research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
Best Wavelet Filter for a Wavelet Neural Fricatives Recognition System
مرشح التحويل المويجي الأفضل لنظام تمييز المقاطع الصوتية الاحتكاكية باعتماد التحويل المويجي والشبكات العصبية

Author: Dr. Ahmed Maamoon Alkababji د.احمد مأمون فاضل
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2011 Volume: 19 Issue: 6 Pages: 138-150
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

AbstractDirect recognition of phonemes in speaker independent speech recognition systems still cannot guarantee good enough recognition results. But grouping phonemes at first then trying to recognize the phoneme itself is a promising field. On the other hand wavelets are widely used in speech and speaker recognition systems, this is motivated by the ability of wavelet coefficients to capture important time and frequency features. In this work the effect of the wavelet filter type on the efficiency of a phoneme recognition system is investigated (specifically fricatives). The Probabilistic neural network was used as a pattern matching stage for its well known and power full ability in solving classification problems. It was found that the Daubechies wavelet family (generally from db15 to db23) is a good candidate for a fricatives phoneme recognition system that is based on wavelets as a feature extraction stage.

الملخصالتمييز المباشر للمقطع الصوتي في أنظمة تمييز الكلام غير المعتمدة على الشخص لا تستطيع ضمان نسبة تمييز جيدة. لكن تقسيم المقاطع الصوتية إلى مجاميع (حسب النوع) ثم التمييز ضمن المجموعة كمرحلة لاحقة هو من المجالات الواعدة. من جهة أخرى فان التحويل المويجي له استخدامات واسعة في أنظمة تمييز المتكلم أو الكلام هذا بسبب قدرته العالية على استخلاص خصائص للزمن والتردد. في العمل الحالي تم دراسة تأثير نوع المرشح المويجي على أداء نظام تمييز للمقاطع الصوتية (الاحتكاكية بشكل خاص). تم استخدام الشبكة العصبية الاحتمالية كمرحلة مطابقة للهياكل وذلك لقدرتها العالية في حل مشاكل التصنيف .أظهرت النتائج أن المرشح من نوع دوبيجي (تحديدا من 15 إلى 23) هو من أفضل المرشحات للاستخدام في مرحلة استخلاص الخواص في أنظمة تمييز المقاطع الصوتية المبنية باستخدام التحويل المويجي.


Article
Segmentation of Conversational Speech Using Probabilistic Neural Network
تقطيع المحاورات الكلامية باستخدام الشبكة العصبية الاحتمالية

Author: Dr. Ahmed Maamoon Alkababji د.احمد مأمون فاضل
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2010 Volume: 18 Issue: 3 Pages: 62-70
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

AbstractAutomatic segmentation of audio streams according to speaker identities, environmental and channel conditions has become an important preprocessing step for speech processing, speaker recognition and audio mining. This paper presents an automatic speech segmentation system where the performance of the probabilistic neural network (PNN)(which is the main part of the system) is examined and then enhanced in the area of segmentation of conversational speech. The results show that a percentage false segmentation (PFS) of 18% can be achieved. PFS is dropped to 6.1% enhancing the system. The experiments were carried out on a dataset created by concatenating speakers from the TIMIT database.Keywords: Speech segmentation, PNN, Probabilistic neural network.

الملخصلقد أصبح التقطيع الذاتي للاسترسال الكلامي اعتماداً على هوية المتكلم أوالبيئة التي تم الكلام فيها أو القناة التي نقلت الكلام من المراحل المهمة في المعالجة المسبقة التي تتم على الكلام لعمليات مثل تمييز المتكلم أو تمييز الكلام. في هذا البحث تم تقديم نظام تقطيع ذاتي تم من خلاله استكشاف إمكانيات الشبكة العصبية الاحتمالية على تقطيع المحاورات الكلامية كما تم تحسين أداء النظام للحصول على نتائج أفضل حيث أظهرت النتائج إمكانية الحصول على نسبة خطأ في التقطيع مقدارها 18%, في حين انخفضت هذه النسبة إلى 6,1% بعد إجراء عملية التحسين على النظام. تم استخدام مجموعة TIMIT كقاعدة أصوات لتقييم أداء النظام.


Article
Exploring New Features for a Wavelet Neural Digital Modulation Recognition System-eng
استكشاف خصائص جديدة لنظام تمييز التضمين الرقمي مبني باستخدام التحويل المويجي والشبكات العصبية

Author: Dr. Ahmed Maamoon Alkababji د.احمد مأمون فاضل
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2013 Volume: 21 Issue: 4 Pages: 96-108
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

AbstractModulation recognition has been an important problem in both commercial and military wireless communication. Modulation recognition can be divided into two categories: identification between categories and identification in category. In this work a system is proposed for identification between categories of different digital modulated signals using a combination of discrete wavelet transform (DWT) and the linear predictive coding (LPC) with the probabilistic neural network (PNN) as a classification tool. It was found that the proposed system out performed any of the existing systems by using six DWT decomposition levels and 20 LPC coefficients. The symlet 20 wavelet filter proved to be the best candidate. The results showed that a 100% recognition can be achieved at a signal to noise ratio (SNR) of 2db for the digitally modulated signal.Keywords: Modulation recognition, Wavelet, linear predictive coding, Probabilistic neural network.

الملخصيعتبر تمييز نوع التضمين مشكلة هامة في مجال الاتصالات اللاسلكية على حد سواء التجارية والعسكرية. ويمكن تقسيم تمييز التضمين إلى فئتين: تحديد نوع التضمين وتحديد درجة التضمين في فئة. في هذا العمل تم اقترح نظام لتحديد نوع التضمين بين فئات مختلفة من إشارات التضمين الرقمية باستخدام مزيج من تحويل المويجات المنفصل (DWT)و الترميز الخطي التنبؤي (LPC) مع أداة تصنيف هي الشبكة العصبية الاحتمالية(PNN) . حيث تبين ان النظام المقترح فاق أي من النظم القائمة عن طريق استخدام ستة مستويات تحليل DWT و 20 معاملLPC. ثبت ان مرشح المويجات 20 symlet هو أفضل مرشح يمكن استخدامه للنظام المقترح. أظهرت النتائج التي التوصل الى تمييز 100٪ للإشارة المضمنة رقميا بوجود نسبة الضوضاء (SNR) 2db.

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

English (3)


Year
From To Submit

2013 (1)

2011 (1)

2010 (1)