In this thesis, It has been examined the usage of wavelet Trasfonn for definition of voice. During the examinition, to compare the wavelet transform outputs and to take meaning results from these, the neural network has been used. Most of the scientific researches, only take place in theory, but voice definition mustn't be like this. Voice definition process had been done by different methods. On these methods, It had been utilized from such modellation. These are AR, ARMA, MA modulations and STFT Fourier transformations. At the results of these discoveries that they are peak period and center frequency of voices datas. These datas doesn't give the correct results. The common aspect of voice datas is that they aren't as the same as to each other. So the results which are found for a data can't show the equivalent for the same voice. Because of that reason DWT outputs have been applied to the neural Network. As a wavelet outputs, 4tt and 5th reduced voice datas were used as `approximate`. Because voice datas were too similar to their voice datas inputs and all letters have their own waves. At this thesis, in the first chapter, it has been defined the wavelet transform and wavelet series explanations. Then wavelet transformation has been shown and in the following chapter, It has been tried to learn the wavelet transforms results to the Neural Network. Key Words: 1. Wavelet Transform, 2. Voice Determination, 3. Neural Network.

Bu çalışmada, Dalgacık Dönüşümünün ses tanımlama işleminde kullanımı incelenmiştir. Bu inceleme yapılırken dalgacık dönüşümü çıkışlarım karşılaştırabilmek ve bunlardan anlamlı bir sonuç çıkarabilmek için `Yapay Sinir Ağı` kullanılmıştır. Çoğu bilimsel araştırmalar sadece teoride kalmaktadırlar, fakat ses tanımlama bu araştırmalar gibi değildir. Ses tanımlama işlemi bir çok farklı yöntemle daha önce de yapılmaya çalışılmıştır. Bu yöntemlerde bazı modellemelerden faydalamlmıştır. Bunlar AR, MA, ARMA modellemeleri, STFT ve Fourier Dönüşümleridir. Bu modellemeler sonucunda elde edilen bulgular ki bunlar pik periyodu, ses dalgasının merkez frekansı gibi bilgilerdir, kesin sonuçlar vermemektedir. Ses verüerinin ortak özellikleri hiçbir şekilde birbMerinin aynısı olmamalarıdır. Dolayısıyla bir veri için bulunmuş sonuçlar aynı ses için başka dalgayla uyumsuzluk göstermektedir. Bu sebepten dolayı ADD çıkışları Yapay Sinir Ağlarına uygulanmıştır. Dalgacık çıkışları olarak da ses dalgalarının 4. ve 5. seviyeye indirgenmiş `öz` çıkışları kullamlmıştır. Bunun nedeni ise çıkışların ses dalgası girişlerine mükemmel derecede benzemesi ve her harfin kendisine özgü bir öz dalgasına sahip olmasıdır. Çalışmada ilk Bölümde Dalgacık Dönüşümü ve Dalgacık serilerinin tanımı yapıldı. Daha sonra Dalgacık uygulaması gösterilmiş son bölümde ise dalgacık dönüşümü sonuçları YSA'ya öğretilmeye çalışılmıştır. Anahtar kelimeler: 1. Dalgacık Dönüşümü, 2. Ses Tanımlama, 3. Yapay Sinir Ağları.