Rekonstrukce řečového signálu z melovských frekvenčních kepstrálních koeficientů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F00%3A00061780" target="_blank" >RIV/49777513:23520/00:00061780 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Rekonstrukce řečového signálu z melovských frekvenčních kepstrálních koeficientů

Popis výsledku v původním jazyce

Tato disertační práce se zabývá vývojem systému rekonstrukce řečového signálu z MFCC koeficientů. MFCC (Mel-Frequency Cepstral Coefficient) parametrizace byla vyvinuta hlavně pro úlohy rozpoznávání řeči a je široce používána jako základní parametrizace vsystémech rozpoznávání řeči. Hlavním cílem této práce bylo najít řešení rekonstrukce řeči z MFCC koeficientů a realizovat systém rekonstrukce. Pozornost je v práci věnována dvěma vzájemně extrémním přístupům. Ty se liší především v metodě buzení, ale obě užívají stejný model produkce založený na MFCC, jehož návrh je také v práci detailně popsán. Závěrem zmiňme, že práce vyústila v komplexní řešení, které poskytuje prostředky pro dobře srozumitelnou rekonstrukci řečových signálů z uložených MFCC koeficientů. Zdůrazněme novou metodu pro rozhodování o znělosti/neznělosti z pouhého MFCC vektoru a nový přístup pro foneticky založené shlukování prostoru příznakových vektorů. Ty se mohou stát inspirací dalšího výzkumu v souvisejících oblastec

Název v anglickém jazyce

Speech reconstruction from the mel frequency cepstral coefficients

Popis výsledku anglicky

This thesis deals with the task of development of the MFCC-based speech reconstruction system. The MFCC (Mel-Frequency Cepstral Coefficient) parameterization has been refined for the tasks of speech recognition and is widely used as a basic speech parameterization in the speech recognition systems. The main goal of the thesis was to find the solution of the speech reconstruction from the MFCCs and realize the reconstructor. Attention was aimed at two mutually extreme approaches. They differ mainly in the method of excitation but both of them use the same MFCC-based production model, the design of which is also described in details in this report. Finally, let's mention that this work resulted in a complex solution that offers the means for the well intelligible speech signal reconstruction from the stored MFCCs. Let's highlight the new method for making voiced/unvoiced decision from MFCC vector only and a new approach for phonetically based feature space clustering that were introduced

Druh

B - Odborná kniha

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/VS97159" target="_blank" >VS97159: Centrum pro výzkum kybernetických systémů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2000

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

ISBN

—

Počet stran knihy

1

Název nakladatele

Západočeská univerzita

Místo vydání

Plzeň

Kód UT WoS knihy

—