Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/3663
Title: Yapay sinir ağları ile konuşmacı tanıma
Other Titles: Speaker recognition with neural network
Authors: Ertaş, Figen
Başaran, Süheyla
Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Elektronik Mühendisliği Anabilim Dalı.
Keywords: Konuşmacı tanıma
Yapay sinir ağları
Geriye yayılım
Vektör nicemleme
MFCC
Speaker recognition
Neural network
Backpropogation
Vector quantization
Issue Date: 2007
Publisher: Uludağ Üniversitesi
Citation: Başaran, S. (2007). Yapay sinir ağları ile konuşmacı tanıma. Yayınlanmamış yüksek lisans tezi. Uludağ Üniversitesi Fen Bilimleri Enstitüsü.
Abstract: Bu çalışmada TIMIT veri tabanından alınan bir test öbeği üzerinde Yapay Sinir Ağları ve geri yayılım algoritmaları kullanılarak metinden bağımsız konuşmacı tanıma uygulamaları geliştirilmiştir. Konuşmacı tanıma aşamasından önce kişilere ait ses işaretlerinin Mel Frekansı Kepstrum Katsayıları (MFCC) çıkarılarak özellik vektörleri kümesi oluşturulmuştur. Daha sonra özellik vektörlerinin boyutlarındaki büyüklük problemini çözmek amacıyla özellik vektörlerini Vektör Nicemleme işleminden geçirilmiştir. Konuşmacı tanıma işleminde geriye yayılım algoritması ve yapay sinir ağları ile verilen konuşma örneğinden konuşmacının kim olduğunu tespit etmeye çalışılmıştır. MFCC katsayıları, Vektör Nicemleme adımları, geriye yayılım algoritması ve yapay sinir ağ yapılarında çeşitli parametrelerin değişmesinin konuşmacı tanıma üzerindeki etkisi incelenmiştir.
In thesis , It has been aimed to identify the speaker of a given TIMIT database sound with using Neural Network and back propagation algorithms independently from text. Before recognition phase, the feature set of the training set of sound files were extracted by MFCC transformation. After for solving dimension of the training set of sound?s problems Vector Quantization algorithm is used. Back propagation neural network approach is used identifying of the speakers from the given speech data. In this thesis parameters of MFFC?s, Vector Quantization and Backpropogation Neural Networks were changed and investigated effects of this parameters to the recognition rate of system.
URI: http://hdl.handle.net/11452/3663
Appears in Collections:Yüksek Lisans Tezleri / Master Degree

Files in This Item:
File Description SizeFormat 
202349.pdf1.85 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons