Merge pull request #17 from schuler-henry/15-create-abstract

Created abstract.

Author: schuler-henry

chapter/Ausblick.tex

@@ -1,18 +1,18 @@
 \section{Kritische Reflexion und Ausblick}\label{sec:Ausblick}
 In dieser Arbeit wurde ein lineares Verfahren entwickelt, welches Audiodateien zunächst in vier sequenziellen Schritten vorverarbeitet und anschließend in \ac{LPC} Koeffizienten umrechnet.
-Der theoretische Ansatz hinter der \ac{LPC} Berechnung zeigte dabei bereits ein hohes Potenzial der Koeffizienten für die Verwendung im Kontext Benutzerauthentifizierung.
+Der theoretische Ansatz hinter der \ac{LPC} Berechnung zeigt dabei bereits ein hohes Potenzial der Koeffizienten für die Verwendung im Kontext Sprecherauthentifizierung.
 
-Im Rahmen der Implementierung der vorgestellten Verfahren wurde auf einen Modularen Ansatz gesetzt, der eine Erweiterung des entwickelten Programms um verschiedene Verfahren der Koeffizientenberechnung ermöglicht, wodurch dieses als Basis für die anschließende Studienarbeit verwendet werden kann.
+Im Rahmen der Implementierung der vorgestellten Verfahren wird auf einen Modularen Ansatz gesetzt, der eine Erweiterung des entwickelten Programms um verschiedene Verfahren der Koeffizientenberechnung ermöglicht, wodurch dieses als Basis für die anschließende Studienarbeit verwendet werden kann.
 Gleichzeitig können relevante Größen wie die Länge der zu erstellenden Frames oder die Anzahl zu berechnender Koeffizienten als Parameter den entsprechenden Funktionen übergeben werden, wodurch eine hohe Flexibilität erreicht wird.
 
 Die abschließende Validierung der Ergebnisse dieser Arbeit bestätigen die in der Einleitung getroffene These.
-Mit einer Genauigkeit von 70,54 Prozent konnte das trainierte \ac{NN} neue Stimmaufzeichnungen den korrekten Sprechern zuordnen.
+Mit einer Genauigkeit von 70,54 Prozent kann das trainierte \ac{NN} neue Stimmaufzeichnungen den korrekten Sprechern zuordnen.
 Es besteht somit ein klarer Zusammenhang zwischen den berechneten Koeffizienten und der sprechenden Person.
-Gleichzeitig konnte aus den begrenzten Testdaten festgestellt werden, dass der korrekte Sprecher im Durchschnitt 4,7 Mal so oft gegenüber dem Sprecher mit den zweitmeisten Vorhersagen zugeordnet wird.
+Dabei kann mit Blick auf die begrenzten Testdaten festgestellt werden, dass der korrekte Sprecher im Durchschnitt 4,7 Mal so oft gegenüber dem Sprecher mit den zweitmeisten Vorhersagen zugeordnet wird, was die Effektivität der Koeffizienten noch einmal verstärkt hervorhebt.
 \newline
 \newline
 Im Kontext der anschließenden Studienarbeit zeigen die Ergebnisse, dass die \ac{LPC} Koeffizienten gewinnbringend für die Authentifizierung von Sprechern sind.
-Diese Arbeit bietet somit verschiedene Ansätze, die im Rahmen der Studienarbeit aufgefasst und vertieft werden können.
+Diese Arbeit bietet somit die Grundlage für verschiedene Ansätze, die im Rahmen der Studienarbeit aufgefasst und vertieft werden können.
 
 Durch Anpassungen der Koeffizienten-Zusammensetzung kann untersucht werden, ob die Genauigkeit des \ac{NN} verbessert werden kann.
 Dies bezieht sich insbesondere auf die Faktoren Vorhersagegenauigkeit und Fehlerrate des \ac{NN}.

pages/abstract.tex

@@ -9,24 +9,31 @@
 
 % Deutsche Zusammenfassung
 \begin{abstract}
-	
+	Um Sprecher anhand von Stimmaufzeichnungen in einem System zu authentifizieren, muss das analoge Audiosignal in digitale Parameter umgewandelt werden, die einen Bezug zu der sprechenden Person ermöglichen.
+	Diese Arbeit beschäftigt sich mit der Berechnung von Lineare Predictive Coefficients, welche Eigenschaften der Stimmerzeugung im Vokaltrakt modellieren.
+	Der Zusammenhang zwischen Sprecher und berechneten Koeffizienten wird unter der Verwendung eines Neuronalen Netzes überprüft.
+	In der Auswertung mit einem kleinen Datensatz von 10 Personen zeigt sich eine Vorhersagegenauigkeit von 70,54 Prozent, wodurch der grundsätzliche Zusammenhang gezeigt ist. 
 \end{abstract}
 
 % Schlüsselwörter Deutsch
 \begin{keywords}
-	
+	Linear Predictive Coding, Sprecherauthentifizierung, Framing, Fensterfunktion
 \end{keywords}
 
 
 \selectlanguage{english}
 % Englisches Abstract
 \begin{abstract}
-
+	To authenticate speakers via recordings of their voices, the analog audio recording has to be converted into digital parameters related to the speaker.
+	For this reason, this study deals with calculating linear predictive coefficients, which are used to model human voice production in the vocal tract.
+	The connection between speakers and calculated coefficients is checked using a neural network.
+	Using a small data set consisting of ten different speakers, a prediction accuracy of 70.54 percent is achieved.
+	Therefore the connection between the speaker and the coefficients is proven. 
 \end{abstract}
 
 % Schlüsselwörter Englisch
 \begin{keywords}
-
+	Linear Predictive Coding, Speaker Authentication, Framing, Windowing
 \end{keywords}