Wyniki wyszukiwania - Biblioteka Nauki

1

Speech recognition by means of feature extraction method based on slope transformation assisted with denoising

100%

Dąbrowski A. , Drgas S.

|

tom Vol. 48, nr 4

61-64

EN

This paper describes a method for speech feature extraction using morphological signal processing based on the so-called "slope transformation". The proposed approach has been used to extract the signal upper spectral envelope. Results of experiments of the automatic speech recognition (ASR), which were undertaken to check the performance of the presented method, have shown some evident improvements of the effectiveness of recognition of isolated words, especially for women voices. The proposed method was combined with the speech enhancement and then evaluated. Results showed that for low signal-to-noise ratios the denoising algorithms used in the preprocessing stage bring additional recognition accuracy increase.

PL

W artykule przedstawiono metodę ekstrakcji cech mowy za pomocą morfologicznego przetwarzania sygnałów, wykorzystującego tzw. transformację nachyleniową. Zaproponowane ujęcie polega na wyznaczeniu górnej obwiedni widmowej. Rezultaty eksperymentów automatycznego rozpoznawania mowy, które przeprowadzono w celu zbadania skuteczności zaprezentowanej metody, wykazały poprawę efektywności rozpoznawania izolowanych słów, zwłaszcza w przypadku głosów żeńskich. Metodę rozpoznawania powiązano z poprawą jakości mowy, a następnie dopiero oceniano skuteczność rozpoznawania. Otrzymane rezultaty wskazały na poprawę dokładności rozpoznawania mowy po jej wstępnym odszumieniu.

2

Speaker identification based on Gaussian mixture model : experiments with Polish language utterances

80%

Dąbrowska A. , Drgas S. , Cetnarowicz D. , Chmielewska I.

|

2008

|

tom Vol. 49, nr 4

29-33

EN

In this paper results of experiments with the prototype speaker recognition system based on Gaussian mixture model (GMM) and mel-cepstral coefficients (MFCCs) are presented for Polish Corpora database [4]. The minimum amount of data to train a reliable model and the minimum length of a signal to recognize speakers have been determined. Furthermore, the speaker discriminative properties of Polish phonemes have been investigated. The phonemes with the best speaker discriminative properties have been determined.

PL

Przedstawiono eksperymenty identyfikacji mówcy za pomocą prototypowego systemu rozpoznawania mowy na podstawie sumy rozkładów normalnych (GMM) i współczynników mel-cepstralnych, (MFCC), uzyskanych z wykorzystaniem polskojęzycznej bazy Corpora [4]. W eksperymentach zbadano minimalną ilość danych potrzebnych do wytrenowania wiarygodnego modelu oraz długość sygnału wymaganą do poprawnej klasyfikacji. Ponadto przebadano dyskryminacyjne właściwości polskich fonemów do identyfikacji mówcy. Wyodrębniono fonemy, które w największym stopniu przyczyniają się do poprawnego rozpoznawania.

3

Speaker verification using various dynamic kernels for prosodic features combined with spectral information

80%

Drgas S. , Dąbrowski A. , Zamorski D.

|

tom R. 88, nr 6

51-54

EN

In this article the text independent speaker verification problem is considered. The approach, in which SVM and prosodic features are employed, has been chosen. Prosodic features are modelled by Legendre polynomials. In order to map a sequence of prosodic vectors to the fixed dimensional vector, three kernels were used: VQ kernel, GMM supervector kernel, and Fisher kernel. These three kernels were compared and their combination was evaluated. Finally, a combination with spectral features was investigated.

PL

W artykule jest rozważany problem automatycznej weryfikacji mówcy niezależnej od tekstu. Przedstowiono system oparty na maszynach wektorów nośnych (SVM - support vector machines) oraz cechach prozodycznych. Cechy prozodyczne są modelowane z wykorzystaniem wielomianów Legendre’a. W celu przekształcenia wektorów prozodycznych na wektory o ustalonej liczbie elementów zasotosowano trzy funkcje jądra: VQ, superwektor GMM oraz jądro Fishera. Wymienione funkcje zostały porównane oraz przetestowano skuteczność systemu w przypadku kombinacji wektorów. Zbadano także skuteczność systemu w połączeniu z cechami spektralnymi.

4

A fast method for the determination of psychophysical tuning curves: further refining

80%

Sęk A. , Wicher A. , Drgas S.

|

tom Vol. 32, No. 3

707--728

EN

Psychophysical tuning curves (PTCs) are usually measured by determining the level of a narrowband noise required just to mask a fixed, low-level tone, for several masker centre frequencies. PTCs are often used to assess the frequency selectivity of the auditory system and they have also been used to detect “dead regions” in the cochlea, especially to define the frequency boundaries of the dead regions. However, the traditional method of PTC determination is too-time consuming for use in clinical practice. This paper is concerned with further evaluation and refining of a fast method for determining PTCs, based on the use of a sweeping band of noise. The fixed sinusoidal signal is turned on and off at regular time intervals and is masked by a band of noise, whose centre frequency sweeps over a range of two octaves during four minutes. A Békésy method is used to determine the masker level required for threshold; the subject presses a button to indicate that the signal is inaudible, and releases it when the signal is audible, and the masker level is adjusted accordingly by a computer. The fast method was evaluated using normally hearing subjects and showed good agreement with the results obtained with the use of the traditional method. The shapes of the PTCs, the slopes of the lowand high-frequency skirts, and the positions of the minima were very similar when the fast and the traditional methods were used. However from the point of view of clinical usage the determination of the PTC tip, that is the masker centre frequency at which the masker level is lowest is the most important issue. The position of the PTC minimum with reference to the tone frequency indicates the presence of a dead region. Therefore, in this study several methods of the PTC minimum estimation were evaluated and compared. It has turned out that a fitting method of a single PTC by means of a square function yielded the best results. The method gave the smallest standard deviation, the highest kurtosis and the narrowest range of the PTC minima.