Spelling suggestions: "subject:"finais dde foz,"" "subject:"finais dde coz,""
1 |
Análise e processamento de sinais de voz disfônica através da Transformada Wavelet DiscretaSchuck Junior, Adalberto January 1998 (has links)
O presente trabalho apresenta um resumo da fisiologia de produção da voz humana, das patologias mais comuns da laringe e seus principais efeitos sobre o som fonado, e apresenta diversos métodos quantitativos de avaliação do som de vozes patológicas. É então proposto um novo método de avaliação da soprosidade da voz, baseado na Transformada Wavelet Discreta (DWT) através da análise multi-resolução, usando como base ortogonal de decomposição a base Haar. São feitas duas aquisições por dois diferentes procedimentos, dos sinais de voz de 64 pacientes. É mostrado que é possível se obter um índice acústico para a característica soprosidade da voz por intermédio da DWT. Este índice é estatisticamente correlacionado com dois outros índices existentes para soprosidade, para ambos os procedimentos de aquisição O método serve tanto para auxílio ao diagnóstico como acompanhamento dos resultados obtido por um tratamento. / This work shows a brief review of human voice production physiology, including the most common larynx pathologies and its effects in the voice quality, and the maio methods of pathologic quantitative vocal fold assessment. lt is proposed a novel method of breathiness of voice characteristic evaluation, based on the Discrete Wavelet Transform, using the orthonormal Haar basis as a reconstruction basis. Two procedures of data acquisition were used for the 64 subjects voice signals. Results are obtained and statistically compared with the ones obtained by classical methods, for both acquisition procedures. This method can be an auxiliary tool for the diagnosis as well as an assessment of a specific treatment.
|
2 |
Etiquetagem automática de sinais de falaCoelho, Luís Filipe Martins Pinto January 2005 (has links)
Tese de mestr.. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2005
|
3 |
Análise e processamento de sinais de voz disfônica através da Transformada Wavelet DiscretaSchuck Junior, Adalberto January 1998 (has links)
O presente trabalho apresenta um resumo da fisiologia de produção da voz humana, das patologias mais comuns da laringe e seus principais efeitos sobre o som fonado, e apresenta diversos métodos quantitativos de avaliação do som de vozes patológicas. É então proposto um novo método de avaliação da soprosidade da voz, baseado na Transformada Wavelet Discreta (DWT) através da análise multi-resolução, usando como base ortogonal de decomposição a base Haar. São feitas duas aquisições por dois diferentes procedimentos, dos sinais de voz de 64 pacientes. É mostrado que é possível se obter um índice acústico para a característica soprosidade da voz por intermédio da DWT. Este índice é estatisticamente correlacionado com dois outros índices existentes para soprosidade, para ambos os procedimentos de aquisição O método serve tanto para auxílio ao diagnóstico como acompanhamento dos resultados obtido por um tratamento. / This work shows a brief review of human voice production physiology, including the most common larynx pathologies and its effects in the voice quality, and the maio methods of pathologic quantitative vocal fold assessment. lt is proposed a novel method of breathiness of voice characteristic evaluation, based on the Discrete Wavelet Transform, using the orthonormal Haar basis as a reconstruction basis. Two procedures of data acquisition were used for the 64 subjects voice signals. Results are obtained and statistically compared with the ones obtained by classical methods, for both acquisition procedures. This method can be an auxiliary tool for the diagnosis as well as an assessment of a specific treatment.
|
4 |
Aplicação da transformada Wavelet Packet na análise e classificação de sinais de vozes patológicasParraga, Adriane January 2002 (has links)
o exame para o diagnóstico de doenças da laringe é usualmente realizado através da videolaringoscopia e videoestroboscopia. A maioria das doenças na laringe provoca mudanças na voz do paciente. Diversos índices têm sido propostos para avaliar quantitativamente a qualidade da voz. Também foram propostos vários métodos para classificação automática de patologias da laringe utilizando apenas a voz do paciente. Este trabalho apresenta a aplicação da Transformada Wavelet Packet e do algoritmo Best Basis [COI92] para a classificação automática de vozes em patológicas ou normais. Os resultados obtidos mostraram que é possível classificar a voz utilizando esta Transformada. Tem-se como principal conclusão que um classificador linear pode ser obtido ao se empregar a Transformada Wavelet Packet como extrator de características. O classificador é linear baseado na existência ou não de nós na decomposição da Transformada Wavelet Packet. A função Wavelet que apresentou os melhores resultados foi a sym1et5 e a melhor função custo foi a entropia. Este classificador linear separa vozes normais de vozes patológicas com um erro de classificação de 23,07% para falsos positivos e de 14,58%para falsos negativos.
|
5 |
Aplicação da transformada Wavelet Packet na análise e classificação de sinais de vozes patológicasParraga, Adriane January 2002 (has links)
o exame para o diagnóstico de doenças da laringe é usualmente realizado através da videolaringoscopia e videoestroboscopia. A maioria das doenças na laringe provoca mudanças na voz do paciente. Diversos índices têm sido propostos para avaliar quantitativamente a qualidade da voz. Também foram propostos vários métodos para classificação automática de patologias da laringe utilizando apenas a voz do paciente. Este trabalho apresenta a aplicação da Transformada Wavelet Packet e do algoritmo Best Basis [COI92] para a classificação automática de vozes em patológicas ou normais. Os resultados obtidos mostraram que é possível classificar a voz utilizando esta Transformada. Tem-se como principal conclusão que um classificador linear pode ser obtido ao se empregar a Transformada Wavelet Packet como extrator de características. O classificador é linear baseado na existência ou não de nós na decomposição da Transformada Wavelet Packet. A função Wavelet que apresentou os melhores resultados foi a sym1et5 e a melhor função custo foi a entropia. Este classificador linear separa vozes normais de vozes patológicas com um erro de classificação de 23,07% para falsos positivos e de 14,58%para falsos negativos.
|
6 |
Análise e processamento de sinais de voz disfônica através da Transformada Wavelet DiscretaSchuck Junior, Adalberto January 1998 (has links)
O presente trabalho apresenta um resumo da fisiologia de produção da voz humana, das patologias mais comuns da laringe e seus principais efeitos sobre o som fonado, e apresenta diversos métodos quantitativos de avaliação do som de vozes patológicas. É então proposto um novo método de avaliação da soprosidade da voz, baseado na Transformada Wavelet Discreta (DWT) através da análise multi-resolução, usando como base ortogonal de decomposição a base Haar. São feitas duas aquisições por dois diferentes procedimentos, dos sinais de voz de 64 pacientes. É mostrado que é possível se obter um índice acústico para a característica soprosidade da voz por intermédio da DWT. Este índice é estatisticamente correlacionado com dois outros índices existentes para soprosidade, para ambos os procedimentos de aquisição O método serve tanto para auxílio ao diagnóstico como acompanhamento dos resultados obtido por um tratamento. / This work shows a brief review of human voice production physiology, including the most common larynx pathologies and its effects in the voice quality, and the maio methods of pathologic quantitative vocal fold assessment. lt is proposed a novel method of breathiness of voice characteristic evaluation, based on the Discrete Wavelet Transform, using the orthonormal Haar basis as a reconstruction basis. Two procedures of data acquisition were used for the 64 subjects voice signals. Results are obtained and statistically compared with the ones obtained by classical methods, for both acquisition procedures. This method can be an auxiliary tool for the diagnosis as well as an assessment of a specific treatment.
|
7 |
Aplicação da transformada Wavelet Packet na análise e classificação de sinais de vozes patológicasParraga, Adriane January 2002 (has links)
o exame para o diagnóstico de doenças da laringe é usualmente realizado através da videolaringoscopia e videoestroboscopia. A maioria das doenças na laringe provoca mudanças na voz do paciente. Diversos índices têm sido propostos para avaliar quantitativamente a qualidade da voz. Também foram propostos vários métodos para classificação automática de patologias da laringe utilizando apenas a voz do paciente. Este trabalho apresenta a aplicação da Transformada Wavelet Packet e do algoritmo Best Basis [COI92] para a classificação automática de vozes em patológicas ou normais. Os resultados obtidos mostraram que é possível classificar a voz utilizando esta Transformada. Tem-se como principal conclusão que um classificador linear pode ser obtido ao se empregar a Transformada Wavelet Packet como extrator de características. O classificador é linear baseado na existência ou não de nós na decomposição da Transformada Wavelet Packet. A função Wavelet que apresentou os melhores resultados foi a sym1et5 e a melhor função custo foi a entropia. Este classificador linear separa vozes normais de vozes patológicas com um erro de classificação de 23,07% para falsos positivos e de 14,58%para falsos negativos.
|
8 |
An?lise Ac?stica de Desvios Vocais Infantis utilizando a Transformada WaveletSantos, Mikaelle Oliveira 23 November 2016 (has links)
Submitted by Alex Sandro R?go (alex@ifpb.edu.br) on 2016-11-23T14:09:46Z
No. of bitstreams: 1
An?lise_Ac?stica_de_Desvios_Vocais_Infantis_utilizando_a_Transformada_Wavelet.pdf: 1701525 bytes, checksum: 950821553f2e8377cd6696b783b657d7 (MD5) / Approved for entry into archive by Alex Sandro R?go (alex@ifpb.edu.br) on 2016-11-23T14:10:37Z (GMT) No. of bitstreams: 1
An?lise_Ac?stica_de_Desvios_Vocais_Infantis_utilizando_a_Transformada_Wavelet.pdf: 1701525 bytes, checksum: 950821553f2e8377cd6696b783b657d7 (MD5) / Made available in DSpace on 2016-11-23T14:10:37Z (GMT). No. of bitstreams: 1
An?lise_Ac?stica_de_Desvios_Vocais_Infantis_utilizando_a_Transformada_Wavelet.pdf: 1701525 bytes, checksum: 950821553f2e8377cd6696b783b657d7 (MD5)
Previous issue date: 2016-11-23 / Dist?rbios da voz podem atingir diferentes faixas et?rias, afetando a qualidade vocal,
prejudicando a comunica??o por meio da voz. T?cnicas de processamento digital de sinais de voz
podem ser empregadas para auxiliar outros m?todos de avalia??o de dist?rbios da voz, tais como an?lise
otorrinolaringol?gica e an?lise perceptivo-auditiva. Crian?as com dist?rbios de voz podem apresentar
efeitos negativos no seu desenvolvimento social, educacional e f?sico. A investiga??o e o diagn?stico
precoce do desvio vocal infantil permite maior efic?cia no tratamento. Entretanto, a avalia??o de desordens
vocais em crian?as apresenta alguns desafios relacionados ?s dificuldades de coopera??o das mesmas
durante os exames tradicionais. Nesta pesquisa, as medidas de energia e entropia dos coeficientes de
detalhe da transformada wavelet s?o empregadas na avalia??o da qualidade vocal em crian?as. Dois
estudos de caso s?o abordados nesta pesquisa: 1) An?lise ac?stica do grau da intensidade do desvio
vocal; e 2) An?lise ac?stica da qualidade vocal predominante (rugosidade e soprosidade). As medidas de
energia e entropia dos coeficientes de detalhe da transformada wavelet s?o utilizadas de maneira individual
e combinada a fim de se obter uma maior efic?cia na classifica??o dos sinais. Para o primeiro estudo
de caso, utilizando-se de um vetor h?brido de medidas combinadas, foram obtidas acur?cias acima de
95% e, para o segundo, utilizando-se tamb?m do vetor de medidas combinadas, as medidas de acur?cia
foram superiores a 90%. Os sinais das vozes desviadas apresentaram eleva??o em suas frequ?ncias dos
formantes, comparados ?s vozes sem desvio. Os resultados obtidos nesta pesquisa indicam que o uso
das medidas de energia e entropia dos coeficientes de detalhe da transformada wavelet mostra-se como
uma t?cnica promissora, que pode ser considerada para ser empregada como uma ferramenta para an?lise
ac?stica da qualidade vocal em crian?as.
|
9 |
Classificação de sinais de voz utilizando a transformada Wavelet Packet e redes neurais artificiaisCrovato, César David Paredes January 2004 (has links)
Este trabalho apresenta um sistema de classificação de voz disfônica utilizando a Transformada Wavelet Packet (WPT) e o algoritmo Best Basis (BBA) como redutor de dimensionalidade e seis Redes Neurais Artificiais (ANN) atuando como um conjunto de sistemas denominados “especialistas”. O banco de vozes utilizado está separado em seis grupos de acordo com as similaridades patológicas (onde o 6o grupo é o dos pacientes com voz normal). O conjunto de seis ANN foi treinado, com cada rede especializando-se em um determinado grupo. A base de decomposição utilizada na WPT foi a Symlet 5 e a função custo utilizada na Best Basis Tree (BBT) gerada com o BBA, foi a entropia de Shannon. Cada ANN é alimentada pelos valores de entropia dos nós da BBT. O sistema apresentou uma taxa de sucesso de 87,5%, 95,31%, 87,5%, 100%, 96,87% e 89,06% para os grupos 1 ao 6 respectivamente, utilizando o método de Validação Cruzada Múltipla (MCV). O poder de generalização foi medido utilizando o método de MCV com a variação Leave-One-Out (LOO), obtendo erros em média de 38.52%, apontando a necessidade de aumentar o banco de vozes disponível.
|
10 |
Classificação de sinais de voz utilizando a transformada Wavelet Packet e redes neurais artificiaisCrovato, César David Paredes January 2004 (has links)
Este trabalho apresenta um sistema de classificação de voz disfônica utilizando a Transformada Wavelet Packet (WPT) e o algoritmo Best Basis (BBA) como redutor de dimensionalidade e seis Redes Neurais Artificiais (ANN) atuando como um conjunto de sistemas denominados “especialistas”. O banco de vozes utilizado está separado em seis grupos de acordo com as similaridades patológicas (onde o 6o grupo é o dos pacientes com voz normal). O conjunto de seis ANN foi treinado, com cada rede especializando-se em um determinado grupo. A base de decomposição utilizada na WPT foi a Symlet 5 e a função custo utilizada na Best Basis Tree (BBT) gerada com o BBA, foi a entropia de Shannon. Cada ANN é alimentada pelos valores de entropia dos nós da BBT. O sistema apresentou uma taxa de sucesso de 87,5%, 95,31%, 87,5%, 100%, 96,87% e 89,06% para os grupos 1 ao 6 respectivamente, utilizando o método de Validação Cruzada Múltipla (MCV). O poder de generalização foi medido utilizando o método de MCV com a variação Leave-One-Out (LOO), obtendo erros em média de 38.52%, apontando a necessidade de aumentar o banco de vozes disponível.
|
Page generated in 0.0373 seconds