Предложены алгоритмы, позволяющие игнорировать срабатывание записи распознавателя от шума, а также постороннюю речь, не содержащую слова распознаваемого словаря.

Описан модуль пофонемного распознавателя, который по полученной цепочке фонем (возможно, содержащей отдельные ошибки) находит наиболее подходящее слово из распознаваемого словаря.

Рассмотрен распознаватель изолированных слов, который не требует от пользователя предварительного обучения распознаванию каждого слова и основан на автоматическом построении транскрипций и эталонов слов распознаваемого словаря. Предложены новые алгоритмы сегментации речевого сигнала, используемые в пофонемном распознавании.

Зроблено систематизований аналіз методів і засобів опису, обробки та розпізнавання мовних сигналів. Здійснено алгоритмізацію методів фонемного та сегментно-складового розпізнавання. Запропоновано різницеву схему послідовного вибирання складових сигналу (consecutive extraction transform - CET), на базі якої побудовано розподілену передатну та смугову передатну функції мовнотвірної системи. Розроблено й реалізовано алгоритми послівного, фонемного розпізнавання, сплайн-синтезу та ідентифікації сегментно-складових мовних послідовностей.

Розроблено нові підходи щодо побудови біометричних систем ідентифікації та криптографічного захисту. Викладено методологію розпізнавання людини за голосом і відбитками пальців, розглянуто особливості апаратури й алгоритмів одержання біометричних даних. Наведено методи визначення інформативних ознак розпізнавання мовних сигналів. Проаналізовано спотворення, характеристики й особливості дактилоскопічних зображень, встановлено критерії застосування двохетапного методу розпізнавання. Запропоновано нові способи біометричного захисту ключів криптографічних алгоритмів.

Разработаны новые подходы к построению биометрических систем идентификации и криптографической защиты. Приведена методология распознавания человека по голосу и отпечаткам пальцев, рассмотрены особенности аппаратуры и алгоритмов установления биометрических данных. Рассмотрены методы определения информативных признаков распознавания языковых сигналов. Проанализированы искажения, характеристики и особенности дактилоскопических изображений, установлены критерии применения двоэтапного метода распознавания. Разработаны новые способы биометрической защиты ключей криптографических алгоритмов.

Описано систему пофонемного розпізнавання. Вона базується на новій методиці сегментації, яка розвиває підходи, запропоновані раніше. Новими методами є: використання під час сегментації лише узагальненої транскрипції, що описує чергування голосних і голосових приголосних звуків, відмову від використання для поділу кожної пари фонем свого фільтра та використання таблиць типу представленої. Це, природно, збільшує дикторонезалежність сегментації. Запропоновано нові підходи для виділення у сигналі звуку "р" і для поділу декількох голосних звуків, що ідуть вряд. Усі наведені рисунки, які ілюструють роботу описуваних алгоритмів, є образами вікон реальної програми розпізнавання, яка використовує ці алгоритми.

Розглянуто принципи використання нейронних мереж для розпізнавання окремих звуків мови, представлених їх амплітудно-частотним спектром на стаціонарних участках мовного сигналу. Наведено результати навчання нейронної мережі на заданій вибірці звукових образів, а також результати розпізнавання тестової вибірки звуків які показали надійність розпізнавання 99 %, що свідчить про перспективність застосування нейронних мереж у системах автоматичного розпізнавання мови.

Розглянуто питання про спосіб представлення мовленнєвого сигналу через його вейвлет-розкладання, що володіє більшою інформативністю в порівнянні зі спектральним представленням. Запропоновано методику побудови системи ознак розпізнавання фонем, що відповідають вокалізованим звукам, на базі безперервного вейвлет-перетворення з використанням DOG-вейвлету як материнського. Крім цього, наведено алгоритми для одержання коефіцієнтів безперервного вейвлет-спектра та виділення квазіперіоду сигналу.

Рассмотрены методы усовершенствования распознавания изолированных слов сравнением с шаблоном.

Отмечено, что для распознавания речи, как изолированной, так и слитной, необходимо предварительно определить ее границы в контексте окружающих бесполезных звуковых сигналов. Сложность определения границ речи связана с особенностями произношения конкретного диктора, наличием в речевом сигнале различных видов посторонних шумов, а также звуковых артефактов процесса артикуляции (придыхание, чмокание и т.п.). Традиционные методы, основанные на вычислении кратковременной энергии сигнала, спектральной энергии или количестве нуль-пересечений неустойчиво работают в условиях, когда появляются шумы с динамическим спектром или относительно сильные стационарные шумы. Рассмотрен метод определения границ речи, основанный на вычислении энтропии (как меры неопределенности или беспорядка в некотором распределении) спектра сигнала. Для робастного выделения речи используется свойство отличия значений энтропии для речевых сегментов и для фоновых шумов. Отличительная черта данного подхода состоит в том, что этот показатель является малочувствительным к изменениям амплитуды сигнала и, следовательно, позволяет более робастно и точно определять границы речи. Экспериментальные результаты по применению разработанного метода показали, что речевые фрагменты успешно выделяются из звуковых сигналов, содержащих различные виды сильных шумов (белый, коричневый, розовый, узкополосный шум и т.д.) и звуковых артефактов. Кроме того, разработанный метод имеет приемлемую вычислительную сложность, что позволяет его эффективно использовать в системах распознавания речи реального времени.

Отмечено, что с развитием систем автоматического понимания речи и расширением круга решаемых задач все большую актуальность приобретает использование прагматической информации. Построение модели понимания исходит из назначения системы и во многом определяется предметной областью (ПО). Одной из наиболее важных проблем в области автоматического понимания является учет понятий (терминов) предметной области, где термины принадлежат очень узкому словарю и их смысл уже заранее хорошо согласован в пределах определенного сообщества. Система автоматического понимания речи должна корректно обобщать или разобобщать понятия (термины), для этого необходимо использовать знания о связях между понятиями в рамках определенной предметной области. Предложено решение проблемы учета иерархии понятий в виде онтологии ПО. Онтология представлена в виде дерева понятий предметной области в xml-формате, что обеспечивает легкость расширения онтологии, а следовательно, словаря предметной области. Метод верификации онтологического подмножества гипотезы входной фразы обеспечивает гибкость системы автоматического понимания по отношению к естественно-языковым фразам, содержащим понятия различного уровня обобщения в рамках определенной предметной области, без потери скорости и качества обработки речи.

Рассмотрен алгоритм распознавания изолированных слов с использованием метода нечеткого динамического программирования. Разработана модель слова с использованием нечетких функций. Основным достоинством предложенного алгоритма является возможность формирования модели слова без этапа обучения.

Описан алгоритм формирования структуры эталонов для дикторонезависимой системы распознавания изолированно произносимых слов ограниченного словаря (около 100 слов), позволяющий в автоматическом режиме определять структуру марковских моделей распознаваемых речевых единиц и формировать для них эталонные модели. Алгоритм можно использовать как при подготовке прототипов моделей для исследовательского программного пакета HTK (Hidden Markov Model Toolkit), так и для формирования законченных эталонных моделей распознаваемых речевых единиц.

При создании систем распознавания речи важную роль играет выбор признаков, на основе которых формируются эталоны звуков речи. Для решения этой задачи в статье с помощью дискретного вейвлет-преобразования проведен количественный анализ гласных звуков.

Проаналізовано модель мовоутворення, що грунтується на принципі "квазічастотної" модуляції голосового тракту, і метод дикторонезалежного кодування звуків мови двійковими частотно-детектуючою і частотно-сегментуючою функціями, що грунтується на цій моделі. Запропоновано принцип ієрархічного структурування фонетичної інформації в акустичному сигналі, поданого двійковими значеннями вказаних функцій, реалізацією паралельного процесу сегментації і маркування мовного сигналу. Розглянуто процедури навчання класифікатора міток і сегментатора, наведено результати їх роботи.

Розглянуто підхід до створення системи автоматичного розпізнавання мовноголосового сигналу з обмеженою навчальною вибіркою, яка базується на основі одержання мовних ознак, кратномасштабного вейвлет-аналізу та фонетичної моделі слів. Побудована система є предпроцесінг мовного сигналу, задача якого є одержання найбільш схожих слів до вимовленого, для уникнення повного перебору. Одержана вибірка, яка складається з сукупності конкуруючих слів, може бути уточнена одним із вже існуючих алгоритмів.

Створено нейромережеву технологію обробки звукових файлів (ЗФ) значної тривалості, в яких представлено голоси дикторів. Шляхом індексування такий ЗФ розділяється на послідовні мовні фрагменти, в яких представлено голос тільки одного з дикторів. Технологія забезпечує швидкий доступ до будь-якого фрагмента для прослуховування або наступної обробки.

Рассмотрен алгоритм сегментации сигналов, отвечающих русским словам, без использования их предварительной транскрипции. Описаны некоторые новые алгоритмы выделения участков, соответствующих шипящим, паузам и фонеме "р". Предложен новый подход к пофонемному распознаванию, основанный на разделении пары фонем или пары классов фонем с помощью одного скалярного признака (своего для каждой пары).

Рассмотрена задача выделения монологических составляющих беседы двух дикторов при априорной неизвестности параметров голосов дикторов. Освещены общие методы к решению данной проблемы. Предложен метод проведения подобной сегментации, основанный на поиске различий между соседними сегментами.

Разработан механизм распознавания слитной речи. Определены элементарные составляющие слитной речи - фразы - и указаны накладываемые на них ограничения. Указан метод ограничения за счет использования ШФК-транскрипции распознаваемой фразы, количества фраз, с которыми ее необходимо сравнивать. Предложен метод поиска синтаксически допустимой фразы среди множества фраз. Данный метод использует два альтернативных метода представления множества фраз, что позволяет ускорить процесс анализа. Все разработанные методы реализованы программно.