Query-by-Example Spoken Term Detection using Frequency Domain Linear Prediction and Non-Segmental Dynamic Time Warping

2014 ◽  
Vol 22 (5) ◽  
pp. 946-955 ◽  
Author(s):  
Gautam Mantena ◽  
Sivanand Achanta ◽  
Kishore Prahallad
Keyword(s):  
Frequency Domain ◽  
Dynamic Time Warping ◽  
Linear Prediction ◽  
Time Warping ◽  
Spoken Term Detection ◽  
Query By Example ◽  
Segmental Dynamic ◽  
Dynamic Time

Research on a feature extraction method for local faults in planetary gearboxes based on improved dynamic time warping

2021 ◽  
Vol 63 (8) ◽  
pp. 465-471
Author(s):  
Shang Zhiwu ◽  
Yu Yan ◽  
Geng Rui ◽  
Gao Maosheng ◽  
Li Wanxiang
Keyword(s):  
Feature Extraction ◽  
Fault Diagnosis ◽  
Frequency Domain ◽  
Extraction Method ◽  
Dynamic Time Warping ◽  
Spectral Feature ◽  
Time Warping ◽  
Feature Extraction Method ◽  
Time Frequency ◽  
Dynamic Time

Aiming at the local fault diagnosis of planetary gearbox gears, a feature extraction method based on improved dynamic time warping (IDTW) is proposed. As a calibration matching algorithm, the dynamic time warping method can detect the differences between a set of time-domain signals. This paper applies the method to fault diagnosis. The method is simpler and more intuitive than feature extraction methods in the frequency domain and the time-frequency domain, avoiding their limitations and disadvantages. Due to the shortcomings of complex calculation, singularity and poor robustness, the paper proposes an improved method. Finally, the method is verified by envelope spectral feature analysis and the local fault diagnosis of gears is realised.

A permutation algorithm based on dynamic time warping in speech frequency-domain blind source separation

2017 ◽  
Vol 92 ◽  
pp. 132-141 ◽  
Author(s):  
Zhao Lv ◽  
Bei-bei Zhang ◽  
Xiao-pei Wu ◽  
Chao Zhang ◽  
Bang-yan Zhou
Keyword(s):  
Frequency Domain ◽  
Blind Source Separation ◽  
Dynamic Time Warping ◽  
Source Separation ◽  
Time Warping ◽  
Dynamic Time

scholarly journals DEPENDENT DAN INDEPENDENT SPEAKER UNTUK KONTROL PERALATAN RUMAH TANGGA MELALUI PENGENALAN WICARA

2020 ◽  
Vol 3 (2) ◽  
pp. 260-265
Author(s):  
Sri Utami
Keyword(s):  
Dynamic Time Warping ◽  
Linear Prediction ◽  
Sampling Frame ◽  
Time Warping ◽  
Speaker Independent ◽  
Dynamic Time

Konsumsi energi dapat dikurangi, salah satunya dengan pengontrolan dan monitoring peralatan rumah tangga setiap waktu. Pengontrolan akan lebih efektif bila bisa  dilakukan setiap saat dan melalui pengenalan wicara. Pengenalan wicara diimplementasikan untuk mengontrol dan memonitoring perlatan rumah tangga jarak jauh. Proses kontrol dilakukan dari PC client ke PC server. Sistem ini menpunyai input berupa dependent dan independent speaker. Independent speaker digunakan untuk mengetahui sistem bisa bekerja untuk speaker yang bukan merupakan speaker standar. Proses yang digunakan dalam penelitian ini adalah pengambilan sinyal, sampling frame, windowing, LPC (Linear Prediction Code). Proses - proses tersebut dinamakan sebagai proses ekstraksi. Setelah itu dilakukan proses Dynamic Time Warping (DTW) untuk memadamkan sinyal masukan dengan sinyal standar. Proses ekstraksi dan Dynamic Time Warping dilakukan pada PC client, hasilnya dikirim ke server untuk mengontrol alat yang diinginkan. Setelah alat terkontrol, perangkat keras akan memberikan feedback ke PCserver kemudian mengirimkannya ke PC client. Di PC client dapat diketahui kondisi peralatan yang dikontrol. Alat yang dikontrol adalah empat buah lampu. Sistem yang dibangun mempunyai prosentase keberhasilan rata - rata l00% dependent speaker (pengucap yang suaranya dipakai sebagai standar) dan prosentase keberhasilan rata - rata 7l,88% untuk independent speaker (pengucap yang suaranya tidak dipakai sebagai standar).

Sign in / Sign up

Export Citation Format

Share Document