Browsing by Author "Düzenli, Timur"

Now showing 1 - 2 of 2

Citation - Scopus: 2
Discrete and dual tree wavelet features for real-time speech/music discrimination
(Hindawi Limited 410 Park Avenue 15th Floor 287 pmb New York NY 10022, 2011) Timur Düzenli; Nalan Ǒzkurt; Düzenli, Timur; Özkurt, Nalan
The performance of wavelet transform-based features for the speech/music discrimination task has been investigated. In order to extract wavelet domain features discrete and complex orthogonal wavelet transforms have been used. The performance of the proposed feature set has been compared with a feature set constructed from the most common time frequency and cepstral domain features such as number of zero crossings spectral centroid spectral flux and Mel cepstral coefficients. The artificial neural networks have been used as classification tool. The principal component analysis has been applied to eliminate the correlated features before the classification stage. For discrete wavelet transform considering the number of vanishing moments and orthogonality the best performance is obtained with Daubechies8 wavelet among the other members of the Daubechies family. The dual tree wavelet transform has also demonstrated a successful performance both in terms of accuracy and time consumption. Finally a real-time discrimination system has been implemented using the Daubhecies8 wavelet which has the best accuracy. © 2019 Elsevier B.V. All rights reserved.
Konuşma/Müzik Ayrıştırması için Kesikli Dalgacık Dönüşümü Tabanlı Öznitelik Çıkarımı
(2015) NALAN ÖZKURT; HATICE DOGAN; Timur Düzenli; Dogan, Hatıce; Düzenli, Timur; Özkurt, Nalan
Bu çalışmada konuşma ve müzik işaretlerinin birbirinden ayrıştırılabilmesi için kesikli dalgacık dönüşümü tabanlı bir öznitelik seti önerilmiştir. Öznitelik setinde dalgacık katsayılarının ortalamaları varyansları ve altbandlar arası değişim oranları kullanılmıştır. Dalgacık dönüşümünün sinyalleri iyi ifade edebilmesi sayesinde 0 5 saniyelik pencerelerde dahi yüksek doğruluklu bir sınıflandırma sağlanabilmiştir. Veri seti olarak internet radyolarından kaydedilmiş çeşitli bayan-erkek konuşmaları ve farklı türlerden müzik işaretleri kullanılmıştır. Daubechies-8 dalgacığının yok etme moment sayısı ve dikgenliği dikkate alındığında bu ailenin diğer üyeleri arasında en iyi performansa sahip olduğu gözlenmiştir. Öznitelikler çıkarıldıktan sonra ilintili öznitelikleri yok etmek için temel bileşen analizi kullanılmıştır. Sınıflandırma hem yapay sinir ağları hem de destek vektör makineleri ile yapılmış ve önerilen özniteliklerin klasik özniteliklerden çok daha iyi performans gösterdiği gözlenmiştir