Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "digital signal processing." wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Sieci Bayesa w rozpoznawaniu mowy
Bayes networks used in application to speech signal recognition
Autorzy:
Mermon, A.
Powiązania:
https://bibliotekanauki.pl/articles/274624.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
sieci Bayesa
sygnał mowy
cyfrowe przetwarzanie sygnałów
rozpoznawanie sygnału mowy
DBN
Bayes networks
speech signal
digital signal processing
speech signal recognition
Opis:
Problematyka rozpoznawania mowy nie doczekała się, jak dotąd, kompleksowego rozwiązania. Współczesne efektywne systemy rozpoznawania mowy korzystają najczęściej z metod stochastycznych opartych na ukrytych modelach Markowa. Alternatywą dla nich mogą być sieci Bayesa, będące odpowiednią strukturą do formułowania modeli probabilistycznych, które cechują się jednocześnie precyzją oraz zwartością. Sieci Bayesa mogą reprezentować rozkład prawdopodobieństwa dowolnego zbioru zmiennych losowych. Mnogość dostępnych obecnie algorytmów i narzędzi obliczeniowych sprawia, że testowanie i wdrażanie nowych rozwiązań staje się mniej pracochłonne. Zalety te determinują duże możliwości wykorzystania sieci Bayesa do rozwiązywania praktycznych problemów również w zakresie rozpoznawania mowy.
Speech recognition problem hasn't been fully-scaled solved till nowadays. Contemporary effective speech recognition systems mostly use stochastic methods based on Hidden Markov Models. Bayes networks can be alternative to them. BN are appropriate structures to formulate probabilistic models, which are simultaneously precise and compact. They can represent a probability distribution of arbitrary set of random variables. Variety of algorithms and computational tools which are available to use makes testing and implementing new solutions less demanding. Those advantages determine that Bayes networks have potential to be used in solving practical problems also in the area of speech recognition.
Źródło:
Pomiary Automatyka Robotyka; 2011, 15, 12; 109-111
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Specyfika analizy sygnałów biomedycznych na przykładzie słuchowych potencjałów wywołanych
Specificity of analysis of biomedical signals using brainstem auditory evoked potentials as the example
Autorzy:
Bułka, J.
Izworski, A.
Powiązania:
https://bibliotekanauki.pl/articles/274603.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
słuchowe potencjały wywołane
sygnały biologiczne
cyfrowe przetwarzanie sygnałów
klasyfikacja
brainstem auditory evoked potentials
biological signals
digital signal processing
classification
Opis:
Analiza procesów zachodzących w żywym organizmie z uwagi na jego właściwości odbiega od analizy technicznych układów dynamicznych. Również metody akwizycji i wstępnego przetwarzania sygnałów biomedycznych (generowanych przez organizm) oraz ich przetwarzanie wymaga, aby sygnały te były traktowane inaczej niż sygnały zbierane z urządzeń technicznych. W pracy przedstawiono specyfikę przetwarzania i analizy sygnałów biomedycznych na przykładzie przebiegów słuchowych potencjałów wywołanych pnia mózgu - ABR (Auditory Brainstem Response). Są one wyrazem aktywności elektrycznej nerwu słuchowego i dróg słuchowych w pniu mózgu, jaka powstaje na skutek stymulacji akustycznej. Słuchowe potencjały wywołane pnia mózgu stosowane są w praktyce klinicznej przede wszystkim do obiektywnej oceny progu słyszenia oraz w diagnostyce różnicowej zaburzeń słuchu.
In view of its qualities analysis of processes occurring inside living organism is different from analysis of dynamical systems. Also signal acquisition and preprocessing methods used with biomedical signals (generated by organism) and their processing requires that they should be treated differently than signals gathered from technical devices. In this research specificity of processing and analysis of biomedical signals using Auditory Brainstem Responses (ABR) as the example is introduced. These responses are indicative of acoustic nerve and tracts electrical activity in brain stem, which came into being as the result of acoustic stimulation. Auditory Brainstem Responses are used in clinical practice mainly to objectively estimate hearing are used in clinical practice mainly to objectively estimate hearing threshold and in differential diagnosis of hearing disorders.
Źródło:
Pomiary Automatyka Robotyka; 2011, 15, 12; 112-115
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The design of digital audio filter system used in tomatis method stimulation
Autorzy:
Jóźwiak, Krzysztof
Bujacz, Michał
Królak, Aleksandra
Powiązania:
https://bibliotekanauki.pl/articles/384341.pdf
Data publikacji:
2019
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
sound filtering
digital signal processing
shelving filter
FIR filter
Electronic Ear stimulator
Tomatis Method
filtrowanie dźwięku
przetwarzanie sygnału cyfrowego
filtr FIR
metoda Tomatisa
Opis:
The Tomatis Method is a rehabilitation technique used in psychology, the main aim of which is stimulating the cochlea in the inner ear by filtered air-conducted and bone-conducted sounds. The system of electronic filters and amplifiers used for this therapy is called the Electronic Ear. Commonly, it is a commercial analog device that is expensive and after a few years its functionality declines. In this paper, we propose a digital Electronic Ear system using an STM32F4 family micro-controller and ADC/ DAC integrated circuits. The design of the digital sound filters allows to adjust more parameters and overcomes some of the constraints of analog systems. In this paper, we provide a short review of the Tomatis Method, the main functions of the Electronic Ear and we describe the designed system with comparison measurements to the analog original.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2019, 13, 1; 73-78
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies