Wavelet (dalgacık dönüşümü) ve yapay sinir ağı kullanarak ses sinyalinden konuşmacı tespiti

Abstract

Bu çalışmada amaçlanan; mikrofon yardımı ile kayıt edilen ses sinyallerindenwavelet ve yapay sinir ağı yardımı ile konuşmacı kimliğinin tespit edilmesidir. İlk önce 10farklı kişiden ( 6 erkek ve 4 kadın ) ses örnekleri alınmıştır. Shareware yazılımlar olanWaveflow ve Wavepad programlarını kullanarak ses sinyalleri gürültüden temizlenmiştir.Matlab Simulink ile hazırlanan model yardımı ile seslere ait kullanılabilir veriler eldeedilmiştir. Veri elde edilmesi esnasında Wavelet ayrımı kullanılmıştır. Elde edilen bu verilerMatlab ortamında hazırlanan Yapay Sinir Ağı'na giriş veri sinyalleri olarak uygulanmıştır. Busayede YSA'nın faklı kişilerin konuşmalarını sınıflandırması sağlanmıştır.Bölüm 1'de; sinyal işlene yaklaşımı ve kullanım alanları geniş olarak anlatılmıştır.Ayrıca, kişi tanıma yönteminin avantajları ve dezavantajları ile kısıtlamaları hakkındakritikler yapılmıştır. Bu bölümle ilave olarak kişi tanıma yönteminin safhaları hakkında bazıtemel bilgiler de verilmiştir. Bu safhalar; sesin kaydedilmesi, kodlanması, sinyal işlemeteknikleri ve sinyal modellemedir.Bölüm 2'de; Yeni bir yaklaşım sunan bu çalışmanın daha iyi anlaşılabilmesi için SaklıMarkov Modelleri yönteminin teori ve kullanımı, ses sinyalinin modelenmesinde yapay sinirağları, ses işlemeye zaman domeni yaklaşımı, ses kodlama ve modelleme için DoğrusalÖngörüm Kodlaması, Wavelet teorisi ve uygulama alanları konuları hakkında bilgilersunulmuştur.Bölüm 3'de; Bu çalışma esnasında yapılmış olan tüm çalışmalardan bahsedilmiştir. Buçalışmalar; sesin kaydedilmesi, ses işleme, Wavet ayrımı yardımı ile sabitlerin elde edilmesi,YSA modelinin hazırlanması, sabitleri YSA modeline giriş verisi olarak uygulanması ve YSAçıkış verilerinin yorumlanması çalışmalarıdır.Bölüm 4'de; Çıkan sonuçlar değerlendirilmiştir ve gelecek çalışmalar hakkındadüşünceler elde edilmiştir.Anahtar Kelimeler : Ses Tanıma, Yapay Sinir Ağları, Hızlı Fourier Dönüşümü, Saklı MarkovModelleri, Konuşmacı Bağımlı Ses Tanıma, Wavelet, Dalgacık Teoremi.

The purpose of this study is to recognize the speaker identity by means ofwavelet analysis and neural network aproach. Firstly, sampling the voice signal generatedfrom 10 different person ( 6 males and 4 females ), we extracted noise from voice signals byusing Waveflow and Wavepad shareware programs. With the help of a Matlab Simulinkmodel we generated the useable data from this voice signals. Wavelet aproach has been usedfor getting these datas. These datas have been used as an input signal for Matlab basedNeural Network. This neural network classified the voice data for different speakers.In Section-1 ; The signal processing concept and it?s using area has been largelyexplained. Additionally, the advantages, disadvantages and the limitations of the speakerrecognition process have been criticized in the same section. Furthermore, some basicacknowledgements about the phases of speaker identification process have been presented inthis section. These phases are recording the voice signal, coding the signal, signal processingtechnics ( signal processing ) and signal modeling.In Section-2 ; For making easier the understanding of this study, new aproach tospeaker recognition, The process of HMM ( Hidden Markov Models ), theory and usage,Neural Networks used in modeling the voice signal, Time domain aproach to signalprocessing , LPC ( Linear Prediction Coding ) for signal modeling and coding, WaveletTheory and application areas have been underlined in this section.In Section-3 ; All the work done for this study; signal recording, signal processing,getting wavelet constants from the voice signal, neural network model preperation, workingwith the model and interpreating the output datas are briefly explained.In Section-4 ; The result and feature projects are explained.Key Words: Voice recognition, Neural Networks, Fast Fourier Transformation, Hidden Markov Models,Speaker Dependent Speaker Recognition, Wavelet