Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/20710
Tipo de documento: Dissertação
Tipo de acceso: Acesso Aberto
Título: Implementação de um sistema de reconhecimento automático de voz utilizando as técnicas MFCC e Quantização Vetorial com atributos dinâmicos, de normalização e detecção de voz ativa
Título (s) alternativo (s): Implementation of an automatic voice recognition system using MFCC and Vector Quantization techniques with dynamic, standardization and active voice detection attributes
Autor: Machado, Mateus Lichfett
Primer orientador: Duarte, Marcus Antônio Viana
Primer miembro de la banca: Teodoro, Elias Bitencourt
Segundo miembro de la banca: Netto, Sergio Lima
Resumen: A presente pesquisa pauta-se na investigação e elaboração de um sistema de reconhecimento automático de voz robusto. Para tanto, utilizou-se Mel Frequency Cepstral Coefficients (MFCC) como técnica para extração das propriedades acústicas de sinais de voz e Quantização Vetorial (VQ) para classificação e reconhecimento de padrões. Foram também incorporadas ferramentas dinâmicas, de normalização e detecção de voz ativa com intuito de aperfeiçoar o sistema. Testaram-se dois tipos de coeficientes dinâmicos: Delta-delta Coefficients (DDC) e Shifted-Delta Coefficients (SDC); três tipos de ferramentas para normalização dos vetores cepstrais: Cepstral Mean and Variance Normalization (CMVN), Windowed Cepstral Mean and Variance Normalization (WCMVN) e Short-Time Gaussianization (STG); além da técnica de detecção de voz ativa: Voice Activity Detection (VAD), que fora implementada segundo o algoritmo desenvolvido por Qiang He, combinando as metodologias Short-Time Energy (STE) e Zero Crossing Rate (ZCR). A pesquisa realizada analisa a capacidade do sistema desenvolvido em operar segundo uma pluralidade de tarefas: reconhecer palavras ou comandos; identificar o locutor; e a combinação das duas primeiras. Além disso, investigou-se qual a melhor combinação, dentre as técnicas e atributos em escopo, para realização das tarefas citadas analisando a eficiência do sistema. Foram realizados cinco experimentos em ambiente de ruído controlado, dos quais participaram oito indivíduos. Destes, quatro tiveram suas vozes treinadas para criação de bancos de dados, e os demais participaram da fase de testes com os primeiros. Foram captadas ao total 144 amostras para realização do experimento. Destas, 24 foram utilizadas para construção de bancos de dados e 120 utilizadas durante a fase de testes. Para garantir a integridade dos experimentos, as amostras de treinamento e testes foram espelhadas para serem processadas segundo a configuração de cada experimento. Os resultados obtidos aprovaram o uso destas técnicas como ferramentas aptas à execução das tarefas para o qual o sistema fora proposto e apontaram a melhor configuração como combinação das MFCC e VQ, os atributos VAD, Shifted-Delta Coefficients e a ferramenta de normalização Short-Time Gaussianization.
Abstract: The present research investigates and elaborates an automatic and robust voice recognition based system using Mel Frequency Cepstral Coefficients (MFCC) as a technique for extracting the acoustic properties of speech signals and Vector Quantization (VQ) for classification and pattern recognition. Combined to these techniques it was added dynamic tools, normalization techniques and active voice detection in order to improve the system. Two dynamic coefficients were tested: Delta-Delta Coefficients (DDC) and Shifted Delta-Coefficients (SDC); as well as three different normalization techniques: Cepstral Mean and Variance Normalization (CMVN), Windowed Cepstral Mean and Variance Normalization (WCMVN), and Short-Time Gaussianization (STG); and also the Voice Activity Detection (VAD) tool, which was implemented according to the algorithm developed by Qiang He, combining the Short-Time Energy (STE) and Zero Crossing Rate (ZCR) methodologies. The research examines the ability of the designed system to operate according to a plurality of tasks: recognition of words or commands; speaker identification; and the combination of the two first tasks. In addition, the research investigates the best configuration of the system among the tested techniques for performing the tasks mentioned, analyzing its efficiency. Five experiments were conducted in a noise controlled environment, with the participation of eight persons. Four of them had their voices trained to create databases, and the others participated only in the test phase together with the ones that had trained the system. It was captured 144 speech samples for the experiments, 24 of them were used for building the database and the 120 others used during the test phase. To ensure the integrity of the experiments, the training and the testing samples were mirrored to be processed according to the configuration of each experiment. The use of these techniques was aprooved as tools capable of performing the tasks for which the system was proposed and the best configuration found was the combination of the MFCC and VQ techniques with VAD, Shifted-Delta Coefficients and the Short-Time Gaussianization normalization technique.
Palabras clave: Reconhecimento Automático de Voz
Mel Frequency Cepstral Coefficients
Quantização Vetorial
Automatic Speech Recognition
Vector Quantization
Engenharia mecânica
Reconhecimento automático da voz
Voz - Codificação
Sistemas de reconhecimento de padrões
Área (s) del CNPq: CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
Idioma: por
País: Brasil
Editora: Universidade Federal de Uberlândia
Programa: Programa de Pós-graduação em Engenharia Mecânica
Cita: MACHADO, Mateus Lichfett. Implementação de um sistema de reconhecimento automático de voz utilizando as técnicas MFCC e Quantização Vetorial com atributos dinâmicos, de normalização e detecção de voz ativa. 2016. 149 f. Dissertação (Mestrado em Engenharia Mecânica) - Universidade Federal de Uberlândia, Uberlândia, 2016.
Identificador del documento: http://dx.doi.org/10.14393/ufu.di.2018.82
URI: https://repositorio.ufu.br/handle/123456789/20710
Fecha de defensa: 18-abr-2016
Aparece en las colecciones:DISSERTAÇÃO - Engenharia Mecânica

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
ImplementacaoSistemaReconhecimento.pdfDissertação10.93 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.