Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimorado

Detalhes bibliográficos
Autor(a) principal: Pereira, Mateus dos Santos
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/216062
Resumo: Atualmente, as pessoas estão cada vez mais conectadas, seja com seu computador pessoal, seja com seu celular, ou seja com qualquer outro tipo de tecnologia presente no seu dia a dia. A interface humano-computador, apesar de sua evolução, ainda enfrenta desafios e obstáculos em busca de uma experiência mais intuitiva e ubíqua. O estudo e desenvolvimento de aplicações com foco em reconhecimento de emoções em sinais de fala consegue diminuir essa distância entre nós humanos e as máquinas, tornando aquilo algo mais natural. O reconhecimento e classificação de emoções em sinais de voz é possibilitado através da extração de características do sinal de fala e sua respectiva classificação emocional com base nessas características. Neste trabalho é abordado como o aprendizado de máquina possibilita o reconhecimento de emoções na fala, qual é o seu estado atual, e discute trabalhos futuros para o seu aperfeiçoamento. O Operador de Energia de Teager Aprimorado é analisado no contexto de classificação de emoções na fala utilizando uma base de dados com expressões emocionais simuladas e observando qual o seu impacto na extração de características cepstrais por meio dos coeficientes Mel-Cepstrais. O algoritmo de Máquina de Vetores de Suporte foi escolhido para a implementação de um classificador fazendo uso de aprendizado de máquina com base nos dados observados de outros estudos apresentados neste trabalho.
id UNSP_500cfc1864e56b430838fe89fffa6fbc
oai_identifier_str oai:repositorio.unesp.br:11449/216062
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimoradoEmotion identification in speech signals based on the enhanced Teager energy operatorProcessamento de sinaisReconhecimento de emoçõesAcústicaOperador de energia de Teager aprimoradoAprendizado de máquinaSignal processingEmotion recognitionAcousticsEnhanced Teager energy operatorMachine learningAtualmente, as pessoas estão cada vez mais conectadas, seja com seu computador pessoal, seja com seu celular, ou seja com qualquer outro tipo de tecnologia presente no seu dia a dia. A interface humano-computador, apesar de sua evolução, ainda enfrenta desafios e obstáculos em busca de uma experiência mais intuitiva e ubíqua. O estudo e desenvolvimento de aplicações com foco em reconhecimento de emoções em sinais de fala consegue diminuir essa distância entre nós humanos e as máquinas, tornando aquilo algo mais natural. O reconhecimento e classificação de emoções em sinais de voz é possibilitado através da extração de características do sinal de fala e sua respectiva classificação emocional com base nessas características. Neste trabalho é abordado como o aprendizado de máquina possibilita o reconhecimento de emoções na fala, qual é o seu estado atual, e discute trabalhos futuros para o seu aperfeiçoamento. O Operador de Energia de Teager Aprimorado é analisado no contexto de classificação de emoções na fala utilizando uma base de dados com expressões emocionais simuladas e observando qual o seu impacto na extração de características cepstrais por meio dos coeficientes Mel-Cepstrais. O algoritmo de Máquina de Vetores de Suporte foi escolhido para a implementação de um classificador fazendo uso de aprendizado de máquina com base nos dados observados de outros estudos apresentados neste trabalho.Nowadays, people are increasingly connected, either with their personal computer, either with their cell phone, or with any other type of technology present in their daily lives. The human-computer interface, despite its evolution, still faces challenges and obstacles in search of a more intuitive and ubiquitous experience. The study and development of applications focused on recognizing emotions in speech signals manages to reduce this distance between us humans and machines, making it feel more natural. The recognition and classification of emotions in voice signals is made possible by extracting characteristics of the speech signal and their respective emotional classification based on these characteristics. This work discusses how machine learning enables the recognition of emotions in speech, what their current state is, and discusses future work for its improvement. The Enhanced Teager Energy Operator is analyzed in the context of emotion classification on speech by making use of a database with simulated emotional expressions and observing its impact on cepstral feature extraction through Mel-Frequency Cesptral Coefficients. The Support Vector Machine algorithm was chosen for the implementantion of a machine learning classifier based on the data observed from other studies shown in this work.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Guido, Rodrigo Capobianco [UNESP]Universidade Estadual Paulista (Unesp)Pereira, Mateus dos Santos2022-01-25T18:51:11Z2022-01-25T18:51:11Z2022-01-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/216062porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-10-22T06:06:02Zoai:repositorio.unesp.br:11449/216062Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462023-10-22T06:06:02Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimorado
Emotion identification in speech signals based on the enhanced Teager energy operator
title Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimorado
spellingShingle Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimorado
Pereira, Mateus dos Santos
Processamento de sinais
Reconhecimento de emoções
Acústica
Operador de energia de Teager aprimorado
Aprendizado de máquina
Signal processing
Emotion recognition
Acoustics
Enhanced Teager energy operator
Machine learning
title_short Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimorado
title_full Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimorado
title_fullStr Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimorado
title_full_unstemmed Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimorado
title_sort Identificação de emoções em sinais de voz com base no operador de energia de Teager aprimorado
author Pereira, Mateus dos Santos
author_facet Pereira, Mateus dos Santos
author_role author
dc.contributor.none.fl_str_mv Guido, Rodrigo Capobianco [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Pereira, Mateus dos Santos
dc.subject.por.fl_str_mv Processamento de sinais
Reconhecimento de emoções
Acústica
Operador de energia de Teager aprimorado
Aprendizado de máquina
Signal processing
Emotion recognition
Acoustics
Enhanced Teager energy operator
Machine learning
topic Processamento de sinais
Reconhecimento de emoções
Acústica
Operador de energia de Teager aprimorado
Aprendizado de máquina
Signal processing
Emotion recognition
Acoustics
Enhanced Teager energy operator
Machine learning
description Atualmente, as pessoas estão cada vez mais conectadas, seja com seu computador pessoal, seja com seu celular, ou seja com qualquer outro tipo de tecnologia presente no seu dia a dia. A interface humano-computador, apesar de sua evolução, ainda enfrenta desafios e obstáculos em busca de uma experiência mais intuitiva e ubíqua. O estudo e desenvolvimento de aplicações com foco em reconhecimento de emoções em sinais de fala consegue diminuir essa distância entre nós humanos e as máquinas, tornando aquilo algo mais natural. O reconhecimento e classificação de emoções em sinais de voz é possibilitado através da extração de características do sinal de fala e sua respectiva classificação emocional com base nessas características. Neste trabalho é abordado como o aprendizado de máquina possibilita o reconhecimento de emoções na fala, qual é o seu estado atual, e discute trabalhos futuros para o seu aperfeiçoamento. O Operador de Energia de Teager Aprimorado é analisado no contexto de classificação de emoções na fala utilizando uma base de dados com expressões emocionais simuladas e observando qual o seu impacto na extração de características cepstrais por meio dos coeficientes Mel-Cepstrais. O algoritmo de Máquina de Vetores de Suporte foi escolhido para a implementação de um classificador fazendo uso de aprendizado de máquina com base nos dados observados de outros estudos apresentados neste trabalho.
publishDate 2022
dc.date.none.fl_str_mv 2022-01-25T18:51:11Z
2022-01-25T18:51:11Z
2022-01-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/216062
url http://hdl.handle.net/11449/216062
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1803649487013412864

Registros relacionados