|
|
|
|
LEADER |
02926na a2200241 4500 |
003 |
HR-ZaFER |
005 |
20160718132709.0 |
008 |
160221s2015 ci ||||| m||| 00| 0 hr d |
035 |
|
|
|a (HR-ZaFER)ferid2483
|
040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
100 |
1 |
|
|a Križanić, Ivan
|9 37638
|
245 |
1 |
0 |
|a Metode razlikovanja govora i glazbe u digitalnim zvučnim zapisima :
|b diplomski rad /
|c Ivan Križanić ; [mentor Davor Petrinović].
|
246 |
1 |
|
|a Methods for speech and music discrimination in digital soundtracks
|i Naslov na engleskom:
|
260 |
|
|
|a Zagreb,
|b I. Križanić,
|c 2015.
|
300 |
|
|
|a 71 str. ;
|c 30 cm +
|e CD-ROM
|
502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Elektroničko i računalno inženjerstvo, šifra smjera: 48, datum predaje: 2015-06-30, datum završetka: 2015-07-10
|
520 |
3 |
|
|a Sažetak na hrvatskom: U sklopu ovog diplomskog rada obrađen je povijesni pregled na metode razlikovanja govora i glazba te je napravljen pregled različitih čimbenika koji utječu na uspješnost klasifikacije. To su prije svega parametri zvuka, u vremenskoj domeni postotak okvira niske energije i broj prolaza kroz ništicu, u frekvencijskoj domeni spektralni centroid, spektralni tok, frekvencija većinske spektralne snage te u kepstralnoj domeni modulacijska energija na 4 Hz i modul razlike spektra i rekonstruiranog spektra iz kepstra. Rad se zatim fokusira na različite klasifikatore koje je moguće koristiti u sklopu razlikovanja govora i glazbe te obrađuje četiri različita klasifikatora. Na kraju se diskutiraju dvije različite gotove metode koje se mogu koristiti za klasificiranje govora i glazbe.
|
520 |
3 |
|
|a Sažetak na engleskom: In the first part of this Masters' Thesis there is a historical overview of the methods for Speech/Music Discrimination and a survey of various factors that affect the classification performance. These factors consist primarily of parameters of sound. In the time domain, they include percentage of low-energy frames and zero crossing rate, in the frequency domain there are spectral centroid, spectral flux, spectral rolloff point and in the cepstral domain there are 4 Hz modulation energy. The Thesis then focuses on different classifiers that can be used for speech/music discrimination, pinpointing four different classifiers. Finally, two different methods that can be used to classify speech and music are discussed.
|
653 |
|
1 |
|a digitalna obrada zvuka
|a razlikovanje govora i glazbe
|a broj prolaza kroz ništicu
|a spektralni tok
|a spektralni centroid
|a MFCC koeficijenti
|a MAP estimator
|a Gaussove mješavine
|a k-d stabla
|a k-NN algoritam
|
653 |
|
1 |
|a digital sound processing
|a speech/music discrimination
|a zero-crossing rate
|a spectral flux
|a spectral centroid
|a MFCC coefficients
|a the MAP estimator
|a Gaussian mixtures
|a k-d trees
|a k-NN algorithm
|
700 |
1 |
|
|a Petrinović, Davor
|4 ths
|9 13132
|
942 |
|
|
|c Y
|2 udc
|
999 |
|
|
|c 46367
|d 46367
|