WPŁYW FUNKCJI OKNA NA SKUTECZNOŚĆ IDENTYFIKACJI STANU EMOCJONALNEGO MÓWCY
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 7 Nr 4 (2017)
-
WYBRANE PROBLEMY WARTOŚCIOWANIA I KLASYFIKACJI BUDOWLI ZABYTKOWYCH Z WYKORZYSTANIEM ZBIORÓW PRZYBLIŻONYCH
Krzysztof Czajkowski5-10
-
STANOWISKO LABORATORYJNE DO SYMULACJI MAŁEJ TURBINY WIATROWEJ
Wojciech Matelski, Eugeniusz Łowiec, Stanisław Abramik11-14
-
OPRACOWANIE SYSTEMU AUTOMATYCZNEJ DIAGNOSTYKI I STEROWANIA PROCESEM SPALANIA BIOGAZU
Oxana Zhirnova15-19
-
ZARZĄDZANIE RYZYKIEM ŁAŃCUCHA DOSTAW ZA POMOCĄ METODY MONTE CARLO
Tomasz Rymarczyk, Grzegorz Kłosowski20-23
-
ZASTOSOWANIE SIECI PETRIEGO W SYSTEMACH WSPOMAGANIA DECYZJI OPARTYCH NA INTELIGENTNEJ WIELOŹRÓDŁOWEJ ANALIZIE DANYCH
Tomasz Rymarczyk, Grzegorz Kłosowski, Tomasz Cieplak24-27
-
ANALIZA STOSOWALNOŚCI USŁUG SIECIOWYCH TYPU REST I SOAP
Tomasz Zientarski, Marek Miłosz, Marek Kamiński, Maciej Kołodziej28-31
-
PRZEGLĄD METOD STEROWANIA SYSTEMÓW ELEKTROWNI WIATROWYCH Z GENERATOREM SYNCHRONICZNYM O MAGNESACH TRWAŁYCH
Piotr Gajewski32-37
-
BEZPOŚREDNIE STEROWANIE MOMENTEM WIELOFAZOWEGO SILNIKA INDUKCYJNEGO Z ROZMYTYM REGULATOREM PRĘDKOŚCI
Jacek Listwan38-43
-
REKONSTRUKCJA NIEKOMPLETNYCH OBRAZÓW ZA POMOCĄ METOD APROKSYMACJI MODELAMI NISKIEGO RZĘDU
Tomasz Sadowski, Rafał Zdunek44-48
-
APROKSYMACJA WŁAŚCIWOŚCI ELEKTRYCZNYCH PERIODYCZNYCH MATERIAŁÓW ZŁOŻONYCH
Adam Steckiewicz, Bogusław Butryło49-52
-
QUASI-REZONANSOWY PRZEKSZTAŁTNIK PODWYŻSZAJĄCY NAPIĘCIE DO ZASTOSOWAŃ W FOTOWOLTAICE
Michał Harasimczuk53-56
-
BADANIA OPŁYWU WYBRANYCH PROFILI SOND DLA POTRZEB W METROLOGII STRUMIENI
Piotr Zgolak57-61
-
OPTYMALIZACJA PROBLEMU NAJWIĘKSZEJ PODTABLICY DLA SPECYFICZNYCH DANYCH
Tomasz Rojek62-65
-
ANALIZA STRAT MOCY W WOLNOOBROTOWYM SILNIKU PNEUMATYCZNYM
Adam Ilnicki, Mariusz Rząsa66-69
-
ZASTOSOWANIE ROZMYTEJ MAPY KOGNITYWNEJ W PROGNOZOWANIU EFEKTYWNOŚCI PRACY WYPOŻYCZALNI ROWEROWYCH
Aleksander Jastriebow, Łukasz Kubuś, Katarzyna Poczęta70-73
-
ROZMYTA MAPA KOGNITYWNA JAKO INTELIGENTNY SYSTEM REKOMENDACYJNY ZASOBÓW STRONY INTERNETOWEJ
Aleksander Jastriebow, Łukasz Kubuś, Katarzyna Poczęta74-78
-
KSZTAŁTOWANIE SZTUCZNEJ KOMORY ORAZ NAPĘDU MIKROPOMPY PULSACYJNEJ DO PRZETACZANIA KRWI
Sebastian Bartel79-81
-
UKŁAD STEROWANIA MAŁĄ ELEKTROWNIĄ WIATROWĄ Z GENERATOREM ASYNCHRONICZNYM
Kamil Możdżyński, Tomasz Gajowik, Krzysztof Rafał, Mariusz Malinowski82-87
-
WŁAŚCIWOŚCI MECHANICZNE WYBRANYCH KLEJÓW EPOKSYDOWYCH
Izabela Miturska, Anna Rudawska88-91
-
ZASTOSOWANIE APROKSYMACJI WIELOMIANOWEJ DO WYZNACZANIA ZAŁOMKÓW EKG
Marcin Maciejewski92-95
-
WPŁYW FUNKCJI OKNA NA SKUTECZNOŚĆ IDENTYFIKACJI STANU EMOCJONALNEGO MÓWCY
Paweł Powroźnik, Dariusz Czerwiński96-100
-
OPTYMALIZACJA WIELOKRYTERIALNA W PROCESIE PRODUKCJI MEBLI
Grzegorz Kłosowski, Edward Kozłowski101-106
-
MODEL DYNAMICZNEGO STEROWANIA WINDĄ Z WYKORZYSTANIEM SERWERA CENTRALNEGO
Łukasz Furgała, Krzysztof Kolano, Włodzimierz Mosorow107-112
Archiwum
-
Tom 9 Nr 4
2019-12-16 20
-
Tom 9 Nr 3
2019-09-26 20
-
Tom 9 Nr 2
2019-06-21 16
-
Tom 9 Nr 1
2019-03-03 13
-
Tom 8 Nr 4
2018-12-16 16
-
Tom 8 Nr 3
2018-09-25 16
-
Tom 8 Nr 2
2018-05-30 18
-
Tom 8 Nr 1
2018-02-28 18
-
Tom 7 Nr 4
2017-12-21 23
-
Tom 7 Nr 3
2017-09-30 24
-
Tom 7 Nr 2
2017-06-30 27
-
Tom 7 Nr 1
2017-03-03 33
-
Tom 6 Nr 4
2016-12-22 16
-
Tom 6 Nr 3
2016-08-08 18
-
Tom 6 Nr 2
2016-05-10 16
-
Tom 6 Nr 1
2016-02-04 16
-
Tom 5 Nr 4
2015-10-28 19
-
Tom 5 Nr 3
2015-09-02 17
-
Tom 5 Nr 2
2015-06-30 15
-
Tom 5 Nr 1
2015-03-31 18
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
Artykuł prezentuje wpływ doboru funkcji okna wykorzystywanej w procesie obliczania spektrogramu, na skuteczność identyfikacji stanu emocjonalnego mówcy posługującego się mową polską. W badaniach wykorzystano następujące funkcje okna: Hamminga, Gaussa, Dolpha–Czebyszewa, Blackmana, Nuttalla, Blackmana-Harrisa. Ponadto został przedstawiony sposób przetwarzania spektrogramu przez sztuczną sieć neuronową (SSN), odpowiedzialną za identyfikację stanu emocjonalnego mówcy. Otrzymane wyniki pozwoliły na ocenę skuteczności rozpoznawania stanu emocjonalnego za pomocą SSN. Średnia skuteczność wahała się od około 70% do ponad 87%.
Słowa kluczowe:
Bibliografia
Berlin Database of Emotional Speech: http://www.expressive-speech.net/ (10.08.2014).
Bracewell R.: The Fourier Transform and its Application. Electric Engineering Series. McGraw-Hill International Editions. Singapore 2000.
Chena K.F., Lib Y.F.: Combining the Hanning windowed interpolated FFT in both directions. Computer Phisics Communication 178(12)/2008, 924–928.
Chmaj T., Lankosz M.: Akwizycja i przetwarzanie sygnałów cyfrowych. Politechnika Krakowska, Kraków 2011.
Database of Polish Emotional Speech: http://www.eletel.p.lodz.pl/bronakowski/med_catalog/ (10.08.2014).
Gałka J., Ziółko B.: Study of Performance Evaluation Methods for Non-Uniform Speech Segmentation, International of Circuits. Systems and Signal Processing. NAUN 2008.
Harris R, Fredric J.: On the use of Windows for Harmonic Analysis with the Discrete Fourier Transform. Proceedings of the IEEE 66(1)/1978, 51–83.
Heinzel, G., Rüdiger, A., Schilling R.: Spectrum and spectral density estimation by the Discrete Fourier transform (DFT), including a comprehensive list of window functions and some new flat-top windows (Technical report).Max Planck Institute (MPI) für Gravitationsphysik/Laser Interferometry & Gravitational Wave Astronomy.
Janicki A., Turkot M.: Rozpoznawanie stanu emocjonalnego mówcy z wykorzystaniem maszyny wektorów wspierających. KSTiT 2008, Bydgoszcz 2008.
Kamińska D., Pelikant A.: Zastosowanie multimedialnej klasyfikacji w rozpoznawaniu stanów emocjonalnych na podstawie mowy spontanicznej. IAPGOŚ 3/2012, 36–39.
Kim E.H., Hyu K.H., Kim S.H., Kwak Y.K.: Speech emotion recognition using eigen-FFT in clean and noisy environments. 16th IEEE International Conference on Robots and Human Interactive Communication, Jeju, Korea 2007.
Kłosiński R.: Materiały X Konferencji Naukowej SP 2014.
Konratowski E.: Czasowo-częstotliwościowa analiza drgań z wykorzystaniem metody overlapping. Logistyka 3/2014, 3104–3110.
Konratowski E.: Monitoring of the Multichannel Audio Signal, Computional collective intelligence. Technologies and Applications. Lecture Notes in Artifical Intelligence 6422, Springer Verlag, 298–306.
Krzyk P., Sułowicz M., Pragłowska–Ryłko N.: Zastosowanie IpDFT do diagnostyki silników asynchronicznych. Zeszyty Problemowe – Maszyny Elektryczne 3/2014, 293–300.
Lynch P.: The Dolph-Chebyshev window: A simple optimal filter. America Meteorological Society Journal of the Online 125/1997, 655–660.
Parsomphan S.: Use of Neural Network Classifier for Detecting Human Emotions via Speech Spectrogram. Procedings of the 3rd IIAE International Conference on Intelligence Systems and Image Processing. Japan 2015.
Pfitzinger H.R., Kaernbach C.: Amplitude and Amplitude Variation of Emotional Speech. Interspeech 2008, 1036–1039.
Powroźnik P., Czerwiński D: Effectiveness comparison on an artificial neural networks to identify Polish emotional speech. Przegląd Elektrotechniczny 07/2016, 45–48.
Powroźnik P.: Polish emotional speech recognition using artificial neural network. Advances is Science and Technology Research Journal 8(24)/2014, 24–27.
Ramakrishnan S.: Recognition of emotion from speech, A review. Speech Enhancement, Modeling and Recognition – Algorithms and Applications, March 2012.
Scherer K.: Vocal communication of emotions: A Review of Research Paradigms in Speech Communication 40/2003, 227–256.
Smith J. O.: Spectral Audio Signal Processing. W3K Publishing, 2011.
Thompson W. F., Balkwill L–L.: Decoding speech prosody in five languages. Semiotica 158/2006, 407–424.
Wicher A., Sęk A., Konieczny J.: Akustyczno-fonetyczne cechy mowy polskiej. Instytut Akustyki UAM Poznań, 2005.
Zieliński T. P., Cyfrowe przetwarzanie sygnałów. Od teorii do zastosowań. WKiŁ, Warszawa 2009.
##plugins.themes.bootstrap3.article.details##
Abstract views: 398
Downloads: 642
Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
