FI:PV158 Speech signal processing - Course Information

PV158 Speech signal processing

Extent and Intensity

2/1. 2 credit(s) (plus extra credits for completion). Recommended Type of Completion: zk (examination). Other types of completion: k (colloquium), z (credit).

Teacher(s)

prof. Dr. Ing. Jan Černocký (lecturer), doc. RNDr. Ivan Kopeček, CSc. (deputy)

Guaranteed by

prof. PhDr. Karel Pala, CSc.
Department of Machine Learning and Data Processing – Faculty of Informatics
Contact Person: doc. RNDr. Ivan Kopeček, CSc.

Timetable

Thu 8:00–9:50 B411, Thu 10:00–10:50 B117

Course Enrolment Limitations

The course is also offered to the students of the fields other than those the course is directly associated with.

fields of study / plans the course is directly associated with

there are 6 fields of study the course is directly associated with, display

Course objectives

Applications of speech processing, digital processing of speech signals, production and perception of speech, introduction to phonetics, pre-processing and basic parameters of speech, linear-predictive model, cepstrum, fundamental frequency estimation, coding - time domain and vocoders, recognition - DTW and HMM

Syllabus

• Informational contents of written and spoken form of speech.
• Techniques of signal processing applied to speech: Fourier transform, z-transform, linear filtering.
• Time domain and frequency domain behavoir of linear systems.
• Signal processing model of speech production.
• Excitation and filter.
• Determination of parameters using linear prediction.
• LPC coefficients and derived parameters (PARCOR, LAR,...).
• Speech analysis using short-time Fourier transform (STFT): filter-bank interpretation, computation using fast Fourier transform (FFT).
• Cepstral analysis.
• Parameterization with perceptually warped frequency axis.
• Fundamental frequency determination.
• Features for speech processing, criteria of choice.
• Measures of similarity between speech segments.
• Speech coding: waveform and parametric vocoders.
• Excitation modeling (CELP).
• Phonetic vocoders.
• Speech recognition: Hidden Markov Models (HMM).
• HMM training and HMM decoding.
• Extension of HMMs to continuous speech recognition.
• Statistical language models.
• The studied methods are experimentally exercised in computer laboratories (Matlab).

Literature

• PSUTKA, Josef. Komunikace s počítačem mluvenou řečí. Praha: Academia, 1995, 287 s. ISBN 8020002030. info
• RABINER, Lawrence R. and Biing-Hwang JUANG. Fundamentals of speech recognition. Englewood Cliffs: Prentice Hall PTR, 1993, xxxv, 507. ISBN 0-13-015157-2. info

Assessment methods (in Czech)

Výuka: týdně 2h přednáška, 1x 14 dní 2h počítačových cvičení Matlab.
Podmínky pro ukončení kursu: zápočet - úspěšně absolvovaný test v posledním počítačovém cvičení, kolokvium - úspěšně absolvovaný test v posledním počítačovém cvičení A odevzdaný a presentovaný domácí projekt, zkouška - úspěšně absolvovaný test v posledním počítačovém cvičení A odevzdaný a presentovaný domácí projekt A písemná zkouška.
test v počítačovém cvičení - několik jednoduchých příkladů v Matlabu, k disposici libovolné poznámky, literatura, všechny vytvořené funkce. Max. 20 bodů ke zkoušce.
domácí projekt - na výběr z témat na http://www.fit.vutbr.cz/~cernocky/speech/projekty.html registrace během celého semestru, krátká písemná zpráva (4 strany A4), může být i ručně psaná, ústní presentace (10 min.) na poslední přednášce. Max. 20 bodů ke zkoušce.
písemná zkouška - k disposici veškerá literatura a výpočtní technika, . 2 hodiny, 5 teoretických otázek, 5 početních příkladů, po 6 bodech. Max. 60 bodů.
Hodnocení v případě ukončení zkouškou: celkem 100 bodů: 0-39 bodů: 4, 40-59 bodů: 3, 60-79 bodů: 2, 80-100 bodů: 1

Language of instruction

Czech

Further Comments

The course is taught annually.

Teacher's information

http://www.fit.vutbr.cz/~cernocky/speech

• Enrolment Statistics (Autumn 2003, recent)
  
• Permalink: https://is.muni.cz/course/fi/autumn2003/PV158