Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "MFCC coefficients" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Rozpoznawanie wieku i płci na podstawie analizy głosu
    Age and gender recognition based on analysis of voice
    Autorzy:
    Gabryś, J.
    Gil, G.
    Kiszka, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/261820.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
    Tematy:
    automatyczne rozpoznawanie mowy
    wiek
    płeć
    współczynniki MFCC
    klasyfikacja mówcy
    maszyna wektorów nośnych
    automatic speech recognition
    age
    gender
    MFCC coefficients
    classification of speaker
    support vector machine (SVM)
    Opis:
    Metody automatycznego rozpoznawania wieku i płci pozwalają na rozpoznanie cech osoby mówiącej tylko na podstawie nagrania jej wypowiedzi. Mowa ludzka, poza werbalnym komunikatem, niesie ze sobą informacje dotyczące osoby mówiącej. Nagranie mowy osoby pozwala na wyodrębnienie takich informacji, jak jej płeć, wiek, a także emocje. Zaprezentowano przegląd metod rozpoznawania wieku i płci osób na podstawie ich mowy oraz wykonano implementację i przetestowano połączenie metod wyznaczania parametrów MFCC (współczynniki analizy cepstralnej w skali mel (Mel-frequency Cepstral Coefficients) i wysokości tonu głosu f0 oraz algorytmu SVM (metoda wektorów nośnych - Support Vector Machines) do klasyfikacji próbek głosowych. Testy zaimplementowanego rozwiązania pozwalają stwierdzić, że metoda jest skuteczna w większości przypadków testowych.
    Methods for automatic recognition of the age and gender characteristics allow the identification of the person only on the basis of recording of this person speech. Human speech, beyond verbal communication, gives an information about the speaking person. Speech recording allows the identification personal characteristics such as gender, age, and the emotions. The paper presents an overview of methods of age and gender recognition of people based on their speech. A combination of methods for determining the parameters MFCC (Mel-frequency Cepstral Coefficients) and pitch of voice (f0) and SVM (Support Vector Machines) algorithm for the classification of voice samples is implanted and tested. It was demonstrated that the method is effective in the majority of test cases.
    Źródło:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2015, 21, 3; 165-169
    1234-5563
    Pojawia się w:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hierarchical Classification of Environmental Noise Sources Considering the Acoustic Signature of Vehicle Pass-Bys
    Autorzy:
    Valero, X.
    Alias, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/176616.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    acoustic signature
    environmental noise monitoring
    Gaussian mixture models
    hierarchical classification
    mel-frequency cepstral coefficients (MFCC)
    sound classification
    traffic noise
    vehicle pass-by
    Opis:
    This work is focused on the automatic recognition of environmental noise sources that affect humans’ health and quality of life, namely industrial, aircraft, railway and road traffic. However, the recognition of the latter, which have the largest influence on citizens’ daily lives, is still an open issue. Therefore, although considering all the aforementioned noise sources, this paper especially focuses on improving the recognition of road noise events by taking advantage of the perceived noise differences along the road vehicle pass-by (which may be divided into different phases: approaching, passing and receding). To that effect, a hierarchical classification scheme that considers these phases independently has been implemented. The proposed classification scheme yields an averaged classification accuracy of 92.5%, which is, in absolute terms, 3% higher than the baseline (a traditional flat classification scheme without hierarchical structure). In particular, it outperforms the baseline in the classification of light and heavy vehicles, yielding a classification accuracy 7% and 4% higher, respectively. Finally, listening tests are performed to compare the system performance with human recognition ability. The results reveal that, although an expert human listener can achieve higher recognition accuracy than the proposed system, the latter outperforms the non-trained listener in 10% in average.
    Źródło:
    Archives of Acoustics; 2012, 37, 4; 423-434
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Visualization of stages of determining cepstral factors in speech recognition systems
    Autorzy:
    Proksa, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/333103.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    rozpoznawanie mowy
    LPCC
    MFCC
    wyizolowane słowo
    sygnały mowy
    speech recognition
    cepstral coefficients
    isolated word
    Opis:
    The article presents two methods of determination of cepstral parameters commonly applied in digital signal processing, in particular in speech recognition systems. The solutions presented are part of a project aimed at developing applications allowing to control the Windows operating system with voice and the use of MSAA (Microsoft Active Accessibility). The analysed voice signal has been visually presented at each of the crucial stages of developing cepstral coefficients.
    Źródło:
    Journal of Medical Informatics & Technologies; 2009, 13; 121-128
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie metody niejawnych modeli Markowa w automatycznej detekcji wybranych wad wymowy
    Application Hidden Markov Models to Automatic Detection of Speech Disorder
    Autorzy:
    Wielgat, R.
    Zieliński, T.
    Świętojański, P.
    Żołądź, P.
    Woźniak, T.
    Grabias, S.
    Król, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/152366.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    współczynniki HFCC
    współczynniki MFCC
    niejawne modele Markowa
    terapia logopedyczna
    human factor cepstral coefficients
    Mel-frequency cepstral coefficients
    hidden markov models
    logopedic therapy
    Opis:
    W artykule przedstawiono wyniki badań dotyczących automatycznej detekcji wad wymowy u dzieci. Jako materiał badawczy zostały wykorzystane nagrania pochodzące od dzieci z wadami wymowy. Zadanie polegało na rozpoznaniu nieprawidłowo realizowanego fonemu w wybranych słowach testowych. Detekcja była dokonywana za pomocą metod rozpoznawania mowy, w których jako cec sygnału mowy użyto dwóch najbardziej obiecujących rodzajów cech: współczynnika MFCC praz współczynników HFCC. Jako klasyfikatora użyto metody niejawnych modeli Markowa (HMM), gdzie modelowanymi jednostkami fonetycznimi były zarówno fonemy jak i całe słowa. W badanych metodach dobrano ich parametry w celu zmaksymalizowania skuteczności rozpoznawania. W artykule zaprezentowano również analizę porównawczą wyników rozpoznawania otrzymanych z wykorzystaniem metody HMM oraz testowanej w poprzednich pracach metody nieliniowej transformacji czasowej (DTW).
    The results of research on automatic detection of the pathological phoneme pronunciation are presented in the paper. Speech samples came from speech impaired children and persons who imitated pathological phoneme pronunciation. The recognition task was to find wrongly realized phoneme in the selected test utterances. At the reature extraction stage the most effective features` types have been used: standard Mel-Frequency Cepstral Coefficients (MFCC) and recently proposed Human Factor Cepstral Coefficients (HFCC). As a classificator hidden Markov models, with modeled speech unit being a phoneme as well as a whole word, have been used. The parameters of the HMMs were adjusted in order to achieve the best recognition accuracy. Comparision of the HMM and DTW methods is also presented in the paper.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 417-420
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effect of Time-domain Windowing on Isolated Speech Recognition System Performance
    Autorzy:
    Ananthakrishna, Thalengala
    Anitha, H.
    Girisha, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/2055228.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    hidden Markov model
    HMM
    isolated speech recognition system
    ISR
    Kannada language
    mono-phone model
    Mel frequency cepstral coefficients
    MFCC
    Opis:
    Speech recognition system extract the textual data from the speech signal. The research in speech recognition domain is challenging due to the large variabilities involved with the speech signal. Variety of signal processing and machine learning techniques have been explored to achieve better recognition accuracy. Speech is highly non-stationary in nature and therefore analysis is carried out by considering short time-domain window or frame. In the speech recognition task, cepstral (Mel frequency cepstral coefficients (MFCC)) features are commonly used and are extracted for short time-frame. The effectiveness of features depend upon duration of the time-window chosen. The present study is aimed at investigation of optimal time-window duration for extraction of cepstral features in the context of speech recognition task. A speaker independent speech recognition system for the Kannada language has been considered for the analysis. In the current work, speech utterances of Kannada news corpus recorded from different speakers have been used to create speech database. The hidden Markov tool kit (HTK) has been used to implement the speech recognition system. The MFCC along with their first and second derivative coefficients are considered as feature vectors. Pronunciation dictionary required for the study has been built manually for mono-phone system. Experiments have been carried out and results have been analyzed for different time-window lengths. The overlapping Hamming window has been considered in this study. The best average word recognition accuracy of 61.58% has been obtained for a window length of 110 msec duration. This recognition accuracy is comparable with the similar work found in literature. The experiments have shown that best word recognition performance can be achieved by tuning the window length to its optimum value.
    Źródło:
    International Journal of Electronics and Telecommunications; 2022, 68, 1; 161--166
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie wyników analizy cepstralnej z innymi parametrami oceny głosu u pacjentów z dysfoniami zawodowymi
    Comparison of cepstral coefficients to other voice evaluation parameters in patients with occupational dysphonia
    Autorzy:
    Niebudek-Bogusz, Ewa
    Strumiłło, Paweł
    Wiktorowicz, Justyna
    Śliwińska-Kowalska, Mariola
    Powiązania:
    https://bibliotekanauki.pl/articles/2166319.pdf
    Data publikacji:
    2014-11-05
    Wydawca:
    Instytut Medycyny Pracy im. prof. dra Jerzego Nofera w Łodzi
    Tematy:
    kompleksowa ocena głosu
    współczynniki cepstralne MFCC
    zawodowe zaburzenia głosu
    complex voice assessment
    mel-cepstral coefficients
    MFCCs
    occupational voice disorders
    Opis:
    Wprowadzenie: W ostatnim czasie wśród obiektywnych metod oceny głosu uznaniem cieszy się analiza akustyczna oparta na wyznaczaniu współczynników cepstralnych MFCC (mel-frequency cepstral coefficients). Celem badania była ocena ich zastosowania w diagnozowaniu dysfonii zawodowych w porównaniu z innymi subiektywnymi i obiektywnymi parametrami diagnostycznymi zaburzeń głosu. Materiał i metody: W badaniu wzięły udział 2 grupy kobiet: grupa badana - 55 nauczycielek (średni wiek: 45 lat) z dysfoniami o podłożu zawodowym, potwierdzonymi badaniem laryngowideostroboskopowym, oraz grupa porównawcza - 40 kobiet z głosem prawidłowym (średni wiek: 43 lata). Próbki dźwiękowe (samogłoska ‘a' oraz 4 znormalizowane fonetycznie zdania) poddano analizie MFCC. Wyniki porównano z parametrami akustycznymi (z grupy jittera, z grupy shimmera, parametrem oceny szumów NHR i współczynnikiem chrypki Yanagihary), parametrem aerodynamicznym (maksymalnym czasem fonacji) i parametrami subiektywnymi (skalą percepcyjną GRBAS i wskaźnikiem niepełnosprawności głosowej VHI). Wyniki: Analiza cepstralna wykazała znaczące różnice między grupą badaną a porównawczą, istotne dla współczynników MFCC2, MFCC3, MFCC5, MFCC6, MFCC8, MFCC10, szczególnie dla MFCC6 (p < 0,001) oraz dla MFCC8 (p < 0,009), co może sugerować ich przydatność kliniczną. Z kolei w grupie badanej MFCC4, MFCC8 i MFCC10 istotnie korelowały z większością zastosowanych parametrów obiektywnych oceny głosu. Ponadto współczynnik MFCC8, który u badanych nauczycielek korelował istotnie z wszystkimi ww. 8 parametrami obiektywnymi, wykazał też istotną zależność z cechą dystynktywną A (asthenity) subiektywnej skali GRBAS, cechującej głos słaby, zmęczony. Wnioski: Analiza cepstralna, oparta na wyznaczaniu współczynników MFCC, jest dobrze rokującym narzędziem do obiektywnej diagnostyki dysfonii zawodowych, które bardziej niż inne metody analizy akustycznej odzwierciedla cechy percepcyjne głosu. Med. Pr. 2013;64(6):805–816
    Background: Special consideration has recently been given to cepstral analysis with mel-frequency cepstral coefficients (MFCCs). The aim of this study was to assess the applicability of MFCCs in acoustic analysis for diagnosing occupational dysphonia in comparison to subjective and objective parameters of voice evaluation. Materials and Methods: The study comprised 2 groups, one of 55 female teachers (mean age: 45 years) with occupational dysphonia confirmed by videostroboscopy and 40 female controls with normal voice (mean age: 43 years). The acoustic samples involving sustained vowels "a" and four standardized sentences were analyzed by computed analysis of MFCCs. The results were compared to acoustic parameters of jitter and shimmer groups, noise to harmonic ratio, Yanagihara index evaluating the grade of hoarseness, the aerodynamic parameter: maximum phonation time and also subjective parameters: GRBAS perceptual scale and Voice Handicap Index (VHI). Results: The compared results revealed differences between the study and control groups, significant for MFCC2, MFCC3, MFCC5, MFCC6, MFCC8, MFCC10, particularly for MFCC6 (p < 0.001) and MFCC8 (p < 0.009), which may suggest their clinical applicability. In the study group, MFCC4, MFCC8 and MFCC10 correlated significantly with the major objective parameters of voice assessment. Moreover, MFCC8 coefficient, which in the female teachers correlated with all eight objective parameters, also showed the significant relation with perceptual voice feature A (asthenity) of subjective scale GRBAS, characteristic of weak tired voice. Conclusions: The cepstral analysis with mel frequency cepstral coefficients is a promising tool for evaluating occupational voice disorders, capable of reflecting the perceptual voice features better than other methods of acoustic analysis. Med Pr 2013;64(6):805–816
    Źródło:
    Medycyna Pracy; 2013, 64, 6; 805-816
    0465-5893
    2353-1339
    Pojawia się w:
    Medycyna Pracy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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