|
|
Rozpoznání typu přenosového kanálu z řečového signálu
Kopřiva, Tomáš ; Burget, Radim (oponent) ; Atassi, Hicham (vedoucí práce)
Práce se zabývá rozpoznáním pěti odlišných řečových přenosových kanálů. Použité kanály jsou: GSM, dva PSTN a dva VoIP kanály. Pro účely testování a trénování je vytvořena pro přenosové kanály řečová databáze SPLAB_TranCh. Řečové nahrávky z tohoto korpusu pochází z databáze TIMIT a každá promluva prošla každým přenosovým kanálem. Hlavním cílem práce je nalezení optimálních příznaků a klasifikátorů, které poskytují nejvyšší úspěšnost klasifikace. Je vyzkoušeno několik typů příznaků, včetně MFCC, LPCC a spektrálních charakteristik. Nejlepší suprasegmentální příznaky byly určeny algoritmem mRMR. Také bylo otestováno několik klasifikátorů. Výsledky ukazují, že rozpoznání přenosových kanálů může být realizováno s vysokou úspěšností (okolo 90 %). Práce také zkoumá vliv zkreslení, které může nastat během přenosu, na úspěšnost klasifikace. Jsou uvažovány následující typy zkreslení: saturace, prahování, ozvěna, praskání a vliv filtrů a různých barev šumů.
|
|
|
Diagnóza Parkinsonovy choroby z řečového signálu
Karásek, Michal ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Práce se zabývá rozpoznáním Parkynsonovy choroby z řečového signálu. V první části poukazuje na základy řečových signálů a řečových signálů u pacientů postižených Parkinsonovou chorobou. Dále popisuje problematiku zpracování řečových signálů, základní příznaky používané k diagnóze Parkinsonovy choroby (např. VAI, VSA, FCR, VOT atd.) a redukci těchto příznaků. Další část je zaměřena na blokové schéma programu pro diagnózu Parkinsonovy choroby. Hlavním cílem této práce je porovnání dvou metod výběru příznaků (mRMR a SFFS). Pro klasifikaci byly vybrány dvě rozdílné metody. První metodou je klasifikace kNN a druhou metodou klasifikace jsou Gaussovy smýšené modely (GMM).
|
|
|
Rozpoznávání hudebních coververzí pomocí technik Music Information Retrieval
Martinek, Václav ; Zvončák, Vojtěch (oponent) ; Kiska, Tomáš (vedoucí práce)
Tato diplomová práce se zabyvá návrhem a realizací systému rozpoznávajícího hudební coververze. Úvodní část je věnována vypočtu parametrů z audio signálu pomocí technik Music Information Retrieval. Následně jsou definovány různé podoby coververzí a hudební aspekty, které coververze sdílí. V práci je rovněž podrobně popsána tvorba a rozdělení databáze coververzí. Dále jsou zde uvedeny metody a techniky pro porovnání a zpracování vypočítanych parametrů. Pozornost je pak věnována metodě OTI, vypočet CSM a metodám, které se zabyvají selekcí parametrů. Další část se věnuje návrhu systémů na rozpoznávání coververzí. V práci jsou pak srovnány již navržené systémy na rozpoznávání coververzí. Následně jsou popsány techniky strojového učení a evaluační metody pro vyhodnocení klasifikace. Větší část je věnována umělym neuronovym sítím. Poslední kapitola se zabyvá implementací dvou systémů v prostředí MATLAB a Python. Tyto systémy jsou následně otestovány na vytvořené databázi coververzí. V závěru je diskutována úspěšnost těchto systémů a případné možnosti pro zlepšení.
|
|
|
Zjištění Parkinsonovy nemoci na základě analýzy řečového záznamu
Vymlátil, Petr ; Trzos, Michal (oponent) ; Lněnička, Jakub (vedoucí práce)
Tato práce se zabývá zjištěním Parkinsonovi choroby na základě analýzy řečového záznamu. V úvodních kapitolách je popsán mechanismus vzniku lidského hlasu, jeho základní vlastnosti a vliv hypokinetické dysartrie na řeč. V další kapitole jsou popsány vlastnosti řečového signálu a některé metody jeho předzpracování. Následuje popis a způsob extrakce vybraných jednotlivých příznaků potřebných pro diagnózu nemoci a stručný popis metod redukce a klasifikátorů. Praktická část práce srovnává úspěšnost klasifikace naivního bayesovského klasifikátoru v závislosti na použité redukci.
|
|
|
Rozpoznávání hudebních coververzí pomocí technik Music Information Retrieval
Martinek, Václav ; Zvončák, Vojtěch (oponent) ; Kiska, Tomáš (vedoucí práce)
Tato diplomová práce se zabyvá návrhem a realizací systému rozpoznávajícího hudební coververze. Úvodní část je věnována vypočtu parametrů z audio signálu pomocí technik Music Information Retrieval. Následně jsou definovány různé podoby coververzí a hudební aspekty, které coververze sdílí. V práci je rovněž podrobně popsána tvorba a rozdělení databáze coververzí. Dále jsou zde uvedeny metody a techniky pro porovnání a zpracování vypočítanych parametrů. Pozornost je pak věnována metodě OTI, vypočet CSM a metodám, které se zabyvají selekcí parametrů. Další část se věnuje návrhu systémů na rozpoznávání coververzí. V práci jsou pak srovnány již navržené systémy na rozpoznávání coververzí. Následně jsou popsány techniky strojového učení a evaluační metody pro vyhodnocení klasifikace. Větší část je věnována umělym neuronovym sítím. Poslední kapitola se zabyvá implementací dvou systémů v prostředí MATLAB a Python. Tyto systémy jsou následně otestovány na vytvořené databázi coververzí. V závěru je diskutována úspěšnost těchto systémů a případné možnosti pro zlepšení.
|
|
|
Zjištění Parkinsonovy nemoci na základě analýzy řečového záznamu
Vymlátil, Petr ; Trzos, Michal (oponent) ; Lněnička, Jakub (vedoucí práce)
Tato práce se zabývá zjištěním Parkinsonovi choroby na základě analýzy řečového záznamu. V úvodních kapitolách je popsán mechanismus vzniku lidského hlasu, jeho základní vlastnosti a vliv hypokinetické dysartrie na řeč. V další kapitole jsou popsány vlastnosti řečového signálu a některé metody jeho předzpracování. Následuje popis a způsob extrakce vybraných jednotlivých příznaků potřebných pro diagnózu nemoci a stručný popis metod redukce a klasifikátorů. Praktická část práce srovnává úspěšnost klasifikace naivního bayesovského klasifikátoru v závislosti na použité redukci.
|
|
|
Rozpoznání typu přenosového kanálu z řečového signálu
Kopřiva, Tomáš ; Burget, Radim (oponent) ; Atassi, Hicham (vedoucí práce)
Práce se zabývá rozpoznáním pěti odlišných řečových přenosových kanálů. Použité kanály jsou: GSM, dva PSTN a dva VoIP kanály. Pro účely testování a trénování je vytvořena pro přenosové kanály řečová databáze SPLAB_TranCh. Řečové nahrávky z tohoto korpusu pochází z databáze TIMIT a každá promluva prošla každým přenosovým kanálem. Hlavním cílem práce je nalezení optimálních příznaků a klasifikátorů, které poskytují nejvyšší úspěšnost klasifikace. Je vyzkoušeno několik typů příznaků, včetně MFCC, LPCC a spektrálních charakteristik. Nejlepší suprasegmentální příznaky byly určeny algoritmem mRMR. Také bylo otestováno několik klasifikátorů. Výsledky ukazují, že rozpoznání přenosových kanálů může být realizováno s vysokou úspěšností (okolo 90 %). Práce také zkoumá vliv zkreslení, které může nastat během přenosu, na úspěšnost klasifikace. Jsou uvažovány následující typy zkreslení: saturace, prahování, ozvěna, praskání a vliv filtrů a různých barev šumů.
|
|
|
Diagnóza Parkinsonovy choroby z řečového signálu
Karásek, Michal ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Práce se zabývá rozpoznáním Parkynsonovy choroby z řečového signálu. V první části poukazuje na základy řečových signálů a řečových signálů u pacientů postižených Parkinsonovou chorobou. Dále popisuje problematiku zpracování řečových signálů, základní příznaky používané k diagnóze Parkinsonovy choroby (např. VAI, VSA, FCR, VOT atd.) a redukci těchto příznaků. Další část je zaměřena na blokové schéma programu pro diagnózu Parkinsonovy choroby. Hlavním cílem této práce je porovnání dvou metod výběru příznaků (mRMR a SFFS). Pro klasifikaci byly vybrány dvě rozdílné metody. První metodou je klasifikace kNN a druhou metodou klasifikace jsou Gaussovy smýšené modely (GMM).
|
host ::
RSS.