Γλωσσική Τεχνολογία. 7 η Ενότητα: Αναγνώριση ομιλίας και συστήματα προφορικών διαλόγων. Ίων Ανδρουτσόπουλος.
|
|
- Κύμα Παπακώστας
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Γλωσσική Τεχνολογία 7 η Ενότητα: Αναγνώριση ομιλίας και συστήματα προφορικών διαλόγων Ίων Ανδρουτσόπουλος 1
2 Οι διαφάνειες αυτές βασίζονται εν μέρει στην ύλη του βιβλίου Speech and Language Processing των D. Jurafsky και J.H. Martin, 2 η έκδοση, Pearson Education,
3 Τι θα ακούσετε Αναγνώριση ομιλίας: o Επεξεργασία και παράσταση ηχητικού σήματος. o Μετασχηματισμός Fourier και ιδιότητες MFCC. o Ακουστικά μοντέλα HMMs. o Ενσωμάτωση γλωσσικών μοντέλων. o Μέτρα αξιολόγησης αναγνώρισης ομιλίας. Συστήματα προφορικών διαλόγων: o Είδη και χαρακτηριστικά διαλόγων. o Αρχιτεκτονικές διαλογικών συστημάτων. o Διαχείριση διαλόγων με αυτόματα πεπερασμένων καταστάσεων και πλαίσια. o Αξιολόγηση συστημάτων προφορικών διαλόγων. 3
4 Τι επηρεάζει την αναγνώριση; Μέγεθος λεξιλογίου. o Εύκολο: αναγνώριση αριθμών ή δεκάδων λέξεων. o Δύσκολο: αναγνώριση δεκάδων χιλιάδων λέξεων (π.χ. στην υπαγόρευση κειμένου ή εκπομπές). Μεμονωμένες λέξεις ή συνεχής ομιλία. o Σε συνομιλίες μεταξύ ανθρώπων συνήθως δεν υπάρχουν κενά μεταξύ των λέξεων. o Η αναγνώριση μεμονωμένων λέξεων είναι πιο εύκολη. Για συγκεκριμένο χρήστη ή όχι; o Π.χ. τα συστήματα υπαγόρευσης συχνά βελτιώνονται με δείγματα ομιλίας του συγκεκριμένου χρήστη. o Τα περισσότερα συστήματα πλέον δεν απαιτούν ειδική εκπαίδευση ανά χρήστη. 4
5 Τι επηρεάζει την αναγνώριση; Μητρική γλώσσα ή όχι; Διάλεκτοι. Ηλικία o Συνήθως υποστηρίζονται συγκεκριμένες γλώσσες και διάλεκτοι, κυρίως για ενήλικες. Μικρόφωνα, πλήθος χρηστών, θόρυβος. o Ευκολότερο: ένας χρήστης με ακουστικό κεφαλής σε ήσυχο γραφείο. o Πολύ δυσκολότερο: πολλοί χρήστες σε θορυβώδες περιβάλλον (π.χ. συνεδρίαση) με μακρινά μικρόφωνα. Είδος συνομιλίας. o Η αυτόματη αναγνώριση ομιλίας μεταξύ ανθρώπων (π.χ. πρακτικά συνεδριάσεων) είναι πολύ πιο δύσκολη. o Οι άνθρωποι απλοποιούν την ομιλία τους όταν μιλούν σε μηχανές (ή σε παιδιά ή σε μαθητές ξένων γλωσσών). 5
6 Ψηφιακή παράσταση σήματος Σχήμα από τις διαφάνειες των Jurafsky & Martin (2008), προερχόμενο από τον B. Pellom. Μέτρηση του αναλογικού σήματος (πίεση αέρα) ανά τακτά χρονικά διαστήματα (10Hz = 10 φορές ανά sec). o Απαιτείται συχνότητα δειγματοληψίας τουλάχιστον διπλάσια από τη μέγιστη συχνότητα (συνιστώσα) του σήματος. o Ομιλία: < ~10 KHz, άρα δειγματοληψία 20 KHz. o Τηλεφωνία: < 4 KHz, άρα δειγματοληψία 8 KHz. Οι μετρήσεις αποθηκεύονται ως ακέραιοι. o Συνήθως των 8 bit ( 128 ως 127) ή 16 bit ( ως 32767). 6
7 Παράθυρα Σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). Εξάγουμε επικαλυπτόμενα τμήματα του σήματος. o Πολλαπλασιάζοντας με μια συνάρτηση «παραθύρου». o Σέρνουμε το παράθυρο κατά μήκος του σήματος. Κάθε τμήμα παριστάνεται συχνά από διάνυσμα 39 αριθμών. o 39 MFCC features (βλ. παρακάτω). 7
8 Παράθυρα Προαιρετική μελέτη Σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). Το παράθυρο Hamming δίνει έμφαση στο κέντρο του τμήματος. o Βοηθά επίσης να αποφύγουμε ασυνέχειες στα άκρα των παραθύρων. 8
9 Παράθυρα Προαιρετική μελέτη Τετράγωνο παράθυρο: Παράθυρο Hamming: Τύποι από τις διαφάνειες των Jurafsky & Martin (2008). 9
10 Μετασχηματισμός Fourier Προαιρετική μελέτη Μπορούμε να σκεφτούμε κάθε ήχο (ή σήμα) ως άθροισμα πολλών (γενικά άπειρων) ημιτονοειδών. = + + Σχήματα από τον ιστότοπο
11 Μετασχηματισμός Fourier Προαιρετική μελέτη Σχήματα από τον ιστότοπο 11
12 Μετασχηματισμός Fourier Προαιρετική μελέτη Σχήματα από τον ιστότοπο 12
13 Μετασχηματισμός Fourier Προαιρετική μελέτη Μετατρέπει το αρχικό σήμα f(t) (συνάρτηση του χρόνου t) σε μιγαδική συνάρτηση መf ξ της συχνότητας (ξ). + o መf ξ = f(t) e 2π i t ξ dt (e i θ = cos θ + i sin θ) o Το μέτρο του μιγαδικού f ξ συχνότητα ξ στο αρχικό σήμα. δείχνει πόσο συμμετέχει η φάσμα συχνοτήτων Σχήματα από την ιστοσελίδα 13
14 Διακριτός μετ/μός Fourier (DFT) Προαιρετική μελέτη Για διακριτό σήμα x 0,, x N 1 και N διακριτές συχνότητες ξ: o x ξ = σ N 1 n=0 x[n] e 2π i n ξ N (e i θ = cos θ + i sin θ) o Αν Ν = 2 m (δύναμη του 2), μπορούμε να χρησιμοποιήσουμε τον αλγόριθμο FFT (Fast Fourier Transform). φάσμα συχνοτήτων Σχήματα από την ιστοσελίδα 14
15 Σχήματα από τις διαφάνειες των Jurafsky & Martin (2008). Προέμφαση Προαιρετική μελέτη Ενισχύουμε τις υψηλότερες συχνότητες της ομιλίας. o Χρησιμοποιώντας υψιπερατό φίλτρο. o Βοηθά τη σωστή αναγνώριση ομιλίας. 15
16 Ενέργεια του τμήματος Προαιρετική μελέτη Σχήματα από τις διαφάνειες των Jurafsky & Martin (2008). Από κάθε τμήμα (εφαρμογή παραθύρου) εξάγουμε 39 αριθμούς (τιμές ιδιοτήτων MFCC). Η τιμή μιας από τις ιδιότητες MFCC είναι η ενέργεια του τμήματος. L 1 Energy = x 2 [n] n=0 16
17 Μετ/μός Fourier κάθε τμήματος Προαιρετική μελέτη Κατόπιν εφαρμόζουμε DFT στο τμήμα. Σχήματα από τις διαφάνειες των Jurafsky & Martin (2008). 17
18 Μετ/μός σε φάσμα mel Προαιρετική μελέτη Η ακοή δεν είναι το ίδιο ευαίσθητη στις συχνότητες. o Λιγότερο ευαίσθητη σε συχνότητες 1 KHz. Συστοιχία φίλτρων mel: o Κάθε φίλτρο δρα ως τριγωνικό παράθυρο πάνω στο φάσμα. o Τα φίλτρα ισαπέχουν για 1 KHz, αραιότερα για 1 KHz. o m 1, m 2,, m M : Ο λογάριθμος της ενέργειας μετά την εφαρμογή του αντίστοιχου τριγωνικού φίλτρου. Σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). 18
19 Υπολογισμός ιδιοτήτων MFCC Προαιρετική μελέτη Σκεφτόμαστε κατόπιν το φάσμα (έχει γίνει m 1, m 2,, m M ) σαν σήμα. o Εφαρμόζουμε DFT στο φάσμα (spectrum), για να βρούμε τις μικρές του «συχνότητες», που είναι πιο χρήσιμες στην αναγνώριση φωνής. o Ακριβέστερα, εφαρμόζουμε ανάστροφο DFT (IDFT), γιατί πάμε από το πεδίο συχνοτήτων πίσω στο πεδίο του χρόνου. o Κρατάμε τις 12 αριστερότερες τιμές του νέου «φάσματος» (cepstrum). spectrum cepstrum Σχήματα από τις διαφάνειες των Jurafsky & Martin (2008). 19
20 Μεταβολές (Δ και ΔΔ) Προαιρετική μελέτη Προσθέτουμε μεταβολές (Δ): Σχήματα από τις διαφάνειες των Jurafsky & Martin (2008). o Απλούστερη περίπτωση: πόσο άλλαξε η ενέργεια από το προηγούμενο τμήμα και πόσο άλλαξε κάθε μία από τις άλλες 12 τιμές MFCC. Συνήθως πιο περίπλοκοι υπολογισμοί. Προσθέτουμε μεταβολές μεταβολών (ΔΔ): o Στην απλούστερη περίπτωση: πόσο άλλαξε το Δ της ενέργειας, το Δ κάθε μιας από τις 12 τιμές MFCC κλπ. Συνολικά 39 τιμές ανά τμήμα. o Κάθε τμήμα παριστάνεται από ένα διάνυσμα 39 αριθμών. 20
21 Αναγνώριση λέξεων με HMMs P(s s) P(ih ih) P(k k) P(s s) Τροποποιημένο σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). P(s start) P(ih s) P(k ih) P(s k) P(end s) Θεωρούμε ότι ο ομιλητής παράγει την ακολουθία τμημάτων (διανυσμάτων MFCC) ακολουθώντας ένα μονοπάτι. o Οι καταστάσεις αντιστοιχούν σε «φώνους» (phones). o Π.χ. το «six» προφέρεται [s ih k s]. Σε κάθε βήμα πηγαίνει σε νέα κατάσταση (ή μένει στην ίδια) με τις κόκκινες πιθανότητες. o Μπορεί π.χ. να πει [s s ih ih ih k s s] ή [s s s ih ih ih ih ih k s s s]. 21
22 Αναγνώριση λέξεων με HMMs P(s s) P(ih ih) P(k k) P(s s) Τροποποιημένο σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). P(s start) P(ih s) P(k ih) P(s k) P(end s) P( Ԧv s) P( Ԧv ih) P( Ԧv k) P( Ԧv s) Όποτε πηγαίνει (ή μένει) σε μια κατάσταση, ο ομιλητής παράγει ένα τμήμα (διάνυσμα MFCC) σύμφωνα με κατανομή πιθανοτήτων που εξαρτάται από την κατάσταση. o Τα διανύσματα δεν αντιστοιχούν 1-1 με τις καταστάσεις. o Διαφορετικά διανύσματα μπορεί να παραχθούν από την ίδια κατάσταση σε διαφορετικές επισκέψεις της κατάστασης. o Οι πράσινες πιθανότητες («εκπομπής») δείχνουν πόσο πιθανό είναι να παραχθεί κάθε διάνυσμα στη συγκεκριμένη κατάσταση. 22
23 HMM με υπο-φώνους P(s 0 s 0 ) Τροποποιημένο σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). P(s 1 s 0 ) P(ih 0 s 2 ) P(k o ih 2 ) P( Ԧv s 2 ) P( Ԧv ih 1 ) P( Ԧv ih 2 ) Συνήθως χρησιμοποιούνται τρεις διαφορετικές καταστάσεις (υποφώνοι) ανά φώνο, αντί για μία κατάσταση ανά φώνο. o Γιατί ο ίδιος φώνος συχνά παράγει διαφορετικά διανύσματα MFCC στην αρχή, τη μέση και το τέλος της προφοράς του. Δεν παράγονται διανύσματα MFCC στις start και end. Στην αναγνώριση ομιλίας, κάθε κατάσταση του HMM συνήθως έχει μεταβάσεις μόνο προς μια δεξιότερη κατάσταση ή την ίδια κατάσταση. Σε άλλες εφαρμογές των HMMs δεν ισχύει πάντα αυτό. 23
24 HMM για αριθμούς Βλ. π.χ. h.cs.cmu.edu/cgi -bin/cmudict Ελαφρά τροποποιημένο σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). Πιθανή παύση (σιωπή) μεταξύ λέξεων. P(z 3 z 3 ) P(uw 1 t 3 ) P( Ԧv z 3 ) P( Ԧv ow 1 ) Επιτρέπει ακολουθίες λέξεων. 24
25 Αποκωδικοποίηση (αναζήτηση μονοπατιού) one two P(z 3 z 3 ) P(uw 1 t 3 ) v 1,, v k P( Ԧv z 3 ) P( Ԧv ow 1 ) Ελαφρά τροποποιημένο σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). Ψάχνουμε το πιθανότερο μονοπάτι που μπορεί να παρήγαγε την παρατηρούμενη ακολουθία διανυσμάτων MFCC. o Ουσιαστικά την πιθανότερη ακολουθία καταστάσεων, άρα και λέξεων. o Δεν ξέρουμε άμεσα ποιο μονοπάτι χρησιμοποιήθηκε γιατί δεν υπάρχει 1-1 αντιστοιχία μεταξύ καταστάσεων και παρατηρούμενων διανυσμάτων. o Το μονοπάτι είναι «κρυμμένο» από τον παρατηρητή. 25
26 Αποκωδικοποίηση (αναζήτηση μονοπατιού) Παρατηρούμενη ακολουθία διανυσμάτων MFCC: Ԧv k 1 = Ԧv 1, Ԧv 2,, Ԧv k Μια οποιαδήποτε ακολουθία καταστάσεων ίσου μήκους: s k 1 = s 1, s 2,, s k Θέλουμε την (κρυφή) ακολουθία καταστάσεων που είναι πιθανότερο να οδήγησε στην ακολουθία διανυσμάτων: s 1 Ƹ k = argmax sk 1 P s 1 k Ԧv 1 k = argmax s 1 k o Χρησιμοποιήσαμε τον κανόνα του Bayes. P s 1 k o Ο παρονομαστής είναι ο ίδιος για κάθε s 1 k. P Ԧv 1 k s 1 k P Ԧv 1 k 26
27 Η πιθανότερη ακολουθία καταστάσεων sƹ k 1 = argmax P s k 1 Ԧv k 1 sk 1 argmax s 1 k = argmax s 1 k P s 1 k P Ԧv 1 k s 1 k = P s 1 P s 2 s 1 P s 3 s 1, s 2 P s 4 s 1 3 P s k s 1 k 1 P Ԧv 1 s 1 k P Ԧv 2 Ԧv 1, s 1 k P Ԧv 3 Ԧv 1, Ԧv 2, s 1 k P Ԧv k Ԧv 1 k 1, s 1 k 1 η απλούστευση: P s i s 1,, s i 1 P s i s i 1 HMM 1 ης τάξης: η πιθανότητα μετάβασης στην κατάσταση s i εξαρτάται μόνο από την προηγούμενη κατάσταση s i 1. HMM n-στής τάξης: εξαρτάται από τις n προηγούμενες. 2 η απλούστευση: P Ԧv i Ԧv 1 i 1, s 1 k P Ԧv i s i Θεωρούμε ότι η πιθανότητα εκπομπής ενός διανύσματος Ԧv i εξαρτάται μόνο από την κατάσταση s i στην οποία βρισκόμαστε. 27
28 Ƹ Αποκωδικοποίηση (αναζήτηση μονοπατιού) one two P(z 3 z 3 ) P(uw 1 t 3 ) v 1,, v k P( Ԧv z 3 ) Θεωρώντας t 0 = start. P( Ԧv ow 1 ) s k 1 = argmax P s i s i 1 s 1 k k i=1 Ο υπολογισμός γίνεται με Viterbi. P Ԧv i s i o Βλ. ενότητα επισημείωσης ακολουθιών. Στην πράξη χρησιμοποιούνται βελτιώσεις (π.χ. πριόνισμα, βλ. J&M). Ελαφρά τροποποιημένο σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). Εδώ αγνοούμε στο γινόμενο τις μεταβάσεις από την end στη start. 28
29 Προσθήκη γλωσσικού μοντέλου Τροποποιημένο σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). Πριν αγνοούσαμε τις μεταβάσεις μεταξύ λέξεων. Τώρα λαμβάνουμε υπόψη πόσο πιθανό είναι η κάθε λέξη να ακολουθεί μια άλλη. P(uw 1 t 3 ) P( Ԧv t 3 ) P( Ԧv uw 3 ) Θα υπήρχαν και εδώ καταστάσεις start, end, παύσης. Παραλείπονται για εξοικονόμηση χώρου. P(iy 2 iy 2 ) 29
30 Αποκωδικοποίηση (τώρα και με γλωσσικό μοντέλο) one two P(uw 1 t 3 ) P( Ԧv t 3 ) P( Ԧv uw 3 ) Ελαφρά τροποποιημένο σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). v 1,, v k P(iy 2 iy 2 ) Θεωρώντας t 0 = start. sƹ k 1 = argmax sk 1 k i=1 P s i s i 1 P Ԧv i s i P w j w j 1 m j=1 Οι πιθανότητες των μεταβάσεων από το τέλος κάθε λέξης στην αρχή μιας επόμενης. Ουσιαστικά γλωσσικό μοντέλο 2-γραμμάτων. Υποθέτουμε εδώ ότι όταν πηγαίνουμε από την τελευταία κατάσταση μιας λέξης στην πρώτη κατάσταση μιας άλλης λέξης, δεν εκπέμπεται διάνυσμα. 30
31 Αποκωδικοποίηση (τώρα και με γλωσσικό μοντέλο) Γενικότερα, αν δεν έχουμε γλωσσικό μοντέλο 2-γραμμάτων, αλλά π.χ. 3-γραμάτων. sƹ k 1 = argmax sk 1 k i=1 P s i s i 1 P Ԧv i s i LMScore w 1 m argmax s 1 k Στην πράξη δουλεύουμε με λογαρίθμους (αποφεύγουμε πολλαπλασιασμούς πιθανοτήτων). Επίσης δίνουμε βάρος λ στο γλωσσικό μοντέλο. k log P s i s i 1 + log P Ԧv i s i +λ log LMScore w m 1 + m C i=1 Διόρθωση για να μην προτιμώνται προτάσεις με λίγες μεγάλες λέξεις (ευνοούνται από το γλωσσικό μοντέλο). C > 0, m το πλήθος των λέξεων. 31
32 Εκπαίδευση του HMM Τις πιθανότητες μεταβάσεων P s i s i 1 και εκπομπής P Ԧv i s i τις μαθαίνουμε κατά την εκπαίδευση του HMM. o Απαιτείται σώμα (corpus) μεταγεγραμμένων ομιλιών (εκφωνήματα και αντίστοιχο κείμενο). Σχήμα από τις διαφάνειες των Jurafsky & Martin (2008). o Εκπαίδευση με τον αλγόριθμο Forward-Backward (Baum Welch), αλλά με ειδικές βελτιώσεις για ομιλία. o Οι P Ԧv i s i μοντελοποιούνται ως μίγματα πολυμεταβλητών κανονικών κατανομών (Gaussian Mixture Models, GMM), οπότε μαθαίνουμε τις παραμέτρους τους (μ, σ, βάρος κάθε καμπάνας). o Πιο πρόσφατα χρησιμοποιούνται νευρωνικά δίκτυα (deep neural nets, DNN) για τις P Ԧv i s i ή/και αντί των HMM. o Βλ. μάθημα «Μηχανική Μάθηση» και βιβλιογραφία. 32
33 Μέτρα αξιολόγησης Λόγος λαθών λέξεων (Word Error Rate): o WERR = Insertions+Replacements+Deletions #ReferenceWords Παράδειγμα από τις διαφάνειες των Jurafsky & Martin (2008). REF: portable **** PHONE UPSTAIRS last night so HYP: portable FORM OF STORES last night so I R R WER = (1+2+0)/6 = 50% Έξοδος συστήματος (υπόθεση). Σωστή μεταγραφή (reference). o Υπολογίζεται όπως η απόσταση Levenshtein, αλλά με κόστος 1 και για R. Το WERR μπορεί να βγει και > 1. Λόγος λαθών προτάσεων (Sentence Error Rate): o Προτάσεις με 1 λάθος / πλήθος προτάσεων. 33
34 Συστήματα προφορικών διαλόγων Πολλές εφαρμογές, όπως: o κλείσιμο εισιτηρίων ή παροχή πληροφοριών, o πλοήγηση κατά την οδήγηση, o έλεγχος ή προγραμματισμός οικιακών συσκευών, o έλεγχος γνώσεων, γενικότερα εκπαίδευση μαθητών/φοιτητών. Πολλές από τις έννοιες που θα συναντήσουμε εφαρμόζονται και σε συστήματα γραπτών διαλόγων. o Πρόσφατα (πάλι) μεγάλο ενδιαφέρον για chatbots π.χ. αγορών. Η προφορική γλώσσα διαφέρει πολύ από τη γραπτή. Ααα, καλημέρα. Θαα... Θα ήθελα να κλείσω για... εεεε... Μπορείτε να μου πείτε εε... για Αθήνα... γύρωω στις πέντε... γι αύριο μιλάω, έτσι; εεε... αν έχει θέσεις με Ολυμπιακή. 34
35 Συστήματα προφορικών διαλόγων «Θέλω να πάω στο Ηράκλειο.» (φωνή) αναγνώριση φωνής [θέλω, θα, πάω, στο,???] ανάλυση φυσικής γλώσσας διαχείριση διαλόγου παραγωγή φυσικής γλώσσας σύνθεση φωνής parameter-input(arrive-to, noise) parameter-ask(arrive-to) [πού, θέλετε, να, πάτε, ;] άλλα συστήματα «Πού θέλετε να πάτε;» (φωνή) 35
36 Προφορικοί διάλογοι με το CSLU Toolkit Το CSLU Toolkit διατίθεται ελεύθερα (βλ. 36
37 Διαχείριση διαλόγων με αυτόματα πεπερασμένων καταστάσεων Πολλά συστήματα χρησιμοποιούν διαχειριστές διαλόγου βασισμένους σε αυτόματα πεπερασμένων καταστάσεων. Στην πιο απλή περίπτωση, σε κάθε κατάσταση το σύστημα περιμένει συγκεκριμένες λέξεις. Ανάλογα με τη λέξη που θα ακούσει, πηγαίνει σε νέα κατάσταση. o Στο προηγούμενο παράδειγμα, στην κατάσταση size, ο χρήστης μπορούσε να πει «small», «medium» ή «large». o Σε κάποιες καταστάσεις εκτελούνται και ενέργειες, όπως π.χ. κλείσιμο εισιτηρίου. Για να μπορεί ο χρήστης να πει ολόκληρες προτάσεις, συχνά προστίθεται σε κάθε κατάσταση μια γραμματική αναμενόμενων προτάσεων. o Υποβοηθούν την αναγνώριση φωνής καθορίζοντας τις δυνατές ακολουθίες λέξεων του χρήστη σε κάθε κατάσταση. 37
38 Με διπλό κλικ στην κατάσταση order 38
39 Με διπλό κλικ στην έξοδο της order «Semantic grammar»: τα μη τερματικά αντιστοιχούν σε είδη οντοτήτων, ενεργειών κλπ., όχι σε γραμματικές κατηγορίες (π.χ. NP, VP). αρχικό σύμβολο: pizza : διάζευξη [...]: προαιρετικό $...: μη τερματικό σύμβολο *sil: παύση *any: λέξεις εκτός λεξικού %%: μην περιλάβεις την αριστερή του λέξη στο αποτέλεσμα της αναγνώρισης 39
40 Φωνητικό λεξικό 40
41 Διπλό κλικ στην κατάσταση verify $order(recog): Το αποτέλεσμα της αναγνώρισης φωνής στην κατάσταση order. 41
42 Πρωτοβουλία (initiative) Στα συστήματα με αυτόματα ως μοντέλα διαλόγου, ο διάλογος καθοδηγείται κυρίως από το σύστημα. o Πρωτοβουλία συστήματος (system initiative): το σύστημα έχει τον έλεγχο. Π.χ. το σύστημα προσφέρει συγκεκριμένες επιλογές και ο χρήστης επιλέγει ή το σύστημα ρωτά τις τιμές συγκεκριμένων παραμέτρων και ο χρήστης τις δίνει. Εναλλακτικά, ο διάλογος καθοδηγείται από το χρήστη. o Πρωτοβουλία χρήστη (user initiative): ο χρήστης έχει τον έλεγχο. Π.χ. θέτει ερωτήσεις ή δίνει εντολές και το σύστημα απαντά. Σε διαλόγους μεταξύ ανθρώπων, ο διάλογος συχνά δεν είναι διαρκώς υπό τον έλεγχο του ίδιου συνομιλητή. o Μικτή πρωτοβουλία (mixed initiative): π.χ. το σύστημα ξεκινά με «Πώς μπορώ να σας εξυπηρετήσω;», κατόπιν παίρνει την πρωτοβουλία όταν χρειάζεται («Τι ώρα θέλετε να πετάξετε;»). 42
43 Διαχείριση διαλόγων μέσω πλαισίων Η υποστήριξη μικτής πρωτοβουλίας είναι συχνά ευκολότερη με τη χρήση πλαισίων. o Υποστηρίζονται από τη VoiceXML (βλ. J&M). Πώς μπορώ να σας εξυπηρετήσω; #$#$@#$ να [ requesttype [ destination για [ departtime στις πέντε] #$$@#$ [ date αύριο] $@##$$ [ carrier με Ολυμπιακή] requesttype booking Θέλετε να κλείσετε ή να αλλάξετε εισιτήριο; carrier OA Με ποια εταιρεία θέλετε να πετάξετε; date 23/5/11 Ποια ημερομηνία θέλετε να πετάξετε; departfrom Από πού θέλετε να αναχωρήσετε; destination ATH Ποιος είναι ο προορισμός σας; departtime 17:00 Τι ώρα θέλετε να αναχωρήσετε; 43
44 Διαχείριση διαλόγων μέσω πλαισίων Το σύστημα χρησιμοποιεί μια γραμματική που καλύπτει προτάσεις για οποιαδήποτε πεδία του πλαισίου. o Η γραμματική εξάγει και τις τιμές των πεδίων. o Δυσκολότερη έτσι όμως η αναγνώριση φωνής, γιατί η γραμματική επιτρέπει μεγαλύτερη ποικιλία προτάσεων. Αν λείπει η τιμή ενός πεδίου, το σύστημα παίρνει την πρωτοβουλία και ρωτά για αυτό. o Για κάθε πεδίο, το πλαίσιο παρέχει κατάλληλη ερώτηση. Μπορεί να χρησιμοποιούνται πολλά πλαίσια. o Π.χ. να υπάρχει και πλαίσιο για κλείσιμο αυτοκινήτου. o Ενδέχεται να χρησιμοποιείται γράφος με κόμβους-πλαίσια (π.χ. πρώτα πλαίσιο για κλείσιμο εισιτηρίων, μετά πλαίσιο για κλείσιμο ξενοδοχείου). 44
45 Αντί για γραμματικές Αντί για γραμματικές, ενδέχεται να χρησιμοποιείται ένα γλωσσικό μοντέλο και μέθοδοι αυτόματης επισημείωσης ακολουθιών. o Το γλωσσικό μοντέλο βοηθά την αναγνώριση φωνής να δώσει προτεραιότητα σε πιο πιθανές προτάσεις. o Η αυτόματη επισημείωση (π.χ. με HMM) εντοπίζει φράσεις που αντιστοιχούν σε τιμές πεδίων ενός πλαισίου. o Όπως π.χ. στην αναγνώριση ονομάτων οντοτήτων. o Απαιτείται και κανονικοποίηση των φράσεων-τιμών. [ ignore Καλημέρα θα ήθελα] [ noise #$#$@#$] [ ignore παρακαλώ να] [ requesttype κλείσω] [ [ destination για Αθήνα] [ [ departtime στις πέντε] [ noise #$$@#$] [ date αύριο] [ noise $@##$$] [ carrier με Ολυμπιακή] 45
46 Εντοπισμός τιμών πεδίων tˆ arg max P( t w ) arg max k k k t k 1 k k 1 t1 arg max P( t ) P( w t ) k 1 t k k k P( t ) P( w t ) k k k k Pw ( 1 ) arg max P( t1) P( t2 t1) P( t3 t1, t2) P( tk t1,, tk 1) t P( w t ) P( w w, t ) P( w w, t ) P( w w, t ) k k 2 k k 1 k k 1 1 [ ignore Καλημέρα θα ήθελα] [ noise #$#$@#$] [ ignore παρακαλώ να] [ requesttype κλείσω] [ [ destination για Αθήνα] [ [ departtime στις πέντε] [ noise #$$@#$] [ date αύριο] [ noise $@##$$] [ carrier με Ολυμπιακή] 46
47 Εντοπισμός τιμών πεδίων με (semi-)hmm 1 η απλούστευση: Θεωρούμε (μοντέλο Μ-γραμμάτων) ότι η πιθανότητα εμφάνισης μιας ετικέτας εξαρτάται μόνο από τις προηγούμενες M 1. 2 η απλούστευση: P( t t,, t ) P( t t ) i 1 i 1 i 1 i i M 1 P( w w, t ) P( w w, t ) i 1 i i 1 i 1 1 i i M 1 i Θεωρούμε (semi-hmm) ότι η πιθανότητα εμφάνισης μιας λέξης στην ακολουθία εξαρτάται μόνο από την ετικέτα της και τις προηγούμενες M 1 λέξεις. Αντίθετα από τα HMM, όπου εξαρτάται μόνο από την ετικέτα της. [ ignore Καλημέρα θα ήθελα] [ noise #$#$@#$] [ ignore παρακαλώ να] [ requesttype κλείσω] [ [ destination για Αθήνα] [ [ departtime στις πέντε] [ noise #$$@#$] [ date αύριο] [ noise $@##$$] [ carrier με Ολυμπιακή] 47
48 Παραγωγή αποκρίσεων Είτε με χρήση απλών σχεδιότυπων (templates). o Π.χ. «Ώστε θέλετε μια $order(recog) πίτσα.» Είτε με τεχνικές παραγωγής κειμένων (βλ. σχετική ενότητα). o Η επιλογή περιεχομένου (τι θα πούμε;) συνήθως γίνεται από το διαχειριστή διαλόγων. o Ενδέχεται να προστίθενται και ετικέτες στο παραγόμενο κείμενο, οι οποίες να καθοδηγούν το συνθέτη φωνής. o Ετικέτες: προσωδία ερώτησης ή δήλωσης, ημερομηνίες, χρηματικά ποσά κλπ., μέρη του λόγου (π.χ. «object», αλλά «OBJect»). 48
49 Στρατηγικές επιβεβαίωσης Ρητή επιβεβαίωση (explicit confirmation). o «Είπατε ότι θέλετε να πάτε στην Αθήνα;» o «Ώστε θέλετε να πετάξετε προς την Αθήνα, αύριο, στις 9:00, με την Ολυμπιακή;» o Συνήθως προτιμότερη μόνο σε κρίσιμα σημεία ή όταν η βεβαιότητα αναγνώρισης/κατανόησης φωνής είναι μικρή. Υπονοούμενη επιβεβαίωση (implicit confirmation). o «Τι ώρα θέλετε να φύγετε για την Αθήνα;» o Προτιμότερη σε μη κρίσιμα σημεία, με επαρκή βεβαιότητα. Απόρριψη (rejection), αν η βεβαιότητα είναι χαμηλή. o Π.χ. αρχικά σύντομη απόρριψη («Συγγνώμη, τι είπατε;»), κατόπιν πιο κατευθυνόμενη («Συγγνώμη, πότε είπατε ότι θέλετε να φύγετε;»), με τελικά εντελώς ελεγχόμενη είσοδο (π.χ. «Παρακαλώ πληκτρολογήστε»). 49
50 Αξιολόγηση διαλογικών συστημάτων Αξιολόγηση με ανθρώπους-κριτές, π.χ. ερωτηματολόγια: o Βαθμός ικανοποίησης από την αναγνώριση/κατανόηση και παραγωγή/σύνθεση ομιλίας. o Βαθμός ικανοποίησης από την ταχύτητα απόκρισης και το συνολικό χρόνο διαλόγου. o Βαθμός ικανοποίησης από την καθοδήγηση και το αποτέλεσμα (κατάφερε να κλείσει το εισιτήριο που ήθελε;). o Συνολική ικανοποίηση; Θα το ξαναχρησιμοποιούσε; Δύσκολη η διαρκής αξιολόγηση με ανθρώπους-κριτές. Προσπαθούμε να μάθουμε πώς συσχετίζεται η συνολική ικανοποίηση με παράγοντες που μετράμε εύκολα. Π.χ: s d = w 1 p d + w 2 c d + w 3 q d + ικανοποίηση ποσοστό ολοκλήρωσης κόστος διαλόγου ποιότητα αποτελέσματος 50
51 Μάθηση μέτρου αυτόματης αξιολόγησης s d = w 1 p d + w 2 c d + w 3 q d + Ποσοστό ολοκλήρωσης p d της εργασίας: o Π.χ. ποσοστό των πεδίων που συμπληρώθηκαν ή ποσοστό των υπο-εργασιών που εκτελέστηκαν. Κόστος c d διαλόγου: o Π.χ. διάρκεια του διαλόγου σε χρόνο ή κινήσεις (turns) ή αριθμός διορθώσεων που απαιτήθηκαν. Ποιότητα q d του αποτελέσματος: o Π.χ. ποσοστό πεδίων που συμπληρώθηκαν σωστά ή γενικότερα ποιότητα του έργου που εκτελέστηκε. Μαθαίνουμε τα βάρη w i π.χ. με μεθόδους παλινδρόμησης. o Παραδείγματα εκπαίδευσης: διάλογοι για τους οποίους γνωρίζουμε το βαθμό ικανοποίησης των χρηστών (π.χ. από ερωτηματολόγια) και τα p d, c d, q d, 51
52 Jurafsky & Martin: Βιβλιογραφία Εισαγωγή κεφ. 9, ενότητες , , κεφ. 24 (εκτός των ενοτήτων 24.5, 24.6, 24.7). Εξεταστέα ύλη: ό,τι περιλαμβάνεται στις διαφάνειες. Όσοι ενδιαφέρεστε ιδιαίτερα, διαβάστε και τις υπόλοιπες ενότητες, καθώς και τα κεφάλαια 7, 8, 10, 11. Περισσότερες πληροφορίες για τα συστήματα προφορικών διαλόγων θα βρείτε στα βιβλία: o o o «Spoken Dialogue Systems», των J. Jokinen και M. McTear, Morgan & Claypool Publishers, «Spoken Dialogue Technology Towards the Conversational User Interface», του M.F. McTear, Springer, Υπάρχουν στη βιβλιοθήκη. 52
53 Βιβλιογραφία Περισσότερες πληροφορίες για την αναγνώριση ομιλίας θα βρείτε στο βιβλίο: o o «Spoken Language Processing: A Guide to Theory, Algorithm and System Development» των X. Huang κ.ά., Prentice Hall, Υπάρχει στη βιβλιοθήκη. Για πιο πρόσφατες προσεγγίσεις βασισμένες σε Deep Learning, συμβουλευτείτε το βιβλίο: o «Automatic Speech Recognition: A Deep Learning Approach» των D. Yu και L. Deng, Springer,
Επικοινωνία Ανθρώπου Υπολογιστή. Β2. Αναγνώριση ομιλίας
Επικοινωνία Ανθρώπου Υπολογιστή Β2. Αναγνώριση ομιλίας (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ Οι διαφάνειες αυτές βασίζονται στην ύλη του βιβλίου Speech and Language Processing των
Διαβάστε περισσότεραΕπικοινωνία Ανθρώπου Υπολογιστή
Επικοινωνία Ανθρώπου Υπολογιστή Β4. Συστήματα προφορικών διαλόγων (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ Οι διαφάνειες αυτές βασίζονται εν μέρει στην ύλη του βιβλίου Speech and Language
Διαβάστε περισσότεραΓλωσσική Τεχνολογία. Εισαγωγή. Ίων Ανδρουτσόπουλος.
Γλωσσική Τεχνολογία Εισαγωγή 2015 16 Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/in/ Τι θα ακούσετε Εισαγωγή στη γλωσσική τεχνολογία. Ύλη και οργάνωση του μαθήματος. Προαπαιτούμενες γνώσεις και άλλα προτεινόμενα
Διαβάστε περισσότεραΔιακριτός Μετασχηματισμός Fourier
Διακριτός Μετασχηματισμός Fourier 1 Διακριτός Μετασχηματισμός Fourier Ο μετασχηματισμός Fourier αποτελεί τον ακρογωνιαίο λίθο της επεξεργασίας σήματος αλλά και συχνή αιτία πονοκεφάλου για όσους πρωτοασχολούνται
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 21η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 21η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στα βιβλία: «Artificial Intelligence A Modern Approach» των. Russel
Διαβάστε περισσότεραΟ μετασχηματισμός Fourier
Ο μετασχηματισμός Fourier είναι από τα διαδεδομένα εργαλεία μετατροπής δεδομένων και συναρτήσεων (μιας ή περισσοτέρων διαστάσεων) από αυτό που ονομάζεται περιοχή χρόνου (time domain) στην περιοχή συχνότητας
Διαβάστε περισσότεραΑσκήσεις μελέτης της 19 ης διάλεξης
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 19 ης διάλεξης 19.1. Δείξτε ότι το Perceptron με (α) συνάρτηση ενεργοποίησης
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 18η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 18η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται: στο βιβλίο Machine Learning του T. Mitchell, McGraw- Hill, 1997,
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 22: Γρήγορος Μετασχηματισμός Fourier Ανάλυση σημάτων/συστημάτων με το ΔΜΦ
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 22: Γρήγορος Μετασχηματισμός Fourier Ανάλυση σημάτων/συστημάτων με το ΔΜΦ Γρήγορος Μετασχηματισμός Fourier Το ζεύγος εξισώσεων που ορίζουν το
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 2η διάλεξη (2015-16) Ίων Ανδρουτσόπουλος. http://www.aueb.gr/users/ion/
Τεχνητή Νοημοσύνη 2η διάλεξη (2015-16) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στα βιβλία: Τεχνητή Νοημοσύνη των Βλαχάβα κ.ά., 3η έκδοση, Β. Γκιούρδας
Διαβάστε περισσότεραΗμιτονοειδή σήματα Σ.Χ.
Ημιτονοειδή σήματα Σ.Χ. Αρμονική ταλάντωση και επειδή Ω=2πF Περιοδικό με βασική περίοδο Τ p =1/F Ημιτονοειδή σήματα Σ.Χ. 1 Ημιτονοειδή σήματα Σ.Χ. Σύμφωνα με την ταυτότητα του Euler Το ημιτονοειδές σήμα
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 6η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 6η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στα βιβλία Τεχνητή Νοημοσύνη των Βλαχάβα κ.ά., 3η έκδοση, Β. Γκιούρδας
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 11: Εφαρμογές DFT Ταχύς Μετασχηματισμός Fourier (FFT) Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Διακριτός Μετασχηματισμός Fourier Υπολογισμός Γραμμικής Συνέλιξης
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 17η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 17η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται: στο βιβλίο Artificia Inteigence A Modern Approach των S. Russe και
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 3η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 3η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στα βιβλία Τεχνητή Νοημοσύνη των Βλαχάβα κ.ά., 3η έκδοση, Β. Γκιούρδας
Διαβάστε περισσότεραΣυλλογή & Επεξεργασία Δεδομένων Εργαστήριο 8 Επεξεργασία Σήματος με την Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων
Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 8 Επεξεργασία Σήματος με την Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Σκοπός Βασική δομή ενός προγράμματος στο LabVIEW. Εμπρόσθιο Πλαίσιο (front
Διαβάστε περισσότεραΕπικοινωνία Ανθρώπου Υπολογιστή
Επικοινωνία Ανθρώπου Υπολογιστή Β1. Εισαγωγή στη γλωσσική τεχνολογία, γλωσσικά μοντέλα, διόρθωση και πρόβλεψη κειμένου (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ Οι διαφάνειες αυτές βασίζονται
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 16η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 16η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται σε ύλη του βιβλίου Artificial Intelligence A Modern Approach των
Διαβάστε περισσότεραΣυστήματα αναγνώρισης ομιλίας και χρήση τους. Αναστάσιος Φραντζής
Συστήματα αναγνώρισης ομιλίας και χρήση τους Αναστάσιος Φραντζής ΓΤΠ 61 0/0/202 01/04/2012 Συσκευές αλληλεπίδρασης εισόδου 1. Εισαγωγής κειμένου 3. Αναγνώριση κειμένου, χειρογράφου, φωνής Πληκτρολόγιο
Διαβάστε περισσότεραFFT. Θα επικεντρωθούμε στο ΔΜΦ αλλά όλα ισχύουν και για τον
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 5 και Ανάλυση με (Κεφ. 9.0-9.5, 10.0-10.2) ΟΔΜΦ Ο αντίστροφος ΔΜΦ Θα επικεντρωθούμε στο ΔΜΦ αλλά όλα ισχύουν και για τον αντίστροφο ΔΜΦ
Διαβάστε περισσότερα20-Φεβ-2009 ΗΜΥ Διακριτός Μετασχηματισμός Fourier
ΗΜΥ 429 8. Διακριτός Μετασχηματισμός Fourier 1 Μετασχηματισμός Fourier 4 κατηγορίες: Μετασχηματισμός Fourier: σήματα απεριοδικά και συνεχούς χρόνου Σειρά Fourier: σήματα περιοδικά και συνεχούς χρόνου Μετασχηματισμός
Διαβάστε περισσότεραΣτοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών
Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών Δημήτρης Κουτσογιάννης Τομέας Υδατικών Πόρων και Περιβάλλοντος, Σχολή Πολιτικών Μηχανικών, Εθνικό Μετσόβιο Πολυτεχνείο Αθήνα Επανέκδοση
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 7: Μετατροπή Σήματος από Αναλογική Μορφή σε Ψηφιακή Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετατροπή Αναλογικού Σήματος σε Ψηφιακό Είδη Δειγματοληψίας: Ιδανική
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 20: Διακριτός Μετασχηματισμός Fourier (Discrete Fourier Transform DFT)
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 20: Διακριτός Μετασχηματισμός Fourier (Discrete Fourier Transform DFT) Εισαγωγή Μέχρι στιγμής έχουμε δει το Μετασχηματισμό Fourier Διακριτού
Διαβάστε περισσότεραΤεχνολογία Πολυμέσων. Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής
Τεχνολογία Πολυμέσων Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το
Διαβάστε περισσότεραΣτοιχεία επεξεργασίας σημάτων
Στοιχεία επεξεργασίας σημάτων ΕΜΠ - ΣΧΟΛΗ ΑΤΜ Ακ. Έτος 2004-2005 Β.Βεσκούκης, Δ.Παραδείσης, Δ.Αργιαλάς, Δ.Δεληκαράογλου, Β.Καραθανάση, Β.Μασσίνας Γενικά στοιχεία για το μάθημα Εισάγεται στα πλαίσια της
Διαβάστε περισσότεραΕπεξεργασία Πολυµέσων. Δρ. Μαρία Κοζύρη Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας
Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας Ενότητα 0: Εισαγωγή στο µάθηµα 2 Διαδικαστικά Παράδοση: Παρασκευή 16:00-18:30 Διδάσκων: E-mail:
Διαβάστε περισσότεραΕπικοινωνία Ανθρώπου Υπολογιστή. Β3. Κατανόηση φυσικής γλώσσας
Επικοινωνία Ανθρώπου Υπολογιστή Β3. Κατανόηση φυσικής γλώσσας (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ Οι διαφάνειες αυτής της διάλεξης βασίζονται εν μέρει σε ύλη του βιβλίου «Speech
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 10: Διακριτός Μετασχηματισμός Fourier (DFT) Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετασχηματισμός Fourier Διακριτού Χρόνου Διακριτός Μετασχηματισμός Fourier (DFT)
Διαβάστε περισσότεραKεφάλαιο 5 DFT- FFT ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER DISCRETE FOURIER TRANSFORM 1/ 80. ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ DFT-FFT Σ.
Kεφάλαιο 5 DFT- FFT ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER DISCRETE FOURIER TRASFORM / x X x X x X x 3 x DFT X 3 X x 5 X 5 x 6 X 6 x 7 X 7 / DFT - Ορισμοί αναφέρεται σε μία πεπερασμένου μήκους ακολουθία σημείων
Διαβάστε περισσότεραΣυλλογή & Επεξεργασία Δεδομένων Εργαστήριο 9 Ανάλυση Fourier: Από τη Θεωρία στην Πρακτική Εφαρμογή των Μαθηματικών
Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 9 Ανάλυση Fourier: Από τη Θεωρία στην Πρακτική Εφαρμογή των Μαθηματικών Τύπων. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Σκοπός Βασική δομή ενός προγράμματος
Διαβάστε περισσότεραΔιάλεξη 6. Fourier Ανάλυση Σημάτων. (Επανάληψη Κεφ. 10.0-10.2 Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων. Τι πρέπει να προσέξουμε
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη (Επανάληψη Κεφ. 10.0-10. Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων Τι πρέπει να προσέξουμε Επαρκής ψηφιοποίηση στο χρόνο (Nyquist) Αναδίπλωση (aliasing)
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΤΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟ FOURIER
ΑΝΑΛΥΣΗ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΤΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟ FOURIER Ανάλυση σημάτων και συστημάτων Ο μετασχηματισμός Fourier (DTFT και DFT) είναι σημαντικότατος για την ανάλυση σημάτων και συστημάτων Εντοπίζει
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Ενότητα 1, Μέρος 2ο: ΠΕΡΙ ΣΗΜΑΤΩΝ Aναστασία Βελώνη Τμήμα Η.Υ.Σ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΤηλεπικοινωνίες. Ενότητα 2.1: Ανάλυση Fourier. Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ
Τηλεπικοινωνίες Ενότητα 2.1: Ανάλυση Fourier Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό,
Διαβάστε περισσότεραΈνα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω:
Σημειώσεις Δικτύων Αναλογικά και ψηφιακά σήματα Ένα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω: Χαρακτηριστικά
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Θ.Ε. ΠΛΗ22 ( ) ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ #1 ΑΠΑΝΤΗΣΕΙΣ
Θ.Ε. ΠΛΗ (0-3) ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ # ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑ Στόχος της άσκησης είναι η εξοικείωση με γραφικές παραστάσεις βασικών σημάτων και πράξεις, καθώς και τον υπολογισμό ΜΣ Fourier βασικών σημάτων με τη χρήση
Διαβάστε περισσότερα4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER
4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Σκοπός του κεφαλαίου είναι να παρουσιάσει μερικές εφαρμογές του Μετασχηματισμού Fourier (ΜF). Ειδικότερα στο κεφάλαιο αυτό θα περιγραφούν έμμεσοι τρόποι
Διαβάστε περισσότερα3 ο ΚΕΦΑΛΑΙΟ ΕΡΩΤΗΣΕΙΣ ΑΥΤΟΕΞΕΤΑΣΗΣ. 1) Nα αναφερθούν κάποια είδη πληροφοριών που χρησιμοποιούνται για επικοινωνία.
3 ο ΚΕΦΑΛΑΙΟ ΕΡΩΤΗΣΕΙΣ ΑΥΤΟΕΞΕΤΑΣΗΣ 1) Nα αναφερθούν κάποια είδη πληροφοριών που χρησιμοποιούνται για επικοινωνία. απ. Μπορεί να είναι ακουστικά μηνύματα όπως ομιλία, μουσική. Μπορεί να είναι μια φωτογραφία,
Διαβάστε περισσότεραΕισαγωγή στην Επεξεργασία Σήματος. Νόκας Γιώργος
Εισαγωγή στην Επεξεργασία Σήματος Νόκας Γιώργος Βιβλιογραφία στον εύδοξο 1. Γ. Β. Μουστακίδης, Βασικές Τεχνικές Ψηφιακής Επεξεργασίας Σημάτων και Συστημάτων, εκδόσεις Α. Τζιόλα & Υιοί Ο.Ε., Θεσσαλονίκη,
Διαβάστε περισσότεραΕυρυζωνικά δίκτυα (2) Αγγελική Αλεξίου
Ευρυζωνικά δίκτυα (2) Αγγελική Αλεξίου alexiou@unipi.gr 1 Σήματα και πληροφορία Βασικές έννοιες 2 Αναλογικά και Ψηφιακά Σήματα Στις τηλεπικοινωνίες συνήθως χρησιμοποιούμε περιοδικά αναλογικά σήματα και
Διαβάστε περισσότεραΠατώντας την επιλογή αυτή, ανοίγει ένα παράθυρο που έχει την ίδια μορφή με αυτό που εμφανίζεται όταν δημιουργούμε μία μεταβλητή.
Λίστες Τι είναι οι λίστες; Πολλές φορές στην καθημερινή μας ζωή, χωρίς να το συνειδητοποιούμε, χρησιμοποιούμε λίστες. Τέτοια παραδείγματα είναι η λίστα του super market η οποία είναι ένας κατάλογος αντικειμένων
Διαβάστε περισσότεραΑρχές κωδικοποίησης. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 08-1
Αρχές κωδικοποίησης Απαιτήσεις κωδικοποίησης Είδη κωδικοποίησης Κωδικοποίηση εντροπίας Διαφορική κωδικοποίηση Κωδικοποίηση μετασχηματισμών Στρωματοποιημένη κωδικοποίηση Κβαντοποίηση διανυσμάτων Τεχνολογία
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 4η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται κυρίως στα βιβλία Τεχνητή Νοημοσύνη των Βλαχάβα κ.ά., 3η έκδοση, Β.
Διαβάστε περισσότεραΤεχνολογία Πολυμέσων. Ενότητα # 8: Αρχές κωδικοποίησης Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής
Τεχνολογία Πολυμέσων Ενότητα # 8: Αρχές κωδικοποίησης Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Σχολή Θετικών Επιστημών και Τεχνολογίας Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ Ι Εργαστήριο 1 ο : Εισαγωγή στο Simulink-Σήματα ημιτόνου-awgn
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Σχολή Θετικών Επιστημών και Τεχνολογίας Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Αρχές Τηλ/ων Συστημάτων Εργαστήριο 2 ο : Φάσμα σημάτων - AWGN Βοηθητικές
Διαβάστε περισσότεραΘεώρημα δειγματοληψίας
Δειγματοληψία Θεώρημα δειγματοληψίας Ένα βαθυπερατό σήμα πεπερασμένης ενέργειας που δεν περιέχει συχνότητες μεγαλύτερες των W Hertz μπορεί να περιγραφθεί πλήρως από τις τιμές του σε χρονικές στιγμές ισαπέχουσες
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 12: Δειγματοληψία και ανακατασκευή (IV) Παρεμβολή (Interpolation) Γενικά υπάρχουν πολλοί τρόποι παρεμβολής, π.χ. κυβική παρεμβολή (cubic spline
Διαβάστε περισσότεραΉχος. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 04-1
Ήχος Χαρακτηριστικά του ήχου Ψηφιοποίηση με μετασχηματισμό Ψηφιοποίηση με δειγματοληψία Κβαντοποίηση δειγμάτων Παλμοκωδική διαμόρφωση Συμβολική αναπαράσταση μουσικής Τεχνολογία Πολυμέσων και Πολυμεσικές
Διαβάστε περισσότεραΠολυπλεξία. http://diktya-epal-b.ggia.info Creative Commons License 3.0 Share-Alike
Πολυπλεξία Ανάλυση σημάτων στο πεδίο χρόνου, συχνότητας, πολυπλεξία διαίρεσης συχνότητας, πολυπλεξία διαίρεσης χρόνου (1.6 ενότητα σελ 19-20, 29-30 και στοιχεία από 2.1 ενότητα σελ. 52-58). http://diktya-epal-b.ggia.info
Διαβάστε περισσότεραΕΑΠ/ΠΛΗ-22/ΑΘΗ.3 1 η τηλεδιάσκεψη 03/11/2013. επικαιροποιημένη έκδοση Ν.Δημητρίου
ΕΑΠ/ΠΛΗ-/ΑΘΗ.3 1 η τηλεδιάσκεψη 03/11/013 επικαιροποιημένη έκδοση Ν.Δημητρίου Συμπληρωματικές υποδείξεις Octave Εκκίνηση με την εντολή octave -i --line-editing Μετατροπή γραφήματος σε name.jpg print -djpg
Διαβάστε περισσότεραH ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ. στις τηλεπικοινωνίες
H ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ στις τηλεπικοινωνίες Διάταξη συστήματος ψηφιακής επικοινωνίας Γεννήτρια σήματος RF, (up-coverter Ενισχυτής Προενισχυτής- dow-coverter- Ψηφιοποιητής σήματος RF Μονάδα ψηφ.
Διαβάστε περισσότεραΕισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης
6 Nv 6 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Εισαγωγή στις Τηλεπικοινωνίες Ανάπτυξη σε Σειρές Furier Αθανάσιος
Διαβάστε περισσότεραΕισαγωγή στους Ηλεκτρονικούς Υπολογιστές. 6 ο Μάθημα. Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ. url:
στους Ηλεκτρονικούς Υπολογιστές 6 ο Μάθημα Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ email: leo@mail.ntua.gr url: http://users.ntua.gr/leo Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΧρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων
ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 10 : Κωδικοποίηση καναλιού Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Ομιλίας Απόσταση και βάρος Hamming Τεχνικές και κώδικες ανίχνευσης &
Διαβάστε περισσότερα3-Μαρτ-2009 ΗΜΥ Γρήγορος Μετασχηματισμός Fourier Εφαρμογές
ΗΜΥ 429 9. Γρήγορος Μετασχηματισμός Fourier Εφαρμογές 1 Ζεύγη σημάτων Συνάρτηση δέλτα: ΔΜΦ δ[ n] u[ n] u[ n 0.5] (συχνότητα 0-0.5) Figure από Scientist s and engineer s guide to DSP. 2 Figure από Scientist
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Κ 17 Επικοινωνίες ΙΙ Χειμερινό Εξάμηνο Διάλεξη 5 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst215
Διαβάστε περισσότεραField Service Management ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ
Field Service Management ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ 1 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΑΝΑΛΥΣΗ ΜΕΝΟΥ ΕΦΑΡΜΟΓΗΣ... 4 2. ΕΠΕΞΗΓΗΣΗ ΚΕΝΤΡΙΚΟΥ ΜΕΝΟΥ ΚΑΡΤΕΛΑΣ... 5 3. ΔΗΜΙΟΥΡΓΙΑ ΠΕΛΑΤΗ... 6 4. ΑΝΑΖΗΤΗΣΗ ΠΕΛΑΤΗ... 6 5. ΕΠΕΞΕΡΓΑΣΙΑ/ΔΙΑΓΡΑΦΗ
Διαβάστε περισσότεραHMY 220: Σήματα και Συστήματα Ι
HMY 220: Σήματα και Συστήματα Ι Διδάσκων: Γεώργιος Μήτσης, Λέκτορας, Τμήμα ΗΜΜΥ Γραφείο: 401 Πράσινο Άλσος Ώρες γραφείου: Οποτεδήποτε (κατόπιν επικοινωνίας) Ηλ. Ταχ.: : gmitsis@ucy.ac.cy Ιωάννης Τζιώρτζης
Διαβάστε περισσότεραΉχος και φωνή. Τεχνολογία Πολυµέσων 04-1
Ήχος και φωνή Φύση του ήχου Ψηφιοποίηση µε µετασχηµατισµό Ψηφιοποίηση µε δειγµατοληψία Παλµοκωδική διαµόρφωση Αναπαράσταση µουσικής Ανάλυση και σύνθεση φωνής Μετάδοση φωνής Τεχνολογία Πολυµέσων 4-1 Φύση
Διαβάστε περισσότερα27-Ιαν-2009 ΗΜΥ (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό
ΗΜΥ 429 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 1 (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 2 Βασικά μέρη συστήματος ΨΕΣ Φίλτρο αντι-αναδίπλωσης
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 7η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 7η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στο βιβλίο Artificial Intelligence A Modern Approach των S. Russel
Διαβάστε περισσότεραΑ. Αιτιολογήστε αν είναι γραμμικά ή όχι και χρονικά αμετάβλητα ή όχι.
ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΕΞ. ΠΕΡΙΟΔΟΣ Β ΧΕΙΜ. 00 - ΩΡΕΣ ΘΕΜΑ Για τα παρακάτω συστήματα εισόδου εξόδου α. y ( 3x( x( n ) β. y ( x( n ) / γ. y ( x( x( n ) δ. y( x( n ) Α. Αιτιολογήστε αν είναι γραμμικά
Διαβάστε περισσότερα1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13
ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13 1.1. Τι είναι το Matlab... 13 1.2. Περιβάλλον εργασίας... 14 1.3. Δουλεύοντας με το Matlab... 16 1.3.1. Απλές αριθμητικές πράξεις... 16 1.3.2. Σχόλια...
Διαβάστε περισσότεραHY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems
HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems Ημερομηνία Παράδοσης: 0/1/017 την ώρα του μαθήματος ή με email: mkarabin@csd.uoc.gr Γενικές Οδηγίες α) Επιτρέπεται η αναζήτηση στο Internet και στην βιβλιοθήκη
Διαβάστε περισσότεραΔομή της παρουσίασης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Εισαγωγή στις Τηλεπικοινωνίες Διάλεξη η Τα Σήματα στις Τηλεπικοινωνίες
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙςΤΗΜΗς & ΤΕΧΝΟΛΟΓΙΑς ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Διάλεξη 2 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst233
Διαβάστε περισσότεραΛΟΓΙΣΜΟΣ ΜΙΑΣ ΜΕΤΑΒΛΗΤΗΣ, ΕΣΠΙ 1
ΛΟΓΙΣΜΟΣ ΜΙΑΣ ΜΕΤΑΒΛΗΤΗΣ, ΕΣΠΙ 1 ΣΥΝΑΡΤΗΣΕΙΣ Η έννοια της συνάρτησης είναι θεμελιώδης στο λογισμό και διαπερνά όλους τους μαθηματικούς κλάδους. Για το φοιτητή είναι σημαντικό να κατανοήσει πλήρως αυτή
Διαβάστε περισσότεραΕνδεικτικές Ασκήσεις για το μάθημα: «Μετρήσεις Φυσικών Μεγεθών»
Ενδεικτικές Ασκήσεις για το μάθημα: «Μετρήσεις Φυσικών Μεγεθών» Άσκηση 1 Τα φίλτρα Butterworth χαρακτηρίζονται από την ιδιότητα, η συνάρτηση απόκρισής τους να είναι ιδιαίτερα επίπεδη στην περιοχή διέλευσης.
Διαβάστε περισσότεραΣήματα και Συστήματα. Διάλεξη 6: Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 6: Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier 1. Ανάπτυγμα σήματος σε Σειρά Fourier
Διαβάστε περισσότεραΦυσική για Μηχανικούς
Φυσική για Μηχανικούς Ηχητικά Κύματα Εικόνα: Τα αυτιά του ανθρώπου έχουν εξελιχθεί να ακούν και να ερμηνεύουν ηχητικά κύματα ως φωνή ή ως ήχους. Κάποια ζώα, όπως το είδος αλεπούς με τα αυτιά νυχτερίδας,
Διαβάστε περισσότεραΣήματα και Συστήματα. Διάλεξη 9: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 9: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier 1. Μετασχηματισμός Fourier
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Σχολή Θετικών Επιστημών και Τεχνολογίας Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Βασική Θεωρία Εργαστήριο 1 ο : Εισαγωγή στο Simulink
Διαβάστε περισσότεραΣήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 1: Σήματα Συνεχούς Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Εισαγωγή στα Σήματα 1. Σκοποί της Θεωρίας Σημάτων 2. Κατηγορίες Σημάτων 3. Χαρακτηριστικές Παράμετροι
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ. Ενότητα : ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Ενότητα : ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER Aναστασία Βελώνη Τμήμα Η.Υ.Σ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΔυναμική Μηχανών I. Απόκριση Γραμμικών Συστημάτων στο. Πεδίο της Συχνότητας
Δυναμική Μηχανών I Απόκριση Γραμμικών Συστημάτων στο 7 4 Πεδίο της Συχνότητας 2015 Δημήτριος Τζεράνης, Ph.D Τμήμα Μηχανολόγων Μηχανικών Ε.Μ.Π. tzeranis@gmail.com Απαγορεύεται οποιαδήποτε αναπαραγωγή χωρίς
Διαβάστε περισσότερα25/3/2009. Η επεξεργασία του ψηφιακού σήματος υλοποιείται μέσω κατάλληλου αλγορίθμου. Φλώρος Ανδρέας Επίκ. Καθηγητής Παράμετροι ελέγχου
Από το προηγούμενο μάθημα... Μάθημα: «Ψηφιακή Επεξεργασία Ήχου» Δάλ Διάλεξη 4 η : «Επεξεργαστές Ε ξ έ Δυναμικής Περιοχής (Mέρος έ ΙΙ)» Η επεξεργασία του ψηφιακού σήματος υλοποιείται μέσω κατάλληλου αλγορίθμου
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Ενότητα : ΑΝΑΛΥΣΗ FOURIER (H ΣΕΙΡΑ FOURIER ΚΑΙ Ο ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER) Aναστασία Βελώνη Τμήμα Η.Υ.Σ 1 Άδειες
Διαβάστε περισσότεραΕισαγωγή στους Ηλεκτρονικούς Υπολογιστές
στους Ηλεκτρονικούς Υπολογιστές http://courseware.mech.ntua.gr/ml23021/ 6 ο Μάθημα Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ E-mail: leo@mail.ntua.gr URL: http://users.ntua.gr/leo 1 Στα προηγούμενα μaθήματα Συστήματα
Διαβάστε περισσότεραΕφαρμογή στις ψηφιακές επικοινωνίες
Δειγματοληψία Εφαρμογή στις ψηφιακές επικοινωνίες Γεννήτρια σήματος RF, (up converter Ενισχυτής) Προενισχυτής down-converter Ψηφιοποιητής σήματος RF Μονάδα ψηφ. επεξεργασίας Μονάδα ψηφ. επεξεργασίας 100
Διαβάστε περισσότεραΟ μετασχηματισμός Fourier
Ο μετασχηματισμός Fourier είναι από τα διαδεδομένα εργαλεία μετατροπής δεδομένων και συναρτήσεων (μιας ή περισσοτέρων διαστάσεων) από αυτό που ονομάζεται περιοχή χρόνου (time domain) στην περιοχή συχνότητας
Διαβάστε περισσότεραΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ. Διακριτός Μετασχηματισμός Fourier DFT
ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ Διακριτός Μετασχηματισμός Fourier DFT Διακριτός μετασχηματισμός συνημιτόνου DCT discrete cosine transform Η σχέση αποτελεί «πυρήνα»
Διαβάστε περισσότεραΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Ζ διακριτές σήματα και συστήματα διακριτού χρόνου χρονοσειρές (time series)
Ο ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Ζ Είναι σύνηθες να μελετάμε διάφορα φαινόμενα σε διακριτές (και όχι συνεχείς) τιμές της μεταβλητής του χρόνου, οπότε, μιλάμε για για σήματα και συστήματα διακριτού χρόνου. Τα σήματα διακριτού
Διαβάστε περισσότεραΦυσική για Μηχανικούς
Φυσική για Μηχανικούς Εικόνα: Τα αυτιά του ανθρώπου έχουν εξελιχθεί να ακούν και να ερμηνεύουν ηχητικά κύματα ως φωνή ή ως ήχους. Κάποια ζώα, όπως το είδος αλεπούς με τα αυτιά νυχτερίδας, έχουν αυτιά που
Διαβάστε περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα Δρ. Δημήτριος Ευσταθίου Επίκουρος Καθηγητής ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ LAPLACE Αντίστροφος Μετασχηματισμός Laplace Στην
Διαβάστε περισσότεραΗΜΥ 100 Εισαγωγή στην Τεχνολογία
ΗΜΥ 100 Εισαγωγή στην Τεχνολογία Δρ. Στέλιος Τιμοθέου ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΑ ΘΕΜΑΤΑ ΜΑΣ ΣΗΜΕΡΑ Αναλογικά και ψηφιακά συστήματα Μετατροπή
Διαβάστε περισσότεραΕΕΓΔ Οδηγίες προς τους μαθητές για τη χρήση του λογισμικού εξέτασης (EL)
ΕΕΓΔ Οδηγίες προς τους μαθητές για τη χρήση του λογισμικού εξέτασης (EL) Πίνακας Περιεχομένων 1 ΕΙΣΑΓΩΓΗ 3 2 ΣΥΜΠΛΗΡΩΝΟΝΤΑΣ ΤΑ ΤΕΣΤ 3 2.1 Η σύνδεση με το σύστημα (log-in) 3 2.2 Έλεγχος του ήχου για το
Διαβάστε περισσότεραPRAAT -- ΟΔΗΓΟΣ ΓΙΑ ΤΑ ΠΡΩΤΑ ΒΗΜΑΤΑ Ανθή Χαϊδά
PRAAT -- ΟΔΗΓΟΣ ΓΙΑ ΤΑ ΠΡΩΤΑ ΒΗΜΑΤΑ Ανθή Χαϊδά Το λογισμικό Praat ένα εργαλείο για φωνητική ανάλυση και επεξεργασία ηχητικών αρχείων, το οποίο διατίθεται δωρεάν στο διαδίκτυο. Το Praat δημιουργήθηκε από
Διαβάστε περισσότεραΣυλλογή & Επεξεργασία Δεδομένων Εργαστήριο 7 Ακούγοντας Πρώτη Ματιά στην Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων
Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 7 Ακούγοντας Πρώτη Ματιά στην Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Σκοπός Βασική δομή ενός προγράμματος στο LabVIEW. Εμπρόσθιο Πλαίσιο (front
Διαβάστε περισσότεραΗΜΥ 100 Εισαγωγή στην Τεχνολογία Διάλεξη 6
ΗΜΥ 00 Εισαγωγή στην Τεχνολογία Διάλεξη 6 5 Σεπτεμβρίου, 0 Δρ. Στέλιος Τιμοθέου ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τα θέματά μας σήμερα Χρονικά
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΥΠΟΛΟΓΙΣΤΩΝ
Εισαγωγή ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΥΠΟΛΟΓΙΣΤΩΝ Όπως για όλες τις επιστήμες, έτσι και για την επιστήμη της Πληροφορικής, ο τελικός στόχος της είναι η επίλυση προβλημάτων. Λύνονται όμως όλα τα προβλήματα;
Διαβάστε περισσότεραFFT. εκέµβριος 2005 ΨΕΣ 1
FFT εκέµβριος 5 ΨΕΣ Ορισµοί O διακριτός µετασχηµατισµός Fourier DFT, αναφέρεται σε µία πεπερασµένου µήκους ακολουθία σηµείων και ορίζεται ως εξής: και ο αντίστροφος µετασχηµατισµός (inverse DFT) : όπου:
Διαβάστε περισσότεραΙατρικά Ηλεκτρονικά. Δρ. Π. Ασβεστάς Εργαστήριο Επεξεργασίας Ιατρικού Σήματος & Εικόνας Τμήμα Τεχνολογίας Ιατρικών Οργάνων
Ιατρικά Ηλεκτρονικά Δρ. Π. Ασβεστάς Εργαστήριο Επεξεργασίας Ιατρικού Σήματος & Εικόνας Τμήμα Τεχνολογίας Ιατρικών Οργάνων Χρήσιμοι Σύνδεσμοι Σημειώσεις μαθήματος: http://medisp.bme.teiath.gr/eclass/courses/tio127/
Διαβάστε περισσότερα3 ο ΕΡΓΑΣΤΗΡΙΟ ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα 3 ο ΕΡΓΑΣΤΗΡΙΟ ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Ενότητα: ΔΟΥΛΕΥΟΝΤΑΣ ΜΕ ΣΗΜΑΤΑ Aναστασία Βελώνη Τμήμα Η.Υ.Σ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΛίγα λόγια από το συγγραφέα Microsoft Excel Η δομή ενός φύλλου εργασίας... 21
Περιεχόμενα Λίγα λόγια από το συγγραφέα... 7 91 Microsoft Excel 2007... 9 92 Η δομή ενός φύλλου εργασίας... 21 93 Δημιουργία νέου βιβλίου εργασίας και καταχώριση δεδομένων... 32 94 Συμβουλές για την καταχώριση
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 8η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 8η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται στο βιβλίο Artificial Intelligence A Modern Approach των S. Russel
Διαβάστε περισσότεραΣημειώσεις στο PowerPoint
Σημειώσεις στο PowerPoint Τι είναι το PowerPoint; Το PowerPoint 2010 είναι μια οπτική και γραφική εφαρμογή που χρησιμοποιείται κυρίως για τη δημιουργία παρουσιάσεων. Με το PowerPoint, μπορείτε να δημιουργήσετε
Διαβάστε περισσότεραΕισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Εισαγωγή στις Τηλεπικοινωνίες Εφαρμογές της Ανάλυσης Fourier Αθανάσιος
Διαβάστε περισσότεραΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι Σήματα και Συστήματα στο Πεδίο της Επιμέλεια: Αθανάσιος N. Σκόδρας, Καθηγητής Γεώργιος Α. Βασκαντήρας, Υπ. Διδάκτορας Τμήμα Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών Άδειες
Διαβάστε περισσότερα