2. OBJETIVOS
Este proyecto tiene como objetivo
reconocer las personas, que hayan
guardado el patrón de su voz
guardar en una base de datos, para
finalmente identificarlos,
3. PROBLEMATICA
Anteriormente hemos guardado
filtrado y usado FFT, pero ahora
usaremos transformada de wavelets,
y además, se comparaba palabras y
se decía que palabras se había
pronunciado, ahora nos importa que
persona lo ha pronunciado.
4. Aplicación
Podría usarse en sistemas de seguridad en bancos y en otras
aplicación Biométricas:
Pasaportes o DNI
Autentificacion de voz para zonas de extrema seguridad
5. Transformada de Waveletes
Como los componentes de frecuencia no
cambian en el tiempo, se necesita Trans.
waveletes, que representa en tiempo
frecuencia empleando técnicas de
filtrado digital
6. Este análisis es útil para señales que
tienen componentes de alta frecuencia
de corta duración y componentes de
baja frecuencia de duración prolongada.
7. Waveletes Daubechies
Estos wavelets están definidos y tiene constantes
como. Separa la señal en 2 subseñales a[n] y
d[n], frecuencias altas y bajas respectivamente.
Las frecuencias altas a[n] almacenan mayores
características de la señal.
8.
9. LPC (linear Predictive Coding)
Técnica para representar la voz, extrae información lingüística, usa
una predicción lineal, que es una combinación lineal basada en
varias muestras anteriores.
10. Distancia de Euclides
Una característica fundamental de los
sistemas de reconocimiento (de palabra
o de locutor) con el enfoque de
comparación de patrones es la forma en
que los vectores característicos son
combinados y comparados con los
patrones de referencia.