Taligenkänning. Hur datorer känner igen talat språk. 729G43 Artificiell Intelligens. Charlie Forsgren, Linköpings Universitet. chafo

Storlek: px
Starta visningen från sidan:

Download "Taligenkänning. Hur datorer känner igen talat språk. 729G43 Artificiell Intelligens. Charlie Forsgren, Linköpings Universitet. chafo246 2014-01-09"

Transkript

1 Taligenkänning Hur datorer känner igen talat språk 729G43 Artificiell Intelligens Charlie Forsgren, chafo

2 Charlie Forsgren Innehållsförteckning Inledning..3 Språk och Ljud 4 Elektronisk Inspelning 5 Från Inspelning till Igenkännande 7 Markovkedjor..7 Spektralegenskaper.9 Viterbis Algoritm..10 Diskussion.11 Referenser.12 2

3 Charlie Forsgren Inledning Sättet vi interagerar med moderna datorer är idag under aktiv utveckling och vi kopplar betydligt fler verktyg än muspekare och tangentbord till våra datorer för att interagera med dem. Länge har de gränssnitt och verktyg genom vilka man interagerar med moderna datorer genom varit bundna till maskiners begränsningar och inte varit anpassade till hur människor vanligtvis kommunicerar. De senaste decenniet har mycket förändrats och de medium genom vilka datorer tolkar våra intentioner har breddats och på många sätt utvecklats i förmån för människan i större utsträckning än för maskinen. Se till exempelvis produkter som använder personens position för att ge relevant information om platsen, här blir positionering ett eget medium som datorn använder och svarar till. Ett mer situerat exempel är rörelsebaserade medium där kameror används för att se och tolka hur individen gestikulerar medan man i andra fall låter personer använda kontroller med inbyggda gyron som aktivt lyssnar till rörelser vilka datorn sedan svarar till. Kanske den starkaste indikatorn på att maskiner formas mer efter människan är hur man med datorer försöker tolka det möjligtvis mest naturliga kommunikationsmedlet talat språk och låta detta vara del av gränssnitt. Området där man gör utveckling för att tillåta detta kallas taligenkänning (och är inte att förväxlas med röstigenkänning som syftar till identifikationen av en talare) och det är denna teknologi arbetet vill ge en kort redovisning för. Området är på många sätt starkt förknippat med artificiell intelligens (härefter AI) på grund av dess avgörande roll i huruvida ett system upplevs som intelligent eller inte, vilket är en av de fyra kriterierna för vad som utgör AI (Russell & Norvig, 2009) 3

4 Charlie Forsgren Språk och Ljud För att producera alla de ljud som används vid tal använder kroppen lungorna, luftrören, struphuvudet (där bl.a. stämbanden sitter), munhålan och de nasala kaviteterna (Speaker Independent Connected, 2000). Dessa bildar tillsammans olika kategorier av ljud baserat på egenskaper i de nämnda komponenterna som användes. Exempelvis finns plosiva ljud där en tryckansamling bildas nedanför svalget och frigörs plötsligt för att ge upphov till e.g. puh -ljudet i pingis utan att behöva involvera stämbanden (Coxhead, 2012). Ett annat exempel är frikativa ljud som uppstår när luft tvingas genom smala luftvägar vilket ger upphov till ljud så som Sh -ljudet i Sherlock eller F -ljudet i Frikativ (Coxhead, 2012). I många språk anser man att en rad uttalade fonem (minsta betydelsebärande språkljud) tillsammans är vad som bildar tal. Dessvärre så är det inte alltid som samma fonem låter lika mellan personer med olika dialekter eller mellan ord eftersom omkringliggande fonem kan påverka ljuden på varandra. Detta fenomen kallas allofonisk variation och olika ljud så samma fonem kallar man för allofoner. Ett fonem skulle exempelvis kunna vara ett långt ö och denna skulle variera och forma två olika allofoner i orden hör och hög som dessutom kan variera ytterligare mellan personer och dialekter. Det här försvårar för taligenkänning och innebär att språk är väldigt kontextbundet i frågor om fysiologi och dialekt. 4

5 " 729G43 - Artificiell Intelligens Charlie Forsgren Elektronisk Inspelning För att spela in ljud använder man mikrofoner som består av ljud-responsiva element som konverterar förändringar i lufttrycket till motsvarande förändringar i antingen laddning eller spänning. Detta bildar en analog signal som sedan samplas vilket innebär att man utvinner värden från ljudströmmen från ett givet tidsintervall. Efter det kvantifieras den samplade ljudströmmen vilket betyder att man att man konverterar de samplade värdena till ett diskret värde med en specificerad bitlängd (Speaker Independent Connected, 2000). Bitlängden är den avgörande faktorn för hur många decibel en kvantifierad inspelning kan fluktuera mellan. Antalet bit står i förhållande till hur väl den analoga signalen översätts och med en högre bitmängd kan den kvantifierade outputen inta värden närmare den analoga signalen. På så vis undviker man förluster och störningar och man kan säga att ljudet får en högre upplösning (Speaker Independent Connected, 2000). Ljud från tal bör i teorin inte kräva mer än 8 eller 9bit eftersom det mesta talet ligger mellan 50-60dB men bl.a. på grund av att människor fluktuerar i sitt tal används ofta 11 till 12bit för att spela in högkvalitativt tal. CD-skivor använder en bitlängd på 24bit vilket är mer eller mindre samma kapacitet som det mänskliga hörselsystemet tillåter (D. R. Campbell, 2011) Figur 1. Kvantifiering (röd) av en kontinuerlig och analog signal (grå). 5

6 " 729G43 - Artificiell Intelligens Charlie Forsgren Ljud består av lufttrycksförändringar och dess variationer härör från frekvens och amplitud. Vid insamlingen av ljud är det viktigt att inte undergå en inspelningsfrekvens av mindre än dubbelt så mycket än den högsta frekvensen. Det betyder att om en mening innehåller ljud med en frekvens på 6kHz måste samplingsfrekvensen vara minst 12kHz för att undvika så kallad vikning vilket är då höga frekvenser viks ned och blandas med lägre frekvenser och skapar vikningsdistortion (Speaker Independent Connected, 2000). Detta upplevs som ett surrande ljud när signalen borde vara klar. Figur 2. Samplingsfrekvensen (blå) underskrider ljudet (röd) som spelas in. I vanligt talat språk ligger de mesta signifikant betydelsefulla ljuden omkring 5kHz men t.ex friktiva ljud uppmäter frekvenser omkring 10kHz (Speaker Independent Connected, 2000). Ett mänskligt öra kan uppfatta frekvenser upp till 20kHz vilket är anledningen till att musik-cd:s samplas med en frekvens på 44,1kHz. 6

7 " 729G43 - Artificiell Intelligens Charlie Forsgren Från Inspelning till Igenkännande Inom modern taligenkänning är det vanligt att man använder sig av den så kallade Hidden Markov Model (på svenska: dold Markovmodell) som grundar sig i att vad man försöker beräkna är en Markovprocess. Markovprocesser är de processer där dess framtid går att beräkna utifrån deras nuvarande stadie oavsett deras tidigare stadier (Baum & Petrie, 1966). Det vill säga att sannolikheten att ett stadie övergår till ett annat är frikopplat från dess historia. Detta underlättar matematiken vid resonemang och beräkningar och medför att Markovmodellen faktiskt blir mätbar och inte oändlig i sin beräkning. Anledningen till att den heter "Hidden..." är för att man inte kan observera vad som orsakade resultatet utan bara vad processen gav för resultat. Men man kan ändå beräkna hur sannolikt olika orsaker var. Vad det betyder i detta sammanhang är att man inte kan veta vilket ord som gav upphov till de observerade stadierna men man kan räkna ut sannolikheten för olika ord givet de fonem man har utvunnit. Markovkedjor När man visualiserar en dold Markovmodell får man vad som kan liknas vid ett simpelt Bayesiskt nätverk vilket kallas för Markovkedja. Här kan man se hur olika stadier representeras som noder och hur olika övergångar representeras som riktade vektorer. De olika stadierna är i vårt fall olika talljud som representeras i noderna. Övergången från en nod till en annan är olika sannolik och dessa sannolikheter antar ett värde mellan 0 och 1 och representeras som vektorer i Markovkedjan (Baum & Petrie, 1966). Figur 3. Ett exempel på en Markovkedja med två noder. (2010) 7

8 " 729G43 - Artificiell Intelligens Charlie Forsgren Varje nod representerar som sagt ett stadie från vilket man når ett nytt stadie eller återkommer till sitt nuvarande och utger ännu ett mönster. I figur 1 ser man hur det nuvarande stadiet är A och att chansen att den upprepar A är 0,6 medan chansen att den går till stadie E är 0,4. Lägg också märke till att summan av dessa sannolikheter är 1 vilket alltid är fallet när man utgår från ett stadie i tiden. Denna process upprepar sig tills att alla insamlade mönster är analyserade. Hur sannolik en övergång är beror dels på vilket det nuvarande stadiet är, i och med att det är olika vanligt förekommande att ett särskilt stadie följer ett annat, men också hur väl det nästkommande stadiet verkar likna ens intränade ordmodeller (mer om det sedan). Den första noden är speciell i och med att den inte har något som övergår till den och där ser man till hur sannolikt det är att den öppnar en Markovkedja, det vill säga att den utgör det första stadiet. En övergång behöver inte vara från ett stadie till ett annat utan kan även återkoppla till sig själv. Det indikerar att stadiet upprepas och bildar ett långt uttal av samma ljud vilket man kan se nedan i de loopande vektorerna i figur x. Figur 4. En Markovkedja över ordet need tillsammans med spektralegenskaper (2000). För att kunna skapa en nod från inspelat ljud måste man analysera ljudet. Simpla talegenskaper så som pauser eller frikativa ljud kan man utvinna från vågformen av inspelat ljud. För att undersöka tal mer specifikt och se egenskaper så som vilka frikativa ljud som är representeras måste man se till dess spektralegenskaper. 8

9 " 729G43 - Artificiell Intelligens Spektralegenskaper Charlie Forsgren Spektralegenskaper utvinner man ur komplexa vågformer som i sin tur utgörs av en sammanslagning som ofta består av flera vågformer. Man kan likna det vid hur ackord utgörs av flera noter som tillsammans bildar en komplex vågform. Vad man ser till i dessa komplexa vågformer är frekvenser av upprepande vågformer och återigen vilka frekvenser som återkommer inom dessa. Genom att analysera och urskilja dessa frekvenser kan man bilda ett spektrum och jämföra detta med andra spektrum som är typiska för olika ljud (Jurafsky & Martin, 2000), på samma sätt som när man avgör vad olika stjärnor består av genom att se till vilken frekvens ljuset som bildas vid dess förbränning består av. Hos människor är det innerörat och hörselsnäckan som framkallar detta spektrum medan det hos datorer framtas med hjälp av matematiska processer. Dessa utvunna spektrum är vad som sedan används i den dolda Markovmodellen (hädanefter HMM efter Hidden Markov Model ) antingen direkt eller efter ytterligare processering. Ett exempel på denna typ av vidare processering är Perceptual Linear Predictive -analys som anpassar datan efter människorshörsel där exempelvis särskilt höga frekvenser upplevs som högre i amplitud vilket datan då transformeras efter. För att kunna räkna ut sannolikheterna på fonem behövs såklart data att jämföra mot. Den skapar man med många olika talare och låter systemet öva sig på detta och skapa ordmodeller. På så vis får man den naturliga variation och breda deviation på uttal som kommer behövas vid användandet av systemet. Detta kallas för maximum likelihood classification och tar betydligt längre tid och större beräkningskraft än det faktiska igenkännandet av tal (Speaker Independent Connected, 2000). Figur 5. Fågelperspektiv på komponenter i HMM. 9

10 Charlie Forsgren Att jämföra mot denna insamlade data är också något som skulle ta enorm tid och en lösning på detta problem är Viterbis algoritm. Viterbis Algoritm Att veta var ett ord börjar och slutar är väldigt svårt med endast sammansmälta fonem till hands. För att underlätta i detta förlitar sig HMM på Viterbis algoritm som delar på orden vilket i kallas för segmentation (Jurafsky & Martin, 2000). Algoritmen fungerar genom att rada upp de inspelade fonemens spektralegenskaper och sedan försöka matcha dessa med troliga ord. Sättet den gör det på är genom att jämföra spektralegenskaperna med sedan tidigare lagrade spektralegenskaper och dess tillhörande ord. Detta utförs på alla fonem i meningen från det första fonemet till det sista. Därefter använder den en bigramsmodell av vanligt förekommande ordpar och anger sannolikheter till övergångarna mellan orden inom dem. Slutligen nyttjar den dessa sannolikheter och utvinner den väg med störst sannolikhet mellan alla övergångar. 10

11 Charlie Forsgren Diskussion Taligenkänning är ett högaktuellt ämne med breda applikationsmöjligheter i och med dagens bärbara och anpassningsbara datorer. Ny teknik använder språkigenkänning flytande och är i mångt och mycket en bra ersättare för tangentbord, beroende på kontext och kapaciteten hos användaren såväl som den tolkande datorn. Det är tydligt vilka enorma framsteg teknologin har gjort på senare år med exempel inom de stora mobiltillverkarna som har automatiserade svarstjänster och mycket bör ha sitt ursprung i den massiva datamängden som nu finns att tillgå hos dessa stora företag. Tyvärr är inte applikationen av den vetskapen tillgängligt för allmänheten men grunden den bygger på finner man otvivelaktigen i den ofta flera decennier gamla litteraturen och teorierna. Litteraturen var bitvis ganska ostrukturerad och det var väldigt ofta teorier och modeller inom taligenkänningen byggde på flera lager av andra teorier som ibland verkade överlappa. Det ska bli intressant att se till framtiden hur pass effektiva taligenkännande system kan bli med stora datamängder vilket vore ett intressant område att utföra nästa litteraturstudie inom. 11

12 Charlie Forsgren Referenser Litteratur Russell, S & Norvig, P. (2009) Artificial Intelligence: A Modern Approach (3rd Ed.). Prentice Hall. Daniel Jurafsky & James H. Martin (2000) Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. Prentice Hall. Baum, Leonard E. & Petrie, Ted. (1966) Statistical Inference for Probabilistic Functions of Finite State Markov Chains. The Annals of Mathematical Statistics 37, no. 6, D. R. Campbell. (2011) Aspects of Human Hearing: Frequency Range, Masking, Critical Band. University to the West of Scotland. Online Resurser Speaker Independent Connected Speech Recognition, Fifth Generation Computer Corporation, 2000.: [25 Nov 2013] Coxhead, P. (n.d.). A Glossary of Linguistic Terms. from Univerity of Birmingham: [28 Nov 2013] Bilder Figur 1. Kvantifiering (röd) av en kontinuerlig signal (grå). (2010) [online], commons.wikimedia.org/wiki/file:quantized.signal.svg. [13 Dec 2013]. 12

13 Charlie Forsgren Figur 2. Samplingsfrekvensen (blå) underskrider ljudet (röd) som spelas in. (2009) [online], [13 Dec 2013]. Figur 3. Ett exempel på en Markovkedja med två noder. (2010) [online], en.wikipedia.org/wiki/file:markovkate_01.svg#metadata [8 Jan 2014]. Figur 4. En Markovkedja över ordet need tillsammans med spektralegenskaper. Daniel Jurafsky & James H. Martin (2000) Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. Prentice Hall. Figur 5. Fågelperspektiv på komponenter i HMM. (2000) [online], [28 Nov 2013]. 13

Taligenkänning. Sanna Aronsson sanar429 Artificiell Intelligens, HKGBB0

Taligenkänning. Sanna Aronsson sanar429 Artificiell Intelligens, HKGBB0 Taligenkänning, HKGBB0 Abstract Ett taligenkänningssystem är att ett system som har som uppgift att identifiera enstaka ord eller hela sekvenser av ord. Detta gör den genom att jämföra denna ordsekvens

Läs mer

Artificial)Intelligence) Taligenkänning)

Artificial)Intelligence) Taligenkänning) LINKÖPINGS)UNIVERSITET) Artificial)Intelligence) Taligenkänning)! Adam%Annerhult% 2012009017%! Contents' ' ) ) ) ) ) Inledning... 3! Så fungerar taligenkänning... 4! Grundläggande egenskaper i ett taligenkänningsprogram...

Läs mer

Att fånga den akustiska energin

Att fånga den akustiska energin Att fånga den akustiska energin När vi nu har en viss förståelse av vad ljud egentligen är kan vi börja sätta oss in i hur det kan fångas upp och efterhand lagras. När en ljudvåg sprider sig är det inte

Läs mer

Signalbehandling Röstigenkänning

Signalbehandling Röstigenkänning L A B O R A T I O N S R A P P O R T Kurs: Klass: Datum: I ämnet Signalbehandling ISI019 Enk3 011211 Signalbehandling Röstigenkänning Jonas Lindström Martin Bergström INSTITUTIONEN I SKELLEFTEÅ Sida: 1

Läs mer

Word- sense disambiguation

Word- sense disambiguation KTH Word- sense disambiguation Inlämningsuppgift - DD2418 - sprakt12 Mattias Uskali & Emilia Hillert 1/8/2013 Sammanfattning Denna rapport kommer att undersöka två metoder för word- sense disambiguation,

Läs mer

Från ljusenergi till en kub som går att stå på Hur man får en dator att känna igen olika former i visuell information

Från ljusenergi till en kub som går att stå på Hur man får en dator att känna igen olika former i visuell information ARTIFICIELL INTELLIGENS II INSTITUTUINEN FÖR DATAVETENSKAP LINKÖPINGS UNIVERSITET Från ljusenergi till en kub som går att stå på Hur man får en dator att känna igen olika former i visuell information Anna

Läs mer

Kapitel 2 o 3 Information och bitar Att skicka signaler på en länk. Att sända information mellan datorer. Information och binärdata

Kapitel 2 o 3 Information och bitar Att skicka signaler på en länk. Att sända information mellan datorer. Information och binärdata Kapitel 2 o 3 Information och bitar Att skicka signaler på en länk Jens A Andersson (Maria Kihl) Att sända information mellan datorer värd 11001000101 värd Två datorer som skall kommunicera. Datorer förstår

Läs mer

Kapitel 2 o 3. Att skicka signaler på en länk. (Maria Kihl)

Kapitel 2 o 3. Att skicka signaler på en länk. (Maria Kihl) Kapitel 2 o 3 Information och bitar Att skicka signaler på en länk Jens A Andersson (Maria Kihl) Att sända information mellan datorer värd äd 11001000101 värd äd Tåd Två datorer som skall kllkommunicera.

Läs mer

Beräkning med ord. -hur en dator hanterar perception. Linköpings universitet Artificiell intelligens 2 2010-10-03 Erik Claesson 880816-1692

Beräkning med ord. -hur en dator hanterar perception. Linköpings universitet Artificiell intelligens 2 2010-10-03 Erik Claesson 880816-1692 Beräkning med ord -hur en dator hanterar perception 2010-10-03 Erik Claesson 880816-1692 Innehåll Inledning... 3 Syfte... 3 Kan datorer hantera perception?... 4 Naturligt språk... 4 Fuzzy Granulation...

Läs mer

Mätningar med avancerade metoder

Mätningar med avancerade metoder Svante Granqvist 2008-11-12 13:41 Laboration i DT2420/DT242V Högtalarkonstruktion Mätningar på högtalare med avancerade metoder Med datorerna och signalprocessningens intåg har det utvecklats nya effektivare

Läs mer

Kristian Almgren Artificiell Intelligens Linköpings Universitet 2011. Talstyrning

Kristian Almgren Artificiell Intelligens Linköpings Universitet 2011. Talstyrning Talstyrning Abstrakt Talstyrning är en teknik som gör det möjligt för oss människor att mer eller mindre verbalt kommunicera med en dator eller ett system. Det här är ett tillvägagångssätt inom AI och

Läs mer

Språkljudens akustik. Akustik, akustiska elementa och talanalys

Språkljudens akustik. Akustik, akustiska elementa och talanalys Akustik, akustiska elementa och talanalys Språkljudens akustik Mattias Heldner KTH Tal, musik och hörsel heldner@kth.se Talsignalen mer lättåtkomlig än andra delar av talkommunikationskedjan Det finns

Läs mer

Vocoding och frekvensskiftningsexperiment inom det audiologiska forskningsfältet Av Morgan Karlsson

Vocoding och frekvensskiftningsexperiment inom det audiologiska forskningsfältet Av Morgan Karlsson Vocoding och frekvensskiftningsexperiment inom det audiologiska forskningsfältet Av Morgan Karlsson Vocoding Några av de första försöken att återskapa tal elektroniskt gjordes på 30-talet av fysikern Homer

Läs mer

Hur bestämmer man vilka fonem ett språk har? Fonologi. Kommutationstest. Hur bestämmer man vilka fonem ett språk har?

Hur bestämmer man vilka fonem ett språk har? Fonologi. Kommutationstest. Hur bestämmer man vilka fonem ett språk har? Fonologi Mattias Heldner KTH Tal, musik och hörsel heldner@kth.se Hur bestämmer man vilka fonem ett språk har? Hur bestämmer man vilka fonem ett språk har? Fonem = minsta betydelseskiljande ljudenhet i

Läs mer

Nya Medier. Gränssnitt, Interaktivitet och Digital kod

Nya Medier. Gränssnitt, Interaktivitet och Digital kod Nya Medier Gränssnitt, Interaktivitet och Digital kod Människa-Dator: Gränssnittet Tre lager tas upp i boken: Fysiska apparaten som möjliggör för användaren att styra/använda datorn Mjukvara som organiserar

Läs mer

Samtidig visning av alla storheter på 3-fas elnät

Samtidig visning av alla storheter på 3-fas elnät Samtidig visning av alla storheter på 3-fas elnät Med nätanalysatorerna från Qualistar+ serien visas samtliga parametrar på tre-fas elnätet på en färgskärm. idsbaserad visning Qualistar+ visar insignalerna

Läs mer

Bildbehandling i frekvensdomänen

Bildbehandling i frekvensdomänen Uppsala Tekniska Högskola Signaler och system Handledare: Mathias Johansson Uppsala 2002-11-27 Bildbehandling i frekvensdomänen Erika Lundberg 800417-1602 Johan Peterson 790807-1611 Terese Persson 800613-0267

Läs mer

Grundläggande A/D- och D/A-omvandling. 1 Inledning. 2 Digital/analog(D/A)-omvandling

Grundläggande A/D- och D/A-omvandling. 1 Inledning. 2 Digital/analog(D/A)-omvandling Grundläggande A/D- och D/A-omvandling. 1 Inledning Datorer nns nu i varje sammanhang. Men eftersom vår värld är analog, behöver vi något sätt att omvandla t.ex. mätvärden till digital form, för att datorn

Läs mer

Taltaggning. Rapport av Daniel Hasselrot 781105-0157, d98-dha@nada.kth.se 13 oktober 2003

Taltaggning. Rapport av Daniel Hasselrot 781105-0157, d98-dha@nada.kth.se 13 oktober 2003 Taltaggning av Daniel Hasselrot 781105-0157, d98-dha@nada.kth.se 13 oktober 2003 Sammanfattning Denna rapport är skriven i kursen Språkteknologi och behandlar taggning av årtal i en text. Metoden som används

Läs mer

7. Sampling och rekonstruktion av signaler

7. Sampling och rekonstruktion av signaler Arbetsmaterial 5, Signaler&System I, VT04/E.P. 7. Sampling och rekonstruktion av signaler (Se också Hj 8.1 3, OW 7.1 2) 7.1 Sampling och fouriertransformering Man säger att man samplar en signal x(t) vid

Läs mer

Ontologier. Cassandra Svensson 2014-01-09

Ontologier. Cassandra Svensson 2014-01-09 Ontologier Cassandra Svensson 2014-01-09 Sammanfattning Jag har läst Annika Flycht-Ericssons avhandling Design and Use of Ontoligies in information-providing Dialogue Systems. Med Annikas text som utgångspunkt

Läs mer

Komponenter i ett PA-system (Ludwig Ronquist, Grupp 1)

Komponenter i ett PA-system (Ludwig Ronquist, Grupp 1) Komponenter i ett PA-system (Ludwig Ronquist, Grupp 1) Ett PA-system är ett elektroniskt system som är till för att förstärka och dela ut ljud till en publik. PA kommer från engelskans public address vilket

Läs mer

Hur kan man mäta hörsel? Ann-Christin Johnson Karolinska Institutet, Stockholm, Sverige

Hur kan man mäta hörsel? Ann-Christin Johnson Karolinska Institutet, Stockholm, Sverige Hur kan man mäta hörsel? Ann-Christin Johnson Karolinska Institutet, Stockholm, Sverige Ljudstyrka mäts i decibel (db) Några exempel Stor risk för hörselskada Risk för hörselskada Svårt att uppfatta tal

Läs mer

Datorlaboration :: 1 Problembeskrivning ::

Datorlaboration :: 1 Problembeskrivning :: Datorlaboration :: Ett hyrbilsföretags problem Laborationen går ut på att lösa Labbuppgift 1 till 5. Laborationen redovisas individuellt genom att skicka laborationens Mathematicafil till Mikael Forsberg

Läs mer

SÄTT DIG NER, 1. KOLLA PLANERINGEN 2. TITTA I DITT SKRIVHÄFTE.

SÄTT DIG NER, 1. KOLLA PLANERINGEN 2. TITTA I DITT SKRIVHÄFTE. SÄTT DIG NER, 1. KOLLA PLANERINGEN 2. TITTA I DITT SKRIVHÄFTE. Vad gjorde vi förra gången? Har du några frågor från föregående lektion? 3. titta i ditt läromedel (boken) Vad ska vi göra idag? Optik och

Läs mer

A/D- och D/A- omvandlare

A/D- och D/A- omvandlare A/D- och D/A- omvandlare Jan Carlsson 1 Inledning Om vi tänker oss att vi skall reglera en process så ställer vi in ett börvärde, det är det värde som man vill processen skall åstadkomma. Sedan har vi

Läs mer

Taligenkänningssystem

Taligenkänningssystem Taligenkänningssystem Deras uppbyggnad och applicering Linus Dennerlöv 2013-08-14 Sammanfattning I denna rapport kommer jag att gå igenom vad taligenkänningssystem är för något, vilka problem sådana system

Läs mer

Idag. Tillägg i schemat. Segmenteringsproblemet. Transkription

Idag. Tillägg i schemat. Segmenteringsproblemet. Transkription Tillägg i schemat 21/9 slutar 16.00 ist f 15.00 5/10 slutar 16.00 ist f 15.00 Idag talkommunikationskedjan ljudvågor, enkla och sammansatta vågrörelser frekvens och amplitud ljudtryck, decibel källa-filter-modellen

Läs mer

Datorsystem 2 CPU. Förra gången: Datorns historia Denna gång: Byggstenar i en dators arkitektur. Visning av Akka (för de som är intresserade)

Datorsystem 2 CPU. Förra gången: Datorns historia Denna gång: Byggstenar i en dators arkitektur. Visning av Akka (för de som är intresserade) Datorsystem 2 CPU Förra gången: Datorns historia Denna gång: Byggstenar i en dators arkitektur CPU Visning av Akka (för de som är intresserade) En dators arkitektur På en lägre nivå kan vi ha lite olika

Läs mer

1. PRESENTATION... 3 2. SÄKERHETSFÖRESKRIFTER... 3. 2.1 Säkerhetsföreskrifter...3. 2.2 Användningsvillkor...3 3. BESKRIVNING AV INSTRUMENTET...

1. PRESENTATION... 3 2. SÄKERHETSFÖRESKRIFTER... 3. 2.1 Säkerhetsföreskrifter...3. 2.2 Användningsvillkor...3 3. BESKRIVNING AV INSTRUMENTET... Användarmanual Tack för att Du har införskaffat en CA 834 Ljudnivåmätare. För att få ut mesta möjliga av ditt instrument så ber vi Dig att: Läsa användarmanualen noggrant Följa säkerhetsföreskrifterna

Läs mer

Trådlös kommunikation

Trådlös kommunikation HT 2009 Akademin för Innovation, Design och Teknik Trådlös kommunikation Individuell inlämningsuppgift, Produktutveckling 3 1,5 poäng, D-nivå Produkt- och processutveckling Högskoleingenjörsprogrammet

Läs mer

Laboration 2. Artificiell Intelligens, Ht 2004 2004-10-19 Lärare: Christina Olsén Handledare: Therese Edvall Daniel Ölvebrink

Laboration 2. Artificiell Intelligens, Ht 2004 2004-10-19 Lärare: Christina Olsén Handledare: Therese Edvall Daniel Ölvebrink Artificiell Intelligens, Ht 2004 2004-10-19 Lärare: Christina Olsén Handledare: Therese Edvall Daniel Ölvebrink Laboration 2 Laboranter: Johan Bystedt (dit02lbt) Alexander Pettersson (dit02apn) Stefan

Läs mer

Frekvensplanet och Bode-diagram. Frekvensanalys

Frekvensplanet och Bode-diagram. Frekvensanalys Frekvensplanet och Bode-diagram Frekvensanalys Signaler Allt inom elektronik går ut på att manipulera signaler genom signalbehandling (Signal Processing). Analog signalbehandling Kretsteori: Nod-analys,

Läs mer

Ämnesområde Hörselvetenskap A Kurs Akustik och ljudmiljö, 7 hp Kurskod: HÖ1015 Tentamenstillfälle 4

Ämnesområde Hörselvetenskap A Kurs Akustik och ljudmiljö, 7 hp Kurskod: HÖ1015 Tentamenstillfälle 4 IHM Kod: Ämnesområde Hörselvetenskap A Kurs Akustik och ljudmiljö, 7 hp Kurskod: HÖ115 Tentamenstillfälle 4 Datum 213-11-7 Tid 4 timmar Kursansvarig Susanne Köbler Tillåtna hjälpmedel Miniräknare Linjal

Läs mer

Talsystem Teori. Vad är talsystem? Av Johan Johansson

Talsystem Teori. Vad är talsystem? Av Johan Johansson Talsystem Teori Av Johan Johansson Vad är talsystem? Talsystem är det sätt som vi använder oss av när vi läser, räknar och skriver ner tal. Exempelvis hade romarna ett talsystem som var baserat på de romerska

Läs mer

Tentamen i Signaler och kommunikation, ETT080

Tentamen i Signaler och kommunikation, ETT080 Inst. för informationsteknologi Tentamen i Signaler och kommunikation, ETT080 2 juni 2006, kl 14 19 Skriv namn och årskurs på alla papper. Börja en ny lösning på ett nytt papper. Använd bara en sida av

Läs mer

Algoritmer och maskininlärning

Algoritmer och maskininlärning Algoritmer och maskininlärning Olof Mogren Chalmers tekniska högskola 2016 De här företagen vill Tjäna pengar Hitta mönster i stora datamängder Göra förutsägelser Klassificera data Förstå människan Maskininlärning

Läs mer

Automatisk taligenkänning som hjälpmedel för att bedöma muntliga språkfärdigheter

Automatisk taligenkänning som hjälpmedel för att bedöma muntliga språkfärdigheter Automatisk taligenkänning som hjälpmedel för att bedöma muntliga språkfärdigheter Mikko Kurimo Institutionen för signalbehandling och akustik Aalto-universitetet Innehåll 1. Hur automatisk taligenkänning

Läs mer

Matematiska begrepp kan ibland vara svåra att visualisera, exempelvis

Matematiska begrepp kan ibland vara svåra att visualisera, exempelvis Kajsa Bråting Tolka visualiseringar Vilken roll kan visualiseringar ha i skolmatematiken? Några elever på gymnasiet tar sig an ett historiskt problem som handlar om att utifrån en visualisering avgöra

Läs mer

BIG DATA Myran i Skogen

BIG DATA Myran i Skogen BIG DATA Myran i Skogen Magnus Wåhlberg SAVE (Sektionen för AudioVisuella och Elektroniska handlingar) 2014-10-21---22 Exempel CERN LHC (1 promille av 300 GB/s ger 25 PB/år) Google Translate (EU-språk

Läs mer

Rekommendation. Den mänskliga hörseln. Den mänskliga hörseln. Det perifera hörselsystemet: anatomi och fysiologi

Rekommendation. Den mänskliga hörseln. Den mänskliga hörseln. Det perifera hörselsystemet: anatomi och fysiologi Rekommendation Den mänskliga hörseln Mattias Heldner heldner@kth.se Repetera Engstrand kapitel 10 om hörselsystemet. Betydligt mer lättillgänglig än Moore... Johnson också på en bra nivå Den mänskliga

Läs mer

Ljudnivåmätare C.A 832

Ljudnivåmätare C.A 832 Ljudnivåmätare C.A 832 SVENSKA Användarmanual 1 Symbolens betydelse Varning! Läs igenom användarmanualen innan instrumentet används. Instruktioner som i manualen är märkta med symbolen ovan måste följas

Läs mer

KÄLLA-FILTER. Repetition. Talapparaten i källa-filter perspektivet. Repetition (ff) Ljudkällor i talapparaten (ff) Ljudkällor i talapparaten

KÄLLA-FILTER. Repetition. Talapparaten i källa-filter perspektivet. Repetition (ff) Ljudkällor i talapparaten (ff) Ljudkällor i talapparaten KÄLLA-FILTER Repetition - Repetition av resonans och filter Komplexa ljudvågor: deltoner Amplitudspektrum - Talapparaten som resonator - Talapparaten som källa-filtersystem - Spektrum, Spektrogram, spektrograf

Läs mer

Life is on. Samspela fritt. Kommunicera med självförtroende. Lev ett liv utan gränser. Livet är nu. www.phonak.se www.dynamicsoundfield.

Life is on. Samspela fritt. Kommunicera med självförtroende. Lev ett liv utan gränser. Livet är nu. www.phonak.se www.dynamicsoundfield. Life is on Vi är lyhörda för behoven hos alla dem, som är beroende av våra kunskaper, idéer och omsorger. Genom att utmana teknologins gränser på ett kreativt sätt utvecklar vi innovationer, som hjälper

Läs mer

Harry Peronius. ilife

Harry Peronius. ilife Harry Peronius ilife Del 4 GARAGEBAND 21. Skapa ett GarageBand-projekt... 75 22. Spela in via mikrofon... 83 23. Redigera regioner... 88 24. Tillämpa effekter... 92 25. Exportera till itunes... 94 26.

Läs mer

Perception. Intonation och tonhöjd. Intrinsisk F0. Intonation och tonhöjd (ff) Akustiska och perceptoriska drag. Perception av prosodiska drag

Perception. Intonation och tonhöjd. Intrinsisk F0. Intonation och tonhöjd (ff) Akustiska och perceptoriska drag. Perception av prosodiska drag Perception Akustiska och perceptoriska drag Samband mellan akustiska och perceptoriska drag Tyngpunkt på perceptorisk relevanta drag Prosodi Vokaler Konsonanter Perception i största allmänhet Primära akustiska

Läs mer

Regression med Genetiska Algoritmer

Regression med Genetiska Algoritmer Regression med Genetiska Algoritmer Projektarbete, Artificiell intelligens, 729G43 Jimmy Eriksson, jimer336 770529-5991 2014 Inledning Hur många kramar finns det i världen givet? Att kunna estimera givet

Läs mer

Läran om ljudet Ljud är egentligen tryckförändringar i något material. För att ett ljud ska uppstå måste något svänga eller vibrera.

Läran om ljudet Ljud är egentligen tryckförändringar i något material. För att ett ljud ska uppstå måste något svänga eller vibrera. Akustik Läran om ljudet Ljud är egentligen tryckförändringar i något material. För att ett ljud ska uppstå måste något svänga eller vibrera. När en gitarrsträng vibrerar, rör den sig fram och tillbaka.

Läs mer

Taligenkänning - har den en framtid som nyttoverktyg?

Taligenkänning - har den en framtid som nyttoverktyg? Taligenkänning - har den en framtid som nyttoverktyg? Examens arbete I, 10 p. Handelshögskolan vid Göteborgs Universitet Institutionen för Informatik HT 2001 Handledare: Göran Walske Författare: Zineta

Läs mer

Yrkeshögskolan Novia Utbildningsprogrammet i elektroteknik

Yrkeshögskolan Novia Utbildningsprogrammet i elektroteknik Grunderna i programmeringsteknik 1. Vad är Känna till nämnda programmering, begrepp. Kunna kompilera högnivå språk, och köra program i det i kompilering, kursen använda tolkning, virtuella programmeringsspråket.

Läs mer

Det finns två sätt att generera ljus på. Ge exempel på dessa och förklara vad som skiljer dem åt.

Det finns två sätt att generera ljus på. Ge exempel på dessa och förklara vad som skiljer dem åt. DEL 1 Bild Vi har alla sett en solnedgång färga himlen röd, men vad är det egentligen som händer? Förklara varför himlen är blå om dagen och går mot rött på kvällen. (Vi förutsätter att det är molnfritt)

Läs mer

Svängningar och frekvenser

Svängningar och frekvenser Svängningar och frekvenser Vågekvationen för böjvågor Vågekvationen för böjvågor i balkar såväl som plattor härleds med hjälp av elastiska linjens ekvation. Den skiljer sig från de ovanstående genom att

Läs mer

Avkoppla rätt en kvantitativ undersökning av parasitinduktans hos olika layoutalternativ

Avkoppla rätt en kvantitativ undersökning av parasitinduktans hos olika layoutalternativ Avkoppla rätt en kvantitativ undersökning av parasitinduktans hos olika layoutalternativ Per Magnusson, Signal Processing Devices Sweden AB, per.magnusson@spdevices.com Gunnar Karlström, BK Services, gunnar@bkd.se

Läs mer

Talets fysiologi, akustisk fonetik. Lungorna och struphuvudet. Röst 2016.01.28. David House: Talets fysiologi, akustisk fonetik VT16.

Talets fysiologi, akustisk fonetik. Lungorna och struphuvudet. Röst 2016.01.28. David House: Talets fysiologi, akustisk fonetik VT16. Talets fysiologi, akustisk fonetik David House Lungorna och struphuvudet utandningsluft - alstra ljud luftstrupen: trachea struphuvudet: larynx brosk, muskler och ligament röstspringan: glottis stämläpparna:

Läs mer

Kvalitativ Analys. Utvärderingsmetoder inom MDI DH2408

Kvalitativ Analys. Utvärderingsmetoder inom MDI DH2408 Kvalitativ Analys Utvärderingsmetoder inom MDI DH2408 Inlämningsuppgift 2 Era gruppinlämningar ligger här framme, leta reda på er egen!!! Jag har godtyckligt gett er ett gruppnummer, referera till det

Läs mer

Appendix 4. Ordförklaringar och korta beskrivningar av test och skalor

Appendix 4. Ordförklaringar och korta beskrivningar av test och skalor Appendix 4. Ordförklaringar och korta beskrivningar av test och skalor AGC ALHQ, The Attitudes Towards Loss of Hearing Questionnaire Automatic Gain Control, automatisk förstärkningsreglering, se Appendix

Läs mer

Möjligt med språk utan fonologisk struktur, bara morfem med viss vokalisering?

Möjligt med språk utan fonologisk struktur, bara morfem med viss vokalisering? Kap 2: Typologi Möjligt med språk utan fonologisk struktur, bara morfem med viss vokalisering? Orden skulle bli mycket långa för att varje morfem skulle ha sin egen vokalisering, eftersom det behövs så

Läs mer

Digital signalbehandling Digitalt Ljud

Digital signalbehandling Digitalt Ljud Signalbehandling Digital signalbehandling Digitalt Ljud Bengt Mandersson Hur låter signalbehandling Institutionen för elektro- och informationsteknik 2008-10-06 Elektronik - digital signalbehandling 1

Läs mer

Modellering av felkíallor i digitala kanaler Magnus Berglund Magnus Danielsson Henry Jatko Henrik Wallin 8 maj 199 LULEçA TEKNISKA UNIVERSITET Avdelningen fíor signalbehandling. Sammanfattning Vid simuleringar

Läs mer

Hörselorganets anatomi och fysiologi Medicinska aspekter på hörselskador hos barn Hur vi hör Varför vissa barn inte hör

Hörselorganets anatomi och fysiologi Medicinska aspekter på hörselskador hos barn Hur vi hör Varför vissa barn inte hör Hörselorganets anatomi och fysiologi Medicinska aspekter på hörselskador hos barn Hur vi hör Varför vissa barn inte hör Johan Adler, läkare Hörsel- och Balanskliniken, B58 Karolinska Universitetssjukhuset

Läs mer

Stina Nyman 2012-09-16

Stina Nyman 2012-09-16 LINKOPINGS UNIVERSITET, IDA SmartKom Hur systemet fungerar Stina Nyman 2012-09-16 stiny786 Artificiell intelligens II Sammanfattning Detta projekt kommer handla om SmartKom som är ett multimodalt dialogsystem

Läs mer

Analys av elektriska nät med numeriska metoder i MATLAB

Analys av elektriska nät med numeriska metoder i MATLAB Analys av elektriska nät med numeriska metoder i MATLAB Joel Nilsson Martin Axelsson Fredrik Lundgren 28-2-12 Kurs DN1215 - Numeriska metoder för ME Moment Laboration 1 - Bli bekväm med MATLAB Handledare

Läs mer

Kod: Datum 2014-02-01. Kursansvarig Susanne Köbler. Tillåtna hjälpmedel. Miniräknare Linjal Språklexikon vid behov

Kod: Datum 2014-02-01. Kursansvarig Susanne Köbler. Tillåtna hjälpmedel. Miniräknare Linjal Språklexikon vid behov Institutionen för hälsovetenskap och medicin 2 Kod: Ämnesområde Hörselvetenskap A Kurs Akustik och ljudmiljö, 7 hp Kurskod: HÖ115 Tentamenstyp Individuell salstentamen Tentamenstillfälle Uppsamling 1 Provkod

Läs mer

Sampling. Analog - digital. Kvantifiering. Samplingsprocess. Analog vs digital teknik. Kvantifiering. Analog oändlig digital diskret (1or 0or)

Sampling. Analog - digital. Kvantifiering. Samplingsprocess. Analog vs digital teknik. Kvantifiering. Analog oändlig digital diskret (1or 0or) Analog - digital Analog oändlig digital diskret (1or 0or) Digitalt intakt trots kopiering analogt slits och kvaliteten degraderar Sampling Sinuston vågdiagram (AT) antal mätpunkter/samplingspunkter Samplingsfrekvens

Läs mer

Ämnesområde Hörselvetenskap A Kurs Akustik och ljudmiljö, 7 hp Kurskod: HÖ1015 Tentamenstillfälle 1

Ämnesområde Hörselvetenskap A Kurs Akustik och ljudmiljö, 7 hp Kurskod: HÖ1015 Tentamenstillfälle 1 Hälsoakademin Kod: Ämnesområde Hörselvetenskap A Kurs Akustik och ljudmiljö, 7 hp Kurskod: HÖ115 Tentamenstillfälle 1 Datum 211 11 3 Tid 4 timmar Kursansvarig Susanne Köbler Tillåtna hjälpmedel Miniräknare

Läs mer

Sinnena den mänskliga hårdvaran

Sinnena den mänskliga hårdvaran Sinnena den mänskliga hårdvaran Synsinnet Organet som används för att utnyttja synen är ögat. Näthinnan har ca 130 Bilden är tagen från wwww.ne.se miljoner sinnesceller, dessa kallas för stavar och tappar.

Läs mer

42.MST 1/D (E4210405)

42.MST 1/D (E4210405) BRUKSANVISNING Fältstyrkemätare 42.MST 1/D (E4210405) Råsundavägen 15 169 67 Solna, Tel. 08-705 65 95 Fax. 08-705 65 99 info@elmanet.se www.elmanet.se Innehållsförteckning 1 INFORMATION... 3 2 INTRODUKTION...

Läs mer

Hur jag föreläser. Normal och nedsatt hörsel. Hur jag använder bildspel. Vad använder vi hörseln till? Kommunikation. Gemenskap.

Hur jag föreläser. Normal och nedsatt hörsel. Hur jag använder bildspel. Vad använder vi hörseln till? Kommunikation. Gemenskap. Hur jag föreläser Normal och nedsatt hörsel Hörselorganets anatomi och fysiologi Medicinska aspekter på hörselskador hos barn Johan Adler, läkare Hörsel- och balanskliniken Dialog/diskussion ställ frågor,

Läs mer

4:8 Transistorn och transistorförstärkaren.

4:8 Transistorn och transistorförstärkaren. 4:8 Transistorn och transistorförstärkaren. Inledning I kapitlet om halvledare lärde vi oss att en P-ledare har positiva laddningsbärare, och en N-ledare har negativa laddningsbärare. Om vi sammanfogar

Läs mer

Jorden År F-3 Närmiljö År 4-6 Vårt ekosystem År 7-9 Jordens ekosystem

Jorden År F-3 Närmiljö År 4-6 Vårt ekosystem År 7-9 Jordens ekosystem Lokala kursplaner i No/Teknik: Vi jobbar med det naturvetenskapliga arbetssättet dvs. genom att ställa hypoteser, undersöka, experimentera och dra slutsatser. Vi har delat in No området i tre huvudgrupper,

Läs mer

Normal och nedsatt hörsel

Normal och nedsatt hörsel Normal och nedsatt hörsel Hörselorganets anatomi och fysiologi Medicinska aspekter på hörselskador hos barn Johan Adler, läkare Hörsel- och balanskliniken 2011-08-25 Johan Adler (Hörselkliniken) Barns

Läs mer

! Susanne Schötz! ! akustisk-fonetisk analys! ! grupparbete!! om vi hinner: introduktion till Praat (kort demo)!

! Susanne Schötz! ! akustisk-fonetisk analys! ! grupparbete!! om vi hinner: introduktion till Praat (kort demo)! Introduktion till akustisk analys (av tal)!! akustiska elementa!! akustisk analys!! grupparbete: akustisk analys!! om hinner: introduktion till Praat!! mina bilder finns att ladda ner här: http://person2.sol.lu.se/susanneschotz/teaching_files/intro_ak.pdf!

Läs mer

Mål med temat vad är ljud?

Mål med temat vad är ljud? Vad är ljud? När vi hör är det luftens molekyler som har satts i rörelse. När en mygga surrar och låter är det för att den med sina vingar puttar på luften. När en högtalare låter är det för att den knuffar

Läs mer

EDI615 Tekniska gränssnitt Fältteori och EMC föreläsning 3

EDI615 Tekniska gränssnitt Fältteori och EMC föreläsning 3 EDI615 Tekniska gränssnitt Fältteori och EMC föreläsning 3 Daniel Sjöberg daniel.sjoberg@eit.lth.se Institutionen för elektro- och informationsteknik Lunds universitet April 2014 Outline 1 Introduktion

Läs mer

Laboration 2 Elektriska kretsar Online fjärrstyrd laborationsplats Blekinge Tekniska Högskola (BTH)

Laboration 2 Elektriska kretsar Online fjärrstyrd laborationsplats Blekinge Tekniska Högskola (BTH) Laboration 2 Elektriska kretsar Online fjärrstyrd laborationsplats Blekinge Tekniska Högskola (BTH) Växelspänningsexperiment Namn: Elektriska kretsar Online fjärrstyrd laborationsplats Blekinge Tekniska

Läs mer

3. Metoder för mätning av hörförmåga

3. Metoder för mätning av hörförmåga 3. Metoder för mätning av hörförmåga Sammanfattning Förekomst och grad av hörselnedsättning kan mätas med flera olika metoder. I kliniskt arbete används oftast tonaudiogram. Andra metoder är taluppfattningstest

Läs mer

IT-körkort för språklärare. Modul 5: Ljud, del 2

IT-körkort för språklärare. Modul 5: Ljud, del 2 IT-körkort för språklärare Modul 5: Ljud, del 2 Innehåll Spela in och klipp en ljudfil (metod 1)... 3 Importera och klipp en ljudfil (metod 2)... 6 Ta bort störande bakgrundsljud... 8 Förstärk ljudet...

Läs mer

En röststyrd förarmiljö

En röststyrd förarmiljö En röststyrd förarmiljö April, 005 Dialogue Technologies AB Skalholtsgatan 10 B SE-164 40 Kista, Sweden www.dialoguetech.com En röststyrd förarmiljö Innehållsförteckning 1 Vision, bakgrund Förslag 1 Vision,

Läs mer

Analoga och Digitala Signaler. Analogt och Digitalt. Analogt. Digitalt. Analogt få komponenter låg effektförbrukning

Analoga och Digitala Signaler. Analogt och Digitalt. Analogt. Digitalt. Analogt få komponenter låg effektförbrukning Analoga och Digitala Signaler Analogt och Digitalt Analogt 00000000000000000000000000000000000 t Digitalt Analogt kontra Digitalt Analogt å komponenter låg eektörbrukning verkliga signaler Digitalt Hög

Läs mer

Marantz PMD620 snabbmanual

Marantz PMD620 snabbmanual 2008-10-22 Marantz PMD620 snabbmanual Översikt Marantz PMD620 är en inspelningsmaskin som spelar in ljud på ett SD minneskort (medföljer ej vid lån i SC). Den kan spela in mp3-filer eller wav-filer (full

Läs mer

effektiv tillståndskontroll för alla branscher

effektiv tillståndskontroll för alla branscher effektiv tillståndskontroll för alla branscher pålitliga onlinesystem och portabla lösningar avancerad vibrationsanalys Kugg- och lagerövervakning your reliable partner SPM löser underhållsproblem, i hela

Läs mer

Effektpedal för elgitarr

Effektpedal för elgitarr EITF11 - Digitala Projekt Effektpedal för elgitarr Handledare: Bertil Lindvall Ivan Rimac (I05) Jimmy Lundberg (I08) 2011-05-10 Contents Bakgrund... 3 Kravspecifikation... 3 Kravspecifikation Effektpedal...

Läs mer

Introduktion och övningar

Introduktion och övningar Introduktion och övningar 1. Inspelning av ljud Denna övning kommer att visa dig hur ljudinspelning fungerar i Sound Studio. Övningen visar hur man ändrar bitdjup och samplingsfrekvens vid ljudinspelning

Läs mer

Trådlösa mikrofonsystem (Andreas Troedsson/Ludvig Blomgren - Grupp 6/5)

Trådlösa mikrofonsystem (Andreas Troedsson/Ludvig Blomgren - Grupp 6/5) Trådlösa mikrofonsystem (Andreas Troedsson/Ludvig Blomgren - Grupp 6/5) För att undvika onödigt trassel med diverse kablage som normalt kan uppstå vid olika live-sammanhang har det blivit en standard att

Läs mer

Revidering av ISO 9001. 2013-11-05 Peter Allvén SIS TK-304/PostNord

Revidering av ISO 9001. 2013-11-05 Peter Allvén SIS TK-304/PostNord Revidering av ISO 9001 Förändringar i ny version av ISO 9001 Det är inte bara ISO 9001 (kraven) som är under översyn utan även ISO 9000 som omfattar Concepts and Terminology. Viktigt att notera är att

Läs mer

ACOUSTIC FINGERPRINTING SYSTEMS

ACOUSTIC FINGERPRINTING SYSTEMS LINKÖPINGS UNIVERSITET - IDA ACOUSTIC FINGERPRINTING SYSTEMS Louise Walletun Artificiell Intelligens II 729G11 HT2012 Innehållsförteckning Inledning... 3 Attribut hos akustiska fingeravtryck... 4 Evalueringssystemet...

Läs mer

Framtida trender av revision

Framtida trender av revision Framtida trender av revision Tytti Yli-Viikari Riksrevisor 6.4.2016 Statens Revisonsverk Finland Grundprinciperna har en lång tradition; nya förfaringssätt utgör framtiden Den externa revisionen ger svar

Läs mer

Psykoakustik. Ljudtrycksnivå. Hörselns omfång. Hörnivå(loudness) Människans hörsel är ganska väl studerad och det finns bra modeller för den.

Psykoakustik. Ljudtrycksnivå. Hörselns omfång. Hörnivå(loudness) Människans hörsel är ganska väl studerad och det finns bra modeller för den. Psykoakustik Ljudtrycksnivå Människans hörsel är ganska väl studerad och det finns bra modeller för den. Detta kan utnyttjas vid ljudkodning för att placera distorsionen (kvantiseringsbruset) så att det

Läs mer

Tillämpad digital signalbehandling Laboration 1 Signalbehandling i Matlab och LabVIEW

Tillämpad digital signalbehandling Laboration 1 Signalbehandling i Matlab och LabVIEW Institutionen för data- och elektroteknik 004-03-15 Signalbehandling i Matlab och LabVIEW 1 Introduktion Vi skall i denna laboration bekanta oss med hur vi kan använda programmen Matlab och LabVIEW för

Läs mer

Jämföra, sortera tillsammans reflektera!

Jämföra, sortera tillsammans reflektera! Jämföra, sortera tillsammans reflektera! Lärarens roll i barnens matematiklärande Matematik som språk Matematiska begrepp Samtala kring matematik Anna Kärre Förskollärare på Lännersta förskola Föreläsare

Läs mer

Pulsmätare med varningsindikatorer

Pulsmätare med varningsindikatorer Pulsmätare med varningsindikatorer Elektro- och informationsteknik Projektrapport, EITF11 Digitala Projekt Charlie Hedhav Sofia Johansson Louise Olsson 2016-05-17 Abstract During the course Digitala Projekt

Läs mer

Big Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421!

Big Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421! Big Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421! Sammanfattning! Big Data är överallt! Big Data Analytics används för att utvinna information

Läs mer

Analys av DNA-kopietal med dolda markovmodeller

Analys av DNA-kopietal med dolda markovmodeller -kopietal Analys av -kopietal med dolda markovmodeller Lund, 8 juni 2011 -kopietal Disputerade den 22 oktober 2010 i matematisk statistik vid Matematikcentrum, Lunds Universitet Modelling Allelic and Copy

Läs mer

foner fonem stol 4 4 mamma 4 2 sjukskötare 9 8 gata 4 3 stat 4 3 Haparanda 9 6 heter 5 4 el. 5 kärvänlig 8 el. 9 7 el 8

foner fonem stol 4 4 mamma 4 2 sjukskötare 9 8 gata 4 3 stat 4 3 Haparanda 9 6 heter 5 4 el. 5 kärvänlig 8 el. 9 7 el 8 Facit till övning 1 foner fonem stol 4 4 mamma 4 2 sjukskötare 9 8 gata 4 3 stat 4 3 Haparanda 9 6 heter 5 4 el. 5 kärvänlig 8 el. 9 7 el 8 Några problem: 1) lång resp. kort variant av en vokal, är de

Läs mer

Bakgrund och motivation. Definition av algoritmer Beskrivningssätt Algoritmanalys. Algoritmer. Lars Larsson VT 2007. Lars Larsson Algoritmer 1

Bakgrund och motivation. Definition av algoritmer Beskrivningssätt Algoritmanalys. Algoritmer. Lars Larsson VT 2007. Lars Larsson Algoritmer 1 Algoritmer Lars Larsson VT 2007 Lars Larsson Algoritmer 1 1 2 3 4 5 Lars Larsson Algoritmer 2 Ni som går denna kurs är framtidens projektledare inom mjukvaruutveckling. Som ledare måste ni göra svåra beslut

Läs mer

Bilaga till Fas 2-rapport för Joroma AB

Bilaga till Fas 2-rapport för Joroma AB Bilaga till Fas 2-rapport för Sammanfattning av nerlagt arbete inklusive tester och testresultat Inledning I fas 2 av Kungliga Bibliotekets innovationsupphandling har huvuduppgiften angivits som att ta

Läs mer

2F1120 Spektrala transformer för Media Tentamen

2F1120 Spektrala transformer för Media Tentamen F Spektrala transformer för Media Tentamen 68 Tentamen består av fem uppgifter där varje uppgift maximalt ger p. Normalt gäller följande betygsgränser: :9 p, : p, 5: 7 p Tillåtna hjälpmedel: räknare, formelblad

Läs mer

En uppsats i Språkteknologi av Niklas Vargensten e-post: d99-nva@d.kth.se

En uppsats i Språkteknologi av Niklas Vargensten e-post: d99-nva@d.kth.se Kan datorn förstå någonting egentligen? En uppsats i Språkteknologi av Niklas Vargensten e-post: d99-nva@d.kth.se Sammanfattning I denna uppsats studeras och diskuteras användandet av kunskapsrepresenterande

Läs mer

BARNS SPRÅKUTVECKLING

BARNS SPRÅKUTVECKLING BARNS SPRÅKUTVECKLING BARNS SPRÅKUTVECKLING Hur lär sig barn sitt språk? Vad skiljer barns språkutveckling från vuxnas språkinlärning? Hur kan vi forska om barns språkutveckling? Vad säger språkutvecklingen

Läs mer

SFOR-kurs Aspenäs herrgård 6 8 april 2011. Lars Öhberg, MD, PhD Norrlands Universitetssjukhus, Umeå

SFOR-kurs Aspenäs herrgård 6 8 april 2011. Lars Öhberg, MD, PhD Norrlands Universitetssjukhus, Umeå SFOR-kurs Aspenäs herrgård 6 8 april 2011 Lars Öhberg, MD, PhD Norrlands Universitetssjukhus, Umeå Ljud definieras som tryckvariationer i luft, vatten eller annat medium. Det mänskliga örat uppfattar

Läs mer