Ingeniería de Sonido · 2018
Análisis de estrés en la voz utilizando coeficientes cepstrales de Mel y máquina de vectores de soporte
Voice analysis can be done in multiple ways, this processes have evolved through ages, becoming more complex and diversifying the utility of them, Nowadays procedures like detection, recognisement or clasification are based on analyses of the sound signal. This project addresses the recent need of making processes that were initially considered subjectives, automatically, taking into a count of the different factors that might influence them, and always being forward to improve and contribute to the existing processes. The importance of it lies on the versatility of the algorythms, that can be used as well in different areas and for different purposes such as the field of medicine, humanities, social sciences and technology
Full text 63 pages with text
Read the full thesis Record in the repository
Contents
- RESUMENp. 8
- ABSTRACTp. 8
- INTRODUCCIÓNp. 9
- I. PLANTEAMIENTO DEL PROBLEMAp. 10
- A. Viabilidadp. 10
- II. OBJETIVOSp. 11
- A. Objetivo generalp. 11
- B. Objetivos específicosp. 11
- III. MARCO REFERENCIALp. 12
- A. Estado del Artep. 12
- IV. MARCO TEÓRICOp. 14
- A. Extracción de Características de la Vozp. 14
- 1) Base de Datos para Análisis de Voz: Corpus Timitp. 14
- B. Escala de Melp. 15
- C. Coeficientes Cepstrales en Frencuencias de Mel (MFCC)p. 16
- 1) Filtro Preénfasis (PE)p. 17
- 2) Enventanado (W)p. 18
- 3) Transformada Rápida de Fourier (FFT)p. 19
- 4) Transformada Discreta del Coseno (DCT)p. 19
- D. Máquina de Vectores de Soporte (SVM)p. 20
- 1) Maquina de Vectores de Soporte en Reconocimiento Automático de la Voz (ASR)p. 21
- 2) Definición Matemática de la SVMp. 21
- 3) Parámetro de Compensación “C”p. 23
- 4) Clasificación no Lineal y Kernelp. 24
- 5) Problemas de Dimensionalidadp. 25
- 6) Métodos de Evaluación de la SVMp. 25
- V. METODOLOGÍAp. 28
- A. Obtención de las Muestras de Vozp. 29
- 1) Surrey Audio-Visual Expressed Emotion (Savee) Databasep. 29
- 2) Berlin Database of Emotional Speech (Emo-Db)p. 29
- B. Organización de Datasetp. 30
- 1) Distribución entre las Bases de Datos de Entrenamiento y Pruebap. 30
- 2) Organización de Archivos en Matlabp. 31
- C. Desarrollo de Algoritmo para la Obtención de Vectores MFCCp. 32
- 1) Filtrado Preénfasisp. 33
- 2) División de Cuadrosp. 33
- 3) Zero Paddingp. 34
- 4) Enventanado y Aplicación de FFTp. 34
- 5) Creación y Aplicación del Banco de Filtros de Melp. 35
- 6) Obtención de Coeficientes Cepstrales en Frecuencias de Mel (MFCC)p. 36
- 7) Organización de Vectores MFCC para Trabajo con SVMp. 37
- D. Uso de Máquina de Vectores de Soporte (SVM)p. 38
- 1) Implementación LIBSVMp. 38
- 2) Parámetro de Compensación “C” y Uso de Kernels En LIBSVMp. 38
- 3) Obtención de Matriz de Entrenamientop. 39
- 4) Obtención de Matriz de Pruebap. 40
- 5) Preparación de los Datosp. 41
- VI. RESULTADOSp. 42
- A. Entrenamiento del Modelo y Pruebas de Optimizaciónp. 42
- 1) Buscando la Mejor Distribución de Datosp. 42
- 2) Distribución 50 – 50p. 42
- 3) Distribución 70 – 30p. 43
- 4) Pruebas con Diferentes Kernels y Variación del Parámetro “C”p. 44
- 5) Variación de Kernels y “C” para Distribución 50 -50p. 44
- 6) Variación de Kernels y “C” para Distribución 70 -30p. 44
- 7) Determinación de Kernel, Parámetro “C” y Distribuciónp. 45
- 8) Inclusión de Desviación Estándarp. 45
- B. Distribución de Promedios entre Vectores MFCCp. 46
- VIII. ANÁLISIS DE RESULTADOSp. 49
- IX. CONCLUSIONESp. 52
- REFERENCIASp. 53
- ANEXOSp. 56
- Tabla I. Matriz de confusiónp. 27
- Tabla II. Organización de grabaciones dentro del conjunto de datos para la relación 50-50p. 31
- Tabla III. Organización de grabaciones dentro del conjunto de datos para la relación 70-30p. 31
- Tabla IV. Descripción del tamaño del vector MFCC que ingresará a la SVMp. 38
- Tabla V. Organización de matricesp. 41
- Tabla VI. Resultados obtenidos para la distribución 50-50p. 43
- Tabla VII. Resultados obtenidos para la distribución 70-30p. 43
- Tabla VIII. Resultados obtenidos en variación de Kernels y C para distribución 50–50p. 44
- Tabla IX. Resultados obtenidos en variación de Kernels y C para distribución 70–30p. 45
- MFCCp. 46
- Tabla XI. Comparación entre distribucionesp. 49
- Tabla XII. Resultados para kernel radial, c = 1 y distribución 70-30p. 50
- Fig. 1. Relación entre frecuencias en Hertz y frecuencias en escala de Melp. 15
- Fig. 2. Representación de banco de filtros de Mel, con 20 filtros entre 0Hz y 8kHzp. 17
- Fig. 3. Diagramas de magnitud y fase del Filtro PEp. 18
- Fig. 4. Aplicación de la Ventana de Hammingp. 19
- Fig. 5. Vectores de Soporte y Margen Máximop. 21
- Fig. 6. Escogencia del hiperplano que maximiza el margenp. 23
- Fig. 7. Utilización del parámetro C para discriminar datosp. 24
- Fig. 8. Separación de datos utilizando un nuevo espacio característico o Kernelp. 25
- Fig. 9. Metodologíap. 28
- Fig. 10. Esquema para la obtención de los MFCCp. 32
- Fig. 11. Audio “DCa02.wav” normalizado y filtrado a través de un filtro preénfasisp. 33
- Fig. 12. Graficación de banco de filtros de Mel creados en Matlabp. 36
- Fig. 13. Representación de vectores MFCC obtenidos para la muestra “DCa02.wav”p. 37
- Fig. 14. Distribución de promedios del vector MFCC en los verdaderos ansiososp. 47
- Fig. 15. Distribución de promedios del vector MFCC en los falsos ansiososp. 47
- Fig. 16. Distribución de promedios del vector MFCC en los verdaderos tranquilosp. 48
- Fig. 17. Distribución de promedios del vector MFCC en los falsos tranquilosp. 48