Speaker recognition for security systems under noise effects
Güvenlik sistemleri için gürültü etkisi altında konuşmacı tanıma
- Tez No: 489630
- Danışmanlar: PROF. DR. ULUS ÇEVİK, YRD. DOÇ. DR. LÜTFÜ SARIBULUT
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 166
Özet
Günümüzde arabalar, akıllı ev aletleri, telefon bankacılığı, otomatik dikta programları, adli telefon dinlemeleri gibi pek çok farklı araç ve uygulama bünyesinde konuşma ve Konuşmacı Tanıma (KT) sistemleri yer almaktadır. Bu sistemlerin performansını etkileyen en önemli faktörlerden biri gürültüdür. Bu nedenle sistemlerin gürültüye karşı hassaslığının azaltılması oldukça önemlidir. Bu tez kapsamında KT sistemleri için gürültülerin olumsuz etkilerini azaltmaya yönelik iki farklı yöntem önerilmiştir. Bu yöntemlerden biri, konuşmacı modellerinin gruplandırılarak taklitçi modelleri oluşturulması olup, diğer yöntem ise eklenebilir gürültü altında yüksek enerjili konuşma bölgelerini belirlemeye yönelik Polinom Regresyonu (PR) tabanlı Ses Aktivitesi Detektörü (SAD) yöntemidir. Literatürde güncel ve yaygın kullanılan konuşmacı tanıma metotları ile tez çalışmasında önerilenlerin algoritmalar deneysel olarak gerçekleştirilmiş olup, durum çalışmalarının sonuçları karşılaştırılmalı sunularak performansları analizleri yapılmıştır.
Özet (Çeviri)
Nowadays, many different devices and applications such as vehicles, smart home devices, mobile banking, automatic dictation programs, and legal surveillance comprise speech and Speaker Recognition (SR) systems. Noise is one of the most important factors that affect the performances of these systems. Therefore, reducing the susceptibilities of the systems to noise is very important. Two different methods are proposed within this thesis to reduce the negative effects of the noises for SR systems. One of these methods is creating impostor models by clustering speaker models. The other method is a Polynomial Regression (PR) based Voice Activity Detector (VAD), which aims to determine the high energy speech regions under additive noise. Recent, and widely used SR methods, and the proposed algorithms within this thesis were realized experimentally, and performance analyzes were made by comparatively presenting results of the case studies.
Benzer Tezler
- Konuşmacı tanımada map uyarlamalı sınıflandırıcılar
Map adapted classifiers for speaker recognition
CEMAL HANİLÇİ
Doktora
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUludağ ÜniversitesiElektronik Mühendisliği Bölümü
YRD. DOÇ. FİGEN ERTAŞ
- Robust end-to-end synthetic speech detection with deep neural networks and masking
Sağlam sonlu durumlu yapay konuşma algılama: Derin sinir ağları ve maskelerle güçlendirilmiş bütünsel yaklaşım
BARIŞ AYDIN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKAY DİŞKEN
- Performance enhancement of palm recognition system by robust machine learning approaches
Başlık çevirisi yok
LAYTH MOHAMMED ABBAS AL-MASHHADANI
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- OVY, SVM, KNN ve TDNN sınıflayıcıları kullanarak konuşmacı belirleme
Speaker identification using CVA, SVM, KNN, and TDNN classifiers
ESRA GEZER
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN KESER
- Ses komutları ile robot kolu kontrolü
Robot arm control by using voice commands
OZAN FIRAT ÇIPLAK
Yüksek Lisans
Türkçe
2020
Mühendislik BilimleriKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN KESER