Processing of Speech and Data Signals
A tantárgyleírás hatályossága
| Subject name (Hungarian, English) |
Beszéd- és adatjelek feldolgozása
Processing of Speech and Data Signals
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVITT5105 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 5 | ||||||||||||
| Subject coordinator |
Solymosi János
|
||||||||||||
| Responsible department |
—
|
||||||||||||
| Faculty | |||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
1. A beszédkódolási módszerek áttekintése: hullámforma és forráskódolás, hibrid megoldások. PCM alapú kódolási technikák ( DPCM, DM, stb.). A lineáris predikció alapgondolata, alkalmazási lehetőségei. Analízis - szintézis módszerek, a maradékjel kódolása (RELP, CELP, stb.). Beszédjelek minőségromlásának okai, fajtái. Az objektív minőségi jellemzők áttekintése, spektrális torzítási mértékek.
2. A felismerési feladatok osztályozása. A lényegkiemelés módszerei. Izolált szavas felismerés idővetemítés és osztályozás, illetve vektorkvantálás és rejtett Markov modell alkalmazásával. A beszélő-függetlenség biztosítása. Személyiség-jegyek a beszédben, a beszélő személy felismerése, ill. azonosítása.
3. Adatjelek osztályozása, jellemzői, előállításuk digitális módszerei. A közepes sebességű adatátvitel jellegzetes példái. Időzítéskinyerés és döntés, mint a kiértékelés elemi műveletei. Demodulációs módszerek, a vivővisszaállítás eljárásai. A duplex átvitel megvalósítása, echo törlés.
4. Lineáris torzítás hatása adatjelekre. A szimbólumközti áthallás kiegyenlítése FIR szűrővel. A szűrő automatikus beállítása, az LMS algoritmus. Komplex adatjel kiegyenlítése. Zajos beszéd minőségének javítása Wiener szűréssel, illetve lényegkiemeléssel. Adaptív szűrés a cepstrális együtthatók tartományában.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
General rules
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Not provided.
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Curriculum placement
No curriculum placements recorded for this subject version.