Çok katmanlı algılayıcı sinir ağı kullanarak konuşmacı tanıma sisteminde ayrık dalgacık dönüşümü temelli gürültü arındırmanın etkisi
The effect of denoising in speaker recognation system based on discreet wavelet transform using multilayer perceptron neural network
- Tez No: 482357
- Danışmanlar: DOÇ. DR. MAHMUT HEKİM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Gaziosmanpaşa Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
Konuşmacı tanıma, bilgisayar sistemleri, elektronik, haberleşme ve yapay zeka alanlarında güncel ve önemli bir yer temsil eden insan-bilgisayar etkileşiminin bir parçasıdır. Ses işareti çok karmaşıktır ve çok sayıda örnek almayı gerektirirken, zaman ve frekans domeninden özellik çıkarımı analitik işlemler gerektirmektedir. Bu çalışmada, gürültü içeren ses kayıtlarına ayrık dalgacık dönüşümü (DWT) yöntemi kullanarak gürültüden arındırmanın, çok katmanlı algılayıcı sinir ağı (MLPNN) ile konuşmacı tanıma işleminde etkisi araştırılmaktadır. 5 konuşmacının günün 5 farklı saatinde 10 ayrı cümle okunmasıyla oluşturulmuş veri seti kullanılmıştır. Bu amaç için ilk olarak ses işaretleri örnekleme yapılarak ayrıklaştırılmış, eşit uzunluklarda segmentlere bölünen ses işaretlerini oluşturan her bir segmentin istatiksel parametreleri konuşmacı tanıma için bir MLPNN modeline giriş olarak kullanılmıştır. İkinci olarak, ses işaretlerini oluşturan her bir segment DWT yöntemi ile gürültüden arındırılmış ve aynı istatiksel parametrelerle elde edilen özellik vektörleri aynı sınıflayıcı modeline giriş olarak uygulanmıştır. DWT temelli gürültü arındırma yaklaşımında dalgacık türleri karşılaştırılmış ve konuşmacı doğru sınıflandırma oranı ortalamaları, gürültülü işarette %72.60, db2 dalgacığı kullanılan yaklaşımda %90.26 ve coif2 dalgacığı kullanılan yaklaşımda %97.70 oranlarına ulaşılmıştır. Sonuç olarak, ses işaretlerinden konuşmacı tanıma sisteminde DWT ile gürültü arındırmanın önemli derecede katkısı olmuştur.
Özet (Çeviri)
Speaker recognation is an important part of human-computer interaction which represents an important area of computer systems, electronic, communication and artificial intelligence. Speech signal is very complex and while it requires to take lots of samples, the extraction of samples from its time and frequency domain needs to analytical methods. In this study, the effect of denoising in speaker recognition system based on discrete wavelet transform (DWT) using multilayer perceptron neural network (MLPNN) model is investigated. The data set which is used is formed 10 sentences that 5 speaker was read at 5 different times in a day. For this aim, firstly the audio signals are discretized by sampling and dividen into equal length segments, and the statistical features obtained by means of this approach are useas the inputs of MLPNN model. Secondly, each segment that obtained audio signals, are denoised with DWT and the same statistical features are used as the inputs of the same MLPNN model. The wavelet types of the denoising approach based on DWT are compared and the speaker correct classification ratio in noisy signal is %72.60, in the appraoch used db2 wavelet type is %90.26 and the approach used coif2 wavelet type is %97.70. As a result, denoising with DWT has serious contribution in speaker recognition systems with audio signals.
Benzer Tezler
- Classification of pediatric snoring episodes using deep convolutional neural networks
Pediyatrik horlama episodlarının derin evrişimsel sinir ağları ile sınıflandırılması
OZAN FIRAT CİVANER
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. MUSTAFA ERSEL KAMAŞAK
- El yazısı karakter tanıma ve resim sınıflandırmada derin öğrenme yaklaşımları
Deep learning approaches in handwritting character recognition and image classification
AOUDOU SALOUHOU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERNA KİRAZ
- Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- EKG işaretlerinden çok katmanlı algılayıcılı sinir ağı kullanarak aritmilerin tespiti
ECG signals used on arrhytmia diagnosis with multilayer perceptraon neural network
ERSİN ERSOY
Yüksek Lisans
Türkçe
2016
Mekatronik MühendisliğiGaziosmanpaşa ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT HEKİM
- Ayrıklaştırma yöntemleri ve yapay sinir ağı kullanarak asenkron motorlarda arıza teşhisi
Fault diagnosis in induction motors using discretization methods and artificial neural network
ZAFER DOĞAN
Doktora
Türkçe
2012
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. İSMAİL TEMİZ