{"title":"Studi Perbandingan Metode Wavelet Dalam Speech Recognition Pada Sistem Akses Personel","authors":"Ariyawan Sunardi, Rezky Mahardika","doi":"10.26418/ELKHA.V11I1.29343","DOIUrl":null,"url":null,"abstract":"Penelitian tentang speech recognition terus berkembang terkait identifikasi personel. Pada penelitian ini, kami melakukan studi perbandingan metode wavelet dalam speech recognition. Pada penelitian ini teknologi speech recognition berbasiskan wavelett dan neuro fuzzy. Beberapa parameter yang digunakan dalam penelitian ini adalah sampel suara dengan frekuensi sampling 8000 Hz dan 8 bit per sampel dengan filter wavelet High Pass Filter (HPF). Level dekomposisi menggunakan wavelet daubechies, symlet dan coiflet. Nilai thereshold filter wavelet identifikasi personel 57,72%, False Rejection Rate (FRR) 40% dan running time 1,97 detik. Untuk nilai thereshold identifikasi personel 100%, False Rejection Rate (FRR) 0% dan running time 5,43 detik didapatkan pada level dekomposisi 5 pada wavelet db1. Identifikasi tipe wavelet dari yang terbaik adalah coiflet, symlet dan daubechies karena coif2 level 2 memberikan identifikasi 60,00%, FRR 40,00% dan running time 1,97 detik","PeriodicalId":32754,"journal":{"name":"Elkha Jurnal Teknik Elektro","volume":"18 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2019-04-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Elkha Jurnal Teknik Elektro","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/ELKHA.V11I1.29343","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Penelitian tentang speech recognition terus berkembang terkait identifikasi personel. Pada penelitian ini, kami melakukan studi perbandingan metode wavelet dalam speech recognition. Pada penelitian ini teknologi speech recognition berbasiskan wavelett dan neuro fuzzy. Beberapa parameter yang digunakan dalam penelitian ini adalah sampel suara dengan frekuensi sampling 8000 Hz dan 8 bit per sampel dengan filter wavelet High Pass Filter (HPF). Level dekomposisi menggunakan wavelet daubechies, symlet dan coiflet. Nilai thereshold filter wavelet identifikasi personel 57,72%, False Rejection Rate (FRR) 40% dan running time 1,97 detik. Untuk nilai thereshold identifikasi personel 100%, False Rejection Rate (FRR) 0% dan running time 5,43 detik didapatkan pada level dekomposisi 5 pada wavelet db1. Identifikasi tipe wavelet dari yang terbaik adalah coiflet, symlet dan daubechies karena coif2 level 2 memberikan identifikasi 60,00%, FRR 40,00% dan running time 1,97 detik
京公网安备 11010802042870号
京ICP备2023020795号-1
分享
求助内容：
应助结果提醒方式：
扫码关注我们
