PRODUÇÃO ACADÊMICA Repositório Acadêmico da Graduação (RAG) TCC Ciência da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/3541
Registro completo de metadados
Campo DCValorIdioma
dc.creatorDeus, Maria-
dc.date.accessioned2021-12-19T02:53:22Z-
dc.date.available2021-12-19T02:53:22Z-
dc.date.issued2021-12-16-
dc.identifier.urihttps://repositorio.pucgoias.edu.br/jspui/handle/123456789/3541-
dc.languageporpt_BR
dc.publisherPontifícia Universidade Católica de Goiáspt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectProcessamento de sinaispt_BR
dc.subjectIdentificação de emissorpt_BR
dc.subjectRedes neuraispt_BR
dc.subjectMPLpt_BR
dc.subjectMáquinas de comitêpt_BR
dc.titleAnálise de áudio de voz para identificação do emissor utilizando técnicas de processamento de sinais e redes neurais artificiaispt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Oliveira, Max Gontijo de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5278283058461632pt_BR
dc.contributor.referee1Ribeiro, Lucília Gomes-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1661112253971159pt_BR
dc.contributor.referee2Abadia, Fernando Gonçalves-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3382052342707576pt_BR
dc.description.resumoEste projeto visa realizar a identificação do emissor de uma amostra de voz, caso existam amostras cadastrados em uma base de dados. Essas amostras serão usadas para treinamento da rede neural multilayer perceptron (MLP) que realizará a identificação do emissor do sinal de voz. Para isso é necessário utilizar métodos de manipulação de sinais e extração de características da voz, sendo utilizados neste trabalho o método de extração de características Mel-Frequency Cepstral Coefficents (MFCC). Em posse das características é possível identificar os padrões do sinal de voz do emissor, utilizando neste trabalho o pacote Python scikit-learn com ferramentas de machine learning. Os resultados obtidos nos experimentos mostram que o algoritmo é eficiente para a identificação, quando as variáveis de configuração estão devidamente calibradas. Porém apresenta limitações quando é considerado a possibilidade de manipular os sinais de voz ou até mesmo quando consideramos a possibilidade de uma inteligência artificial imita o sinal de voz original.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsPUC Goiáspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::LOGICAS E SEMANTICA DE PROGRAMASpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/7238718811825308pt_BR
dc.degree.graduationCiências da Computaçãopt_BR
dc.degree.levelGraduaçãopt_BR
Aparece nas coleções:TCC Ciência da Computação

Arquivos associados a este item:
Arquivo TamanhoFormato 
TCC-Maria_Regina-2021.pdf2 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador