Segmentacja mowy polskiej z wykorzystaniem transformacji falkowej

• Autorzy: Tarasiuk M. , Gosiewski Z.

Warianty tytułu

EN

Speech segmentation in polish language by wavelet transformation

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono koncepcję metody segmentacji słów wypowiadanych w języku polskim. Jako narzędzie w procesie segmentacji wykorzystano transformację falkową. Zaproponowano algorytm postępowania oraz przedstawiono wyniki prowadzonych prac badawczych. Wykorzystując opracowaną metodę dokonano podziału wypowiadanych słów i sprawdzono poprawność jego wykonania. Niniejsze badanie stanowi platformę bazową do dalszych prac zmierzających w kierunku opracowania automatycznego systemu rozpoznawania mowy. Badania i obliczenia wykonywano w oparciu o oprogramowanie Matlab.

EN

This article introduces an conception on polish spoken words segmentation using wavelet transformation. There was suggested an algorithm and presented achievements made during researches. Spoken words were then divided and their segmentation correctness was verified with use of mentioned above method. This study provides a base platform for further development of the automatic speech recognition system. Research and calculations were executed in MATLAB.

Słowa kluczowe

PL

segmentacja słów; transformacja falkowa; MATLAB; mowa polska

EN

speech segmentation; wavelet transformation; MATLAB; Polish speech

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Acta Mechanica et Automatica
• Rocznik: 2010
• Tom: Vol. 4, no. 1
• Strony: 92--95
• Opis fizyczny: Bibliogr. 10 poz., Rys., Wykr.

Twórcy

autor

Tarasiuk M.

autor

Gosiewski Z.

Bibliografia

• 1. Alani A., Deriche M. (1999), A Novel Approach to Speech Segmentation Using The Wavelet Transform, Proceedings of The 5th International Symposium on Signal Processing and Applications, Brisbane, Australia.
• 2. Demuynck K., Laureys T. (2002), A Comparison of Different Approaches to Automatic Speech Segmentation, Proceedings of the 5th International Conference on Text, Speech and Dialogue, Lecture Notes in Computer Science, Vol. 2448.
• 3. Driaunys K., Rudzionis V., Zvinys P. (2005), Analysis of vocal phonemes and fricative consonant discrimination based on phonetic acoustic features, Information Technology and Control, Vol. 34, No. 3
• 4. Gałka J. (2008), Optymalizacja parametryzacji sygnału w aspekcie rozpoznawania mowy polskiej, rozprawa doktorska, Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki, Akademii Górniczo Hutniczej w Krakowie.
• 5. Gosiewski Z., Tarasiuk M. (2009),(Preliminary study of the automatic speech recognition for devices supporting the ill and disabled,(Journal of Vibroengineering((Vol. 11, No 3, 497-503.
• 6. Fang X. (1994), Automatic Phoneme Segmentation of Continuous Speech Signal, IEEE Transactions.
• 7. Mallat S. (1999), A Wavelet Tour of Signal Processing, Academic Press.
• 8. Siafarikas M., Mporas I., Ganchev T., Fakotakis N. (2008), Speech Recognition using Wavelet Packet Features, Journal of Wavelet Theory and Applications, Number 1, 41–59
• 9. Tan B. T., Lang R., Schroder H., Spray A., Dermody P. (1994), Applying Wavelet Analysis to Speech Segmentation and Classification, Wavelet Applications – Proceedings of SPIE.
• 10. Zieliński T. P. (2002), Od teorii do cyfrowego przetwarzania sygnałów, Zakład Poligraficzny Uniwersytetu Jagielońskiego.