Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Разработка критериев и алгоритмов сегментации речевого сигнала на участки «ТОН/НЕ ТОН» для метода выделения основного тона в информационно-измерительных системах речевой технологии

Диссертация: Разработка критериев и алгоритмов сегментации речевого сигнала на участки «ТОН/НЕ ТОН» для метода выделения основного тона в информационно-измерительных системах речевой технологии
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработанные в диссертационной работе подходы к предварительной обработке речевых сигналов нашли применение в ИИС анализа и обработки акустических сигналов на ДОАО «Ижевский оружейный завод», на ОАО «Вятско Полянский машиностроительный завод Молот», в научно-техническом центре «Вычислительная техника», где удалось повысить надежность регистрации акустических событий и точность измерения… Читать ещё >

Содержание

  • СПИСОК СОКРАЩЕНИЙ
  • ГЛАВА 1. МЕТОДЫ ВЫДЕЛЕНИЯ ОСНОВНОГО ТОНА РЕЧЕВОГО СИГНАЛА
    • 1. Л. Общие сведения
      • 1. 2. Классификация методов выделения основного тона
      • 1. 3. Предварительная обработка речевого сигнала
      • 1. 4. Временные методы выделения основного тона
      • 1. 5. Спектральные методы выделения основного тона
      • 1. 5. Комбинированные методы выделения ОТ
      • 1. 6. Выделение интервалов вокализованных и невокализованных звуков
        • 1. 6. 1. Классификация выделителей «ТОН/ НЕ ТОН»
        • 1. 6. 2. Методы принятия решения Т/НТ на основе частоты пересечений нуля сигналом
        • 1. 6. 3. Методы принятия решения Т/НТ на основе энергетического критерия
        • 1. 6. 4. Методы принятия решения Т/НТ на основе линейного предсказания речи
        • 1. 6. 5. Методы принятия решения Т/НТ по оценке общей периодичности речевого сигнала
        • 1. 6. 6. Методы принятия решения Т/НТ по изменению периодичности, получаемой при выделении ОТ
        • 1. 6. 7. Методы принятия решения Т/НТ на основе теории статистических решений
        • 1. 6. 8. Принятие решения Т/НТ на основе многомерного анализа
      • 1. 7. Сравнение методов выделения основного тона
      • 1. 8. Выводы
      • 1. 9. Постановка задачи
  • ГЛАВА 2. ФОРМИРОВАНИЕ ПРИЗНАКА ТОН/НЕ ТОН СИНХРОННО С ОСНОВНЫМ ТОНОМ
    • 2. 1. Методика исследования признаков классификации
    • 2. 2. Классификация речи по нормированному коэффициенту корреляции с единичной задержкой 45 2.2.1 Выбор параметров добавляемого шума
    • 2. 3. Классификация речи по энергии в полосе частот 53 2.3.1. Оценка частоты среза ФНЧ при формировании функции энергии речевого сигнала в полосе частот
    • 2. 4. Классификация речи по частоте пересечения нулевого уровня
    • 2. 5. Формирование обобщенного признака Т/НТ
    • 2. 6. Окончательное формирование признака Т/НТ
    • 2. 7. Скорость формирования обобщенного признака Т/НТ
    • 2. 8. Выводы
  • ГЛАВА 3. ВЫДЕЛИТЕЛЬ ОСНОВНОГО ТОНА ПО СБ-МЕТОДУ
    • 3. 1. Предварительная обработка входного сигнала 83 3.1.1. Оценка частоты среза ФНЧ
    • 3. 2. СБ-метод
    • 3. 3. Настройка выделителя основного тона включая СБ-метод и алгоритм принятия решения Т/НТ
    • 3. 4. Быстродействие выделителя основного тона по СБ-методу
    • 3. 5. Выводы
  • ГЛАВА 4. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ВЫДЕЛИТЕЛЕЙ ОСНОВНОГО ТОНА. ВНЕДРЕНИЕ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ
    • 4. 1. Типовые выделители основного тона
  • СПИСОК СОКРАЩЕНИЙ ИИС — информационно-измерительная система
  • ЛЧПН — логарифмическая частота пересечения нуля
  • НОСП — критерий нечувствительности ошибки к смещению порога классификации
  • НТ/Т — «НЕ ТОН/ТОН»
  • ОТ — основной тон отс. — отсчеты
  • ПК — персональный компьютер с.к.о. — среднеквадратичное отклонение
  • С/Ш — сигнал/шум
  • Т/НТ — «ТОН/НЕ ТОН»
  • ФНЧ — фильтр низких частот
  • ЧПН — частота пересечения нуля
  • АС — автокорреляционный метод выделения основного тона
  • СЕР — кепстральный метод выделения основного тона
  • FIL — фильтровой метод выделения основного тона
  • GS — Generated Solitone — генерируемый (искусственный) солитон
  • LLK — метод выделения основного тона Лобановой — Левина — Коваля
  • PIC — пиковый метод выделения основного тона
  • RG — метод выделения основного тона Рабинера — Голда
  • SIS — система распознавания диктора («Центр речевых технологий» г. С.-Петербург)
  • Е — энергия в логарифмическом масштабе F0 — частота основного тона fc — частота среза фильтра предварительной обработки

Разработка критериев и алгоритмов сегментации речевого сигнала на участки «ТОН/НЕ ТОН» для метода выделения основного тона в информационно-измерительных системах речевой технологии (реферат, курсовая, диплом, контрольная)

Прогресс в создании мощных вычислительных средств и повсеместное применение персональных компьютеров привело к тому, что последнее десятилетие отмечено повышением интереса научной общественности к речевым технологиям особенно в областях определения индивидуальности диктора, распознавания, синтеза, компрессии и передачи речи [33], [73]. В настоящее время рынок речевых технологий заполнен массой коммерческих систем. Можно предположить, что основные проблемы распознавания речи уже решены. Однако, детальное рассмотрение вопроса приводит к заключению, что появление многих речевых коммерческих систем, обусловлено в основном не успехами в решении принципиальных проблем речевой техники, а возросшей производительностью современных вычислительных средств [37], [83].

Процесс речеобразования можно представить как процесс прохождения сигнала источника звуковых колебаний через речевой тракт. Речевой сигнал представляет собой реакцию резонансной системы речевого тракта на возбуждение его одним или несколькими генераторами звуковых колебаний.

Вопросам теории речеобразования посвящены работы Г. Фанта, Дж.Л. Фланагана, В. И. Галунова, М. А. Сапожкова, В. Н. Сорокина, К. Ишизаки, и многих других ученых.

Звуки речи делят на вокализованные или тональные и невокализованные иначе нетональные. К вокализованным относят звуки, произносимые с участием голосового источника, к невокализованным — без участия голосового источника.

В литературе по распознаванию и обработке речи тональные звуки часто называют вокализованными, а нетональные — невокализованными. Различие между звуками, определяемое типом источника, есть признак способа образования звуков.

Наличие или отсутствие вокализации есть один из основных признаков акустического сигнала речи. Оценка наличия или отсутствия вокализации необходима для построения систем распознавания, компрессии и синтеза речи.

Иначе говоря, выделение вокализованных, невокализованных интервалов в качестве признаков, характеризующих речевой сигнал, имеет самостоятельное значение в системах распознавания и обработки речи.

Выделение вокализованных и невокализованных интервалов имеет и вспомогательное значение, позволяя повысить надежность выделения других признаков речевого сигнала. Например, во время паузы можно заблокировать работу системы распознавания речи и предотвратить возможные ошибки из-за воздействия шума. На участках отсутствия вокализации целесообразно определять лишь общую огибающую спектра сигнала, основной тон имеет смысл выделять только на вокализованных интервалах и т. д.

Устройства принятия решения о наличии или отсутствии вокализации получили название устройств выделения сигнала «ТОН/НЕ ТОН» (Т/НТ).

Одним из основных параметров голосового источника является длительность периода колебаний голосовых связок Т0, которая получила название периода основного тона (ОТ), величину обратную периоду ОТ называют частотой ОТ (То).

Задача измерения частоты основного тона является одной из важнейших для речевых информационно-измерительных систем (ИИС) и известна как задача выделения частоты ОТ.

Человек легко определяет частоту ОТ при прослушивании речи. Однако построить устройство, автоматически измеряющее частоту ОТ с малой ошибкой и малой задержкой во времени даже при относительно низком уровне помех довольно трудно, о чем свидетельствует длительный период исследований в данной области.

Основной тон совместно с признаком Т/НТ переносит информацию о маркерах сегментации непрерывного потока речи, информацию о коммуникативном типе высказывания, о контексте произнесения, об индивидуальности голоса диктора и его эмоциональном состоянии, об окружающей обстановке, о стиле произнесения, о заболеваниях речевого аппарата, об уровне культуры диктора и его интеллектуальном развитии и т. д.

Значения частоты ОТ и признака Т/НТ, как одни из параметров используются при идентификации и верификации диктора по голосу, в системах с речевым ответом, в криминалистике в системах компрессии и сотовой телефонии, в медицине и т. д. Влияние указанных факторов определяет динамический диапазон и значения частоты ОТ, динамику и временные параметры изменений частоты ОТ. Кроме этого информация о значениях периода ОТ, о моментах возбуждения речевого тракта и о признаке Т/НТ, позволяет точнее оценивать другие параметры речи, используемые, например, в ИИС анализа и распознавания речи. Повышение точности измерения значений периода ОТ, определения моментов возбуждения речевого тракта и переходов Т/НТ и «НЕ ТОН/ТОН» (НТ/Т) позволит повысить надежность работы подобных ИИС.

Диссертационная работа, направленная на поиск решений, позволяющих повысить точность и надежность алгоритмов принятия решения Т/НТ и выделения ОТ представляется актуальной.

Объектом исследования является информационно-измерительная система речевой технологии.

Предметом исследования являются разработка критериев, признаков и алгоритмов классификации речи на тональные и нетональные интервалы синхронно с ОТ, способы вычисления признаков классификации речи на участки Т/НТ, повышающие надежность распознавания, определение оптимальной полосы частот при вычислении энергии речи для классификации речевого сигнала на тональные и нетональные интервалы, разработка локального алгоритма выделения ОТ на основе ОБ-методом, определение оптимальной частоты среза фильтра предварительной обработки речевого сигнала, разработка методики сравнения качества работы разных выделителей ОТ.

Целью диссертационной работы является повышение точности речевой ИИС при измерении частоты ОТ и при выделении моментов переходов Т/НТ и НТ/Т в непрерывном речевом сигнале.

Для достижения поставленной цели определены следующие научно-технические задачи:

1. Исследование признаков, позволяющих принимать решение Т/НТ синхронно с ОТ и обеспечивающих надежное принятие решения Т/НТ.

2. Разработка критериев оценки надежности принятия решения Т/НТ по совокупности признаков.

3. Оценка параметров решающих правил в алгоритме принятия решения Т/НТ в зависимости от уровня аддитивного шума и от ограничения частотной полосы сигнала.

4. Оценка синхронного и асинхронного методов принятия решения Т/НТ.

5. Разработка алгоритма выделения ОТ по 08-методу с применением предлагаемого алгоритма принятия решения Т/НТ.

6. Оценка параметров фильтра предварительной обработки, обеспечивающего минимизацию ошибок оценки положения начал периодов ОТ при их выделении методом 08.

7. Сопоставительные испытания разработанного алгоритма выделения ОТ по 08-методу и алгоритма принятия решения Т/НТ с известными методами выделения ОТ в различных акустических условиях.

8. Оценка результатов сопоставительных испытаний разработанного алгоритма выделения ОТ по в8-методу и алгоритма принятия решения Т/НТ.

Методы исследования включают в себя методы математической статистики, методы теории распознавания образов, методы теории и распознавания речевых сигналов, методы математического моделирования на ЭВМ, методы теории алгоритмов и программ, экспериментальные исследования с использованием стандартного математического обеспечения ЭВМ и собственного программного обеспечения.

На защиту выносятся:

1. Алгоритм принятия решения «ТОН/НЕ ТОН» синхронный с основным тоном.

2. Методика повышения надежности принятия решения Т/НТ путем добавления шума к сигналу при вычислении частотных и спектральных признаков классификации.

3. Методика выбора полосы частот сигнала обеспечивающей повышение надежности принятия решения Т/НТ по энергетическому критерию.

4. Критерий оценки признака по допустимой ширине области смещения порога принятия решения.

5. Алгоритм выделения ОТ по С8-методу с синхронным с ОТ принятием решения Т/НТ.

6. Методика оценки качества предварительной фильтрации по величине ошибки оценки начал периодов ОТ С8-методом.

7. Методика сравнения качества работы выделителей ОТ по обобщенному критерию оценки качества в условиях шума и ограничения сигнала по полосе.

В диссертационной работе получены следующие основные научные результаты.

1. Разработан алгоритм выделения ОТ, основанный на применении активно генерируемой функции решений.

2. Разработан алгоритм принятия решения «ТОН/НЕ ТОН», выполняемый синхронно с ОТ.

3. Предложен критерий оценки комбинаций признаков принятия решения «ТОН/НЕ ТОН» с точки зрения допустимой неточности выбора порога классификации.

4. Разработана методика повышения надежности принятия решения «ТОН/НЕ ТОН» путем добавления шума к речевому сигналу при вычислении частотных и спектральных признаков принятия решения «ТОН/НЕ ТОН» .

5. Предложен методика попарного сравнения качества работы выделителей ОТ по обобщенной ошибке.

Практическая ценность и реализация результатов работы. На основе проведенных исследований разработан синхронный с ОТ детектор вокализации совместно с локальным выделителем ОТ по С8-методу. Найдены значения порогов принятия решения Т/НТ по энергии сигнала в полосе частот, по коэффициенту линейного предсказания модели первого порядка и по частоте Пересечений нуля. Оценен уровень добавляемого шума, обеспечивающий повышение надежности принятия решения Т/НТ по коэффициенту линейного предсказания модели первого порядка и по частоте пересечения нуля. Выполнено сравнение ОБ-метода, пикового метода, фильтрового метода, метода Рабинера-Голда, автокорреляционного метода, кепстрального метода и метода ЛЛК. Получены оценки качества выделения ОТ указанными методами для сигнала без искажений, для сигнала с добавляемым белым шумом при отношении С/Ш=10дБ и для телефонного сигнала. Сделана оценка области применимости ОБ-метода для выделения ОТ. Показано, что ОБ-метод совместно с синхронным детектором вокализации позволяет выделять ОТ в реальном времени для телефонного сигнала и для сигнала с добавленным шумом вплоть до отношения С/Ш=0дБ.

Разработанные в диссертационной работе подходы к предварительной обработке речевых сигналов нашли применение в ИИС анализа и обработки акустических сигналов на ДОАО «Ижевский оружейный завод», на ОАО «Вятско Полянский машиностроительный завод Молот», в научно-техническом центре «Вычислительная техника», где удалось повысить надежность регистрации акустических событий и точность измерения их параметров, что подтверждено соответствующими актами, а также в виде программ и методик внедрены в учебной и научной работе кафедры вычислительной техники Ижевского государственного технического университета.

Апробация работы. Основные результаты работы докладывались на IV Всероссийской с международным участием конференции «Распознавание образов и анализ изображений: новые информационные технологии» (г.Новосибирск, 1998 г.), IX сессии Российского акустического общества «Современные речевые технологии» (г. Москва, 1999 г.), на международной научно-технической конференции «Информационные технологии в инновационных проектах» (г. Ижевск, 2000 г.), семинарах кафедры вычислительной техники ИжГТУ (г. Ижевск, 1997;1998г.).

Публикации. По теме диссертации опубликовано 11 работ.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и приложения. Основной текст изложен на 150 машинописных страниц с иллюстрациями.

Список литературы

включает 119 наименований.

В первой главе работы изложены основные принципы теории речеобра-зования, связанные с проблематикой измерения ОТ и классификации речи по способу образования. Рассмотрено современное состояние вопроса построения детекторов вокализации и выделителей основного тона. Указаны проблемы сравнения качества измерения ОТ разными методами. Показаны пути повышения надежности измерения ОТ и классификации речи по способу образования. Сформулированы требования, которым должен удовлетворять разрабатываемый детектор вокализации.

Во второй главе описана методика классификации речи по признаку Т/НТ синхронно с ОТ. Предложен метод повышения надежности принятия решения о наличии вокализации по спектральным и частотным признакам. Предложен простой в вычислении обобщенный признак Т/НТ. Предложена характеристика качества распознавания, позволяющая оценить чувствительность ошибки распознавания к смещению порога классификации. Приведены результаты экспериментов по определению параметров классификации для всех признаков и разных способов их вычисления. На основании анализа результатов экспериментов даны рекомендации по использованию признаков классификации в различных условиях, а также по настройке детектора вокализации.

В третьей главе изложены основные принципы вЗ-метода. Представлен алгоритм работы выделителя ОТ включая этапы предварительной обработки речевого сигнала, маркировки сигнала по ОБ-методу, принятия решения Т/НТ по синхронному с ОТ способу. Приведены результаты экспериментов по изучению С8-метода и метода предварительной обработки речи. На основании результатов экспериментов даны рекомендации по настройке ОБ-метода и определению частоты среза фильтра нижних частот метода предварительной обработки речи в различной акустической обстановке.

В четвертой главе изложен предложенный метод сравнения качества.

14 измерения ОТ разными выделителями ОТ, позволяющий выполнять сравнение конкретных выделителей ОТ по обобщенному критерию оценки качества попарно. Приведены результаты экспериментов по сравнению качества выделения ОТ С8-метода с пиковым методом, методом Рабинера-Гоулда, автокорреляционным методом, кепстральным методом, фильтровым методом и методом ЛЛК. Сравнение проведено для не искаженной, телефонной и зашумленной речи.

В заключении сформулированы основные научные и практические результаты диссертационной работы.

4.7 Выводы.

1. Впервые предложена методика сравнения качества работ выделителей ОТ, учитывающая сглаживающие свойства интегральных методов выделения ОТ и разную способность алгоритмов выделения ОТ правильно принимать решение Т/НТ. Учет указанных факторов позволяет более корректно проводить сравнение выделителей ОТ.

2. По результатам сравнения СБ-метод допускает наименьшее количество ошибок по сравнению с другими методами. Наибольшее преимущество перед другими выделителями ОТ достигается на телефонном и на зашумленном сигналах.

3. Показана целесообразность применения выделителя ОТ по СБ-методу в системах компрессии речи.

4. Применение СБ-метода выделения ОТ позволило обеспечить устойчивость ковариационного метода линейного предсказания на коротких интервалах анализа. Применение выделителя ОТ по СБ-методу в речевых ИИС позволит увеличить точность измерения других параметров речевого сигнала, что обеспечит повышение надежности речевой ИИС в целом.

ЗАКЛЮЧЕНИЕ

.

Итогом диссертационной работы, направленной на решение задачи повышения точности, надежности и быстродействия измерения периода ОТ речевого сигнала и принятия решения Т/НТ, является следующее:

1. Выполнен анализ методов выделения ОТ речевого сигнала и методов классификации речи на тональные и нетональные интервалы, рассмотрены достоинства и недостатки существующих методов выделения ОТ и классификации речи по признаку Т/НТ, показана актуальность исследований в данной области речевых технологий.

2. Предложен алгоритм принятия решения Т/НТ синхронно с ОТ. Проведены исследования и сделаны оценки параметров алгоритма на основе статистики речевого сигнала. Доказано, что формирование признака Т/НТ синхронно с ОТ обладает большей точностью и надежностью по сравнению с асинхронным с ОТ способом анализа речи. Показано, что вычисление признаков Т/НТ синхронно с ОТ требует существенно меньше процессорного времени при сравнении с формированием признаков Т/НТ асинхронно с ОТ.

3. Предложена методика повышения надежности принятия решения Т/НТ по спектральным и частотным признакам речи путем аддитивного добавления шума определенного уровня и определенной спектральной окраски к сигналу перед вычислением признаков. Даны рекомендации по выбору уровня шума в зависимости от типа речевого сигнала. Показано, что применение логарифмированной частоты пересечения нуля для классификации речи предпочтительней использования частоты пересечения нуля, выраженной в единицах частоты.

4. Исследована надежность принятия решения Т/НТ по энергетическому критерию в полосе частот в зависимости от ширины полосы. Показано, что снижение верхней граничной частоты полосы частот до диапазона существования первой гармоники ОТ повышает надежность принятия решения Т/НТ.

5. Предложен критерий оценки нечувствительности ошибки классификации к смещению порога классификации (критерий НОСП), позволяющий количественно оценить зависимость ошибки классификации от смещения порога распознавания с учетом качества разделимости классов.

6. Предложена методика окончательного принятия решения Т/НТ, позволяющая исправлять ошибки классификации по обобщенному признаку Т/НТ с помощью дополнительной информации о статистике основного тона, получаемой в ходе маркировки речи на предполагаемые периоды ОТ.

7. Впервые предложены количественные меры оценки частоты среза фильтра нижних частот, используемого в выделителе ОТ на этапе предварительной обработки речи, с учетом работы последующего выделителя ОТ. Для фильтра Баттерворта получены следующие результаты:

• наименьшее значение дисперсии задержки начал периодов ОТ после фильтрации достигается при частоте среза фильтра равной Рс= 1200Гц;

• при неудовлетворительном сглаживании главных максимумов, например в случае зашумленной или телефонной речи, допустимо снижение частоты среза ФНЧ до 600Гц.

8. Разработан алгоритм выделения ОТ по вБ-методу, работающий совместно с синхронным с ОТ алгоритмом принятия решения Т/НТ в реальном масштабе времени. Даны практические рекомендации по процессу настройки и отладки алгоритма.

9. Впервые предложена методика попарного сравнения качества работы выделителей ОТ, учитывающая сглаживающие свойства интегральных методов выделения ОТ и разную способность выделителей ОТ к правильному принятию решения Т/НТ.

10. Показана целесообразность применения выделителя ОТ по ОБ-методу в системах компрессии речи. На базе ОБ-метода разработан полуавтоматический алгоритм сжатия речевых сигналов путем тиражирования одного периода ОТ на стационарных участках звуков, с помощью которого достигнуто восьмикратная степень сжатия речи.

11. Предложен способ обеспечения устойчивости ковариационного метода линейного предсказания при малой длине кадра анализа. Метод основан на применении синхронного с ОТ анализа речи, когда марки начал периодов ОТ проставлены алгоритмом ОБ.

К результатам, отражающим практическую ценность диссертационной работы можно отнести следующее:

1. Найденные решения позволили разработать локальный выделитель ОТ совместно с синхронным с ОТ алгоритмом принятия решения Т/НТ. Обобщенная ошибка разработанного выделителя ОТ для чистого сигнала составляет величину 9.27%, для телефонного сигнала — 11.04%, для зашумленного сигнала при отношении С/Ш=5дБ — 24.98%). Используя разработанный выделитель ОТ в большинстве случаев удается обеспечить удовлетворительное слежение за траекторией ОТ при отношениях С/Ш вплоть до величины С/111=0дБ.

2. В ходе экспериментов, при вычислении признаков Т/НТ синхронно с ОТ получен четырехкратный выигрыш по скорости по сравнению с асинхронным с ОТ способом вычисления признаков Т/НТ.

3. Для разработанного выделителя ОТ на чистом сигнале число ошибок принятия решения НТ/Т не превышает 1.24%" от общего числа интервалов анализа, а число ошибок принятия решения Т/НТ достигнуто не более 1%>.

4. По результатам сравнения разработанный выделитель ОТ допускает меньшее количество ошибок по сравнению с известными методами выделения ОТ, особенно на телефонных и на зашумленных сигналах.

5. На основе понятия о генерируемом солитоне разработан алгоритм фильтрации сигнала, позволяющий выявлять дискретные события из непрерывного сигнала. Разработанная методика фильтрации впервые позволила разработать автоматизированную ИИС учета боеприпасов и определять временные характеристики охотничьего и спортивного оружия в условиях конвейерного производства. Автоматизированная ИИС учета боеприпасов способна различать попытки имитации выстрела с надежностью 99,9%. Автоматизированная ИИС учета боеприпасов внедрена на ДО АО «Ижевский оружейный завод» .

6. Разработанные в диссертационной работе подходы к предварительной обработке речевых сигналов нашли применение в ИИС анализа и обработки акустических сигналов на ОАО «Вятско Полянский машиностроительный завод Молот», в научно-техническом центре «Вычислительная техника», где удалось повысить надежность регистрации акустических событий и точность измерения их параметров, что подтверждено соответствующими актами.

Показать весь текст

Список литературы

  1. С.Б., Мочалов В А. Алгоритм выделения основного тона // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 16 Всесоюзн. семинара (АРСО-16). М., 1991. — с. 241−242.
  2. Н.Н., Жарова С. С., Собакин А. Н. Детектирование сигнала основного тона из озвученных звуков // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 7 Всесоюзн. школы-семинара. Алма-Ата, 1973. — с. 53−55.
  3. И.О. Сегментация речи по признаку ТОН/НЕТОН синхронно с основным тоном. // Труды научно-молодежной школы «Информационно-измерительные системы на базе наукоемких технологий». Ижевск, изд. ИПМ УрО РАН 1998 с. 5−8.
  4. И.О., Гитлин В. Б. Добавление шума при сегментации речи на тональные участки. // Труды научно-молодежной школы «Информационно-измерительные системы на базе наукоемких технологий». Ижевск, изд. ИПМ УрО РАН 1997 с. 63−69.
  5. И.О., Гитлин В. Б. Оценка точности выделения основного тона методом // Современные речевые технологии. Сборник трудов IX сессии Российского акустического общества. М.: ГЕОС, 1999. с. 38−42.
  6. Ю.Архипов И. О., Гитлин В. Б. Оценка частоты среза ФНЧ, используемого для выделения основного тона. // Труды научно-молодежной школы «Информационно-измерительные системы на базе наукоемких технологий». Ижевск, изд. ИПМ УрО РАН 1998 с. 12−16.
  7. И.О., Гитлин В. Б. Формирование признака ТОН/НЕ ТОН синхронно с основным тоном. // Современные речевые технологии. Сборник трудов IX сессии Российского акустического общества. М.: ГЕОС, 1999. с. 43−46.
  8. М.Барабаш Ю. Л. и др. Вопросы статистической теории распознавания. -М.: Советское радио 1967. 400с.
  9. С.П. Автокорреляционный метод выделения основного тона речи // Сб. тр. Гос. НИИ Министерства связи СССР. 1961. 3 (24). — с. 93−102.
  10. С.П., Крюков Г. В. Алгоритм выделения основного тона во временной области // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 16 Всесоюзн. семинара. М., 1991.-е. 100−101.
  11. С.П., Куштуев А. И. О построении выделителей основного тона следящего типа // 8 Всесоюзн. акуст. конф.: Реф. докл. Том 1. — М., 1973. — с. 75.
  12. С.П., Куштуев А. И. О построении системы адаптации анализаторов частоты основного тона речи // 7 Всесоюзн. акуст. конф.: Тез. докл. Л., 1071.-е. 18.
  13. С.П., Куштуев А. И. Устройство для измерения частоты основного тона речевых сигналов. A.c. N 280 561 СССР, МКИ Н04М 11/10, 01Н, оп. 03.09.70.
  14. В.М., Ежова Л. В. Спектрально-временные признаки для сегментации речи по звукам // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 8 Всесоюзн. школы-семинара. Львов, 1974, — 4.2. — с. 32−37.
  15. Л.П. Восприятие макромодуляции частоты ОТ в речевом сигнале // Автоматическое распознавание слуховых образов: Тез. докл. и сообщен. 17 Всесоюзн. семинара. Ижевск, 1992. с. 11−114.
  16. Л.П. К вопросу о слуховом восприятии частотного контура фразы // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 8 Всесоюзн. школы-семинара. Львов, 1974, — Ч.З. — с. 57−59.
  17. Л.П. О возможности использования модуляции частоты основного тона в автоматическом распознавании эмоциональных состояний // Акустика речи и слуха: Материалы докл. и сообщ. 5 Всесоюзн. совещания-симпозиума. Одесса, 1989. с. 30−40.
  18. Л.П. О роли интонации в выражении межеинтагменных и межфразовыхсвязей в устном тексте // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. И Всесоюзн. акустич. школы-семинара. Ереван, 1980. с. 259.
  19. Л.П. О роли модуляции частоты основного тона в макросегментации слитной речи // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 14 Всесоюзн. семинара. Каунас, 1986. с. 16−17.
  20. М.Ф., Гавращенко А. Н. Метод сегментации слитной речи по ее «динемическим портретам» // Автоматическое распознавание слуховых образов: Тез. докл. 15 Всесоюзн. семинара. Таллин, 1989. с. 184−185.
  21. В.Н., Гитлин В. Б. Корреляционный метод выделения основного тона с использованием параллельной фильтрации // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 16 Всесоюзн. семинара. М., 1991. с. 102−103.
  22. Вокодерная телефония. Под ред. Пирогова A.A. М.: Связь, 1974. — 536 с.
  23. Г. Я., Сомин Н. В., Трунин-Донской В.Н., Червонный В. К. Алгоритм выделения основного тона спектральными методами на ЭВМ среднего класса // Дискретная обработка речевых сигналов. -М.: ВЦ АН СССР, 1979. с. 36−66.
  24. В.И., Коваль СЛ., Тампель И. Б. Биофизика речеобразования // Модели речевого процесса в норме и патологии: Докл. и сообщ. Всесоюзн. симпозиума (13−15 июня 1979 г. Гродно). Л., 1980.
  25. В.И., Кутуков Г. П., Матюнин С. Н. Состояние и перспективы исследований в области речевых технологий // Современные речевые технологии. Сборник трудов IX сессии Российского акустического общества. М.: ГЕОС, 1999.- с. 13−16.
  26. В.И., Сомин Н. В., Тарасов А. И., Трунин-Донской В.Н., Якушенков Г. А. Спектральные методы выделения основного тона // Вопросы кибернетики. Анализ и синтез речи в системах управления. М., 1976 — Вып. 22. — с. 28−38.
  27. В.И., Станкевич СЛ., Тапель И. Б. Исследование и моделирование процесса речеобразования // Рефераты докл. 8 Всесоюзн. акустич. конф. -М., 1973. Т.1.-е.70.
  28. В.И., Тампель И. Б. Механизм работы голосового источника / Акустический журнал. Т. 27. — Вып. 3, 1981. — с. 321−334.
  29. В.И., Таубкин ВЛ. Речевая наука речевые технологии — перспективыпрактического использования // Современные речевые технологии. Сборник трудов IX сессии Российского акустического общества. М.: ГЕОС, 1999. с. 13.
  30. В.Б. Основной тон речевого сигнала / Деп. В ВИНИТИ, 1998. № 1206-В98. — 739с.
  31. В.Б., Книппер A.B., Сметанин A.M., Сорокин C.JI., Шуткин В. Е. Устройство для выделения основного тона речи. A.c. N 714 474 СССР, МКИ 10 1/00. Оп. в БИ N 5 05.02.80.
  32. В.Б., Кузнецов П. Г., Тихонов Г. А. Переключающая схема для устройства выделения основного тона // Автоматические устройства учета и контроля. Ижевск: Удмуртия, 1973. — Вып. 8. — с. 223−228.
  33. В.Б., Сметанин A.M. Исследование участков смыкания и размыкания голосовых связок на ЭВМ // Дискретные системы обработки информации. Ижевск, 1978. -Вып.1. — 71−75.
  34. В.Б., Сметанин A.M., Шуткин В. Е. Обнаружение интервалов смыкания и размыкания голосовых связок // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 11 Всесоюзн. школы-семинара. Ереван, 1980. -С. 134−136.
  35. СЛ., Зеленый А. И., Кашичева У. Б. Сегментация речевой волны по параметрам основного тона // Автоматическое распознавание слуховых образов: Тез. докл. 15 Всесоюзн. семинара. Таллин, 1989. — с. 190−191.
  36. Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. — 512 с.
  37. A.B. Алгоритм выделения основного тона по разностной функции ряда остаточных ошибок модели авторегрессии // Вычислительные системы. Методы обнаружения закономерностей с помощью ЭВМ. Новосибирск, 1981. — Вып. 91. — с. 113−124.
  38. A.B. Алгоритм классификации тон/шум, основанный на критерии адекватности модели авторегрессии // Вычислительные системы. Методы обработки информации. Новосибирск, 1978. — Вып. 74. — с. 129−148.
  39. A.B. Алгоритм классификации тон/шум по частотным автокорреляциям // Вычислительные системы. Эмпирическое предсказание и распознавание образов. Новосибирск, 1980. — Вып. 83. — с. 67−73.
  40. A.B., Хамидуллин С. А. Алгоритм оценки траектории частоты основного тона // Искусственный интеллект и экспертные системы. Вычислительные системы. Новосибирск, 1996. с.112−136.
  41. П.П., Норейка С. Ю., Рудженис А. И. Оценка частоты основного тона сигнала, ограниченного по полосе и при наличии шумов // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 12 Всесоюзн. школы-семинара. Киев, 1982а, — с. 99−100.
  42. A.B., Махонин В. А. Микровариации в речевом сигнале // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 10 Всесоюзн. школы-семинара. Тбилиси: Мецниереба, 1978. — с. 35−36.
  43. С.Н., Савельев В. П., Цемель Г. И. О значимости изменений частоты основного тона для автоматического распознавания речи // Описание и распознавание объектов в системах искуственног интеллекта. М.: Наука, 1980. — с. 92−99.
  44. В.А., Пак С.П., Родионов И. Е. Простой многоканальный выделитель основного тона // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 11 Всесоюзн. школы-семинара. Ереван, 1980. — с. 62−63.
  45. B.C. Модифицированный разностный метод определения основного тона речи//Тр. АКИН, 1970.-Вып. 12.-е. 189−193.
  46. Дж. Д., Грэй А. Х. Линейное предсказание речи. М.: Связь, 1980. -308с.
  47. Методические рекомендации по практическому использованию программы SIS при работе с речевыми сигналами / Центр речевых технологий. Санкт-Петербург. с. Петербург, 1997. — 394 с.
  48. В.Е. О современном состоянии и проблемах вокодерной техники // Современные речевые технологии. Сборник трудов IX сессии Российского акустического общества. М.: ГЕОС, 1999. — с. 22−27.
  49. М.В., Прохоров Ю. Н. Методы цифровой обработки и передачи речевых сигналов. М.: Радио и Связь, 1985. — 176 с.
  50. С.Ю. Исследование методов и разработка аппаратуры анализа траекторий основного тона речи / Автореф. дисс. на соиск. ученой степени к.т.н. Каунас, 1983. -22 с.
  51. С.Ю., Рудженис А. И. Анализ классификации тональных, глухих и смешанных сегментов // Автоматическое распознавание слуховых образов: Тез. долкл. и сообщ. 14 Всесоюзн. семинара. Каунас, 1986. — Ч. 1.-е. 8−9.
  52. С.Ю., Рудженис А. И. Исследование источника возбуждения посредством обратной фильтрации // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 11 Всесоюзн. школы-семинара. Ереван, 1980. — с. 139−142.
  53. A.A. Устройство для автоматического выделения частоты основного тона. -A.c. N 129 739 СССР.- Приор, от 08.6.58 НКИ 21е 1/20 42е.
  54. Л.Р., Гоулд Б. Теория и применение цифровой обработки сигналов. -М.: Мир, 1978.
  55. Л.Р., Шафер Р. В. Цифровая обработка речевых сигналов. М.: Радио и связь, 1981.-485 с.
  56. A.C. Практические аспекты и основные компоненты современных систем распознавания речевых образов // Современные речевые технологии. Сборник трудов IX сессии Российского акустического общества. М.: ГЕОС, 1999. с. 145−151.
  57. М.А. Речевой сигнал в кибернетике и связи. М.: Связьиздат, 1963.472с.
  58. М.А., Михайлов В. Г. Вокодерная связь.-М.: Радио и связь, 1983.-248с.
  59. A.M. Исследование и разработка методов повышенной точности измерений параметров формант и голосового источника. Диссертация на соискание ученой степени к.т.н. — Ижевск, 1980.
  60. А.Н. Адаптивный метод выделения основного тона речи // Автоматическое распознавание слуховых образов: Тез. докл. и сообщен. 8 Всесоюзн. школы-семинара. Минск, 1976. — с. 49.
  61. А.Н. Анализ голосового источника по речевому сигналу // Автоматическое распознавание слуховых образов: Тез. докл. и сообщ. 15 Всесоюзн. семинара. -Таллин, 1989. с. 233−234.
  62. А.Н. Основной тон речи и метод его исследования. // Современные речевые технологии. Сборник трудов IX сессии Российского акустического общества. М.: ГЕОС, 1999. с. 47−50.
  63. В.Н., Баронин С. П. Исследование сдвигового метода выделения основного тона речи // Электросвязь. 1968а. — с. 30−36.
  64. В.Н. Теория речеобразования. -М.: Радио и связь, 1985.-312 с.
  65. В.Н. Новые концепции в автоматическом распознавании речи. // Современные речевые технологии. Сборник трудов IX сессии Российского акустического общества. М.: ГЕОС, 1999. с. 50−57.
  66. С. Математическая статистика. М., 1967. — 632с.
  67. Г. Акустическая теория речеобразования. М.: Наука, 1964. 284 с.
  68. Дж. Анализ, синтез и восприятие речи. М.: Связь, 1968. — 395 с. 87.Харкевич
  69. A1-Hashemy B.A.R., and Taha S.M.R. Voiced Unvoiced — Silence classification of speech signals based on statistical approaches // Appl. Acoust., 1988. — 25. — N 3. — p. 169−179.
  70. Atal B.S. Speech signal pitch detector using prediction error date. -Pat. N 3 740 476 USA. G10L 1/04. — 19.06.73.
  71. Atal B.S., Rabiner L.R. A pattern recognition approach to voiced-unvoiced-silence classification with application to speech recognition // IEEE Trans. Acoust., Speech and Signal Process. 1976. — 24. -N 3. -p. 201−202.
  72. Carre R. Review of French work on vocal source vocal tract interaction // Eleventh Int. Congr. Phonetic. Sci.: Proc. XI ICPhS. — Tallinn, 1987. — Vol. 3. — p. 371−375.
  73. Chan C. Voiced/unvoiced segmentation // ICASSP'86: Proe. IEEE Int. Conf. Acoust., Speech and Signal Process. New York, 1986. — Vol. 3. — p. 2271−2274.
  74. Childers D.G., Hann M., Larer J.N. Silent and voiced/unvoiced/mixed excitation (four way) classification of speech // IEEE Trans. Acoust., Speech and Signal Process., 1989. 37. -N 11.-p. 1771−1774.
  75. Dadley H. Remaking speech // J. Acoust. Soc. Am. -1939. 11. — N 2. — p. 167−169.
  76. De Souza P. A statistical approach to the design of an adaptive self-normalising silence detector// IEEE Trans. Acoust., Speech and Signal Process.- 1983. 31.-N3.-p.678−684.
  77. Dolansky L.O. Instantaneous pitch period indicator // J. Acoust. Soc. Am. 1955. — 27. -N 11. — p. 67−72.
  78. Fant G. Speech production. Glottal source and excitation analysis // Quart Progr. and Status. Rept. Speech Transmits. Lab. 1979. -N 1. p. 85−107.
  79. Foo S.W., and Turner L.F. Application of sub-band energy ratio to Voiced-Unvoiced-Silence classification of speech signals // Proc. MELECON'83 Mediterr. Electrotechn.Conf. Athens, 24−26, May, 1983, Vol. 2. SI. Sa. — 1983, — C3.05/1 — C3.05/2.
  80. Friedman D.H. Multidimensional Pseudo-Maximum Likelihood pitch estimation // IEEE Trans. Acoust., Speech and Signal Process. 1978. — Vol. 26. — N 3. — p. 185−196.
  81. Gibson B.R., Greenwood E. Windowing Function for the average magnitude difference function pitch extractor // ICASSP 80: Proc. Denver Cole., 1980, Vol. 1. New York, N.Y. — 1980.-p. 49−52.
  82. Gill J.S. Apparatus for distinguishing between voiced and unvoiced sounds in a speech signal 3 / Pat. N 1 113 225 Grait Britan. 08.05.68. — H4R.
  83. Gold B., Rabiner L. Parallel Processing techniques for estimating pitch periods of speech in the time domain // J. Acoust. Soc. Am. 1969. — 46. — N 2 (Pt.2). — p. 442−448.
  84. Hebid M.K., and Robinson D.M., Sincoscie W.D. Real Zeros in pitch detection // IEEE Int. Conf. Acoust., Speech and Signal Process. Record. Tulsa, Okla, 1978. New York, N.Y. — 1978. — p. 31−34.
  85. Hess W. On-line digital pitch period extractor for speech signals // Proc. Summer Sch. Circuit theory: Short. Contrib. Prague, 1974. — N 2. — p. 413.
  86. Hess W. Pitch determination. An example for the application of signal processing methods in speech domain // Speech Processing: Theor. and Appl: Proc. EUSIPCO-8O, 1-st Eur. Signal Process. Conf. Lausanne, Sept. 16−18. Amsterdam, 1980. — p. 625−634.
  87. Holmes J.N. An investigation of the volume velocity waveform at the larynx during speech by means of inverse filter // Proc. Speech Commun. Siminar. Stockholm, 1962. — Vol. 1. -B4.
  88. Howard D.M., and Howard I.S. Quantitative comparison of speech fundamental period estimation devices // Eleventh int. Congr. Phonetic. Sci.: Proc. XI ICPhS. Tallinn, 1987. Vol. 4.-p. 52−55.
  89. Kasuya H. An improved autocorrelation pitch detector // J. Acoust. Soc. Jap. 1980. -(E) 1, N 4. — p. 263−264.
  90. Laver J., Hiller S., Hanson R. Comparative performance of pitch detection algorithms on disphonic voices // ICASSP'82: Proc. IEEE INT. Conf. Acoust., Speech and Signal Process.- New York, 1982. Vol.1. — p. 192−195.
  91. O.Miller N.J. Pitch detection by data reduction // IEEE Symp. speech recogn. -Carnague-Mellon Univ., 1974. Contrubut Pap. — p. 122−130.
  92. Noll A.M. Short-time spectrum and «Cepstrum» techniques for vocal-pitch detection // J. Acoust. Soc. Am. 1964. — 36, N 2. — p.
  93. Noll A.M. Cepsrtum pitch determination // J. Acoust. Soc. Am. 1967. — 41, N 2. — p. 293−309.
  94. Rabiner R.L., Chang M.J., Rosenberg A.E., McGonegal C.A. A comparative performance study of several pitch detection algorithms // IEEE Trans. Fcoust., Speech Process. 1976. — p. 399−418.
  95. Rabiner R.L., Sambur M.R. Application of an LPC distance measure to the voiced-unvoiced-silence detection // IEEE Trans. Acoust., Speech and Signal Process. 1977. — p. 338−343.
  96. Shafer H.L., Cohen A., Freudberg R., Manley H.L. Average magnitude difference function pitch extractor // IEEE Trans> Acoust., Speech and Signal Projcess. Oct. 1974. — 22. -p. 353−362.
  97. Shafer R.W., and Rabiner L.R. Digital representation of speech signals // Proc IEEE.- 1975.- 63, N4.-p. 662−677.
  98. Stevens K.N. Interaction between acoustic source and vocal tract configuration for consonants // Eleventh Int. Congr. Phonetic. Sci.: Proc. XI ICPhS. Tallinn, 1987. — Vol. 3. — p. 385−389.
  99. УТВЕРЖДАЮ" Директор НТЦ ВТ1. Казаков / апреля 2000 г. 1. АКТоб использовании материалов диссертационной работы аспиранта ИжГТУ И.О. Архипова
  100. Научно-технический центр «Вычислительная техника» (НТЦ ВТ) в течение последних 8 лет выполняет ряд НИР, связанных с разработкой автоматизированных измерительных систем внутри- и внешнебаллистических параметров изделий.
  101. Главный конструктор проекта•-./. ••УТВЕРЖДАЮ
  102. Главный инженер ДОАО «Йже^кий ошокейный за
  103. Мжсфяшй ошокейный завод» В .П.' Новоселов /¡-С апреля 2000 г. /1. АКТоб использовании материалов диссертационной работыаспиранта ИжГТУ И.О. Архипова
  104. Грорск горло учебной работе
  105. Ю. М. Мерзляков " ?1″ «#4 2000 г.•-П- < „“ 1. М '» о 4•-П- < ••¦< об использовании результа гов каидадатской диссертации аспиранта ИжГТУ И. О. Архипова в учебном процессе
  106. Метод анализа и обработки речевых сигналов.
  107. По дисциплине «Теория цифровой обработки сигналов» читаются разделы, связанные с о спектральным анализом сигналов, со спектральным и временным анализом речевых сигналов.
  108. Выделение параметров основного тона речевого сигнала.
  109. По данной теме выполнено и защищено пять дипломных проектов.
  110. Методы сжатия речевого сигнала с использованием алгоритма 08.
  111. По данной теме выполнен и защищен один дипломный проект.
  112. Программное обеспечение методов обработки речевых сигналов.
  113. По данной теме выполнен и защищен один дипломный проект. Разработанный по данной теме программный комплекс «Сигнал» используется в лабораторных работах по курсу «Теория цифровой обработки сигналов».
  114. И.О. Архипов разработал и создал на электронном носителе методические указания к лабораторным работам по дисциплине «Теория цифровой обработки сигналов»:1. «Генерация цифровых сигналов».
  115. В работе, на базе программного комплекса «Сигнал», студенты осваивают основные принципы обработки цифровых сигналов во временной области на примере речевых сигналов.2. «Спектральный анализ сигналов».
  116. В работе студенты изучают основы спектрального анализа цифровых сигналов с применением алгоритмов быстрого преобразования Фурье на примере речевых сигналов.3. «Изучение линейных систем с постоянными параметрами».
Заполнить форму текущей работой

На отлично!