Buradasınız

Anasayfa » Content

BİLGİSAYAR ORTAMINDA SESLİ KOMUTLARI TANIMA: ÖRÜNTÜ TANIMA YÖNTEMİ

SPEECH COMMAND RECOGNITION IN COMPUTER: PATTERN RECOGNITION METHOD

Journal Name:

  • Kastamonu Üniversitesi Kastamonu Eğitim Dergisi

Publication Year:

  • 2007

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
In this study, a software recognizing voice has been prepared using pattern recognition method. The basic principles about voice recognition have also been given systematically. Character vector’s sounding, which is very important in vocal commands and voicing, has been analysed in detail. In addition, voice recognition essays were done on the developed program and the results have been given.
Bookmark/Search this post with
Abstract (Original Language): 
Bu çalışmada, Örüntü tanıma yöntemini kullanarak ses tanıyan bir bilgisayar yazılımı hazırlanmış ve ses tanımayla ilgili temel ilkeler sistematik bir içerikte anlatılmıştır. Sesli komutları tanımada çok önemli olan özellik vektörlerinin çıkarılması ve ses üzerinde yapılacak olan ön işlemler ayrıntılı bir şekilde verilmeye çalışılmıştır. Ayrıca geliştirilen programda ses tanıma denemeleri yapılmış ve sonuçlara ilişkin bilgiler özetlenmiştir..
FULL TEXT (PDF): 
PDF icon arastirmax-bilgisayar-ortaminda-sesli-komutlari-tanima-oruntu-tanima-yontemi.pdf
  • 1
45-62
  • Turkish

REFERENCES

References: 

1. Mengüşoğlu, E.,”Bir Türkçe Sesli İfade Tanıma Sisteminin Kural Tabanlı
Tasarımı Ve Gerçekleştirimi”, Yüksek Lisans Tezi,Hacettepe Üniversitesi Fen
Bilimleri Enstitüsü, Ankara, s.1,42 (1999).
2. Doğan, S., “Pc Ortamında Sesli Komutları Tanıma”, Yüksek Lisans Tezi,
Marmara Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, s.1,8,9,10,12,14,36,63,67
(1999)
3. Artuner, H., “Bir Türkçe Fonem Kümeleme Sistemi Tasarımı ve Gerçekleştirimi”,
Doktora Tezi ,Hacettepe Üniversitesi Fen Bilimleri Enstitüsü, Ankara, s.25,31
(1994)
4. Karahan,F., “Fusing Length And Voicing Information, And HMM Decision In
Speaker Dependent Isolated Word Recognition Systems”, Yüksek Lisans Tezi ,
Middle East University Electrical And Electronics Engineering Department,
Ankara, s.24-25 (2000)
5. Picone, J.,W., “Signal modeling techniques ın speech recognition”, Proceedings of
the IEEE, 81,No:9:1219 (1993)
Bilgisayar Ortamında Sesli Komutları Tanıma: Örüntü Tanıma Yöntemi 61
March 2007 Vol:15 No:1 Kastamonu Education Journal
6. Internet:Wikipedia The Free Encylcopedia. http://en.wikipedia.org/wiki/
Fourier_series (2006).
7. Qiang,H., Youwei, Z.,”On prefiltering and endpoint detection of speech signal”,
Signal Processing Proceedings ICSP '98. 1998 Fourth International Conference on,
1: 749,750 (1998).
8. İkizler, N.,”Türkçe’de Konuşmacıdan Bağımsız Hece Tanıma Sistemi”, Doktora
Tezi, Karadeniz Teknik Üniversitesi Fen Bilimleri Enstitüsü, Trabzon, S. 22,54
(2003).
9. Akçay, B., “Yapay Sinir Ağları İle Türkçe Konuşma Tanıma”, Yüksek Lisans
Tezi, Hacettepe Üniversitesi Fen Bilimleri Enstitüsü, Ankara, s.22,42 (1994).
10. Ganapathiraju, A., Webster, L., Trimble, J., Bush, K., Kornman, P., “Comparison
Of Energy-Based Endpoint Detectors For Speech Signal Processing”, Bringing
Together Education, Science and Technology, Proceedings of the IEEE, 500
(1996)
11. Ying, G.S., Mitchell, C.D., Jamieson, L.H., “Endpoint Detection Of Isolated
Utterances Based On A Modified Teager Energy Measurement”, Acoustics,
Speech, and Signal Processing ICASSP-93.1993 IEEE International Conference
on, 2: 732 (1993)
12. Burrows,L.T., “Speech Processing With Linear And Neural Network Models”,
Doktora Tezi ,Cambridge University Engineering Department,England, s.21-22
(1996)
13. Gökhan, A., “Yapay Sinir Ağları İle Ayrık Türkçe Sözcüklerin Tanınması”,
Yüksek Lisans Tezi,Fırat Üniversitesi Fen Bilimleri Enstitüsü, Elazığ, s.23
(1997)).
14. Kondoz, A. M., “Digital Speech”, B. Evans, G. Pujolle, A. Danthine, O. Spaniol,
England, 36,37 (1994)
15. Kinnunen, T., “Spectral features for automatic text-ındependent speaker
recognition”, University of JoensuuDepartment of Computer Science, Licentiate’s
Thesis, S.53 (2003))
16. Sherlock, B.G.,” Windowed discrete fourier transform for shifting data”,
Submitted to Elsevier Science on Signal Processing,74: 177 (1999)
17. Sherlock, B.G., Kakad,Y.P.,” Windowed discrete cosine and sine transforms for
shifting data”, Submitted to Elsevier Science on Signal Processing,81: 1472
(2001).
18. Aydın, Ö., “Yapay Sinir Ağlarını Kullanarak Bir Ses Tanıma Sistemi
Geliştirilmesi”, Yüksek Lisans Tezi, Trakya Üniversitesi Fen Bilimleri Enstitüsü,
Edirne, s. 50 (2005)
19. Rockmore, D.N.,” Some applications of generalized ffts ”, Dimacs Series in
Discrete Mathematics Theoretical Computer Science , 00,Sayı:19:1 (1991)
62 Halil İbrahim BÜLBÜL, Abdulkadir KARACI
Mart 2007 Cilt:15 No:1 Kastamonu Eğitim Dergisi
20. Nguyen,T. Q. ,”Integer fast fourier transform”, IEEE Transactions On Signal
Processing,50,No:3: 607 (2002).
21. Cochran, W. T., Cooley, J. W., “What Is the Fast Fourier Transform?”,
Proceedings Of The IEEE, 55, No:10:1664,1667 (1967).
22. Cooley, J. W., Tukey, J. W., "An algorithm for the machine calculation of complex
fourier series", Math. Comput., 19: 297 (1965).
23. Kobayashi, H., Shimamura, T., “A weighted autocorrelation method for pitch
extraction of noisy speech”, Acoustics Speech and Signal Processing IEEE
International Conference, 3:1307 (2000)
24. Dendrinos, M., Carayannis, G., “Spectrum analysis using a new autocorrelation
measure”, Acoustics, Speech, and Signal Processing,4:2468 (1998)
25. Tohkura,Y., “A weighted cepstral distance measure for speech recognition”,
Acoustics, Speech, and Signal Processing, 11:761 (1986).
26. Karacı, A.,”Bilgisayar Ortamında Sesli İfadeleri Tanıma”, Yüksek Lisans -
Tezi,Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara, s.75-82 (2006).

Thank you for copying data from http://www.arastirmax.com