Geri Dön

Classification of speech and musical signals using wavelet domain features

Konuşma ve müzik işaretlerinin dalgacık ortamı öznitelikler kullanarak sınıflandırılması

  1. Tez No: 283606
  2. Yazar: TİMUR DÜZENLİ
  3. Danışmanlar: YRD. DOÇ. DR. NALAN ÖZKURT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 87

Özet

Bu çalışmada, müzik ve konuşma ayrımı için dalgacık dönüşümü tabanlı özniteliklerin başarımı araştırılmıştır ve zaman-frekans tabanlı öznitelikler gibi literatürde sıkça kullanılan öznitelik çıkartım yöntemleri ile karşılaştırımı yapılmıştır. Dalgacık tabanlı öznitelikleri çıkartmak için, ayrık ve karmaşık dalgacık dönüşümleri kullanılmıştır. Önerilen öznitelik setinin başarımı; sıfır geçişlerinin sayısı, izgesel merkez, izgesel akı ve mel kepstral katsayıları gibi konuşma ve müzik ayrımında kullanılan en yaygın zaman-frekans ve kepstral tabanlı öznitelikler ile oluşturulmuş öznitelik seti ile karşılaştırılmıştır. Elde edilen özniteliklerin sınıflandırılmasında yapay sinir ağları kullanılmıştır. Sınıflandırma aşamasından önce birbiri ile ilişkili özniteliklerin elenmesi amacıyla temel bileşen analizi uygulanmıştır. Sönümlenen momentler ve birimdiklik değerlendirilerek, db8 dalgacığının Daubechies ailesi içindeki diğer dalgacıklardan daha yüksek başarı gösterdiği belirlenmiştir. Elde edilen sonuçlara göre, konuşma/müzik ayrımında önerilen yöntemin, önceki yöntemlere daha üstün olduğu görülmüştür.

Özet (Çeviri)

In this study, performance of wavelet transform based features for the speech and music discrimination task has been investigated. In order to extract wavelet domain features, discrete and complex wavelet transforms have been used. The performance of the proposed feature set has been compared with a feature set constructed from the most common time-frequency and cepstral domain features used in speech and music discrimination such as number of zero crossings, spectral centroid, spectral flux and Mel cepstral coefficients. In order to measure the performances of the feature sets for the speech and music discrimination, artificial neural networks have been used as classification tool. The principal component analysis has been applied to eliminate the correlated features before classification stage. Considering the number of vanishing moments and orthogonality, the best performance is obtained with Daubechies8 wavelet among the other members of the Daubechies family. According to the results the proposed feature set outperforms the traditional ones.

Benzer Tezler

  1. Solunum seslerinin analizi ve sınıflandırılması

    Analysis and classification of respiratory sounds

    TANJU ENGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. H. ÜMİT AYGÖLÜ

  2. Hanifi Ünver, hayatı ve eserleri

    Hanifi Unver's life and works

    ENGİN BARLAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Halk Bilimi (Folklor)Celal Bayar Üniversitesi

    Türk Dili ve Edebiyatı Ana Bilim Dalı

    YRD. DOÇ. DR. BEKİR SAMİ ÖZSOY

  3. Şan tekniğinin Türk halk müziğinde uygulanması ve karşılaşılan sorunlar

    Başlık çevirisi yok

    DİLEK TATLIDİL

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Müzikİstanbul Teknik Üniversitesi

    Türk Halk Müziği Ana Sanat Dalı

    YRD. DOÇ. DR. AFŞİN EMİRALİOĞLU

  4. Müziğin koklear implant (KI) kullanıcılarının işitsel algısının geliştirilmesindeki rolü üzerine uygulamalı bir inceleme

    An applied study over the role of music in the development of auditory perception of cochlear implant (CI) users

    BAHRİYE AYLİN URUGERİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    MüzikDokuz Eylül Üniversitesi

    Müzik Bilimleri Ana Bilim Dalı

    PROF. DR. İBRAHİM YAVUZ YÜKSELSİN

  5. 48-72 ay arasındaki dil ve konuşma bozukluğu olan ve olmayan çocukların sosyal becerilerinin incelenmesi

    Examination of social skills of children between 48-72 months with and without speech and language disorders

    EMİNE SÜMEYYE MAZLUM

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    DilbilimKapadokya Üniversitesi

    Dil ve Konuşma Terapisi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FERHAT KORKMAZ