konuşma tanıma sistemi gerçekleştirimi

    Realization of a Turkish isolated word speech recognition system under noisy environments

    NEDİM KARACA

    Doktora

    Türkçe

    Türkçe

    1999

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. H. SELÇUK GEÇİM