Detekcia zvučiek v systémoch automatického prehľadávania audiodát

extrakcia príznakov

MFCC

DTW

euklidovská vzdialenosť

DISTBIC

GMM

k-NN

MLP sieť

segmentácia

detekcia audioodtlaču

• Zoznam obrázkov 9
  Zoznam tabuliek 10
  Zoznam symbolov a skratiek 11
  Slovník termínov 12
  Úvod 13
  1 Metódy používané pri parametrizácii audio dát 14
  1.1 Kepstrálna analýza 14
  1.1.1 Kepstrum 15
  1.2 MFCC koeficienty 15
  1.2.1 Postup určenia MFCC 17
  1.3 Ďalšie používané koeficienty 18
  1.3.1 LPCC koeficienty 18
  1.3.2 PLP koeficienty 19
  1.3.3 LPC koeficienty 20
  2 Techniky a algoritmy používané pri detekcii audio odtlačkov 21
  2.1 Metriky vzájomnej podobnosti 21
  2.1.1 Euklidovská vzdialenosť 21
  2.1.2 Použitie Euklidovskej vzdialenosti pri detekcii audio odtlačku 22
  2.1.3 Meranie dynamickej časovej zmeny 23
  2.2 Klasifikačné techniky 27
  2.2.1 Klasifikátor k-NN 28
  2.2.2 GMM model 29
  2.2.3 Neurónová sieť MLP 30
  2.3 Metódy segmentácie audiodát 31
  2.3.1 Algoritmus DISTBIC 32
  3 Použitý detekčný algoritmus 35
  3.1 Databáza audio dát 36
  3.2 Výber metód a popis kódu 36
  3.2.1 Výber extrakcie príznakov 36
  3.2.2 Popis vytvorených skriptov 36
  3.2.3 Výpočet MFCC 37
  3.2.4 Segmentácia audio nahrávky 38
  3.2.5 Výber porovnávacej metriky DTW 41
  4 Vyhodnotenie dosiahnutých výsledkov 42
  4.1 Úspešnosť detekcie 45
  5 Záver 47
  Zoznam použitej literatúry 48

• PSUTKA, J. et. al. Mluvíme s počítačem česky. 1. vydání. Praha: Academia, 2006. ISBN 80-200-1309-0
• CASSISI, Carmelo – MONTALDO, Placido - ALIOTTA Marco – CANNATA, Andrea: Similiarity Measures and Dimensionality Reduction Techniques for Time Series Data Mining. Intech DOI: 10.5772/49.
• CASSISI, Carmelo – MONTALDO, Placido - ALIOTTA Marco – CANNATA, Andrea: Similiarity Measures and Dimensionality Reduction Techniques for Time Series Data Mining. Intech DOI: 10.5772/49.
• Delacourt, P.; Wellekens, Christian, "Audio data indexing: Use of second-order statistics for speaker-based segmentation," Multimedia Computing and Systems, 1999. IEEE International Conference on , vol.2, no., pp.959,963 vol.2, Jul 1999 doi: 10.1109/MMCS.1999.778619.
• MEINEDO, H. – NETO, J.: Detection of Acoustic Patterns in Broadcast News using Neural Networks. Instituto Superior Técnico ID:192/p.l, Lisabon, 2004.