Уперше для вейвлет-аналізу фонем як набір знаків використано енергетичні параметри вейвлет-спектра, характерні для досліджених фонем на різних частотних діапазонах, що дозволило підвищити ефективність розпізнавання. Удосконалено методики зниження рівня шумів на базі методів межової вейвлет-обробки, що враховують широку класифікацію звуків мовлення. Запропонований підхід на етапі попередньої обробки дозволяє зменшити помилки за подальшого розпізнавання. Удосконалено методики знаходження з використанням методів вейвлет-аналізу меж вимовлених слів за рахунок застосування фонетичної класифікації, що дає змогу виділяти слова з голосового сигналу за відношення сигнал/шум менше за 20 db і наявності короткочасних високоамплітудних перешкод. Розвинуто засновані на методах частотно-часового аналізу методики сегментації слів, що реалізують виділення міжфонемних переходів незалежно від голосових даних диктора й інтенсивності мовного голосового сигналу (МГС) в результаті врахування динаміки енергетичних характеристик вейвлет-спектра. Розроблено нову інформаційну технологію, що базується на запропонованих методиках і реалізує функції попередньої обробки, сегментації МГС, класифікацію звуків мовлення та розпізнавання фонем.

  Скачати повний текст