GERİ DÖN

Ders Öğretim Planı


Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS
9103025642014 Ses İyileştirme Seçmeli Ders Grubu 1 2 8,00

Yüksek Lisans


Türkçe


Öğrencilerin; ses sinyalini iyileştirme algoritmalarını ve bu algoritmaları değerlendirmede kullanılan metotları ve ölçütleri kavraması amaçlanmaktadır.


Assis. Prof. Erkan Zeki Engin


1 Ses iyileştirme algoritmalarını anlamak için gerekli olan ses-sinyal temellerini anlaması,
2 Ses iyileştirme problemlerine çözüm bulabilme,
3 Uygulama alanında gerekli olan algoritmaların yazılım/donanım ortamında gerçekleştirebilme,
4 Elde edilen sonuçların, derlenmesi ve sunusunu gerçekleştirebilmektir.


Yok


Yok


• Giriş • İnsan dinleyicilerin gürültüyü dengelemesi • Ses iyileştirme algoritmalarının performans değerlendirmesi • Ses iyileştirme algoritmalarının karşılaştırması • Spektral-çıkartma algoritmaları • Statistiksel-model tabanlı metotlar • Gürültü tespit algoritmaları


Hafta Konular (Teorik) Öğretim Yöntem ve Teknikleri Ön Hazırlık
1 GİRİŞ: Gürültü, ses iyileştirme algoritmaları sınıfları
2 İNSAN DİNLEYİCİLERİN GÜRÜLTÜYÜ DENGELEMESİ: Çoklu-konuşmacı koşullarında konuşma anlaşılabilirliği, sesin özelliklerinin sağlamlığa katkısı, gürültülü ortamdaki dinlemelerde algılama stratejileri
3 SES İYİLEŞTİRME ALGORİTMALARININ PERFORMANS DEĞERLENDİRMESİ: Kalite-anlaşılabilirlik, işlenmiş sesin anlaşılabilirliğinin değerlendirilmesi, işlenmiş sesin kalitesinin değelendirilmesi
4 SES İYİLEŞTİRME ALGORİTMALARININ PERFORMANS DEĞERLENDİRMESİ: Kalite kararının güvenirlilik değerlendirmesi, objektif kalite ölçütleri
5 SES İYİLEŞTİRME ALGORİTMALARIN KARŞILAŞTIRMASI:
6 SPEKTRAL ÇIKARTMA ALGORİTMALARI: Spektral çıkartmanın temel prensipleri, spektral çıkartmanın geometrik görünüşü, “oversubstraction” kullanarak spektral çıkartma
7 SPEKTRAL ÇIKARTMA ALGORİTMALARI: Lineer olmayan spektral çıkartma, çoklu-band spektral çıkartma, MMSE spektral çıkartma algoritması, uzatılmış spektral çıkartma, uyarlanabilir kazanç ortalaması kullanarak spektral çıkartma, seçmeli spektral çıkartma, algısal özellikler tabanlı spektral çıkartma
8 STATİSTİKSEL MODEL TABANLI METOTLAR: MMSE tahminleyicisi
9 Ara sınav
10 STATİSTİKSEL MODEL TABANLI METOTLAR: log-MMSE tahminleyicisi, MAP tahminleyicisi
11 STATİSTİKSEL MODEL TABANLI METOTLAR: Algısal motivasyonlu bayesian-tahminleyicisi, ses iyileştirmede ses yokluk olasılığının dahil edilmesi
12 GÜRÜLTÜ TESPİT ALGORİTMALARI: En kısa izleme algoritmaları
13 GÜRÜLTÜ TESPİT ALGORİTMALARI: Zaman-özyineli ortalama algoritmaları
14 GÜRÜLTÜ TESPİT ALGORİTMALARI: Histogram tabanlıteknikler
15
16 Final sınavı

DERS KİTABI: P.C. Loizou, Speech Enhancement: Theory and Practice, CRC Press, NW, 2007 YARDMCI KİTAPLAR: J. Benesty, M.M. Sondhi, Y. Huang (Eds.), Handbook of Speech Processing, Springer, 2008


Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.


Yarıyıl (Yıl) İçi Etkinlikleri Adet Değer
Ara Sınav 1 100
Toplam 100
Yarıyıl (Yıl) Sonu Etkinlikleri Adet Değer
Final Sınavı 1 100
Toplam 100
Yarıyıl (Yıl) İçi Etkinlikleri 40
Yarıyıl (Yıl) Sonu Etkinlikleri 60

Yok


Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Final Sınavı 1 3 3
Derse Katılım 14 3 42
Rapor Hazırlama 1 12 12
Proje Hazırlama 1 25 25
Proje Sunma 1 8 8
Makale Yazma 1 8 8
Bireysel Çalışma 14 3 42
Ara Sınav İçin Bireysel Çalışma 1 25 25
Final Sınavı içiin Bireysel Çalışma 1 35 35
Ev Ödevi 5 6 30
Toplam İş Yükü (saat) 230

PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6
ÖÇ 1 3
ÖÇ 2 5 3
ÖÇ 3 5 4
ÖÇ 4 5
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek