Algoritmo de redução de ruído em sinais de fala baseado em filtros estocásticos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorFrencl, Victor Baptista-
Autor(es): dc.contributorRosa, Marcelo de Oliveira-
Autor(es): dc.contributorBrante, Glauber Gomes de Oliveira-
Autor(es): dc.contributorRosa, Marcelo de Olveira-
Autor(es): dc.contributorBorges, Renata Coelho-
Autor(es): dc.contributorFrencl, Victor Baptista-
Autor(es): dc.creatorCuevas, Gabriel Mocelin Guajardo-
Data de aceite: dc.date.accessioned2025-08-29T12:56:51Z-
Data de disponibilização: dc.date.available2025-08-29T12:56:51Z-
Data de envio: dc.date.issued2025-07-22-
Data de envio: dc.date.issued2025-07-22-
Data de envio: dc.date.issued2024-06-12-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/37540-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1104727-
Descrição: dc.descriptionThis undergraduate research project focuses on developing a noise reduction algorithm for speech signals based on stochastic filters, aiming to mitigate the interference of various types of noise that compromise the signal quality. Based in a literature review, algorithms are developed that employ Kalman Filters (KF) whose Autoregressive (AR) models are obtained through linear prediction that together with other digital signal processing techniques are dimensioned to model the complex behavior of speech. Additionally, the improvement of these algorithms is proposed through the implementation of the Interactive Multiple Models (IMM) filter. The results of this study indicate that the developed algorithms are effective in reducing Gaussian and colored noise, and highlight the ability of IMM-based algorithms to improve the accuracy and intelligibility of signals compared to KF-based algorithms.-
Descrição: dc.descriptionO presente trabalho de conclusão de curso aborda o desenvolvimento de um algoritmo de redução de ruído em sinais de fala com base em filtros estocásticos, visando mitigar a interferência de diversos tipos de ruído que comprometem a qualidade do sinal. Com base na revisão da literatura, são desenvolvidos algoritmos que empregam Filtros de Kalman (KF) cujos modelos Autorregressivos (AR) são obtidos através de predição linear, aliados a outras técnicas de processamento de sinais digitais, a fim de modelar o complexo comportamento da fala. Além disso, propõe-se o aprimoramento desses algoritmos por meio da implementação do filtro de Múltiplos Modelos Interativos (IMM). Os resultados deste estudo indicam que os algoritmos desenvolvidos são eficazes na redução de ruídos gaussianos, assim como ruídos coloridos, e destaca a capacidade dos algoritmos baseados em IMM em aprimorar a precisão e inteligibilidade dos sinais em relação aos algoritmos baseados em KF.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia de Controle e Automação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectAlgorítmos-
Palavras-chave: dc.subjectKalman, Filtragem de-
Palavras-chave: dc.subjectProcessamento de sinais-
Palavras-chave: dc.subjectSistemas de processamento da fala-
Palavras-chave: dc.subjectProcesso estocástico-
Palavras-chave: dc.subjectModelos matemáticos-
Palavras-chave: dc.subjectAlgorithms-
Palavras-chave: dc.subjectKalman filtering-
Palavras-chave: dc.subjectSignal processing-
Palavras-chave: dc.subjectSpeech processing systems-
Palavras-chave: dc.subjectStochastic processes-
Palavras-chave: dc.subjectMathematical models-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Título: dc.titleAlgoritmo de redução de ruído em sinais de fala baseado em filtros estocásticos-
Título: dc.titleSpeech enhancement algorithm based on stochastic filters-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.