Identificación de
Personas usando
wavelets, LPC y
distancias
BARRETO VALDERRAMA LIZBETH
CAM URQUIZO DANIEL
GUTIERREZ ROMER...
OBJETIVOS
Este proyecto tiene como objetivo
reconocer las personas, que hayan
guardado el patrón de su voz
guardar en una...
PROBLEMATICA
Anteriormente hemos guardado
filtrado y usado FFT, pero ahora
usaremos transformada de wavelets,
y además, s...
Aplicación
 Podría usarse en sistemas de seguridad en bancos y en otras
aplicación Biométricas:
 Pasaportes o DNI
 Aute...
Transformada de Waveletes
 Como los componentes de frecuencia no
cambian en el tiempo, se necesita Trans.
waveletes, que ...
 Este análisis es útil para señales que
tienen componentes de alta frecuencia
de corta duración y componentes de
baja fre...
Waveletes Daubechies
 Estos wavelets están definidos y tiene constantes
como. Separa la señal en 2 subseñales a[n] y
d[n]...
LPC (linear Predictive Coding)
 Técnica para representar la voz, extrae información lingüística, usa
una predicción linea...
Distancia de Euclides
 Una característica fundamental de los
sistemas de reconocimiento (de palabra
o de locutor) con el ...
Conceptos
Captura de voz
Preprocesamiento
Obtener patrones
Comparacion y
clasificación
Resultados
Funciones y
modularidad
Estructura del programa
Reconocimiento
Captura
preprocesamiento
comparacion
captura
grabarSonido
Wavrecord,
wavwrite
Preprocesamiento
FileDescriptor
Descriptor
Acotar wavelesNorm CoeficienteLineal
LPC
Save()
Comparar
Descriptor
Acotar WaveletsNorm CoeficienteLineal
LPC
VerificarHablante
CalcularErrorFile
Prueba Importdata
tts
GRACIAS
Identificacion de voz usando wavelets
Próxima SlideShare
Cargando en…5
×

Identificacion de voz usando wavelets

318 visualizaciones

Publicado el

Publicado en: Software
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
318
En SlideShare
0
De insertados
0
Número de insertados
10
Acciones
Compartido
0
Descargas
7
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Identificacion de voz usando wavelets

  1. 1. Identificación de Personas usando wavelets, LPC y distancias BARRETO VALDERRAMA LIZBETH CAM URQUIZO DANIEL GUTIERREZ ROMERO FABIO
  2. 2. OBJETIVOS Este proyecto tiene como objetivo reconocer las personas, que hayan guardado el patrón de su voz guardar en una base de datos, para finalmente identificarlos,
  3. 3. PROBLEMATICA Anteriormente hemos guardado filtrado y usado FFT, pero ahora usaremos transformada de wavelets, y además, se comparaba palabras y se decía que palabras se había pronunciado, ahora nos importa que persona lo ha pronunciado.
  4. 4. Aplicación  Podría usarse en sistemas de seguridad en bancos y en otras aplicación Biométricas:  Pasaportes o DNI  Autentificacion de voz para zonas de extrema seguridad
  5. 5. Transformada de Waveletes  Como los componentes de frecuencia no cambian en el tiempo, se necesita Trans. waveletes, que representa en tiempo frecuencia empleando técnicas de filtrado digital
  6. 6.  Este análisis es útil para señales que tienen componentes de alta frecuencia de corta duración y componentes de baja frecuencia de duración prolongada.
  7. 7. Waveletes Daubechies  Estos wavelets están definidos y tiene constantes como. Separa la señal en 2 subseñales a[n] y d[n], frecuencias altas y bajas respectivamente.  Las frecuencias altas a[n] almacenan mayores características de la señal.
  8. 8. LPC (linear Predictive Coding)  Técnica para representar la voz, extrae información lingüística, usa una predicción lineal, que es una combinación lineal basada en varias muestras anteriores.
  9. 9. Distancia de Euclides  Una característica fundamental de los sistemas de reconocimiento (de palabra o de locutor) con el enfoque de comparación de patrones es la forma en que los vectores característicos son combinados y comparados con los patrones de referencia.
  10. 10. Conceptos Captura de voz Preprocesamiento Obtener patrones Comparacion y clasificación Resultados
  11. 11. Funciones y modularidad
  12. 12. Estructura del programa Reconocimiento Captura preprocesamiento comparacion
  13. 13. captura grabarSonido Wavrecord, wavwrite
  14. 14. Preprocesamiento FileDescriptor Descriptor Acotar wavelesNorm CoeficienteLineal LPC Save()
  15. 15. Comparar Descriptor Acotar WaveletsNorm CoeficienteLineal LPC VerificarHablante CalcularErrorFile Prueba Importdata tts
  16. 16. GRACIAS

×