| |
| |
Tipo de Mídia:
Texto
|
|
Formato:
.pdf
|
Tamanho:
2,07
MB
|
|
|
| |
|
|
| |
|
|
| |
|
|
| |
Título: |
|
Estudo das transformadas Wavelets para utilização em reconhecimento e classificação de comandos de voz |
Autor: |
|
Juliano Gauciniski
 |
Categoria: |
|
Teses e Dissertações |
Idioma: |
|
Português |
Instituição:/Parceiro |
|
[cp] Programas de Pós-graduação da CAPES
|
Instituição:/Programa |
|
UNISC/SISTEMAS E PROCESSOS INDUSTRIAIS |
Área Conhecimento |
|
CIÊNCIA DA COMPUTAÇÃO |
Nível |
|
Mestrado
|
Ano da Tese |
|
2009 |
Acessos: |
|
356 |
Resumo |
|
Tecnologias de reconhecimento de voz permitem que computadores equipados com microfones interpretem a fala humana para transcrição ou como método de comando por voz. Por meio dessa tecnologia, pode-se realizar tarefas sem a utilização de determinados dispositivos de entrada, como o mouse e o teclado, deixando livres as mãos do operador para realizar diferentes tarefas. Neste contexto, foi elaborado um projeto que tem como objetivo, através de técnicas de reconhecimento de padrões, desenvolver um estudo das transformadas wavelets com a finalidade de definir um melhor método para realizar a classificação do fumo em folha através de comandos de voz, sem a necessidade de nenhum outro dispositivo de entrada de dados. A metodologia empregada foi a aquisição da voz em formato digital e a aplicação das transformadas wavelets Haar e Daubechies para análise. Para o processo de classificação e reconhecimento dos padrões, empregaram-se as técnicas de Análises de Componentes Principais e Power Cepstrum. Diversos empecilhos ocorreram durante a fase de classificação, principalmente pelo fato do sinal compactado ser de grande porte. Dessa forma, fez-se necessária a utilização do método matemático Power Cepstrum, permitindo a redução do número de elementos no sinal e possibilitando obter êxito na classificação dos elementos, neste caso, orientados pela freqüência de cada fonema analisado. Foi possível concluir que as transformadas Wavelets utilizadas possibilitaram o reconhecimento de padrões, porém, possuem limitações quando se trata de sinais de grande porte, necessitando, desta forma, de um pré-processamento. |
| |
|
|
| |
|
 |
|
|
|