dc.creator.ID |
FECHINE, J. M. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/7179691582151907 |
pt_BR |
dc.contributor.advisor1 |
AGUIAR NETO, Benedito Guimarães. |
|
dc.contributor.advisor1ID |
AGUIAR NETO, B. G. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/3405447548131544 |
pt_BR |
dc.contributor.referee1 |
BRASILEIRO, Antônio Gonçalves. |
|
dc.contributor.referee2 |
ALCAIM, Abraham. |
|
dc.description.resumo |
Os Modelos de Markov Escondidos (HMMs) vem se tornando cada vez mais
populares por serem muito ricos em estrutura matemática e. consequentemente formarem uma base teórica muito forte para uso em um largo grupo de aplicações na
área de processamento de sinais de voz. Apresentam em geral, uma redução do custo
computacional em comparação com métodos mais tradicionais. 0 reconhecimento de locutor utilizando HMMs, como toda tarefa de reconhecimento de padrões, se divide em duas fases distintas: treinamento e classificação. Na fase de treinamento, inicialmente e realizada a analise do sinal de voz de forma a se obterem os parâmetros representativos deste locutor. Foram usados, neste trabalho. os coeficientes de Predição Linear (coeficientes LPC), os quais foram representados por um alfabeto discreto obtido através da quantização vetorial. 0 HMM associado ao locutor e obtido através do algoritmo de reestimação de Baum-Welch, que consiste em uma técnica iterativa que fornece, através do calculo de uma medida de probabilidade. o modelo que melhor representa o dado locutor. A fase de classificação. no caso, de verificação de locutor, consiste no cálculo da
probabilidade associada ao modelo de referenda já armazenado para o locutor a ser
verificado. Se o valor de probabilidade calculado e maior que um dado limiar, o locutor
e considerado verdadeiro, caso contrario o locutor e considerado impostor. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.title |
Verificação de locutor utilizando modelos de Markov escondidos (HMMs) de densidades discretas. |
pt_BR |
dc.date.issued |
1994-04-04 |
|
dc.description.abstract |
Hidden Markov Models (HMMs) are becoming popular in pattern recognition
because they present a strong mathematical structure solid and so they provide a
theorectical basis for very many applications in voice processing systems. They can
also provide a reduction in complexity when compared to other methods.
Speaker recognition using HMMs. like other pattern recognition techniques, can be
performed in two phases: training and classification.
For the training phase each speaker uses a individual HMM. The model is built after
the speech has beeen analised and the Linear Predictive Coding (LPC) parameters
representing that particular speaker have been obtained. The LPC coeficients are then
discretizes by a vector quantizer. The discretized parameters are used for running
an iteractive algorithm (Baum-Welch algorithm) calculating a probability wich best
represents that speaker.
Classification, in this application, speaker verification, consists in using the H MM
obtained in the training phase to calculate and check whether that particular speaker
provides an acceptable probability to be considered a valid user (customer). |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4580 |
|
dc.date.accessioned |
2019-06-28T18:46:47Z |
|
dc.date.available |
2019-06-28 |
|
dc.date.available |
2019-06-28T18:46:47Z |
|
dc.type |
Dissertação |
pt_BR |
dc.subject |
Modelos de Markov escondidos |
|
dc.subject |
Cadeia de Markov |
|
dc.subject |
Processamento de sinais de voz |
|
dc.subject |
Sinais de voz |
|
dc.subject |
Voz - Processamento |
|
dc.subject |
Reconhecimento de voz |
|
dc.subject |
HMMs - Modelos de Markov Escondidos |
|
dc.subject |
Locutor - reconhecimento de voz |
|
dc.subject |
Comunicação vocal homem-máquina |
|
dc.subject |
Relação homem-máquina - vocal |
|
dc.subject |
Reconhecimento de locutor |
|
dc.subject |
Quantização vetorial |
|
dc.subject |
Hidden Markov Models |
|
dc.subject |
Voice Signal Processing |
|
dc.subject |
Voice recognition |
|
dc.subject |
Speaker - Speech Recognition |
|
dc.subject |
Man-machine vocal communication |
|
dc.subject |
Man-Machine Relationship - Vocal |
|
dc.subject |
Speaker Recognition |
|
dc.subject |
Vector quantization |
|
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
FECHINE, Joseana Macêdo. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Speaker verification using hidden Markov models (HMMs) of discrete densities. |
pt_BR |
dc.identifier.citation |
FECHINE, Joseana Macêdo. Verificação de locutor utilizando modelos de Markov escondidos (HMMs) de densidades discretas. 1994. 148f. (Dissertação de Mestrado em Engenharia Elétrica), Curso de Pós-Graduação em Engenharia Elétrica, Centro de Ciências e Tecnologia, Universidade Federal da Paraíba – Campus II - Campina Grande - PB - Brasil, 1994. |
pt_BR |