Tez detayları

Metinden bağımsız konuşmacı tanıma sistemlerinin incelenmesi ve gerçekleştirilmesi = Investigation and implementation of text-independent speaker identification sistems

Yazarlar:

Karasartova, Suikum

Yayıncı:

Ankara Üniversitesi

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Belge Tipi:

Tezler

Program Tipi:

Yüksek Lisans

Yayın Tarihi:

12/2010

Belge Dili:

Türkçe

Document ID (Org No.):

2000399937

Özet

In this thesis, Vector Quantization and Gaussian Mixture Model based text-independent speaker applications have been designed for a closed set of speakersUsing speech signals obtained from ELSRSD data base, feature vectors MFCC, ?MFCC and LPCC for every speaker has been extracted. Then these feature vectors have been classified using LBG and Expectation Maximization algorithms. During training and testing processes influences of number of cepstral features, duration of train and test data, size of code vectors and number of Gaussian mixtures on systems' performance have been explored. As a result optimum values of the system have been determined. After simulations, using Vector Quantization model and MFCC as feature vectors, 14.1-23.8 seconds of training data and 3 seconds of testing data system performance can be reached 100% for a closed set of 20 speakers.September 2011, 42 pagesKey Words: Vector Quantization, Gaussian Mixture Model, feature extraction.

Bu tez çalışmasında, Vektör Nicemleme (VQ) ve Gauss Karışım Modeli (GMM) tabanlı kapalı set, metinden bağımsız konuşmacı tanıma uygulamaları geliştirilmiştir.ELSRSD veri tabanından faydalanarak, her bir konuşmacıya ait konuşma sinyalleri için MFCC, ?MFCC, LPCC kepstral katsayıları çıkarılarak öznitelik vektörler kümesi oluşturulmuştur. Bu vektörler LBG ve Beklentinin Maksimumlaştırılması (BM) algoritmalarıyla modellenmiştir. Eğitim ve test aşamalarında öznitelik katsayılarının sayısı, eğitim ve test süreleri, kod vektör boyutu ve karışım bileşen sayıları değiştirerek, konuşmacı tanıma performansına olan etkileri incelenip optimum değerleri belirlenmiştir. Similasyonlar sonucunda VQ sınıflandırıcı, 12 MFCC öznitelik, eğitim süresi 14.1-23.8 saniye arasında değişen veri seti kullandığında, test süresi 3 saniye olarak alındığında 20 konuşmacı için başarım %100'e çıkarılabilmiştir.Eylül 2011, 42 sayfaAnahtar Kelimeler: Vektör Nicemleme, Gauss Karışım Modeli, öznitelik çıkarma.

Tez detayları

Metinden bağımsız konuşmacı tanıma sistemlerinin incelenmesi ve gerçekleştirilmesi = Investigation and implementation of text-independent speaker identification sistems

Yazarlar: Karasartova, Suikum

Yayıncı: Ankara Üniversitesi

Ana Başlıklar: Mühendislik ve uygulamalı operasyonlar

Belge Tipi: Tezler

Program Tipi: Yüksek Lisans

Yayın Tarihi: 12/2010

Belge Dili: Türkçe

Document ID (Org No.): 2000399937