Рассмотрен алгоритм кодирования и восстановления речи на основе инвариантного к динамике сигнала оператора формирующего фильтра, который возбуждается сигналом в виде суммы собственных гармонических функций оператора.

База даних емоційних розмов є частиною проекту "BaFra", метою якого є створення польськомовного корпусу, що спеціалізується на тестуванні програм розпізнавання голосу. До складу бази входять фрази, продиктовані диктором як у нормальній обстановці, так і модифіковані фрази. Подібна мовна база дозволяє тестувати стійкість алгоритмів розпізнавання мови до зміни диктора та його емоційного стану.

Запропоновано нові методи аналізу сигналів та їх спектрів, що розглядають їх як функції багатьох змінних з невідомим порядком і складом компонент і невідомими параметрами компонент з використанням теореми А.М. Колмогорова, за якою функцію багатьох змінних можна уявити як суму, добуток і суперпозицію одновимірних функцій. Розглянуто уявлення багатовимірних функцій у базисі елементарних функцій вигляду: для параметричного уявлення спектра та частотної функції мовотворного тракту - резонансні функції другого порядку, в тому числі функції загаяних ланок і експоненційні функції; для непараметричного уявлення спектра - параболи другого порядку та локон Аньєзі - крива 3-го порядку. Для резонансних функцій і загаяних ланок задачу розв'язано в часовій та частотній областях. Параметри мовного тракту визначено за методами: послідовного вилучення складового сигналу - Consecutive Extraction Transform і послідовних наближень - Sequential Approximation Transform для акустичної та біомеханічної систем. Алгоритми розпізнавання реалізовано як послідовне, фонемне та сегментно-складове розпізнавання з застосуванням згладжувальних сплайнів, сплайн-ідентифікації та сплайн-синтезу. Реалізовано базовий алгоритм розпізнавання на базі екстремальних функцій, який досліджено на словнику з 800 слів. Виявлено стабільну надійність розпізнавання слів не менше 98 % на одного диктора. Відзначено, що словник еталонів, у загальному випадку, утримує одну реалізацію кожного слова.

Досліджено системи розпізнавання мовних сигналів у телекомунікаційних мережах і системах та алгоритми підвищення ймовірності розпізнавання мовних сигналів. Проведено аналіз цифрових моделей мовного сигналу, порівняльний аналіз програм розпізнавання мовних сигналів та аналіз методів розпізнавання мовних команд. Розроблено чотирьохфонемну модель розпізнавання мовних сигналів у телекомунікаційних мережах і системах, що дає змогу підвищити ймовірність розпізнавання мовних сигналів. Розроблено програмне забезпечення для розпізнавання мовних сигналів, досліджено ймовірності розпізнавання голосових команд і злитного мовлення чотирьохфонемним методом. Реалізовано цей метод на мікропроцесорі.

Произведен обзор подходов к выбору классификационных признаков. Рассмотрена проблема интерпретируемости (понятности конечному пользователю) классификационных признаков в гидролокации. Показана целесообразность применения интерпретируемых классификационных признаков в человеко-машинных системах классификации, построенных с использованием технологии экспертных систем.

Рассмотрена задача о приеме звука цилиндрическим преобразователем в кольцевом слое с учетом электроупругих свойств пьезокерамической оболочки и переходного слоя в "сквозной" постановке. Исследованы интерференционные картины распределений давлений перед кольцевым слоем в освещенной зоне при акустически жестком, акустически мягком и промежуточном упругом материале слоя для различных толщин слоя, а также угловые распределения полного поля при различных расстояниях от поверхности преобразователя. Установлена зависимость интерференционных максимумов и минимумов ближнего поля от степени жесткости (упругости) волнового слоя. Показаны закономерности влияния выбора материалов и размеров волнового слоя на величину и местоположение интерференционных максимумов и минимумов давления в освещенной области, а также на угловые характеристики полного поля.

Отмечено, что эффективность защитных конструкций обычно оценивается по критерию "отношение сигнал - помеха" в точке приема. Предложено использовать более удобный, с точки зрения конечного пользователя, критерий в виде разборчивости речи. При этом в качестве модели защитных конструкций целесообразно использовать фильтры. Приведенные результаты компьютерного моделирования свидетельствуют о конструктивности предложенного подхода.

Індекс рубрикатора НБУВ: З970.664.4 + З87-013.1

Рубрики:

Розпізнавання мовлення

Електроакустика

Шифр НБУВ: РА403428 Пошук видання у каталогах НБУВ 

Исследован широкий класс параметрических оценок спектральной плотности мощности, основанных на принципе максимума энтропии и авторегрессионной модели наблюдений. При этом выделен их ключевой параметр-порядок используемой модели. Рассмотрена проблема априорной неопределенности, когда истинное значение порядка заранее не известно. С целью преодоления недостатков известных алгоритмов в условиях малых выборок наблюдений предложен новый критерий автоматического определения порядка по выборке конечного объема. В основу предложенного критерия положен принцип гарантированного уровня значимости в задаче проверки сложных статистических гипотез. В отличие от критериев AIC, BIC и др., он не связан с определением погрешности измерений, поскольку оперирует исключительно понятием "уровень значимости" формируемого решения. Исследование эффективности предложенного критерия проведено теоретически и экспериментально. Рассмотрен пример его применения в задаче спектрального анализа речевых сигналов. Даны рекомендации по его практическому использованию в системах цифровой обработки сигналов.

Розроблено дискримінаційні та генеративні нейромережеві математичні моделі звукових сигналів. Розглянуто методи визначення інформативних ознак та вилучення даних цифрового звукового сигналу. Описано застосування нейронних мереж автокодувальників як на етапі попередньої обробки даних, так і на етапі класифікації. Розв'язано задачі класифікації звукових даних із використанням згорткових нейронних мереж та генерації нових зразків даних із застосуванням автокодувальників. Еволюційні методи використано для оптимізації гіперпараметрів нейронних мереж та їх ансамблів. Наведено приклади роботи інструментальної системи на відкритих наборах даних ESC-50 та UrbanSound8k.

Увагу приділено розв'язанню задач класифікації звукових сигналів засобами згорткових нейронних мереж та автокодувальників з оптимізацією їхньої структури генетичними алгоритмами. Розроблено математичні моделі гібридних нейронних мереж на основі згорткової архітектури, автокодувальника та методу ансамблювання Snapshot. Досліджено вплив гіперпараметрів класифікаторів на точність прогнозування моделей. Доведено теорему про збіжність гібридної нейронної мережі з шарами автокодувальника та згортки. Реалізовано інструментальну систему класифікації звукових даних. Для поліпшення структури ансамблів і автоматичного налаштування гіперпараметрів застосовано генетичний алгоритм.

Викладено теоретичні основи розповсюдження звуку в приміщеннях і на відкритому просторі щодо його можливого перехоплення пристроями запису. Висвітлено основні характеристики сучасних акусто-електричних перетворювачів мовленнєвої інформації, що можуть використовуватися в закладних пристроях, їх переваги та недоліки. Розглянуто результати досліджень провідних світових учених у сфері розпізнавання мовленнєвої інформації в умовах впливу зовнішніх шумів. Наведено способи захисту мовленнєвої інформації в приміщеннях і методологію розрахунків ефективності їх використання.