Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Röstigenkänning genom Hidden Markov Model: En implementering av teorin på DSP
Blekinge Tekniska Högskola, Sektionen för teknik, Avdelningen för signalbehandling.
Blekinge Tekniska Högskola, Sektionen för teknik, Avdelningen för signalbehandling.
2006 (Engelska)Självständigt arbete på avancerad nivå (magisterexamen)Studentuppsats (Examensarbete)Alternativ titel
Speech Recognition using Hidden Markov Model : An implementation of the theory on a DSK – ADSP-BF533 EZ-KIT LITE REV 1.5 (Svenska)
Abstract [en]

This master degree project is how to implement a speech recognition system on a DSK – ADSP-BF533 EZ-KIT LITE REV 1.5 based on the theory of the Hidden Markov Model (HMM). The implementation is based on the theory in the master degree project Speech Recognition using Hidden Markov Model by Mikael Nilsson and Marcus Ejnarsson, MEE-01-27. The work accomplished in the project is by reference to the theory, implementing a MFCC, Mel Frequency Cepstrum Coefficient function, a training function, which creates Hidden Markov Models of specific utterances and a testing function, testing utterances on the models created by the training-function. These functions where first created in MatLab. Then the test-function where implemented on the DSK. An evaluation of the implementation is performed.

Abstract [sv]

Detta examensarbete går ut på att implementera en röstigenkänningssystem på en DSK – ADSP-BF533 EZ-KIT LITE REV 1.5 baserad på teorin om HMM, Hidden Markov Model. Implementeringen är baserad på teorin i examensarbetet Speech Recognition using Hidden Markov Model av Mikael Nilsson och Marcus Ejnarsson, MEE-01-27. Det som gjorts i arbetet är att utifrån teorin implementerat en MFCC, Mel Frequency Cepstrum Coefficient funktion, en träningsfunktion som skapar Hidden Markov Modeller av unika uttalanden av ord och en testfunktion som testar ett uttalat ord mot de olika modellerna som skapades av träningsfunktionen. Dessa funktioner skapades först i MatLab. Sedan implementerades testprogrammet på DSP:n Texas Instruments TMDS320x6711. Sedan utvärderades realtidstillämpningen.

Ort, förlag, år, upplaga, sidor
2006. , s. 79
Nyckelord [en]
Speech Recognition, Hidden Markov, Signalbehandling, DSP, DSK, BF533, Nick Bardici, Björn Skarin
Nationell ämneskategori
Signalbehandling Telekommunikation Programvaruteknik
Identifikatorer
URN: urn:nbn:se:bth-1414Lokalt ID: oai:bth.se:arkivexE63C30F71DDE8E8DC1257142004558B3OAI: oai:DiVA.org:bth-1414DiVA, id: diva2:828650
Uppsök
teknik
Handledare
Anmärkning
Nick Bardici, nick.bardici@gmail.com Björn Skarin, bjorn.skarin@exallon.sigma.seTillgänglig från: 2015-05-20 Skapad: 2006-03-31 Senast uppdaterad: 2018-01-11Bibliografiskt granskad

Open Access i DiVA

fulltext(1354 kB)408 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1354 kBChecksumma SHA-512
2496f7a0f049fa160a0bdbdd97e74ccaae6ca8dbf60ebaa45dbfc11ee0a3b44527c079a44c9d079bb1056151c3898e4ffb72b222557e63b2f3a87c09ef6c2a40
Typ fulltextMimetyp application/pdf

Av organisationen
Avdelningen för signalbehandling
SignalbehandlingTelekommunikationProgramvaruteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 408 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 395 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf