| dc.contributor | Yamanaka, Keiji | |
| dc.contributor | http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4798494D8 | |
| dc.contributor | Nomura, Shigueo | |
| dc.contributor | http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723707A0 | |
| dc.contributor | Carrijo, Gilberto Arantes | |
| dc.contributor | http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4781864Y0 | |
| dc.contributor | Yehia, Hani Camille | |
| dc.contributor | http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785031D7 | |
| dc.creator | Peretta, Igor Santos | |
| dc.date | 2016-06-22T18:38:39Z | |
| dc.date | 2011-03-22 | |
| dc.date | 2016-06-22T18:38:39Z | |
| dc.date | 2010-12-21 | |
| dc.date.accessioned | 2023-09-28T21:02:19Z | |
| dc.date.available | 2023-09-28T21:02:19Z | |
| dc.identifier | PERETTA, Igor Santos. A novel word boundary detector based on the teager energy operator
for automatic speech recognition. 2010. 125 f. Dissertação (Mestrado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 2010. | |
| dc.identifier | https://repositorio.ufu.br/handle/123456789/14446 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/9062944 | |
| dc.description | This work is part of a major research project and contributes into the
development of a speaker-independent speech recognition system for isolated
words from a limited vocabulary. It proposes a novel spoken word boundary
detection method named TEO-based method for Spoken Word Segmentation
(TSWS). Based on the Teager Energy Operator (TEO), the TSWS
is presented and compared with two widely used speech segmentation methods:
Classical , that uses energy and zero-crossing rate computations, and
Bottom-up , based on the concepts of adaptive level equalization, energy
pulse detection and endpoint ordering. The TSWS shows a great precision
improvement on spoken word boundary detection when compared to Classical
(67.8% of error reduction) and Bottom-up (61.2% of error reduction)
methods.
A complete isolated spoken word recognition system (ISWRS) is also
presented. This ISWRS uses Mel-frequency Cepstral Coefficients (MFCC)
as the parametric representation of the speech signal, and a standard multilayer
feed-forward network (MLP) as the recognizer. Two sets of tests were
conducted, one with a database of 50 different words with a total of 10,350
utterances, and another with a smaller vocabulary 17 words with a total
of 3,519 utterances. Two in three of those utterances constituted the training
set for the ISWRS, and one in three, the testing set. The tests were
conducted for each of the TSWS, Classical or Bottom-up methods, used in
the ISWRS speech segmentation stage. TSWS has enabled the ISWRS to
achieve 99.0% of success on generalization tests, against 98.6% for Classical
and Bottom-up methods. After, a white Gaussian noise was artificially
added to ISWRS inputs to reach a signal-to-noise ratio of 15dB. The noise
presence alters the ISWRS performances to 96.5%, 93.6%, and 91.4% on
generalization tests when using TSWS, Classical and Bottom-up methods,
respectively. | |
| dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | |
| dc.description | Mestre em Ciências | |
| dc.description | Este trabalho é parte integrante de um projeto de pesquisa maior e contribui
no desenvolvimento de um sistema de reconhecimento de voz independente
de locutor para palavras isoladas, a partir de um vocabulário limitado.
O presente trabalho propõe um novo método de detecção de fronteiras
da palavra falada chamado Método baseado em TEO para Isolamento de
Palavra Falada (TSWS). Baseado no Operador de Energia de Teager (TEO),
o TSWS é apresentado e comparado com dois métodos de segmentação da
fala amplamente utilizados: o método Clássico , que usa cálculos de energia
e taxa de cruzamento por zero, e o método Bottom-up , baseado em
conceitos de equalização de níveis adaptativos, detecção de pulsos de energia
e ordenação de limites. O TSWS apresenta um aumento na precisão na detecção de limites da palavra falada quando comparado aos métodos Clássico
(redução para 67,8% do erro) e Bottom-up (redução para 61,2% do erro).
Um sistema completo de reconhecimento de palavras faladas isoladas
(SRPFI) também é apresentado. Este SRPFI utiliza coeficientes de Mel-
Cepstrum (MFCC) como representação paramétrica do sinal de fala e uma
rede feed-forward multicamada padrão (MLP) como reconhecedor. Dois
conjuntos de testes foram conduzidos, um com um banco de dados de 50
palavras diferentes com o total de 10.350 pronúncias, e outro com um vocabulário menor 17 palavras com o total de 3.519 pronúncias. Duas em
cada três dessas pronúncias constituem o conjunto para treinamento para
o SRPFI, e uma em cada três, o conjunto para testes. Os testes foram
conduzidos para cada um dos métodos TSWS, Clássico ou Bottom-up, utilizados
na fase de segmentação da fala do SRPFI. O TSWS permitiu com
que o SRPFI atingisse 99,0% de sucesso em testes de generalização, contra
98,6% para os métodos Clássico e Bottom-up. Em seguida, foi artificialmente
adicionado ruído branco gaussiano às entradas do SRPFI para atingir uma
relação sinal/ruído de 15dB. A presença do ruído alterou a performance do
SRPFI para 96,5%, 93,6% e 91,4% em testes de generalização bem sucedidos
quando utilizados os métodos TSWS, Clássico e Bottom-up, respectivamente. | |
| dc.format | application/pdf | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Uberlândia | |
| dc.publisher | BR | |
| dc.publisher | Programa de Pós-graduação em Engenharia Elétrica | |
| dc.publisher | Engenharias | |
| dc.publisher | UFU | |
| dc.rights | Acesso Aberto | |
| dc.subject | Segmentação da fala | |
| dc.subject | Detecção de fronteiras de palavra falada | |
| dc.subject | TEO | |
| dc.subject | Independente de locutor | |
| dc.subject | Palavras isoladas | |
| dc.subject | Sistema de reconhecimento de
voz | |
| dc.subject | MFCC | |
| dc.subject | MLP | |
| dc.subject | Reconhecimento automático da voz | |
| dc.subject | Redes neurais artificiais | |
| dc.subject | Speech segmentation | |
| dc.subject | Spoken word boundary detection | |
| dc.subject | Speaker-independent | |
| dc.subject | Isolated words | |
| dc.subject | Speech recognition system | |
| dc.subject | Mel-frequency cepstral coefficients | |
| dc.subject | Artificial neural network | |
| dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | |
| dc.title | A novel word boundary detector based on the teager energy operator
for automatic speech recognition | |
| dc.type | Dissertação | |
