Ansatz des maschinellen Lernens zur Erkennung von Stimmhaftigkeit

Bei bestimmten Anwendungen wie Sprachanalyse und -synthese, Rauschunterdrückung und -verbesserung kann es erforderlich sein, einige Schlüsseleigenschaften des Originalsignals wie stimmhafte, stimmlose oder verrauschte Sprachklänge mit Hilfe spezieller digitaler Signalverarbeitungsalgorithmen zu extrahieren. ...die Leistung solcher Systeme, wie z.B. Sprachcodierung, Sprachanalyse, Sprachsynthese, automatische Spracherkennung, Rauschunterdrückung und -verbesserung, Tonhöhenerkennung, Sprecheridentifikation und die Erkennung von Sprachpathologien, hängt von der Fähigkeit des Systems ab, korrekte stimmhafte/stimmlose/stumme Sprachsegmente zu erkennen.

Autorentext

Mohammed Abebe Yimer schloss sein Studium der Informatik und IT an der Universität Arba Minch im Jahr 2006 mit einem B.Sc. und im Jahr 2010 mit einem M.Sc. in Informatik ab. Seit 2015 promoviert er an der Dokuz Eylul Universität, Izmir-Türkei, in Computertechnik.