Notice bibliographique
Résumé
The research documented in this thesis presents a pitch synchronous speech analysis and synthesis system using an ARMA (auto regressive moving average) lattice filter. The LP (linear predictive) model is, by far, the most widely used speech production model in speech processing. A well-known drawback with the LP model is that it ignores the effect of the nasal cavity. The mismatch between the model and the vocal tract becomes severe for nasal sound production and leads to poor synthesized speech. The nasal tract effect can be included in the speech production model by representing the vocal tract with an ARMA filter. Thus, better synthesis speech is expected, at least for nasal phonemes. In this thesis, the ARMA lattice filter is used to model the vocal tract. Based on analysis and experiments, it is concluded that the estimation of excitation source for voiced speech is essential in obtaining the ARMA lattice filter coefficients and important in generating high quality synthesis speech. By comparison, LF model is chosen for this purpose. In the proposed analysis system, the analysis parameters include: ARMA filter coefficients, LF model parameters, voice type, pitch and gain, which are analyzed pitch synchronously. Correspondingly, the pitch synchronous speech synthesis system is developed. At the end, the proposed system is simulated for both nasal and non-nasal phonemes and the results are compared with those from the LP model.Dept. of Electrical and Computer Engineering. Paper copy at Leddy Library: Theses & Major Papers - Basement, West Bldg. / Call Number: Thesis2003 .W36. Source: Masters Abstracts International, Volume: 42-02, page: 0652. Adviser: H. K. Kwan. Thesis (M.A.Sc.)--University of Windsor (Canada), 2003.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».