Konuşma/Müzik Ayrıştırması için Kesikli Dalgacık Dönüşümü Tabanlı Öznitelik Çıkarımı

Transkript

1 Çuurova Üniversitesi Mühendisli Mimarlı Faültesi Dergisi, 30(2), ss., Aralı 2015 Çuurova University Journal of the Faculty of Engineering and Architecture, 30(2), pp , December 2015 Konuşma/Müzi Ayrıştırması için Kesili Dalgacı Dönüşümü Tabanlı Özniteli Çıarımı Timur DÜZENLİ *1, Hatice DOĞAN 2, Nalan ÖZKURT 3 1 Douz Eylül Üniversitesi, Mühendisli Faültesi, Eletri-Eletroni Müh. Bölümü, İzmir 2 Douz Eylül Üniversitesi, Mühendisli Faültesi, Eletri-Eletroni Müh. Bölümü, İzmir 3 Yaşar Üniversitesi, Mühendisli Faültesi, Eletri-Eletroni Müh. Bölümü, İzmir Geliş tarihi: Kabul tarihi: Özet Bu çalışmada onuşma ve müzi işaretlerinin birbirinden ayrıştırılabilmesi için esili dalgacı dönüşümü tabanlı bir özniteli seti önerilmiştir. Özniteli setinde dalgacı atsayılarının ortalamaları, varyansları ve altbandlar arası değişim oranları ullanılmıştır. Dalgacı dönüşümünün sinyalleri iyi ifade edebilmesi sayesinde, 0,5 saniyeli pencerelerde dahi yüse doğrululu bir sınıflandırma sağlanabilmiştir. Veri seti olara internet radyolarından aydedilmiş çeşitli bayan-ere onuşmaları ve farlı türlerden müzi işaretleri ullanılmıştır. Daubechies-8 dalgacığının yo etme moment sayısı ve digenliği diate alındığında bu ailenin diğer üyeleri arasında en iyi performansa sahip olduğu gözlenmiştir. Özniteliler çıarıldıtan sonra, ilintili öznitelileri yo etme için temel bileşen analizi ullanılmıştır. Sınıflandırma hem yapay sinir ağları hem de deste vetör maineleri ile yapılmış ve önerilen öznitelilerin, lasi öznitelilerden ço daha iyi performans gösterdiği gözlenmiştir. Anahtar Kelimeler : Konuşma/müzi ayrıştırma, Ayrı dalgacı dönüşümü, Deste vetör maineleri Discrete Wavelet Transform Based Feature Extraction for Speech/Music Discrimination Abstract In this study, a discrete wavelet transform based feature set has been proposed for discrimination of music and speech. The feature set is constructed using the mean and variances of discrete wavelet coefficients and ratio of the change between the wavelet subbands. Due to the good representation ability of the wavelets, a high accuracy classification can be obtained even for a short window of 0,5 seconds. * Yazışmaların yapılacağı yazar: Timur Düzenli, Douz Eylül Üniversitesi, Mühendisli Faültesi, Eletri-Eletroni Müh. Bölümü, İzmir. timur.duzenli@deu.edu.tr Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı

2 Konuşma/Müzi Ayrıştırması için Kesili Dalgacı Dönüşümü Tabanlı Özniteli Çıarımı A database which contains a wide variety of radio recordings from internet radios with different male and female speaers and various genres of musical pieces is constructed. The best performance is obtained with Daubechies-8 wavelet among the other members of the Daubechies family, considering the number of vanishing moments and orthogonality. The principal component analysis has been applied to eliminate the correlated features. The classification has been accomplished using both artificial neural networs and support vector machines and according to the results the proposed feature set outperforms the traditional ones. Keywords: Speech/music discrimination, Discrete wavelet transform, Support vector machines 1. GİRİŞ Konuşma ve müzi işaretlerinin ayrıştırılması (KMA), ses işleme uygulamaları arasında özellile çolu ortam verilerinin artışıyla önem azanmaya başlamış bir alandır. Farlı spetrum ve zaman arateristilerine sahip onuşma ve müzi işaretlerine uygulanaca sııştırma algoritmaları farlı olabileceği gibi, bu ii işaretin bant genişliği ihtiyaçları da farlıdır. Ayrıca KMA algoritmalarına ses ve/veya onuşmacı tanıma uygulamalarında önişlemci olara ihtiyaç duyulmatadır. Bu nedenlerden ötürü bu ii tip verinin sınıflandırılması bir problem olara arşımıza çımatadır [1-4]. Konuşma/müzi ayrıştırmasında aşılması gereen zorlular; uygun uzunluta pencerenin belirlenmesi, sınıflandırmaya en ço atı yapabilece ve hesaplanması olay öznitelilerin seçilmesi ve uygun sınıflandırıcının ullanılmasıdır. Pencere uzunluğu, öznitelilerin sınıflandırma performansını doğrudan etileren fazla uzun pencereler hesaplama süresinin uzamasına sebep olaca, dolayısıyla gerçe zamanlı uygulama yapılmasını zorlaştıracatır. Bununla bağlantılı olara özniteli seçimi onusunda birço çalışma yapılmıştır. Bu çalışmalarda sıfır geçişlerinin sayısı [5]; 4 Hz modülasyon enerjisi, düşü enerji oranı, izgesel merez, izgesel düşüş notası ve izgesel aış gibi öznitelilerden oluşan bir set [6]; entropi ve dinamizm öznitelileri [7], efetif değer tabanlı sıfır geçişlerinin ortalama yoğunluğu ve ortalama freans [8]; harmoni özelliler [9]; izgesel entropi [10]; süzgeç banası çıışlarının ortalaması ve varyansları [11] gibi özniteliler farlı sınıflandırıcılarda ullanılmıştır. Müzi ve onuşma işaretlerinin durağan olmayan freans arateristilerine sahip olması nedeniyle birço çalışmada ayrıştırma amacıyla zamanfreans dönüşümleri de ullanılmıştır [12-15]. Farlı ana dalgacılar ve dalgacı atsayılarının ortalaması, varyansı ya da bu ortamda hesaplanan enerji atsayılarından oluşturulmuş özniteliler ullanılara, 20ms den 3 saniyeye adar farlı zaman penceresi uzunlularıyla sınıflandırmalar yapılmış ve zaman ortamı, freans ortamı ya da Mel freansı epstrumu öznitelileri ile arşılaştırmalar yapılmıştır [15]. Diğer bir çalışmada ise ayrı dalgacı dönüşümleri ve armaşı dalgacı dönüşümlerinden elde edilen özniteliler yapay sinir ağları ullanılara sınıflandırılmış ve literatürde sılıla ullanılan öznitelilerle sınıflandırma performansı arşılaştırılmış [16], önerilen öznitelilerin gerçe zamanlı uygulaması geliştirilmiştir [17]. Bu çalışmalarda Daubechies dalgacıları ile yapılan ayrı dalgacı dönüşümünün en iyi performansı gösterdiği gözlenmiştir. Bu çalışmada, öncei çalışmalardan farlı olara, örneleme penceresi uzunluğunun, seçilen temel dalgacıların ve bu dalgacılardan oluşturulan öznitelilerin sınıflandırma başarımına etisi, yapay sinir ağları (YSA) ve deste vetör maineleri (DVM) gibi farlı sınıflandırıcılar ullanılara daha ayrıntılı şeilde incelenmetedir. Bu amaçla farlı örneleme penceresi uzunluları, farlı ana dalgacılar ve dalgacı atsayılarından elde edilmiş farlı özniteli setleri önce temel bileşen analizi ile incelenmiş, daha sonra bu öznitelilerle yapılan sınıflandırmalar lasi öznitelilerin performansı ile arşılaştırılmıştır. Sınıflandırma için yapay sinir ağlarının yanı sıra 104 Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı 2015

3 Timur DÜZENLİ, Hatice DOĞAN, Nalan ÖZKURT deste vetör maineleri de ullanılmıştır. Veri seti internet radyolarından çeşitli bayan ve ere onuşmacıların sesleri ve farlı türlerden müzi parçalarının aydedilmesi ile oluşturulmuştur. 2. KONUŞMA/MÜZİK AYRIŞTIRMA (KMA) İÇİN KULLANILAN ÖZNİTELİKLER Bu ısımda sırasıyla, KMA sistemlerinde genel olara ullanılan özniteliler ve bu çalışmada önerilen esili dalgacı dönüşümü (KDD) tabanlı özniteli çıarım yöntemleri anlatılmatadır KMA Sistemlerinde Genel Olara Kullanılan Özniteliler Sıfır geçişlerinin sayısı gibi zaman ortamından elde edilen bilgiler ile düşü enerji oranı, izgesel merez, izgesel düşüş notası ve izgesel aış gibi freans ortamından alınan bilgiler KMA sistemlerinde sılıla ullanılmatadır [6]. Bunlara e olara, Mel freansı epstrum atsayılarının da onuşma ve müzi seslerinin sınıflandırılmasında başarılı olduğu görülmetedir [8]. Önerilen yöntemin arşılaştırılması amacıyla, literatürde genel olara ullanılan bu yöntemlerden bir özniteli vetörü oluşturulmuştur. Kullanılan özniteli vetörünü oluşturan parametreler şu şeilde sıralanmatadır: Sıfır Geçişlerinin Sayısı Zaman düzleminde çıartılan bir özniteli olup, bir bölüt içerisinde gerçeleşen sıfır geçişlerinin sayısını ifade etmetedir. İşarettei basın freansın bir göstergesi olduğundan, müzi ve onuşma ayrımında ullanılan önemli öznitelilerden birisidir [6]. Sıfır geçişlerinin sayısı, her bölüt için N 1 SGSi sign x n sign x n 1 2 (1) n2 şelinde hesaplanabilmetedir. Denlemde x[n], işaretin N uzunluğundai i. bölütünün n. elemanını ifade etmetedir. sign ise işaret fonsiyonudur Düşü Enerji Oranı Etin ya da ortalama areö enerjisi, işaretin ortalama enerjisinden düşü olan bölütlerin sayısını vermetedir. Ortalama areö enerjisi her bölüt için şu şeilde tanımlanmatadır: X OKE 1 K K 1 X (2) 2 Denlem (2) de, X,. freans bileşeninin genliğine arşılı gelmetedir. Konuşma sesleri için enerji dağılımı müzi seslerine göre sola eğimli olduğundan, bu özniteliğin değeri onuşma sesleri için daha büyü değerler almatadır İzgesel Merez İzgesel merez, adından da anlaşılacağı üzere, freans izgesinin ütle merezi olara tanımlanmatadır ve İM K 1 K 1 fx X (3) şelinde hesaplanmatadır. Denlemde, f, izgesel dağılımdai. freans değeri ve X ise, bu freansa arşılı gelen izgesel genli değeridir [6] İzgesel Düşüş Notası Bu özniteli, freans izgesinin şelini belirleme amacıyla ullanılan önemli bir öznitelitir. İzgesel düşüş notası R, izgesel gücün %95 ini içeren freans sınırı olara tanımlanmata ve aşağıdai şeilde hesaplanmatadır: RK K 2 2 X 0,95 X 1 1 (4) Konuşma sesleri için enerji dağılımı sola eğimli olduğundan bu özniteliğin değeri onuşma sesleri için daha düşütür [6]. Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı

4 Konuşma/Müzi Ayrıştırması için Kesili Dalgacı Dönüşümü Tabanlı Özniteli Çıarımı İzgesel Aı Komşu bölütler arasındai izgesel değişimleri ifade etmetedir. İşaretin her bölütü arasındai izgesel far, izgesel aı yardımıyla bulunur ve aşağıdai şeilde hesaplanabilir: K 1 h h 1 2 İA X X (5) h h 1 Denlem (5) te, X ve X, sırasıyla, o an üzerinde çalışılan bölütün izgesel dağılımı ile bir öncei bölütün izgesel dağılımını ifade eder. İzgesel aı bulunuren ii bölüttei bütün notalar arasındai far hesaplanır ve bu farların areleri Mel Freansı Kepstrum Katsayıları Mel freansı epstrum atsayıları, ses işaretinin; mel-freansı ölçeğinde ifade edilen ısa-zaman enerji izgesinin logaritması alındıtan sonra, ayrı osinüs dönüşümü uygulanması ile elde edilir [20]. Mel ölçelendirme, freans aralılarının doğrusal olmayan şeilde yapılandığı insan ulağının işitsel özellileri göz önüne alınara oluşturulmuş bir ölçelendirme şelidir. Bu sayede sesler daha iyi ifade edilebilmetedir. Yuarıda anlatılmış olan öznitelilerin ortalama ve varyans değerleri ile bunlara e olara 12 Mel Kepstral atsayısının ullanılması sonucunda oluşturulan özniteli vetörü 21 elemanlıdır. Literatürde bu özniteliler, pencerelenen işaretin durağanlığını oruyabilmesi amacıyla, Hz freans aralığında örnelenen yalaşı 20 ms li bir bölüt uzunluğu ullanılara hesaplanmatadır [8]. Anca bu uzunlu, işaretlerin ayrıştırıcı özellilerini sınırlayaca şeilde ısa olabilmetedir. Bu yüzden, bu çalışmada, özniteliler %12,2 si (512 örneği) örtüşen 4196 örne uzunluğunda bölütler üzerinden hesaplanmıştır. Bu da 95 ms li bir bölüt uzunluğuna arşılı gelmetedir. Karşılaştırma yapılması amacıyla, KMA için özniteli çıartımında her ii bölüt uzunluğu da (20 ms ve 95 ms ) ullanılmıştır. Yapılan deneysel çalışmalar sonucunda, seçilen bölüt uzunluğunun (95 ms ) %2,4 oranında performans iyileşmesi sağladığı görülmüştür Kesili dalgacı dönüşümü (KDD) temelli önerilen özniteliler Çolu çözünürlü analizi, durağan olmayan işaretler için uygun bir zaman- freans gösterimi sağlamatadır. Bu yöntem sayesinde işaretler, dalgacı ve ölçelendirme fonsiyonlarının gerdiği bir uzayda, farlı freans ve çözünürlülerde ayrıştırılıp analiz edilebilmetedirler. Dalgacı dönüşümü aşağıdai şeilde, işaretin bu uzaydai izdüşümünün hesaplanmasıyla gerçeleştirilir: 1 * t r DT s, r xt dt s s (6) Denlem (6) da, () t ana dalgacı olup, s ve r atsayıları ise, sırasıyla ölçe ve aydırma atsayılarıdır [18]. r ve s değerleri değiştirilere ana dalgacı fonsiyonu aydırılabilir ve ölçelendirilebilir. Hesaplama yüünü azaltma için ölçe ve aydırma aralıları tamsayıların atları olara seçildiğinde, esili dalgacı dönüşümü (KDD); x[m], m=0 N-1 olma üzere,,2 N 1 j * 2 j m0 KDD n x m m n (7) şelinde verilmete olup, 2 j ölçeleme atsayısını ifade etmetedir. Burada, n 2 j 1 n j 2 n j j 2 2 (8) olara hesaplanmatadır. Zaman ortamında, alça ve yüse geçiren süzgeçlerden oluşan bir süzgeç banası ullanılara KDD atsayılarının elde edilmesi mümündür [13], [18]. Bu yalaşım Şeil 1 de gösterilmetedir. 106 Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı 2015

5 Timur DÜZENLİ, Hatice DOĞAN, Nalan ÖZKURT edilmetedir. Bu, onuşma-müzi ayrıştırımasında ayırt edici bir özelli olara ullanılabilir. Buna e olara, dalgacı numaraları da filtre atsayılarının sayısını doğrudan etiledilerinden işlem yüü açısından önem taşımatadırlar. Şeil 1. İi ayrıştırma seviyesi için esili dalgacı dönüşümü Şeil 1 e göre, her filtreleme atmanından sonra filtrelerin çıışlarındai işaretlerin örne sayısı yarı yarıya azaltılmatadır. Alça geçiren (L) filtrelerin çıışlarındai atsayılar yalaşım atsayıları ve yüse geçiren (H) filtrelerin çıışındai atsayılar ayrıntı veya dalgacı atsayıları olara isimlendirilmetedir. Yalaşım atsayıları işaretin yerel ortalamalarını veriren, ayrıntı atsayıları ise bu yerel ortalamalar arasındai farı ifade etmetedir. Durağan olmayan bir işareti apsayaca adar uzun, anca gerçe zamanlı bir işlem yapabilme için de yeterince ısa bir süre olduğundan, analiz penceresinin uzunluğu 0,5 sn olara alınmıştır. Milisaniye mertebesindei pencere uzunlularının yüse derecede birbirleriyle ilişili atsayılar ürettiği ve bunun da sınıflandırma sonuçlarını olumsuz olara etilediği gözlenmiştir. Ana dalgacıların seçiminde ii eten ön plana çımatadır: Dalgacı ailesi ve yo etme moment sayısını gösteren dalgacı numarası. Bir dalgacığın fazla sayıda yo etme momentine sahip olması, onun yüse dereceden polinomlar gibi armaşı dalga şeillerini iyi bir şeilde ifade edebilmesi anlamına gelmetedir. Yo etme moment sayısı arttığında, dalgacı esin olmayan daha yumuşa geçişlere sahip olmatadır. Bu tip dalgacılar, müzi sesleri gibi zamanla yavaş olara değişim gösteren işaretlerde yüse değerli atsayılar üretmetedir. Diğer taraftan hızlı geçişlerin ağırlıta olduğu onuşma seslerinde, belendiği üzere, daha düşü değerli atsayılar elde Literatürde, temel dalgacı olara Daubechies ailesinin onuşma ve müzi seslerinin ayrıştırılmasında başarılı olduğu ifade edildiğinden [16-17], bu çalışmada da Daubechies ailesi (db2, db8, db15 ve db20) tercih edilmiş olup, arşılaştırma amacıyla, yo etme moment sayısı düşü olan Haar dalgacığı (db1) ullanılmıştır. Özniteli çıartımı aşamasında, esili dalgacı dönüşümü atsayıları, seçilen ana dalgacı ullanılara her bölüt için hesaplanmıştır. İşaretler, 12 ayrıntı ve 1 yalaşım atsayısı oluşturaca şeilde 12 seviyeye ayrıştırılmıştır. Ayrıştırma sonucu oluşan bu atsayıların ortalama, varyans, medyan gibi istatistisel ölçümleri ullanılara elde edilen özniteli vetörünün uzunluğu 26 dır. Farlı freanslardai enerji dağılımı bilgisini elde etme için omşu altbandların ortalamalarının birbirine oranı ilave özniteli olara bu vetöre elenmiş olup, bu durumda oluşan özniteli vetörünün uzunluğu 38 dir. Elenen bu 12 adet özniteliğin performansta %1,5 lu bir iyileştirme sağladığı gözlemlenmiştir. 3. DENEYSEL SONUÇLAR 3.1. Veri Seti Deneysel çalışmalar için internet radyolarından alınan; lasi müzi, pop ve roc gibi değişi müzi türleri ile farlı bay ve bayan onuşmacılara ait sesleri içeren ayıtlar ullanılmıştır. Bütün ayıtlar Hz örneleme freansı ile örnelenmiş olup; veritabanında, her biri 0,5 saniye uzunluğundai olan toplam 2194 müzi sesi ve 2624 onuşma sesi bulunmatadır. Zaman tabanlı ve FFT tabanlı yöntemler için 0,5 sn li pencereler içinden %12,2 (512 örne) örtüşümlü olma üzere 4196 örne uzunluğunda bölütler ullanılmıştır. KDD öznitelilerinde ise 0,5 saniyeli pencerelerin dalgacı dönüşümü hesaplanmış ve özniteliler elde edilmiştir. Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı

6 Konuşma/Müzi Ayrıştırması için Kesili Dalgacı Dönüşümü Tabanlı Özniteli Çıarımı 3.2. Sınıflandırma Algoritmaları KMA işlemi için yapay sinir ağları ve deste vetör maineleri (DVM) olma üzere ii farlı sınıflandırıcı incelenmiştir. Sınıflandırma aşamasında il olara ölçelendirilmiş gradyan geriye yayılım yordamıyla eğitilen çift atmanlı yapay sinir ağları ullanılmıştır. Eşleni gradient algoritmalar, ço sayıda ağırlı atsayısı içeren ağlarda yüse başarım göstermetedir. Aynı zamanda düşü hafıza geresinimi ve hızlı bir algoritma olmasıyla da ön plana çımatadır. Yapılan deneysel gözlemler ışığında gizli atmandai nöron sayısı 40 olara seçilmiş, hedeflenen ortalama hata 0,001 olara alınmıştır. DVM, istatistisel öğrenme uramında geçen, yapısal ris enüçültme prensibine dayalı bir iili sınıflandırıcıdır. DVM sınıflandırıcısı x j R n giriş verisini bir x fonsiyonu ile daha yüse boyutlu bir H özniteli uzayına eşlemete ve payları ençolayan bir hiperdüzlem bulmaya çalışmatadır. Pay, eniyi hiperdüzlem ile uzaydai her sınıfın bu hiperdüzleme en yaın notası arasındai uzalığı ifade etmetedir. j 1,, L ve y 1, 1 L olma üzere, x, y j j giriş-çıış çiftlerinden oluşan bir eğitim seti için DVM sınıflandırıcısı aşağıdai şeilde tanımlanmatadır: L g(x) sign y b j1 T j j xi x (9) Denlem (9) da b, hiperdüzleme ait yanlılı mitarını göstermete olup, atsayıları ise aşağıda verilen dışbüey aresel programlama probleminin çözülmesi ile elde edilmetedir: L L L 1 max yy x x (10) 2 T j i i j i j j j1 i1 j1 j Bu problem için ısıtlar ise aşağıdai gibi verilmetedir: L y 0 (11) j j j1 0 C (12) j Denlem (12) de C, bir düzenlileştirme parametresi olup, pay ve yanlış-sınıflandırma hatası arasındai dengeyi ontrol etmetedir. T x x terimi ise özniteli uzayında ii i j vetörün çarpımını ifade etmetedir. Özniteli uzayında eniyi hiperdüzlemin oluşturulması için, özniteli uzayının belirti şeli yerine iç çarpım T 2 çeirdeği K exp i j i j 0 ullanılabilmetedir [22]. x x x x, Araştırmacılar tarafından yeni çeirdeler önerilmiş olmasına rağmen temel olara 4 çeirde tipi vardır: doğrusal, polinom, radyal baz fonsiyonu (RBF) ve sigmoid çeirdeği. Bu uygulamada, aşağıda listelenen sebeplerden dolayı K T 2 exp i j i j x x x x, 0 verilen RBF çeirdeği ullanılmıştır: ile (i) RBF çeirdeği, örneleri daha yüse boyutlu bir uzaya doğrusal olmayan şeilde eşlediğinden, doğrusal çeirdeğe göre daha başarılıdır. (ii) RBF çeirdeği, polinom çeirdeğine göre daha az parametreye (C ve σ) ihtiyaç duymatadır. (iii) RBF çeirdeği daha az sayısal zorluğa sahiptir [24]. C ve σ değerlerinin belirlenmesinde ızgara tarama yöntemi ullanılmatadır. Bu yönteme göre C ve σ için belli bir sayısal değer aralığı (C=20, 40,, 800 ve σ=10-5, 10-4, 10-3,, 10 3 ) taranmata, sonrasında ise bu aralıta en yüse doğrulu oranını sağlayan C ve σ değerleri seçilmetedir. 108 Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı 2015

7 Timur DÜZENLİ, Hatice DOĞAN, Nalan ÖZKURT 3.3. Sınıflandırma Sonuçları Başarım değerlendirmesi amacıyla veri seti, sırasıyla, 3212 ve 1606 örne içerece şeilde eğitim ve test gruplarına ayrılmıştır. Eğitim seti 1463 müzi ve 1479 onuşma sesi içermete, test seti ise 731 müzi sesi ve 875 onuşma sesi içermetedir. Eğitim ve test setiyle oluşturulan özniteli vetörleri, ortalamaları 0 ve varyansları 1 olaca şeilde normalize edilmiştir. Birbiri ile ilişili öznitelilerin elenmesi için temel bileşen analizi (TBA) uygulanmıştır. Veri setinde toplam varyasyona %0,05 ten daha az atıda bulunan temel bileşenler elenmiştir. Bu ısımda, sınıflandırma sonuçları doğrulu ölçütüyle sunulacatır. Doğrulu, bir iili sınıflandırıcının bir şartın sağlanıp sağlanmadığını ne oranda doğru olara tespit edebildiğini gösteren bir ölçüt olup, doğru sonuçların (doğru pozitif veya doğru negatif) toplam örne sayısına oranlanmasıyla elde edilir. Zaman ve freans dönüşümü tabanlı özniteliler için 0,5 sn li ses örneleri 4096 örneli %12,2 (512 örne) örtüşümlü bölütlere ayrılmış ve özniteliler elde edilere yapay sinir ağları ve DVM ile sınıflandırma yapılmıştır. Farlı bölüt uzunluları ile yapılan deneyler sonucunda işlem yüü ve sınıflandırma başarısı yönünden 4096 örneli bölütlerin daha başarılı olduğu gözlenmiştir. Literatürde dalgacı dönüşümü ullanılan yöntemler 20 ms den 2,4 saniye ye adar farlılı göstermetedir. Farlı uzunlutai analiz pencerelerinin başarımı, onuşma/müzi ayrıştırma deneylerimizde en yüse başarımı gösteren Db8 ana dalgacığı için de değerlendirilmiştir. Kesili dalgacı dönüşümü; 30, 40 ve 50 ms ve 0,5 sn uzunluğundai pencereler için gerçeleştirilmiştir. Çizelge 1 de gösterildiği gibi, ısa pencerelerdei örneler birbirleriyle ço ilintili olduğu için başarım %80 civarında almatadır. Bu sonuç, çalışmamızda önerilen saniyeler mertebesindei pencereler için çıartılan dalgacı tabanlı öznitelilerin daha ayırt edici özellilere sahip olduğu iddiasını desteler nitelitedir. Db8 dalgacığı ullanılara gerçeleştirilen esili dalgacı dönüşümünün ortalama işlem süresi ullanılan eipmana ve işlenen verinin uzunluğuna göre değişebilmetedir. Bu süre, 0,5 sn pencere uzunluğu için yapılan simülasyonlarda yalaşı olara 50 msn olara hesaplanmıştır. Dolayısıyla, gerçeli zamanlı bir uygulamada 50 msn li gecime ile sınıflandırma yapılabilmetedir. Çizelge 1. Farlı pencere uzunluları ullanıldığı durumda, Db8 dalgacığı ile oluşturulan özniteli vetörlerinin temel bileşen analizi uygulandıtan sonrai sınıflandırma başarımları Pencere Uzunluğu YSA (%) DVM (%) 30 msn 83,30 89,47 40 msn 81,87 87,54 50 msn 81,62 86,11 0,5 sn 97,69 98,38 Zaman ve freans ortamı tabanlı yöntemlerle oluşturulan özniteli vetörü ve bu çalışmada önerilen özniteli vetörünün uzunlularının, temel bileşen analizinden önce ve sonra nasıl değiştiği Çizelge 2 de gösterilmetedir. Çizelge 2. KMA sistemlerinde genel olara ullanılan özniteliler ile Haar, Db2, Db8, Db15 ve Db20 ana dalgacıları ullanılara elde edilen (altbantlar arası oranları da içeren) KDD tabanlı özniteli vetörlerinin temel bileşen analizinden öncei ve sonrai boyutları Genel Özniteliler Temel bileşen analizi uygulanmadan önce Temel bileşen analizi uygulandı tan sonra Haar Db Db Db Db Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı

8 Konuşma/Müzi Ayrıştırması için Kesili Dalgacı Dönüşümü Tabanlı Özniteli Çıarımı Çizelge 3 te ise, omşu alt bantların oranlarına ait ortalama değerlerin hariç tutulduğu özniteli vetörleri için temel bileşen analizi sonuçları gösterilmetedir. Çizelge 2 ve Çizelge 3 arşılaştırıldığında; bu ortalama değerlerin, özniteli vetörüne ayırt edici özelli taşıyan 5 veya 6 ilave parametre elediği görülmetedir. Çizelge 3. KMA sistemlerinde genel olara ullanılan özniteliler ile Haar, Db2, Db8, Db15 ve Db20 ana dalgacıları ullanılara elde edilen (altbantlar arası oranları içermeyen) KDD tabanlı özniteli vetörlerinin temel bileşen analizinden öncei ve sonrai boyutları. Temel bileşen analizi uygulanmadan önce Temel bileşen analizi uygulandıtan sonra Haar Db Db Db Db Özniteli çıarım yöntemlerinin verimliliğini arşılaştırma amacıyla, sınıflandırıcıların başarımı doğrulu ölçütü ullanılara hesaplanmış, Çizelge 4 ve Çizelge 5 de sunulmuştur. Çizelgelere göre, özniteli vetörüne omşu alt bantlara ait oranların ortalamalarının elenmesi ile sınıflandırıcı başarımlarında %1,5 lu bir iyileşme sağlandığı görülmetedir. Çizelge 4. KDD tabanlı 26 özniteli içeren özniteli vetörlerinin sınıflandırma başarımı. YSA (%) DVM (%) Haar 94,58 95,52 Db2 95,95 96,32 Db8 97,69 98,38 Db15 97,88 98,13 Db20 98,32 98,07 En yüse başarım sonuçları çizelgelerde oyu renle vurgulanmıştır. Çizelge 5 tei sonuçlara göre dalgacı tabanlı özniteliler, gelenesel yöntemlere göre daha yüse sınıflandırma başarımı göstermetedir. Daha yüse yo etme moment sayısına sahip dalgacılar daha fazla ayrıştırıcı özellilere sahipen, moment sayısı arttırıldığında buna paralel olara sistemin armaşılığı da artmatadır. Bu durumda onuşma/müzi ayrımında yeterince yumuşa geçişlere sahip Db8 dalgacığı, hesaplama açısından da sisteme ço yü getirmemetedir. Ayrıca, yapılan deneylerde Db8 dalgacı ailesinin olduça başarılı olduğu gözlenmiştir. Çizelge 5. KDD tabanlı 38 özniteli içeren özniteli vetörlerinin sınıflandırma başarımı YSA (%) DVM (%) Genel Özniteliler 94,00 95,95 Çalışmada ullanılan yöntemlerin ortalama hesaplama süreleri de ayrıca ölçülmüştür. 2 GHz hızında Intel Core Duo işlemcili bir bilgisayarda MATLAB R2008b ullanılara ölçülen hesaplama süreleri Çizelge 6 da verilmetedir. Hesaplama süresi, filtre atsayılarının sayısı ile doğru orantılı olara artmata ve bu nedenle en hızlı özniteli çıartımı, en az sayıda süzgeç içerdiğinden Haar dalgacığı ile gerçeleşmetedir. DVM sınıflandırıcısında, Db15 de de başarımın yüse olduğu gözlemlenmetedir. Anca, özniteli çıarım süresi Db8 e göre daha uzundur. 4. SONUÇ Haar 96,51 97,95 Db2 97,69 98,07 Db8 99,19 99,13 Db15 98,63 99,00 Db20 98,69 99,00 Konuşma/müzi ayrıştırımı üzerine uygulamalar birço alanda ullanıldığından, daha verimli özniteli çıartımı üzerine yapılan çalışmalar son 110 Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı 2015

9 Timur DÜZENLİ, Hatice DOĞAN, Nalan ÖZKURT zamanlarda artış göstermiştir. Literatürde birço zaman, freans ve zaman-freans temelli yöntem önerilmiş olmasına rağmen, daha verimli yöntem ve sistemlerin geliştirilmesi için çalışmalar hala devam etmetedir. Bu yöntemlerden biri de, zamanla değişen freans bileşenlerini analiz etmete başarılı olan dalgacıları ullanmatır. Konuşma ve müzi seslerinin hiçbiri durağan olmadığından, esili dalgacı dönüşümü tabanlı teniler daha ayırt edici nitelite özniteliler sağlayabilmetedir. Bu sebeple, yapılan bu çalışmada KDD tabanlı yöntemler incelenmiştir. Çizelge 6. Özniteli çıarım yöntemleri için ortalama hesaplama süreleri Genel Özniteliler Konuşma (sn) Müzi (sn) 0,2768 0,2745 Haar 0,0357 0,0382 Db2 0,0401 0,0400 Db8 0,0485 0,0462 Db15 0,1035 0,1034 Db20 0,1550 0,1547 Analiz yapılan bölüt uzunluğu, hem zaman hem freans temelli yöntemler için önemli bir fatördür. Freans temelli yöntemler için işaret durağan olara abul edildiğinden, uzun bir bölüt aralığı seçme, bu varsayımın geçerliliğini ters yönde etileyecetir. Bunun yanında, ço ısa pencere aralıları seçme de anlamlı özniteli çıartılmasını engelleyebilmetedir. Öncei çalışmalardan farlı olara 0,5 sn li pencereler için 95 ms uzunluğundai bölütlerin onuşma/müzi ayrımında daha yüse başarım gösterdiği gözlenmiştir. KDD tabanlı özniteli vetörünün oluşturulması için; işaret, analiz penceresi boyunca önceden belirlenmiş ana dalgacı ve seçilen seviyeye göre dalgacı atsayılarına ayrıştırılmatadır. Analiz penceresinin uzunluğu il önemli riter olara arşımıza çımatadır. Literatürde, 20 msn den 2,4 sn ye uzanan bir aralıta pencereler ullanılıyor olmasına rağmen, yapılan ço sayıda benzetim çalışmasından sonra 0,5 sn li bir pencere uzunluğunun onuşma/müzi ayrımı için yeterli olduğu sonucuna ulaşılmıştır. İşaret işleme alanına yöneli çalışmalarda, uygulamanın türüne göre ihtiyaçlar farlılı gösterdiğinden hangi dalgacı ailesinin ullanılacağı onusunda orta bir anı yotur. Anca, Daubechies ailesi digenli (orthogonality) özelliğinden ve yo etme moment sayısının seçilebilir olmasından dolayı, ses ve müzi sesi işleme ile ilgili çalışmalarda tercih edilmetedir. Bu yüzden bu çalışmada da yo etme momentleri ve armaşılığı göz önünde bulundurara Daubechies ailesi ullanılmıştır. Daubechies ailesinden Db8 dalgacığı, müzi işaretlerinin analizinde Haar gibi yo etme moment sayısı düşü dalgacılara göre ço daha güçlü bir araç olmatadır. Yoetme moment sayısının ço fazla olması durumunda ise hem hesaplama yüü artmata hem de özniteli uzayı genişleyip daha armaşı hale geldiğinden sınıflandırma performansı düşmetedir. Bu açıdan baıldığında Db8 dalgacığının, performans ve armaşılı arasında bir denge sağladığı söylenebilir. Analiz edilen işaretlerin detaylarını yüse çözünürlüle belirleyebilme için 12 seviyede dalgacı ayrıştırması gerçeleştirilmiştir. Komşu altbant oranlarının ortalamasının sınıflandırma başarımına etisi ayrıca incelenmiştir. Bu özniteli sayesinde omşu altbantlar arasında dalgacı enerjisinin değişimi de gözlenebilmetedir. Konuşma seslerinin enerji yoğunluğu genel olara düşü freans değerlerinde toplandığından bu özniteli, onuşma/müzi ayrımında ayırt edici bir özniteli olara değerlendirilebilir. Sonuç olara, 0,5 sn uzunluğunda analiz penceresi ve Db8 dalgacığı ullanılara elde edilen özniteli vetörü, onuşma ve müzi ayrımında hem hesaplama süresi, hem de sınıflandırma başarımı açısından diğer yöntemlere göre daha üstün performans göstermetedir. Buna e olara, altbantların birbirine oranı, sınıflandırma başarımını arttırmıştır. DVM ve YSA performans açısından birbirine yaın sonuçlar üretmiştir. Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı

10 Konuşma/Müzi Ayrıştırması için Kesili Dalgacı Dönüşümü Tabanlı Özniteli Çıarımı Gelecete yapılaca çalışmalarda müzi seslerinin içine gömülü onuşma sesleri için çolu-sınıf sınıflandırmanın incelenmesi ve daha uzun pencere boyutları için başarımın ölçülmesi planlanmatadır. 5. KAYNAKLAR 1. Mubara, O. M., Ambiairajah, E., Epps, J., Novel Features for Effective Speech and Music Discrimination, IEEE Int. Conf. on Engineering of Intelligent Systems, Islamabad, Paistan. 2. Exposito, J. E. M., Galan, S. G., Reyes N. R., Candeas, P., Audio Coding İmprovement Using Evolutionary Speech/Music Discrimination, IEEE Int. Conf. on Fuzzy Systems (FUZZ-IEEE), Londra, İngiltere. 3. El-Maleh, K., Klein, M., Petrucci, G., Kabal, P., Speech/music Discrimination for Multimedia Applications, IEEE Int. Conf. on Acoustics, Speech, Signal Processing (ICASSP 00), İstanbul, Türiye. 4. Gedi, A., Bozurt, B., Pitch Frequency Histogram Based Music Information Retrieval for Turish Music, Signal Processing, Cilt 10, sayı 4, sayfa Saunders, J., Real Time Discrimination of Broadcast Speech/Music, IEEE Int. Conf. on Acoustics, Speech, and Signal Processing, Atlanta, ABD. 6. Scheier, E., Slaney, M., Construction and Evaluation of a Robust Multifeature Speech/Music Discriminator, IEEE Int. Conf. on Acoustics, Speech, Signal Processing (ICASSP 97), Münih, Almanya. 7. Ajmera, J., McCowan I., Bourlard, H., Speech/Music Segmentation Using Entropy and Dynamism Features in a Hmm Classification Framewor, Speech Communication, Cilt 40, Sayı 3, Panagiotais, C., Tziritas, G., A Speech/Music Discriminator Based on Rms And Zero-Crossings, IEEE Trans. on Multimedia, cilt 7, sayı 1, sayfa Wang, J., Wu, Q., Yan, Q., Real-time Speech/Music Classification with a Hierarchical Oblique Decision Tree, IEEE Int. Conf. on Acoustics, Speech, and Signal Processing (ICASSP 08), Las Vegas, ABD. 10. Pirais, T., Giannaopoulos, T., Theodoridis, S., A Speech/Music Discriminator of Radio Recordings Based on Dynamic Programming And Bayesian Networs, IEEE Trans. on Multimedia, Cilt 10, Sayı 5, sayfa Kos, M., Grasic, M., Kacic, Z., Online Speech/Music Segmentation Based on the Variance Mean of Filter Ban Energy, EURASIP Journal on Advances in Signal Processing, cilt 2009, sayfa Tzanetais, G., Essl, G., Coo, P., Audio Analysis Using the Discrete Wavelet Transform, WSES Int. Conf. Acoustics and Music: Theory and Applications (AMTA 2001), Yunanistan. 13. Didiot, E., Illina, I., Fohr, D., Mella, O., A Wavelet-Based Parameterization for Speech /Music Discrimination, Computer Speech and Language, cilt 24, sayı 2, sayfa Ntalampiras, S., Faotais, N., Speech /Music Discrimination Based on Discrete Wavelet Transform, 5th Hellenic Conf. On Art.Int. (SETN 08), Yunanistan. 15. Khan, M. K. S., Al-Khatib, W. G., Machine-Learning Based Classification of Speech and Music, ACM Jour. on Multimedia Systems, Cilt 12, Sayı 1, Sayfa Düzenli, T., Özurt, N., Comparison of Wavelet Based Feature Extraction Methods for Speech/Music Discrimination, IU-JEEE, cilt 11, sayı 1, sayfa Düzenli, T., Özurt, N., Discrete and Dual TreeWavelet Features for Real-Time Speech/Music Discrimination, ISRN Signal Processing, cilt 2011, Article ID Mallat, S., A wavelet tour of signal processing, Elsevier Academic Press, 3. Basım, Burlington, MA, ABD. 19. Joachims, T., Learning to Classify Text Using Support Vector Machines: Methods, Theory and Algorithms. Kluwer Academic Publishers Norwell, MA, ABD. 20. Zheng, F., Zhang, G., Song, Z., Comparison of Different Implemantations of mfcc, Arch. Rat. Mech. Anal., Cilt 16, Sayı 6, sayfa Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı 2015

11 Timur DÜZENLİ, Hatice DOĞAN, Nalan ÖZKURT 21. Hayin, S., Neural Networs A Comprehensive Foundation (2nd ed.), New Jersey: Prentice Hall. 22. Vapni, V. N., The Nature of Statistical Learning Theory (2nd ed.), New Yor: Springer. 23. Moller, M. F., A Scaled Conjugate Gradient Algorithm for Fast Supervised Learning, Neural Networs, Cilt 6, Sayı 4, Sayfa Hsu, C.-W., Chang, C.-C. ve Lin, C.-J., A Practical Guide to Support Vector Classification, cjlin. 25. Duda, R. O., Hart, P. E., Stor, D. G., Pattern Classification and Scene Analysis (2nd ed.), New Yor: John Wiley & Sons Inc. Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı

12 Konuşma/Müzi Ayrıştırması için Kesili Dalgacı Dönüşümü Tabanlı Özniteli Çıarımı 114 Ç.Ü.Müh.Mim.Fa.Dergisi, 30(2), Aralı 2015