DETECCIÓN DE FRAUDE DE VOZ A TRAVÉS DE MODELOS DE LA PARTE COMPLEJA DE SERIES DE FOURIER

dc.contributor.authorGonzalez Terroba, Sara
dc.date.accessioned2024-07-17T12:00:05Z
dc.date.available2024-07-17T12:00:05Z
dc.date.issued2024-07-16
dc.descriptionTrabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: Clara Simón De Blas, Jordi Luque Serrano
dc.description.abstractEste documento se centra en la investigación y el estudio de modelos discriminativos de voces generadas artificialmente, de forma que se pueda concluir si la parte compleja de la señal de la voz es una característica importante a la hora de clasificar la misma. En el documento, primero se hablará de conceptos clave como son los tipos de spoofing y de generación de voz más comunes actualmente; y se revisarán las nociones base de la creación de los espectrogramas que representan la señal de voz, es decir, la transformada de Fourier y los algoritmos optimizados, la Transformada Rápida de Fourier (FFT) y la Transformada de Fourier de Tiempo Reducido (STFT) y, seguidamente, se llevará acabo la parte práctica realizando distintos experimentos al introducir las nuevas características de la parte compleja en el modelo.\\ Finalmente, se analizarán los resultados obtenidos en los distintos experimentos para obtener así las conclusiones.
dc.identifier.urihttps://hdl.handle.net/10115/38210
dc.language.isospa
dc.publisherUniversidad Rey Juan Carlos
dc.rightsCreative Commons Atribución-CompartirIgual 4.0 Internacional
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-sa/4.0/legalcode
dc.subjectTransformada de Fourier
dc.subjectFFT
dc.subjectSTFT
dc.subjectDeepfakes
dc.subjectDetección de spoofing
dc.subjectClasificación de voces
dc.titleDETECCIÓN DE FRAUDE DE VOZ A TRAVÉS DE MODELOS DE LA PARTE COMPLEJA DE SERIES DE FOURIER
dc.typeinfo:eu-repo/semantics/studentThesis

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
2023-24-ETSII-A-2316-2316050-s.gonzalezt.2018-MEMORIA.pdf
Tamaño:
2.06 MB
Formato:
Adobe Portable Document Format
Descripción:
Memoria del TFG
No hay miniatura disponible
Nombre:
2023-24-ETSII-A-2316-2316050-s.gonzalezt.2018-ANEXO.zip
Tamaño:
5.88 MB
Formato:
Unknown data format
Descripción:
Anexo.zip