تشخیص خودکار سیگنالهای موسیقی و گفتار فارسی
thesis
- سایر - دانشکده صدا و سیمای جمهوری اسلامی ایران
- author فرزانه عزیزخانی
- adviser محمد بهدادفر محمد ابراهیم صادقی
- Number of pages: First 15 pages
- publication year 1392
abstract
با توجه به رشد روز افزون محتوای چند رسانه¬ای، زمینه¬های تحقیقاتی جدیدی همچون تحلیل محتوای صوتی جهت پردازش، تشخیص و دسته¬بندی داده¬ها بر اساس محتوا معرفی شده است. مسئله دسته¬بندی سیگنال هایِ گفتار و موسیقی که زیر مجموعه¬ای از این تحقیقاتِ جدید است، توسط محققان زیادی مورد توجه و بررسی قرار گرفته است. با این وجود، تاکنون الگوریتمی که بتواند در لحظه همانند سیستمِ شنوایی انسان عمل کرده و سیگنال¬های صوتی دریافتی را با دقتی برابر دقت سیستم شنوایی طبقه¬بندی نماید ارائه نشده است. هر تحقیق جدیدی در این زمینه یا ویژگی¬های جدیدی را معرفی می¬کند یا ویژگی¬هایی که در مقالات قبلی از آنها استفاده شده را بهبود می¬بخشد. در این پایان¬¬نامه نیز سعی شده است که از مجموعه ویژگیهایی همچون درصد فریم¬های انرژی پایین وانحراف معیار شار طیفی که در تحقیقات انجام شده توانایی مناسبی در تفکیک از خود نشان داده اند، استفاده شود. همچنین، دو ویژگی رویداد عبور نکردن سیگنال مثبت از صفر و عبور نکردن سیگنال منفی از صفر در این پایان¬نامه مورد بررسی قرار گرفته¬اند که بر اساس یافته¬های ما، تاکنون در تحقیقات داخل کشور برای تشخیص گفتار فارسی از موسیقی مورد بررسی قرار نگرفته¬اند. بر این اساس، چهار ویژگی فوق از نمونه¬های صوتی با عرض 20 میلی¬ثانیه از گفتار فارسی و موسیقی استخراج و جهت آموزش و آزمایش درستی تشخیص سیگنال گفتار و موسیقی به دو نوع شبکه¬ عصبیmlp و rbf و یک روش آماری k-nn ارائه شده است. نتایج این الگوریتمها بر اساس ویژگی¬های به کار رفته مورد ارزیابی و مقایسه قرار گرفته است.
similar resources
تشخیص خودکار جنسیت نویسنده در متون فارسی
Gigantic amount of textual data being transfers in web everyday. like other communities,cyberspace is vulnerable to attacks, false information and deception.it becomes increasingly important to design an efficient method to trace identity in this community.to investigate the problem of gender identification,we propose 48 feature,and design three machine learning algorithms.the results of study ...
full textمعرفی نمایه جدید به منظور تشخیص خودکار شدت پیشرفت بیماری آصم با استفاده از سیگنالهای کپنوگرام
در این مقاله یک نمایه جدید به منظور تشخیص خودکار شدت بیماری آصم با استفاده از پردازش سیگنالهای کپنوگرام ارائه شده است. تحقیقات انجام گرفته در گذشته نشان دهنده ارتباط مهمی بین کپنوگرام و بیماری آصم بوده است .هرچند، اغلب آن تحقیقات از روشهای پردازشی حوزه زمان اسفاده کرده بوده و بر این فرضیه استوار بودند که کپنوگرام یک سیگنال ایستان است. در این تحقیق با استفاده از ضرائب پیش بینی خطی (LPC) و روش مد...
full textشناسایی خودکار سبک موسیقی
Nowadays, automatic analysis of music signals has gained a considerable importance due to the growing amount of music data found on the Web. Music genre classification is one of the interesting research areas in music information retrieval systems. In this paper several techniques were implemented and evaluated for music genre classification including feature extraction, feature selection and m...
full textتشخیص خودکار جنسیت نویسنده در متون فارسی
با گسترش روز افزون استفاده از اینترنت، شاهد تبادل هزاران گیگابایت اطلاعات متنی در فضای مجازی هستیم. فضای سایبر این امکان را به اشخاص می دهد که هویت حقیقی خود را مخفی کنند و با هویت ساختگی جدیدی وارد آن شوند. از این رو اهمیت حفظ امنیت این فضا، کنترل بر محتوای تولید شده توسط کاربران و شناسایی مشخصات تولیدکنندگان محتوا هر روز پررنگتر می شود. موضوع مورد بررسی در این تحقیق که مربوط به حوزه شناسایی ن...
full textانتخاب و مقایسة عملکرد ویژگی‌های بهینة استخراج‌شده از سیگنال گفتار برای تشخیص خودکار بیماری پارکینسون
در سال‌های اخیر، محققین تلاش‌های زیادی برای تشخیص بیماری پارکینسون از طریق یافتن ارتباط آن با سیگنال گفتار افراد انجام داده‌اند. همچنین پژوهش‌هایی در تعیین شدت بیماری و ارتباط آن با اختلالات صوتی انجام شده است. هدف این مقاله، ارزیابی و مقایسة توانایی دسته ویژگی‌های مختلف استخراجی از سیگنال گفتار، در تشخیص بیماری پارکینسون است. برای این منظور، 12 دسته ویژگی از سیگنال گفتار ارزیابی شده‌‌اند، تح...
full textMy Resources
document type: thesis
سایر - دانشکده صدا و سیمای جمهوری اسلامی ایران
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023