Sistema para identificación de hablantes robusto a cambios en la voz

Los sistemas de reconocimiento de hablante se componen de tres partes principales: preprocesamiento, extracción de características y clasificación de vectores. En el trabajo presente se considera la cuestión de los cambios en la voz, voluntarios e involuntarios, y cómo esto afecta al reconocimiento...

Descripción completa

Detalles Bibliográficos
Autores: Martínez Mascorro, Guillermo Arturo, Aguilar Torres, Gualberto
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2012
País:Ecuador
Institución:Universidad Politécnica Salesiana
Repositorio:Repositorio Universidad Politécnica Salesiana
OAI Identifier:oai:dspace.ups.edu.ec:123456789/8426
Acceso en línea:http://dspace.ups.edu.ec/handle/123456789/8426
Access Level:acceso abierto
Palabra clave:CARACTERÍSTICAS DE VOZ
COEFICIENTES CEPSTRALES EN LA FRECUENCIA DE MEL
MÁQUINA DE SOPORTE VECTORIAL
RECONOCIMIENTO AUTOMÁTICO DEL HABLA
RED NEURONAL ARTIFICIAL
id EC_24c8e04a1b6bdac8bc06ed679b226303
oai_identifier_str oai:dspace.ups.edu.ec:123456789/8426
network_acronym_str EC
network_name_str Ecuador
repository_id_str
spelling Sistema para identificación de hablantes robusto a cambios en la vozMartínez Mascorro, Guillermo ArturoAguilar Torres, GualbertoCARACTERÍSTICAS DE VOZCOEFICIENTES CEPSTRALES EN LA FRECUENCIA DE MELMÁQUINA DE SOPORTE VECTORIALRECONOCIMIENTO AUTOMÁTICO DEL HABLARED NEURONAL ARTIFICIALLos sistemas de reconocimiento de hablante se componen de tres partes principales: preprocesamiento, extracción de características y clasificación de vectores. En el trabajo presente se considera la cuestión de los cambios en la voz, voluntarios e involuntarios, y cómo esto afecta al reconocimiento de hablante. Para este proyecto se detalla todo el pre procesamiento que se realiza sobre la señal y cómo se obtienen los segmentos vocalizados de la misma. También se aplica un modelo de elaboración de vectores característicos basados en ciertas propiedades de la voz, y en Coeficientes Cepstrales en la Frecuencia de Mel (MFCC), así como una Máquina de Soporte Vectorial (SVM) y una Red Neuronal Artificial (ANN) como clasificadores, posteriormente se comparan los resultados obtenidos. Las pruebas realizadas consisten en analizar la trama que se le presenta al sistema, detectar el segmento vocalizado e indicarle al sistema de qué vocal se trata, para posteriormente, identificar a qué persona pertenece dicha vocal. Los resultados muestran que la elaboración de estos vectores conjuntando propiedades y coeficientes MFCC tienen un alto índice de reconocimiento.The speech recognition systems consist of three principal parts: preprocessing, features extraction and vectors classification. This paper considers the voice changes, voluntary and involuntary changes, and how this affects the speaker recognition. In this project is explained the preprocessing of the signal and how are obtained the voiced segments. Also is applied a features vector based in voice properties and Mel Frequency Cepstrum Coefficients (MFCC), and a Support Vector Machine (SVM) and an Artificial Neural Network as classifiers. The experiments consist in analyzing the frame presented to the system, detect the voiced segment and indicate to the system which vowel has been said, for an identification of which person pronounce the vowel. The results show the features-MFCC vectors have high rate on recognition.2015-04-10T22:54:07Z2015-04-10T22:54:07Z2012-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttp://dspace.ups.edu.ec/handle/123456789/8426esinfo:eu-repo/semantics/openAccessreponame:Repositorio Universidad Politécnica Salesianainstname:Universidad Politécnica Salesianainstacron:UPS2015-04-10T22:54:07Zoai:dspace.ups.edu.ec:123456789/8426Institucionalhttps://dspace.ups.edu.ec/Institución privadahttps://www.ups.edu.ec/https://dspace.ups.edu.ec/oai.Ecuador...opendoar:17372015-04-10T22:54:07Repositorio Universidad Politécnica Salesiana - Universidad Politécnica Salesianafalse
dc.title.none.fl_str_mv Sistema para identificación de hablantes robusto a cambios en la voz
title Sistema para identificación de hablantes robusto a cambios en la voz
spellingShingle Sistema para identificación de hablantes robusto a cambios en la voz
Martínez Mascorro, Guillermo Arturo
CARACTERÍSTICAS DE VOZ
COEFICIENTES CEPSTRALES EN LA FRECUENCIA DE MEL
MÁQUINA DE SOPORTE VECTORIAL
RECONOCIMIENTO AUTOMÁTICO DEL HABLA
RED NEURONAL ARTIFICIAL
title_short Sistema para identificación de hablantes robusto a cambios en la voz
title_full Sistema para identificación de hablantes robusto a cambios en la voz
title_fullStr Sistema para identificación de hablantes robusto a cambios en la voz
title_full_unstemmed Sistema para identificación de hablantes robusto a cambios en la voz
title_sort Sistema para identificación de hablantes robusto a cambios en la voz
dc.creator.none.fl_str_mv Martínez Mascorro, Guillermo Arturo
Aguilar Torres, Gualberto
author Martínez Mascorro, Guillermo Arturo
author_facet Martínez Mascorro, Guillermo Arturo
Aguilar Torres, Gualberto
author_role author
author2 Aguilar Torres, Gualberto
author2_role author
dc.subject.none.fl_str_mv CARACTERÍSTICAS DE VOZ
COEFICIENTES CEPSTRALES EN LA FRECUENCIA DE MEL
MÁQUINA DE SOPORTE VECTORIAL
RECONOCIMIENTO AUTOMÁTICO DEL HABLA
RED NEURONAL ARTIFICIAL
topic CARACTERÍSTICAS DE VOZ
COEFICIENTES CEPSTRALES EN LA FRECUENCIA DE MEL
MÁQUINA DE SOPORTE VECTORIAL
RECONOCIMIENTO AUTOMÁTICO DEL HABLA
RED NEURONAL ARTIFICIAL
description Los sistemas de reconocimiento de hablante se componen de tres partes principales: preprocesamiento, extracción de características y clasificación de vectores. En el trabajo presente se considera la cuestión de los cambios en la voz, voluntarios e involuntarios, y cómo esto afecta al reconocimiento de hablante. Para este proyecto se detalla todo el pre procesamiento que se realiza sobre la señal y cómo se obtienen los segmentos vocalizados de la misma. También se aplica un modelo de elaboración de vectores característicos basados en ciertas propiedades de la voz, y en Coeficientes Cepstrales en la Frecuencia de Mel (MFCC), así como una Máquina de Soporte Vectorial (SVM) y una Red Neuronal Artificial (ANN) como clasificadores, posteriormente se comparan los resultados obtenidos. Las pruebas realizadas consisten en analizar la trama que se le presenta al sistema, detectar el segmento vocalizado e indicarle al sistema de qué vocal se trata, para posteriormente, identificar a qué persona pertenece dicha vocal. Los resultados muestran que la elaboración de estos vectores conjuntando propiedades y coeficientes MFCC tienen un alto índice de reconocimiento.
publishDate 2012
dc.date.none.fl_str_mv 2012-12
2015-04-10T22:54:07Z
2015-04-10T22:54:07Z
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://dspace.ups.edu.ec/handle/123456789/8426
url http://dspace.ups.edu.ec/handle/123456789/8426
dc.language.none.fl_str_mv es
language_invalid_str_mv es
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Universidad Politécnica Salesiana
instname:Universidad Politécnica Salesiana
instacron:UPS
instname_str Universidad Politécnica Salesiana
instacron_str UPS
institution UPS
reponame_str Repositorio Universidad Politécnica Salesiana
collection Repositorio Universidad Politécnica Salesiana
repository.name.fl_str_mv Repositorio Universidad Politécnica Salesiana - Universidad Politécnica Salesiana
repository.mail.fl_str_mv .
_version_ 1868999351559258112
score 14,965132

Similares en LA Referencia