dc.contributor.advisor | Γεωργιακώδης, Φώτιος | |
dc.contributor.author | Μητράκα, Σοφία Χρύσα | |
dc.date.accessioned | 2015-09-04T19:21:17Z | |
dc.date.available | 2015-09-04T19:21:17Z | |
dc.date.issued | 2014-10 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/7228 | |
dc.description.abstract | Μέσω της εργασίας αυτής έγινε μια προσπάθεια να μελετηθούν κάποια βασικά στατιστικά χαρακτηριστικά σημάτων φωνής, τα οποία είναι απαραίτητα για την μετέπειτα επεξεργασία τους. Τέτοια στατιστικά χαρακτηριστικά είναι η probability density function (pdf, συνάρτηση πυκνότητας πιθανότητας), το power density spectrum (φάσμα πυκνότητας ισχύος) και το autocorrelation (αυτοσυσχέτιση). Στην εργασία έγινε πρώτα μια περιγραφή των βασικών χαρακτηριστικών της θεωρίας, σχετικά με έννοιες όπως οι τυχαίες μεταβλητές και η συνάρτηση κατανομής, αλλά και η συνάρτηση πυκνότητας πιθανότητας. Επίσης, παρουσιάστηκαν τα βασικά χαρακτηριστικά του φάσματος πυκνότητας ισχύος και της αυτοσυσχέτισης, με αναφορά σε βασικούς ορισμούς εννοιών όπως οι σειρές Fourier, τα αιτιοκρατικά και τα τυχαία / στοχαστικά σήματα, το θεώρημα Parseval και άλλα. Επιπλέον, έγινε παρουσίαση των βασικών χαρακτηριστικών των σημάτων φωνής, εστιάζοντας στην χρόνο - συχνοτική ανάλυση των σημάτων ομιλίας, στην επίδραση του μήκους παραθύρου αλλά και σε βασικά χαρακτηριστικά της ανάλυσης τέτοιων σημάτων. Στο πειραματικό μέρος με τη βοήθεια του πακέτου λογισμικού Matlab μελετήθηκαν τα τρία επιμέρους στατιστικά χαρακτηριστικά σημάτων φωνής, δηλαδή η συνάρτηση πυκνότητας πιθανότητας, το φάσμα πυκνότητας ισχύος και η αυτοσυσχέτιση. Παρουσιάστηκαν τα αποτελέσματα της εφαρμογής του κώδικα για τρία διαφορετικά αρχεία ήχου με διαφορετικά χαρακτηριστικά, και για δύο διαφορετικές τιμές της συχνότητας δειγματοληψίας. Τα συμπεράσματα που προέκυψαν είναι ιδιαίτερα ενδιαφέροντα, και η ανάλυση αυτή μπορεί να γίνει για μια πληθώρα σημάτων ήχου με διαφορετικά χαρακτηριστικά, ώστε να αποκτά ο ερευνητής πλήρη γνώση των βασικών χαρακτηριστικών του εκάστοτε σήματος προτού προχωρήσει σε περαιτέρω επεξεργασία και ανάλυσή του. | el |
dc.format.extent | 87 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Επεξεργασία σημάτων | el |
dc.subject | Signal processing -- Digital techniques -- Data processing | el |
dc.subject | Signal processing -- Data processing | el |
dc.subject | MATLAB | el |
dc.title | Μελέτη στατιστικών χαρακτηριστικών (pdf, power density spectrum, autocorrelation) σημάτων φωνής με χρήση του πακέτου λογισμικού Matlab | el |
dc.title.alternative | Study of statistical features (pdf, power density spectrum, autocorrelation) of voice signals using the software package Matlab | en |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.identifier.call | 621.3822 ΜΗΤ | el |
dc.description.abstractEN | Through this work an attempt was made to study some basic statistical characteristics of voice signals, which is necessary for subsequent processing. Such statistical characteristics is the probability density function (pdf), the power density spectrum and the autocorrelation function. In this thesis, first a description of the main features of the theory took place, on concepts such as random variables and the distribution function, and the probability density function. Also the main features of the spectrum power density and autocorrelation are presented, with reference to the basic definitions of concepts such series Fourier, deterministic and random / stochastic signals, Parseval's theorem and more. In addition, a presentation of the key characteristics of voice signals was made, focusing on time - frequency analysis of speech signals, the effect of the window length and key features in the analysis of such signals. In the experimental part, and using the Matlab software package, we studied three different statistical characteristics of voice signals, i.e. the probability density function, the power density spectrum and the autocorrelation function. The results of the implementation of code were presented for three different audio files with different attributes, and for two different values of the sampling frequency. The conclusions are particularly interesting, and the analysis can be done for a variety of audio signals with different characteristics, in order to acquire the researcher full knowledge of the basic characteristics of each signal before proceeding with further processing and analysis. | el |
dc.contributor.master | Πληροφορική | el |