Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Вероятностная структура информационных сигналов в системах речевого командного управления

Диссертация: Вероятностная структура информационных сигналов в системах речевого командного управления
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В диссертационной работе предложена обобщённая вероятностная модель, позволяющая выполнять исследования речевых информационных сигналов на уровне структуры отдельных фонем и на уровне усреднённой общей структуры процессов. Полученные при этом результаты дают возможность изучения тонких, детальных характеристик выборочных функций речевых сигналов. Это, в свою очередь, позволяет полнее использовать… Читать ещё >

Содержание

  • 1. Общая проблема анализа и распознавания речевых сигналов
    • 1. 1. Речевые технологии. Задачи анализа и синтеза речи
    • 1. 2. Особенности обмена речевой информацией
    • 1. 3. Структура автоматизированного распознавания речи
    • 1. 4. Системы речевого командного управления
    • 1. 5. Модели сигналов и алгоритмы распознавания речи
      • 1. 5. 1. Модель линейного предсказания
      • 1. 5. 2. Модель спектрального представления
      • 1. 5. 3. Модель вейвлет-преобразования
      • 1. 5. 4. Метод шаблонного сравнения
      • 1. 5. 5. Алгоритмы нейронных сетей
      • 1. 5. 6. Алгоритмы, основанные на моделях Марковских цепей
      • 1. 5. 7. Алгоритмы нечёткой логики
      • 1. 5. 8. Независимый компонентный анализ
    • 1. 6. Основные результаты главы
  • 2. Вероятностная структура речевых сигналов
    • 2. 1. Особенности временной структуры исследуемых сигналов
    • 2. 2. Модель вероятностного распределения
    • 2. 3. Спектрально-корреляционные характеристики
    • 2. 4. Модель двумерного вероятностного распределения
    • 2. 5. Структура производных речевого сигнала
    • 2. 6. Характеристики типа «пересечений уровней» для речевых сигналов
    • 2. 7. Исследование фазовых траекторий речевых сигналов
    • 2. 8. Псевдофазовые траектории речевых сигналов
    • 2. 9. Вероятностное распределение огибающей и интенсивности сигнала
    • 2. 10. Основные результаты главы
  • 3. Экспериментальные исследования типовых сигналов речевого командного управления
    • 3. 1. Временные реализации и корреляционные функции типовых сигналов
    • 3. 2. Одномерные и двумерные распределения
    • 3. 3. Фазовые портреты типовых сигналов
    • 3. 4. Фонемный анализ сигналов речевого управления
    • 3. 5. Зависимость структуры речевых сигналов от диктора
    • 3. 6. Основные результаты главы
  • 4. Точность оценивания параметров речевых сигналов
    • 4. 1. Точность оценивания средней интенсивности сигнала
    • 4. 2. Точность оценивания среднего числа пересечений
    • 4. 3. Точность оценивания характеристик длительности временных интервалов
    • 4. 4. Основные результаты главы

Вероятностная структура информационных сигналов в системах речевого командного управления (реферат, курсовая, диплом, контрольная)

Актуальность проблемы. Задачи анализа, обработки и распознавания речи уже на протяжении нескольких десятилетий относятся к одному из основных направлений фундаментальных исследований в области информатики, искусственного интеллекта и распознавания образов. Исследования речевых сигналов, разработка систем автоматического распознавания речи и систем речевого управления — это вопросы, которыми занимаются университетские лаборатории и исследовательские центры большинства развитых стран.

За последнее двадцатилетие было предложено много разнообразных математических моделей и алгоритмов отработки речевых сигналов. Прогресс в области науки и техники, стремительное развитие вычислительной техники и новых информационных технологий позволили реализовать на практике большинство разработанных алгоритмов. Однако, несмотря на это, общая проблема речевых технологий и речевого управления далека от своего решения. Множество вопросов в области оптимальной обработки речевых сигналов до сих пор остаются открытыми. Подавляющее большинство существующих алгоритмов распознавания речи работают эффективно лишь в условиях жестких ограничений на характер обрабатываемых сигналов.

Среди систем автоматического анализа и распознавания речи можно выделить самостоятельный класс систем речевого командного управления. Для таких систем характерен ограниченный объем словаря, раздельная речь и возможности предварительной настройки на диктора. За счет таких ограничений часто удается существенно повысить эффективность обработки информационных потоков, однако даже в системах речевого командного управления вероятности правильного принятия решений существенно снижаются при изменениях эмоционального состояния диктора или каких-либо изменениях относительно априорных параметров речевого сигнала.

Основной причиной, сдерживающей развитие речевых технологий, является сложная и изменчивая структура речевых сигналов. Такие сигналы плохо подаются детальному исследованию и формализации. Эта особенность в значительной степени объясняет тот факт, что до настоящего времени, по существу, отсутствуют удобные для практики обобщения математической модели речевых сигналов. При построении математических моделей, как правило, основное внимание уделяется лишь спектральным свойствам речи. Необходимость более детальных исследований общей вероятностной структуры речевых сигналов связана с необходимостью совершенствования математических моделей, повышения эффективности существующих и разработкой новых перспективных алгоритмов обработки, анализа и автоматического распознавания речи.

Цель диссертационной работы состоит в исследовании основных статистических свойств речевых информационных потоков, построении обобщённой математической модели и анализе детальной вероятностной структуры сигналов речевого командного управления.

Основные задачи. Для достижения поставленной цели в диссертационной работе решались следующие основные задачи:

1. Исследование и общая классификация существующих моделей и алгоритмов обработки речевых информационных потоков.

2. Исследование основных вероятностных характеристик, спектрально-корреляционных свойств, одномерных и двумерных вероятностных распределений речевых сигналов.

3. Построение обобщённой вероятностной модели речевых информационных процессов.

4. Исследование тонкой вероятностной структуры речевых процессов, анализ характеристик типа «пересечений уровней», исследование фазовых и псевдофазовых портретов информационных сигналов.

5. Вероятностный анализ огибающей и мгновенной интенсивности речевых сигналов.

6. Экспериментальные исследования основных вероятностных характеристик типовых сигналов речевого командного управления.

7. Исследование потенциальной точности оценивания параметров в задачах обработки информационных сигналов речевого управления.

Методы исследования. При выполнении диссертационных исследований использовались: общие методы системного анализа, методы теории вероятностей и математической статистики, общая теория случайных процессов и теория выбросов случайных процессов, теория планирования экспериментов, методы цифровой обработки экспериментальных данных и методы математического моделирования.

Научная новизна. В процессе выполнения исследований были получены следующие новые научные результаты:

1. Результаты расчётно-экспериментальных исследований комплекса одномерных и двумерных статистических характеристик речевых информационных потоков.

2. Предложена обобщённая вероятностная модель, позволяющая исследовать фонемную структуру речевых сигналов и проводить анализ усреднённой вероятностной структуры речевых информационных потоков.

3. На основе обобщённой модели выполнены исследования производных речевого сигнала, определены совместные плотности вероятностей для речевых сигналов и их производных, вычислены основные вероятностные характеристики пересечений заданного уровня, длительностей выбросов и характеристики экстремальных значений для речевых информационных процессов.

4. Выведены аналитические выражения для обобщённых вероятностных распределений огибающей и интенсивности нестационарного негауссовского речевого сигнала.

5. Показаны возможности детальных исследований структуры речевых процессов на основе фазовых портретов и псевдофазовых портретов, определены в аналитической форме основные количественные характеристики таких представлений.

6. Получены удобные для практического применения общие результаты по оцениванию потенциальной точности измерений параметров речевых сигналов.

Практическая значимость.

В диссертационной работе предложена обобщённая вероятностная модель, позволяющая выполнять исследования речевых информационных сигналов на уровне структуры отдельных фонем и на уровне усреднённой общей структуры процессов. Полученные при этом результаты дают возможность изучения тонких, детальных характеристик выборочных функций речевых сигналов. Это, в свою очередь, позволяет полнее использовать статистические свойства информационных процессов, оптимизировать алгоритмы обработки и распознавания, совершенствовать методы вероятностного анализа сигналов речевого командного управления. Помимо систем речевого командного управления, такие результаты важны для повышения эффективности систем распознавания дикторов, систем идентификации, верификации и защиты от несанкционированного доступа.

Основные положения, выносимые на защиту:

1. Результаты экспериментальных исследований основных одномерных и двумерных статистических характеристик речевых сигналов.

2. Обобщённая вероятностная модель, отражающая фонемную структуру и усреднённую общую структуру речевых сигналов.

3. Результаты исследования детальной вероятностной структуры выборочных функций речевых сигналов, исследования характеристик типа «пересечений уровней», структуры фазовых портретов и псевдофазовых портретов информационных сигналов речевого командного управления.

4. Потенциальные точности оценивания основных вероятностных характеристик речевых сигналов.

Внедрение результатов. Результаты диссертационной работы внедрены на предприятии ООО «Мера НН» (Российское подразделение Nortel Networks corp.) при разработке голосового интерфейса (VoIP IVR) в составе системы карточной IP-телефонии, использованы при выполнении НИР по гранту Минобразования России «Проблемы теории выбросов случайных процессов» № ТОО-ОЗ .2−2694, а также по гранту Минобразования России «Проблемы обработки данных научного эксперимента» № Т02−03.3−3642. Кроме этого, результаты диссертационной работы внедрены в учебный процесс Нижегородского государственного технического университета (по кафедре информационных радиосистем), Нижегородского государственного лингвистического университета им. H.A. Добролюбова (по кафедре математики и информатики) и Санкт-Петербургского государственного университета аэрокосмического приборостроения (по кафедре компьютерной математики и программирования).

Внедрение результатов диссертационной работы подтверждено соответствующими актами, копии которых даны в приложениях к диссертации.

Апробация работы. Основные положения работы докладывались на следующих научно-технических конференциях и семинарах:

1. Пятая всероссийская НТК «Методы и средства измерений физических величин» Нижегородский государственный технический университет, 2000.

2. Международная НТК «Проблемы транспортных и технологических комплексов АВТО НН — 02», Нижегородский государственный технический университет, 2002.

3. Sixth International Workshop on New Approaches to High-Tech: Nondestructive Testing and Computer Simulations in Science and Engineering. Saint Petersburg, S.-Petersburg State Technical University. June 10−16,2002.

4. Политехнический Симпозиум «Молодые ученые — промышленности Северо-западного региона» — Компьютерные технологии и телекоммуникации, СПбГПУ, 2003.

5. Восьмая научная сессия ГУАП, 11−15 апреля 2005 г.

Публикации. По результатам диссертационных исследований опубликовано 17 печатных работ, в числе которых 12 научных статей, 4 публикации тезисов докладов.

Структура и объем диссертации

Диссертация состоит из введения, четырёх глав, заключения, списка литературы (95 наименований) и приложений. Объем основной части — 170 страниц машинописного текста, из них 75 рисунков.

Основные результаты диссертационной работы кратко можно перечислить в следующем виде:

Выполнена общая классификация задач, относящихся к области речевых технологий, представлен обзор существующих моделей сигналов и алгоритмов автоматического распознавания речи, выделены основные проблемы и ограничения, характерные для задач обработки и распознавания речевых сигналов, рассмотрены отличительные особенности систем речевого командного управления.

2. Выполнен широкий комплекс экспериментальных исследований речевых информационных потоков, определены основные одномерные и двумерные статистические характеристики, исследованы спектральные и корреляционные свойства речевых процессов.

3. Предложена обобщённая вероятностная модель речевого процесса. На основе этой модели выполнены аналитические и расчётно-экспериментальные исследования вероятностной структуры речевых сигналов на уровне фонемного анализа и на уровне усреднённого анализа структуры сигналов при большом объёме выборки.

4. Исследована вероятностная структура производных и совместные распределения для речевого сигнала и его производных. Методами общеё теории выбросов случайных процессов определены характеристики типа «пересечений уровня», введены и исследованы фазовые портреты и псевдофазовые представления речевых сигналов.

5. Исследована временная структура модуля речевого сигнала, огибающей и интенсивности. Для этих целей на основе обобщённой вероятностной модели определены плотности вероятностей и основные параметры распределений.

6. Выполнены экспериментальные и аналитические исследования типовых сигналов речевого командного управления. Для семейства таких сигналов проведён анализ временных реализаций, спектрально-корреляционных характеристик, одномерных и двумерных распределений, проведено построение фазовых портретов и рассмотрены на уровне отдельных фонем особенности формирования фазовых траекторий речевых команд в целом. Рассмотрены принципиальные особенности классической задачи распознавания дикторов по голосам.

7. Рассмотрена задача оценивания потенциальной точности измерений основных параметров речевых сигналов. Получены удобные для практического использования аналитические результаты, позволяющие при заданном объёме выборки определить предельную точность измерений или, при иной постановке задачи, определить необходимую длительность обработки для обеспечения требуемой точности параметров.

В заключение целесообразно подчеркнуть, что общая вероятностная структура речевых информационных процессов и структура сигналов речевого командного управления исследовалась в диссертационной работе экспериментальными, аналитическими и расчётно-экспериментальными методами. Полученные при этом результаты полностью согласуются между собой, хорошо согласуются с предложенной обобщённой вероятностной моделью и существенно дополняют известные к настоящему времени исследования в области вероятностной структуры речевых процессов.

Заключение

.

Показать весь текст

Список литературы

  1. .И., Кутуков Г. П., Матюнин С. Н. Состояние исследований в области речевых технологий и задачи, выдвигаемые государственными заказчиками. //Доклад на секции по автоматическому распознаванию и синтезу речи РАН. — М., 2002.
  2. Э. Уровни лингвистического анализа //Новое в лингвистике. 1965. Вып. 4, с.434−449.
  3. Р.К. Введение в лингвокибернетику. М.:Изд-во МГУ, 1990.
  4. Netter F.H. Nervous system, part I: anatomy and physiology. Ciba collection of medical illustration. Ciba, West Caldwell, NJ, 1986.
  5. JI.B., Потапова P.K., Трунин-Донской B.H. Общая и прикладная фонетика. М.:Изд-во МГУ, 1986 — 304с.
  6. J. О. Recent advances in cochlear physiology. // Prog Neurobiol. 1985, vol. 24(1), p.1−42.
  7. Rabiner L.R., Gold B. Theory and application of Digital Signal Processing. Prentice-Hall, 1975.
  8. C.B. Комбинаторная модель фразовой просодии. — В кн.: Просодический строй русской речи. М., 1996.
  9. Е.И. Теоретические и прикладные основы судебной фоноскопической экспертизы: Автореф. дисс. докт. юр. наук. Воронеж, 2002.
  10. Р.К. Речь: коммуникация, информатика, кибернетика. М.: Радио и связь, 1997.
  11. Bocharov I., Akatjev D. The recognition of voice signals according to the method of the whitening filter //Nondestructive Testing and Computer Simulation Science and Engineering, Proceedings of SPIE, Canada —2003.
  12. И.В. Использование стандартных шаблонов в математическом программном обеспечении //Сб. докл. «Молодые ученые промышленности Северо-западного региона», СПбГПУ, 2003.
  13. И.В., Акатьев Д. Ю. Распознавание речевых сигналов на основе метода обеляющего фильтра //Исследовано в России. 2003. С. 1801−1809.
  14. Alea M. Fairchild, Bruno de Vuyst Hot Spot Implosion: The Decline and Fall of Flanders Language Valley: in Proceedings of the IEEE 37th International Conference on System Sciences, 2004
  15. Ericsson launches new T-class phone: Ericsson Press Releases, Thursday, March 18 1999. Ericsson Mobile Communications AB, 1999.
  16. Picone J. Fundamentals of speech recognition Mississippi State University, Department of Electrical and Computer Engineering, 1996.
  17. Д., Пилонский M., Рутковский JI. Нейронные сети, генетические алгоритмы и нечёткие системы. /Пер. с польск. -М: Горячая линия Телеком, 2004.
  18. Э.А. История развития теории спектрального оценивания//ТИИЭР т.70, № 9, 1982
  19. Fant G., Acoustic Theory of Speech Production. Mounton and Co., Gravenhage, The Netherlands, 1960.
  20. Flanagan J. L Speech Analysis Synthesis and Perception. Springer, New York, 1972.
  21. Wakita H. Estimation of vocal-tract shapes from acoustical analysis of the speech wave: the state of the art. //IEEE Transactions on Acoustics, Speech and Signal Processing, 1979, vol. 27(3), pp. 281−285.
  22. Markel J.D., Gray A.H. Linear Prediction of Speech. Springer-Verlag, 1976.
  23. Hermansky H., JunquaJ.C. Optimization of perceptually based ASR front-end: in Proceedings of the IEEE International Conference on Acoustics, Speech, and Signal Processing 88, paper S5.10, pp. 219−222.
  24. И.В., Савченко B.B, Акатьев Д. Ю Распознавание речевых сигналов по методу обеляющего фильтра //Тез. докл. пятой всероссийской НТК «Методы и средства измерений физических величин», Нижегородский государственный технический университет, 2000.
  25. И.В. Выбор порядка авторегрессионной модели в задаче распознавания речи методом минимакса энтропии //Сб. аспирантов Нижегородского государственного лингвистического университета, 2002.
  26. Г. И. Опознавание речевых сигналов. М., Наука, 1971.
  27. Gold В. Some Personal History of the Genesis of Digital Signal Processing. Lincoln Laboratory, MIT, 1996.
  28. И.В. Особенности программной реализации алгоритма 'распознавания речи методом обеляющего фильтра //Сб. аспирантов
  29. Нижегородского государственного лингвистического университета, 2002.
  30. Hynek, Hermansky Beyond a «short-term» analysis of speech Acoustical Society of America, 132nd meeting, 1996.
  31. ZwickerE., Flottorp G., Stevens S.S. Critical bandwidth in loudness summation //J. Acoust. Soc. Am., 1957, vol. 29, pp. 548−557.
  32. Rabiner L., Juang B.H. Fundamentals of Speech Recognition. Prentice Hall, 1993.
  33. Hermansky H. Perceptual Linear Predictive (PLP) Analysis for Speech
  34. The Journal of the Acoustical Society of America, 87:1738−1752, April 1990.
  35. Hermansky H., Morgan N. RASTA Processing of Speech, IEEE Transactions on Speech and Audio Processing, October 1994, vol. 2, No. 4.
  36. ZwickerE., Schorn K. Psychoacoustical tuning curves in audiology //Audiology, 1978, vol. 17, pp. 120−140.
  37. Irino Т., Unoki M. An analysis/synthesis auditory filterbank based on an IIR implementation of the gammachirp. ATR Human Information Processing Research Labs, Japan Advanced Institute of Science and Technology, 1999.
  38. Glasberg B. R, Moore B.C.J., Patterson R.D., Nimmo-Smith I. Dynamic range and asymmetry of the auditory filter //J. Acoust. Soc. Am., 1984, vol.76, pp.419−427.
  39. .А. Разработка и исследование алгоритмов распознавания речи для голосового управления через телефонную сеть: дис. на соиск. учен. степ. канд. техн. наук /Нижегородский государственный технический университет, 2001.
  40. JI.B. Спектральный анализ в базисе вейвлетов //Научное приборостроение, 2000, том 10, № 3, с.57−64.
  41. Mallat S. Multiresolution approximation and wavelet orthonormal bases of L2®, Trans. AMS, 1989, vol.315, pp.69−87.
  42. Д. Сжатие данных, изображения и звука: Пер. англ., М: Техносфера, 2004.
  43. Beng Т. Tan, Dermody P. .The use of wavelet transform in phoneme recognition The university of Newcastle, Australia, 1998.
  44. JI.B. Адаптивный анализ вейвлет сигналов. Институт аналитического приборостроения РАН, 1999.
  45. В.И., Грибунин В. Г. Теория и практика вейвлет — преобразования С.-Петербург: ВУС, 1999.
  46. Farooq Omar Wavelet-Based Techniques for Speech Recognition Department of Electronic and Electrical Engineering, Loughborough University, 2002.
  47. Janer Leonard, Lleida-Solano Eduardo Wavelet Transforms for NonUniform Speech Recognition Systems Dept. TSC Universitat Politecnica de Catalunya 8 034 Barcelona, Spain, 2001.
  48. Mohanty S., Bhattacharya Recognition of Voice signals for Oriya Language using wavelet Neural Network Dept of Computer Science Utkal University Bhubaneswar, 2002.
  49. Р., Энджел Э. Динамическое программирование и уравнения в частных производных. М., Мир, 1974.
  50. Stuart N Wrigley Speech Recognition by Dynamic Time Warping University of Sheffield, The Department of Computer Science, 1998.
  51. Ney H. The use of a one-stage dynamic programming algorithm for connected word recognition //IEEE Trans. ASSP, 1984, vol. 32, no. 2, pp. 1042−1062.
  52. McCalloch W.A., Pitts W. A logical calculus in nervous activity //Bull. Math. Biophys. 1943, No.5., pp. 115−133.
  53. Tebelskis J., Speech Recognition using Neural Networks, School of Computer Science, Carnegie Mellon University, 1995.
  54. A.B., Петровский A.A. Методы построения устройств распознавания речи на базе гибрида нейронная сеть/скрытая Марковская модель. //Труды VIII всероссийской конференции «Нейрокомпьютеры и их применение», Москва, 2002.
  55. В. Введение в теорию вероятностей и её приложения. М: Мир, 1964.
  56. Young Steve The НТК Book v3.2, Cambridge University Engineering Department, 2002.
  57. Zadeh L.A., Fuzzy Sets //Information and Control, 1965, Vol. 8, No.3, pp. 338−353.
  58. O.B. Анализ эталонного метода распознавания раздельной речи основанного на нечетком сопоставлении //36ipKa праць MaricTpaHTie Донецького нащонального техшчного ушверситету. Випуск 1, Донецьк: 2002, № 1, с. 889−895.
  59. Liusheng Liu, Zhijian Li, Bingxue Shi Segment Matrix Vector Quantization and Fuzzy Logic for Isolated-Word Speech Recognition 25th International Symposium on Multiple-Valued Logic, Bloomington, 1995.
  60. Tran D., Wagner M. Generalised Fuzzy Hidden Markov Models for Speech Recognition //Lecture Notes in Computer Science, 2002, Vol. 2275, p.345.
  61. Нуvarinen Aapo, OjaErkki Independent Component Analysis: Algorithms and Applications //Neural Networks, 1999.
  62. Herault J., Jutten C., Space or time adaptive signal processing by neural models //in Proceedings AIP Conference: Neural Networks for Computing, J.S. Denker, Ed. American Institute for Physics, 1986, vol. 151, pp. 206 211.
  63. Common P. Independent Component Analysis, a new concept? //Signal Processing, 1994, No 36, pp. 287−314.
  64. Hyvarinen Aapo New Approximation of Differential Enthropy for Independent Component Analysis and Projection Pursuit Helsinki University of Technology, 2002.
  65. Penny W., Roberts S., Everson R. Hidden Markov Independent Components Analysis //in Advances in Independent Component Analysis, Mark Girolami, Ed. Kluwer Academic Publishers, 2000.
  66. Hyvarinen Aapo Fast and Robust Fixed-Point Algorithms for Independent Component Analysis //Neural Computation, 1997, vol. 9, no. 7, pp. 1483−1492.
  67. TeicherH. On the mixture distributions // Ann. Math. Statistics, 1960, vol. 31, p.55−73.
  68. Bocharov I., Lukin P. Information divergence criterion in speech signal recognition. Fundamenta Informaticae, European Association for Theoretical Computer Science (EATCS), Warsaw University, 2005.
  69. A.B. Классификация сигналов в условиях неопределённости. М.: Сов. Радио, 1975.
  70. В.И. Статистическая радиотехника. — М.: Радио и связь, 1982.
  71. И.В., Акатьев Д. Ю. Распознавание речевых сигналов на основе метода спектрального оценивания //Исследовано в России. 2003. С. 1537−1546.
  72. И.В., Акатьев Д. Ю. Распознавание речевых сигналов на основе корреляционного метода //Исследовано в России. 2003. С. 1547−1557.
  73. A.A. Линейные и нелинейные системы. — М.: Наука, 1973.
  74. В.И. Нелинейные преобразования случайных процессов. -М.: Радио и связь, 1986.
  75. Г., Лидбеттер М. Стационарные случайные процессы. -М. :Мир, 1969.
  76. В.И., Хименко В. И. Выбросы траекторий случайных процессов. -М.: Наука, 1983.
  77. Л.Н., Смирнов Н. В., Таблицы математической статистики. -М.: Наука, 1983.
  78. Справочник по специальным функциям /Под ред. М. Абрамовича, И. Стиган. М.: Наука, 1979.
  79. И.В., Акатьев Д. Ю., Распознавание дикторов по методу обеляющего фильтра. Исследовано в России, 147/11 211, стр. 16 931 700. М: МФТИ, 2001.
  80. Abrahams J. A Survey of recent progress on level-crossing problems for random process.-N.Y.: Springer-Verlag, 1986.
  81. В.И., Хименко В. И. Проблема пересечений уровней случайными процессами. Радиофизические приложения //Радиотехника и электроника, 1998, т.34, № 5, с.501−523.
  82. Речевая связь с машинами //ТИИЭР (тематический выпуск), 1976, том 64, № 4.
  83. Л.Р., Шафер Р. В. Цифровая обработка речевых сигналов. —1. М.: Радио и связь, 1981.
  84. В.И. О нормированных спектральных моментах стационарных случайных процессов //Изв. вузов. Радиофизика, 1976, т. 19, № 8, с.1188−1192.
  85. В.И. О поведении производной в моменты пересечений случайным процессом заданного уровня // Изв. вузов. Радиофизика, 1982, т.25, № 7, с.797−804.
  86. М., Линдгрен Г., Ротсен X. Экстремумы случайных последовательностей и процессов.— М.: Мир, 1989.
  87. Г. Математические методы статистики. -М.:Мир, 1975.
  88. М. Стьюарт А. Статистические выводы и связи. М. гНаука, 1973.
  89. Хименко В, И., Тигин Д. В. Статистическая акустооптика и обработка сигналов. СПб.: Изд-во СПб. университета, 1996.
  90. Bocharov I., Lukin P. Application of Kullback-Leibler metric to speech recognition. arXiv.org e-Print archive, Computing Research Repository (CoRR), Computer Vision and Pattern Recognition, Cornell University, USA. 2003.
  91. И.В. Моделирование, пространственно-временная фильтрация и распознавание речевых сигналов на фоне помех дис. на соиск. учен. степ. канд. техн. наук /Ульяновский государственный технический университет, 2000.
  92. Bocharov I., Akatjev D. The recognition of voice signals according to the method of the whitening filter //Sixth International Workshop on New Approaches to High-Tech. S.-Petersburg State Technical University. June 10−16. 2002.
  93. И.В. Распознавание речи на основе критерия минимума информационного расстояния. Изд. Нижегородский государственный лингвистический университет. 2003.
  94. Первый проректорам! профессор ^ • менко1. Лю, — o 4 ¦'' «> — ч1. АКТ ^¿-^^об использовании результатов диссертационной работы Бочарова И. В
  95. Зав. кафедрой № 46 профессор, д.т.н.1. Доцент кафедры, к.т.н.1. Доцент кафедры, к.т.н.
  96. В.И. Хименко A.A. Ключарёв В. А. Матьяш C.B. Щекин
  97. Министерство образования Российской Федерации
  98. НИЖЕГОРОДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ603 600, ГСП-41, г. Нижний Новгород, ул. К. Минина, 24
  99. Материалы диссертационной работы использованы при проведении лабораторных работ по дисциплине «Теория сигналов" —
  100. Результаты исследований использовались при написании дипломных работ студентами групп 99-СБТ и 99-ИБУ.1. Дата На '
  101. Телеграф.адрес: Нижний Новгород, «Гроза». Телетайп: 1392. Телефон: 36−93−89.1. Индекс от1. АКТоб использовании результатов кандидатской диссертационной работы Бочарова Игоря Владимировича1. Рындык А.Г.1. Приблудова Е.Н.
  102. Министерство образования Российской Федерации1. ТВЕРЖДАЮ НГЛУ
  103. Материалы диссертационной работы использованы при проведении лабораторных работ по теме «Автоматизированное распознавание речи на основе критериев минимального информационного рассогласования" —
  104. Менеджер проекта VoIP R&D Зуев А. Б.
Заполнить форму текущей работой

На отлично!