Academic literature on the topic 'Класифікація сигналів'

Стаття присвячена створенню одиничного портрета джерела радіовипромінювання та способів його ідентифікації. Відомо, що для виявлення, ідентифікації та визначення місця розташування джерел радіовипромінювання застосовуються засоби радіомоніторингу. При цьому одним із важливих питань, що вирішується системою радіомоніторингу, є прийом та ідентифікація сигналу в радіоефірі. З метою ідентифікації розглянуті питання класифікації основних параметрів джерел радіовипромінювання, наведено класифікацію видів модуляції і основні параметри їх типів. У свою чергу, структуру сигналу дозволяють визначити автокореляційний та кореляційний методи. Автокореляція використовується для визначення таких параметрів сигналу, як тривалість повідомлення, тривалість блоку даних. Кореляція дозволяє ідентифікувати конкретний сигнал з наявного набору. Для виявлення джерела радіовипромінювання розроблено два узагальнених алгоритми: алгоритм розпізнавання виду джерела радіовипромінювання з невідомими параметрами та алгоритм ідентифікації джерела випромінювання за заданими параметрами. Наведені результати моделювання алгоритму розпізнавання джерела радіовипромінювання з заданими параметрами. Як заданий сигнал використовувалася сигнатура з лінійно-частотною модуляцією. Результатом роботи алгоритму моделювання є одиничний екстремум при повній відповідності сигналів; при розбіжності сигналів ширина екстремуму збільшується, що свідчить про розбіжності у параметрах сигналів. Алгоритм такого виду можна застосовувати для пошуку заданого виду сигналу, що дозволяє збільшити швидкість аналізу смуги і точність виявлення. Доведено, що для збільшення точності виявлення необхідно використовувати комбінацію вищезазначених двох алгоритмів з додатковою цифровою обробкою сигналів, що має привести до збільшення точності визначення виду сигналу і більш швидкому знаходженню параметрів джерела радіовипромінювання.

Здійснено порівняння ефективності різних методів коригування промахів у біометричних системах ідентифікації. Основна ідея – виявити сегменти ЕКГ-сигналу із промахами, і замість їх вилучення з процесу ідентифікації, застосувати процедуру їх коригування. Це дасть змогу отримати більший обсяг даних і кращу статистичну базу для навчання та калібрування системи. У роботі порівнювали три різні методи усунення промахів. Перший метод базується на оцінюванні статистичного відхилення вибірок від певного номінального значення на деякий поріг. При цьому аналізується не весь сигнал одразу, а тільки його частина в межах ковзного вікна. В основі двох інших методів знаходиться ідея застосування штучних нейронних мереж, зокрема одного із їх різновидів – автоенкодерів. Відмінність між методами із використанням автоенкодерів полягає у такому: в одному випадку теж використовується ковзне вікно, що дає змогу безпосередньо задавати критерії, за якими відбувається коригування, водночас як за іншим методом виконується коригування за критеріями, які система підбирає автоматично на етапі навчання. Окрім цього, в роботі описано структуру системи біометричної ідентифікації на підставі сигналу електрокардіограми. До ключових структурних компонентів системи належать: аналоговий вимірювальний блок, АЦП та низка цифрових функціональних блоків для перетворення та аналізу сигналів. Ці блоки можуть бути імплементовані на різних обчислювальних платформах, таких як мікроконтролери, ПК, хмарні сервіси). Ці цифрові блоки виконують такі перетворення, як: низькочастотна та високочастотна фільтрація, виявлення R–піків у сигналі електрокардіограми, сегментація серцевих циклів, нормалізація за амплітудою, усунення аномалій, зменшення розмірності та класифікація. Експерименти проводили на самостійно зібраному наборі даних LBDS (Lviv Biometric Dataset). Ця база даних на момент написання статті містила понад 1400 записів для 95 різних осіб. Базова похибка ідентифікації без коригування промахів становить близько 14 %. Після застосування процедури коригування промахів похибка ідентифікації зменшилась до 2,0 % для алгоритмів на підставі автоенкодерів та до 2,9 % для алгоритмів на підставі статистичних методів. При цьому найкращі результати було досягнуто за використання LDA класифікатора у поєднанні з PCA–компресією (1,7 %), а також для KNN класифікатора без PCA–компресії (2,3 %). Проте додавання процедури коригування промахів у процес біометричної ідентифікації призводить до певного збільшення часу на опрацювання сигналу (до 20 %), що однак не критично для більшості прикладних застосувань.

Розглянуто один з відомих методів класифікації об’єктів, в якому реалізовано критерій класифікації за максимумом дискримінантних функцій. Цей метод ефективно засто¬со-вується як класична обчислювальна модель, зокрема, у медицині при діагностуванні за-хворювань. Процес класифікації за цим методом можна реалізувати як просторово-роз-поділену обробку по стовпцях і рядках матриці у вигляді регулярних ітеративних алго¬ритмів. Це дозволяє відобразити їх на двовимірний систолічний масив матричного обчислювача у складі класифікатора об'єктів з подальшим розміщенням у ПЛІС. Запропонований матричний обчислю-вач функціонує в двох режимах і має низку специфічних властивостей, а саме виконання операції декремента одночасно над усіма елементами в кожному стовпці матриці обчислювача, а також використання сигналів ознаки нуля (обнуління) елементів в кожному рядку і кожному стовпці матриці як результатів обробки елементів дискримінантних функцій і для синхронізації самого процесу обробки. В подальшому за результатами обробки у матричному обчислювачі формують-ся вихідні сигнали класифікатора з визначенням конкретного класу об’єктів.

У статті проаналізовано шляхи підвищення ефективності роботи пункту технічного спостереження (ПТС) на основі аналізу технічного забезпечення (ТЗ) механізованих підрозділів Національної гвардії України та Збройних Сил України, а також технічне оснащення наявних технічних пунктів спостереження (ПС) та необхідність доопрацювання існуючого мобільного комплексу наземної розвідки “Джеб” до потреб рухомого пункту технічного спостереження (РПТС), а потім його використання як базового. Мобільний пункт технічного спостереження мобільного комплексу наземної розвідки “Джеб” є частиною комплексу REW “Ground Exploration”, який потребує подальшої розробки шляхом розширення доступності оперативної інформації щодо контролю обладнання та особового складу. На сьогодні бойові можливості комплексу такі: автоматичне виявлення і розпізнавання наземних і малошвидкісних низьколітаючих цілей на відстані до 12 км за допомогою РЛС міліметрового діапазону; виявлення і розпізнавання цілей на відстані до 5–8 км в оптичному діапазоні довжин хвиль за допомогою телевізійної і тепловізійної систем в денних і нічних умовах, а так само в умовах обмеженої видимості; детальна дорозвідка цілей у видимому та інфрачервоному діапазонах довжин хвиль; визначення відстані до розвідувальних цілей з точністю до 5 м за допомогою лазерного далекоміра; визначення власних координат комплексу та цілей і прив’язка їх до місцевості; розвідка цілей в умовах активної протидії з боку супротивника засобами РЕБ; відображення озвідувальної інформації про цілі (кількість цілей, склад цілей, дальність, пеленг, детальна відеоінформація про цілі, координати комплексу) на дисплеї ЕОМ, що працює в мультиекранному режимі, і екрані РКІ монітора; сканування і реєстрація радіосигналів систем зв’язку і телекомунікації у виділених ділянках радіодіапазону; зняття характеристик зареєстрованих сигналів (несуча частота, ширина смуги, потужність, вид модуляції, параметри зондувальних імпульсів та ін.); відображення та індикація характеристик аналізованогодіапа зону/джерела; ведення бази даних зареєстрованих джерел; класифікація та ідентифікація виявлених джерел і прив’язка їх до можливих технічних засобів; визначення напрямку випромінювання виявлених джерел (за наявності відповідних антенних систем); перехоплення та реєстрації сигналів стільни кового, пейджерного і транкового зв’язку стандартів AMPS/DAMPS (протоколи IS-54B, IS-136 і IS-641), NAMPS, TACS, NMT-450 (900), GSM-900, DCS-1800, MPT-1327, EDACS, FLEX, RDS, POCSAG; передача розвідувальної інформації (текстової та відео) по радіоканалу на командні пункти.Практична реалізація запропонованого підходу дозволяє надати додаткову необхідну інформацію для прийняття управлінських рішень щодо ТЗ:технічний стан, місце розташування та причини зупинок контрольованого обладнання тощо, а також стан екіпажів та їх місцезнаходження; наявність сил і засобів ротивника в зоні дії підлеглих частин з ТЗ;прокладання оптимального маршруту відносно засобів ремонту та евакуації в реальному часі, пов’язаних з поточною ситуацією в бою.Інформація про РПТС повинна надходити через систему підключених датчиків, встановлених на контрольованих машинах, що дозволяє отримати дані:про стан машин, систем і механізмів машини;причини несподіваної зупинки автомобіля (перекинуті, застрягли, пожежі, травми (динамічний удар);наявність палива;наявність боєприпасів;облік споживання палива при підключенні додаткових датчиків рівня палива;ведення обліку кожного члена екіпажу. Набір датчиків залежить від цілей, які переслідує замовник. Ефективність запропонованої автоматизації обробки оперативної інформації про озброєння та військову техніку визначається при розробці проекту автоматизованої інформаційної технології (АІТ) з метою обґрунтування її доцільності і вибору оптимального варіанта, а також після практичної реалізації проекту для обчислення фактично отриманого ефекту Запропоновано метод визначення ефективності модернізованого мобільного комплексу наземних розвідувальних даних РЕБ “Джеб” для потреб РПТС.

Забезпечення біометричної безпеки має важливе значення в більшості сценаріїв перевірки справжності користувача та його ідентифікації. Розпізнавання, засноване на зразках райдужної оболонки, є важливою областю досліджень, покликаної забезпечити надійну, просту і швидку підсистему ідентифікації користувачів системи, яка використовує камеру (її можна використовувати у будь-якій системі, яка має механізм авторизації, де необхідна гарантія підвищеної безпеки). Мета роботи полягає у встановленні основних етапів алгоритму ідентифікації (класифікації) користувачів системи на основі обробки зображення сітківки ока із зіницею. Алгоритм розпізнавання райдужної оболонки ока для реєстрації користувачів системи включає такі етапи - попередня обробка зображення: зображення проходить різні фільтри (серед них фільтр Гауса та низько-частотні фільтри, гістограмні перетворення); - препроцессінг: 1) локалізація внутрішніх і зовнішніх меж області райдужної оболонки ока з використанням генетичного алгоритму; 2) нормалізація зображення, 3) виокремлення значущої інформації; - класифікація (або зіставлення із елементами БД) - виконана на основі двошарового персептрону (ДП). Для оцінки алгоритмів розпізнавання райдужної оболонки використано базу даних оцифрованих 100 зображень очей у відтінках сірого від 50 різних людей (класів). Експерименти проводилися у два етапи: 1) сегментація і 2) розпізнавання райдужної оболонки. На першому етапі для локалізації райдужних оболонок застосовується алгоритм прямокутної області. На другому етапі виконується класифікація малюнка райдужної оболонки за допомогою мережі. Сформовані множини навчання й тестування (відповідно 60 зображень очей від 30 різних людей; 40 зображень очей від 20 різних людей). Виявлені райдужки для класифікації після нормалізації та посилення масштабуються за допомогою усереднення. Це допомагає зменшити розмір мережі. Потім зображення подаються матрицями, які є вхідним сигналом для мережі. Виходами ДП є класи візерунків райдужки. Для класифікації райдужної оболонки використовується алгоритм нейронного навчання. Точність розпізнавання на множині навчання становила 95,25%; на множині тестування - 89%. Ключові слова - біометрія, розпізнавання райдужної оболонки ока, нейронна мережа

Досліджено сучасні підходи, що використовуються у апаратно-програмних платформах домашньої автоматизації систем типу «розумний будинок» в рамках загальної концепції «Інтернету речей». Для організації взаємодії між елементами платформи домашньої автоматизації було запропоновано використати імовірнісно‑часові моделі, зокрема розрізнювальну модель умовного випадкового поля та нейромережеві алгоритми прогнозування. Побудована універсальна схема організації, контролю та управління датчиків, контролерів та актуаторів системи «розумний будинок». Запропоновані базові підходи впровадження розрізнювальних імовірнісно-часових моделей при побудові нейромережевих алгоритмів домашньої автоматизації. Побудовано математичну модель роботи нейромережевого алгоритму класифікації шаблонів вхідних інформаційних сигналів, що отримуються від мережі датчиків.

В сучасному світі існує кілька важливих напрямків захисту інформації. У роботі проведений аналіз предметної області, задачі автентифікація та авторизації певної особи акустичним методом. Завдання визначення рівня доступу до певної інформації або для підтвердження виконання певних повноважень. Описані алгоритми попередньої обробки сигналу, алгоритми виділення критеріїв і концепції функціонування класифікатора. Представлено процес обробки мовного сигналу. Який можливо розбити на кілька частин ознак і методів ідентифікації. В сукупності, вищеописаний метод є потужним інструментом класифікації стосовно предметної області.

Сучасний розвиток інформаційних технологій відкриває нові можливості в біомедичному моніторингу. Широкий спектр біомедичних датчиків використовується для отримання різних фізіологічних сигналів людини, що можуть свідчити про наявність симптомів хвороби Паркінсона, зокрема, такого як тремор. Визначено, що існуючі методи класифікації даних для визначення постурального тремору недостатньо ефективні. Запропонована методологія включає отримання та сегментація даних, вилучення ознак, моделювання з етапами навчання і тестування для отримання оцінки про передбачуваний ступінь тремору. Дані отримані відповідно до п’яти ступенів тяжкості тремору і містять часову мітку і дані акселерометра по трьох осях. Отримані дані сегментовані у сегменти у вигляді односекундного вікна, що не перекривається. Обробка даних виконана для даних отриманих сегментів. З кожного компонента прискорення сегмента вилучаються наступні ознаки: середнє для x, y, z; стандартне відхилення для x, y, z; максимальне та мінімальне значення для x, y, z; медіана для x, y, z; ентропіядля x, y, z; автокореляція для x, y, z; енергія послідовності для x, y, z; кореляція Пірсона для x і z; кореляція Пірсона для y і z; кореляція Пірсона для x і y. Моделювання проведено з застосуваннямалгоритму підвищення градієнтного дерева XGBoost, якийзастосовано для співставлення ступеню тремору відповідним виділеним векторам ознак. Навчена модель використана для оцінки ступеню тремору усіх векторів ознак в одному тесті. Середні оцінки ступеню тремору представляють оцінки ступеню кожного класу. Класифікатор надає індивідуальний результат для кожного сегмента вилучених з даних тесту ознак. Результати отриманої матриці невідповідності використано для оцінки якості класифікації. На тестових даних отримана точність класифікації з використанням параметру F1-score, що становить 92%. Розрахована важливість кожної вилученої ознаки відносно класу, яка вказує корисність ознаки при побудові дерев рішень в моделі. Визначена важливість вилучених ознак у відповідності до класу, в подальших дослідження використовуватиметься для зменшення обсягу вхідних даних.

Стаття присвячена питанню позиціонування літального апарату, а саме резервним чи альтернативним до супутникових методам визначення координат місцеположення у просторі. Виконано детальний аналіз сучасних засобів позиціонування за сигналами наземних кутомірних та далекомірних радіомаяків, щодо відповідності вимогам зональної навігації RNP/RNAV. Розглянуті можливі шляхи підвищення точності позиціонування за парами далекомірних радіомаяків. Крім того, проаналізовано можливості мультилатераційних систем, пасивного використання сигналів далекомірного обладнання, псевдосупутникових та позиціонування засноване на зворотних відстанях, виділено переваги та недоліки кожного з методів. Розроблено загальну класифікацію засобів позиціонування літака з урахуванням перспективних засобів зональної навігації. Висновки. На сьогоднішній день методи позиціонування за парами радіонавігаційних засобів є широко розповсюджені, проте їх точність обмежена геометрією взаємного місцерозташування, що є причиною невідповідності майбутнім вимогам зональної навігації. Відповідно до виконаного аналізу, найбільш перспективними засобами альтернативного позиціонування є застосування мультилате-раційних та псевдосупутникових систем. У той час як пасивне використання DME, MOSAIC чи DivR потребують значних затрат на розбудову наземної мережі та зміну бортового обладнання ПК. Вагомим є застосування цифрових мереж передачі даних, що підтримують функцію позиціонування за наземними станціями.

Дипломну роботу виконано на 63 аркушах, вона містить перелік посилань на використані джерела з 32 найменувань. У роботі наведено 25 рисунків та 8 таблиць. Метою даної дипломної роботи є перевірка доцільності використання нейронних мереж для обробки вихідних сигналів акселерометру. У дипломній роботі розглядається актуальність задачі розпізнавання типів фізичної активності людини. В якості основного джерела отримання інформації використовується акселерометр. У роботі наведені теоретичні відомості про акселерометр, його фізичний принцип роботи, а також проведено огляд основних технологій виготовлення. Описано класичні методи обробки інформації та нейронні мережі як інструмент сучасного аналізу даних. В якості основних моделей для обробки сигналів акселерометрів було використано ймовірнісну нейронну мережу та модель логістичної регресії. Проведено дослідження з використання цих методів щодо визначення типу фізичної активності.
The thesis is presented in 63 pages. It contains bibliography of 32 references. 25 figure and 8 tables are given in the thesis. The goal of the thesis is checking the feasibility of using neural networks to process the output signals of the accelerometer. The thesis considers the relevance of the problem of recognizing the types of physical activity. An accelerometer is used as the main source of information. The paper provides theoretical information about the accelerometer, its physical principle of operation, as well as an overview of the main manufacturing technologies. Classical methods of information processing and neural networks as a tool of modern data analysis are described. A probabilistic neural network and a logistic regression model were used as the main models for processing accelerometer signals. A study on the use of these methods to determine the type of physical activity.

Diploma work on theme «Research methods of identification and classification of speech signal» by student Semkiv Andrii Volodymyrovych. – Ternopil Ivan Pul'uj National Technical University, Faculty of Computer Information Systems and Software Engineering, Software engineering department, group SPm-61 // Ternopil, 2017. Pages. – 101, pictures. – 13, tables. – 3, slides – 13, add. – 4, bibl.ref. – 48. The aim of the thesis is to study the methods of recognition and classification of the speech signal using computer modeling techniques and process incoming information according to mathematical models developed using Fourier transform. Based on the analysis the advantages and disadvantages of different approaches and methods. Methods and software used in performing of system development: the programming language Java and its libraries, development environment – Netbeans IDE, development environment and simulation of MatLab, flexible methodology (Agile) of software development. Result of work is the optimal method of recognition and classification of the speech signal. In a module software system implemented a series of algorithms that optymizovuyut shortcomings of existing methods.. Keywords: MATHEMATICAL MODEL, COMPUTER SIMULATION, SPEECH SIGNALS, SOFTWARE SYSTEMS, ALGORITHMS, FOURIER TRANSFORM.

Дисертаційна робота присвячена створенню міографічної системи протезної руки з розширеними можливостями рухів та жестів із розпізнаванням міоелектричних сигналів нейромережевим інтерфейсом та оптичним ідентифікатором контактної поверхні для дотику пальців. У роботі вдосконалено метод розпізнавання категорій фізіологічних рухів та жестів шляхом аналізу електро- та форс- міографічних сигналів мультирівневими штучними нейронними мережами, що дозволило підвищити точність класифікації жестів кисті руки. Вдосконалено метод розпізнавання контактної поверхні пальцем протезу шляхом оптичної ідентифікації із засобами концентрації оптичної енергії, що дало можливість підвищити достовірність ідентифікації структури об’єктів маніпуляції. Вдосконалено метод координації рухів протезу кисті руки на основі одночасної реєстрації і розпізнавання фізіологічних сигналів та сигналу оптичної ідентифікації.

У дисертаційній роботі вирішено актуальну науково-прикладну проблему у галузі інструментального забезпечення біоінформатики – розвиток теоретичних засад і нових підходів до удосконалення комп’ютерних систем опрацювання біосигналів на основі широкого використання штучних нейромереж і технологій глибинного навчання. Представлено концепцію трьох системних рівнів комп’ютерного опрацювання біосигналів, що базується на чіткому розмежуванні функцій системних рівнів від методів і засобів, що їх реалізують. Таке розділення сприяє структуризації знань, уможливлює оцінювання ефективності різних методів і вибір кращих проектних рішень із урахуванням специфіки завдань, умов і сценаріїв. Автоматизовано пошук оптимальних значень гіперпараметрів багатошарового нейрокласифікатора шляхом використання простої прогностичної моделі машинного навчання. Це дає змогу на 4 порядки скоротити час пошуку порівняно із повним перебором в просторі можливих значень. Розроблено і апробовано підхід до виявлення і коригування залишкових аномалій в біосигналах, який базується на застосуванні нейромережевих автоенкодерів для нелінійної фільтрації завад, зосереджених в тій самій частині спектру, що й корисний сигнал. Застосування підходу у 5-7 разів зменшує похибку ідентифікації. Результати роботи можуть бути застосовані до різних прикладних задач, у таких сферах як кібербезпека та системи доступу (біометрична ідентифікація), робототехніка (нейромережеві інтерфейси управління) і афективна інформатика (аналіз психоемоційного стану), а також у медицині (діагностика, клінічні дослідження тощо). В диссертационной работе решена актуальная научно-прикладная проблема в области инструментального обеспечения биоинформатики - развитие теоретических основ и новых подходов к совершенствованию компьютерных систем обработки биосигналов на основе широкого использования искусственных нейронных сетей и технологий глубинного обучения. Представлена концепция трех системных уровней компьютерной обработки биосигналов, основанная на четком разграничении функций системных уровней от методов и средств, которые используются для их реализации. Такое разделение способствует структуризации знаний, позволяет оценить эффективность различных методов и выбрать лучшие проектные решения с учетом специфики задач, условий и сценариев. Автоматизирован поиск оптимальных значений гиперпараметров многослойного нейроклассификатора путем использования простой прогностической модели машинного обучения. Это позволяет на 4 порядка сократить время поиска по сравнению с полным перебором в пространстве всех возможных значений. Разработан и апробирован подход к выявлению и коррекции остаточных аномалий в биосигналах, основанный на применении нейросетевых автоэнкодеров для нелинейной фильтрации помех, сосредоточенных в той же части спектра, и полезный сигнал. Применение коррекции аномалий в 5-7 раз уменьшает погрешность идентификации. Результаты работы могут быть применены в различных направлениях, таких как компьютерная безопасность и системы доступа (биометрическая идентификация), робототехника (нейросетевые интерфейсы управления) и аффективная информатика (анализ психоэмоционального состояния), а также в медицине (диагностика, клинические исследования и т.п.). The thesis solves a scientific problem in the field of instrumental support of bioinformatics - the development of theoretical foundations, improvement of methodological, algorithmic, software, and technical basis of the computer systems for processing of biosignals and data based on the extensive use of artificial neural networks and deep learning technologies. Current state and future perspectives of machine learning usage in the computer bioinformatics systems are analyzed in the thesis. It is shown that the heterogeneousness of data and a wide range of bioinformatics tasks influenced the development of specialized solutions for each separate domain or application. This complicates the possibility to compare the effectiveness of certain methods as well as the usage of the best system design variants for the new tasks. A novel framework related to the development of principles for the design of the biosignals computer processing systems involving a combination of machine learning techniques and digital signal processing is presented in the thesis. The expediency of separation of the system levels within the process of biosignals processing is reasoned, and their functions are outlined. Innovativeness of the suggested approach lies in the separation of functions of the lower, middle, and upper levels from methods with the help of which they are realized, as well as from the implementation variants for these methods based on the hardware and software components. The middle system level is significantly invariable both in regards to the task to be solved and to the biosignal type. At the same time, the upper level is specific as to the final application, and the lower level is specific as to the type of biosignal. Distinct outlining of functions for each system level and the inter-level interfaces opens perspectives for information structuring during the analysis of the known decisions, which simplifies the analysis and comparison of the effectiveness of these solutions. The design process of the computer system for the specific tasks gets simplified and potentially quickens due to the possibility of transferring the best results among the related tasks. On the basis of the developed three system levels concept the range of tasks related to machine learning application and biosignals processing on all the system levels was studied and analyzed. A novel method of optimal hyperparameters selection for a multilayer neural network classifier based on the Monte Carlo method and predictive modeling was developed and introduced in the thesis, new algorithms for detection and correction of anomalies in ECG-signals were presented as well. This resulted in reduction of hyperparameters optimization time by 4 orders compared to a grid search approach in the entire hyperspace of possible values. A new approach to the detection and correction of residual anomalies in biosignals was developed and tested. This approach is based on the use of neural network autoencoders for nonlinear filtering of distortions that are located in the same spectral band as the useful signal and its application reduces identification error by 5-7 times. A method of software conditioning of biosignals was developed, which enabled parameters unification of digital records of biosignals from open databases by resampling, rescaling, time normalization, etc. and its application improves the issue of low data volume while deep neural networks training. A comprehensive study of the influence of the variability of ECG signal acquisition systems (different data sets, sampling frequency, recording duration, data volume) on the accuracy of biometric identification was performed. The obtained results proved sufficient stability and reliability of the electrocardiogram as a biometric marker and confirmed the possibility of its real-world application in biometric identification systems. Neural network equalizer was designed for dynamical error correction of bioimpedance sensors, which resulted in expanding the operating frequency band up to 100 times. Functionality was expanded, metrological characteristics were improved and the speed of the digital rheograph was doubled by improving the Howland current pump by compensating the basic bioimpedance with a coded potentiometer (trimmer) and using a direct digital synthesis of orthogonal probing signals. Intelligent processing of vibroarthrography signals based on a combination of machine learning algorithms and wavelet decomposition was developed, which allowed to achieve better accuracy in terms of knee joint disorders analysis. The results of the work can be used in various applications, such as cybersecurity and access systems (biometric identification), robotics (bio-machine control interfaces), and affective informatics (psycho-emotional state analysis), as well as a medical domain (diagnostics, clinical trials).

Дисертація містить основну частину на 38 аркушах, 24 ілюстрації. Метою дисертації є аналіз та моделювання алгоритмів розпізнавання емоцій за мовленнєвими сигналами. Об’єктом дослідження є алгоритми розпізнавання емоцій. Предметом дослідження є розпізнавання емоцій за мовленнєвим сигналом. Результатом роботи є: Дослідження принципів дії алгоритмів розпізнавання емоцій; Дослідження акустичних ознак мовленнєвого сигналу; Моделювання та порівняння різних алгоритмів розпізнавання емоцій за мовленнєвим сигналом. Галузь застосування: цифрова обробка акустичних сигналів.
The thesis contains the main part on 38 sheets, 24 illustrations. The purpose of the dissertation is to analyze and simulate the algorithms for recognizing emotions by speech signals. The object of research is the algorithms of emotion recognition. The subject of the study is the recognition of emotions by the speech signal. The result of the work is: Research of the principles of the algorithms of emotional recognition; Investigation of acoustic signs of a speech signal; Simulation and comparison of various algorithms for recognizing emotions by speech signal. Field of application: digital processing of acoustic signals.
Целью диссертации является анализ и моделирование алгоритмов распознавания эмоций по речевыми сигналам. Объектом исследования являются алгоритмы распознавания эмоций. Предметом исследования является распознавание эмоций по речевым сигналом. Результатом работы являются: Исследование принципов действия алгоритмов распознавания эмоций; Исследование акустических признаков речевого сигнала; Моделирование и сравнения различных алгоритмов распознавания эмоций по речевым сигналом. Область применения: цифровая обработка акустических сигналов.

Дисертація на здобуття наукового ступеня доктора технічних наук за спеціальністю 05.09.08 - Прикладна акустика та звукотехніка. - Національний технічний університет України «Київський політехнічний інститут», Київ, 2012. Дисертацію присвячено створенню теоретичних основ розрахунку і проектування цифрових гідролокаційних систем класифікації сигналів. У дисертаційній роботі показано доцільність застосування технології експертних систем при проектуванні та експлуатації систем класифікації сигналів. У результаті аналізу методичних помилок, що є властивими для вимірювань класифікаційних параметрів пороговими та апроксимаційними методами, отримано корисні для інженерних застосувань розрахункові залежності. Запропоновано використання коефіцієнта ексцесу гармонічного або лінійно- частотно-модульованого ехосигналу у якості гідролокаційного класифікаційного параметра. Показано, що похибка традиційної оцінки центрального моменту четвертого порядку залежить від положення спектра ехосигналу на осі частот і може бути неприйнятно високою. Запропоновано дві оцінки центрального моменту четвертого порядку, що є вільними від зазначених недоліків. Запропоновано і досліджено підхід до прийняття рішень про клас сигналу за сукупністю об'єктивних і суб'єктивних ознак, що базується на використанні послідовної байєсівської процедури. Запропоновано підходи до розрахунку і проектування цифрових гідролокаційних систем класифікації, з істотним використанням досвіду проектування і експлуатації діючих систем класифікації. Розроблено і випробувано спеціальні експертні системи, що призначені для розробки і оптимізації функціонального математичного забезпечення цифрових гідролокаційних систем класифікації.
Диссертация на соискание ученой степени доктора технических наук по специальности 05.09.08 – Прикладная акустика и звукотехника. – Национальный технический университет Украины «Киевский политехнический институт», Киев, 2012. Диссертация посвящена созданию теоретических основ расчета и проектирования цифровых гидролокационных систем классификации сигналов с использованием технологии экспертных систем. В диссертационной работе показано, что классификационные признаки, выбранные с использованием технологии экспертных систем, обычно соответствуют реальным физическим явлениям и процессам и, как следствие, оказываются интерпретируемыми, то есть понятными разработчикам и конечным пользователям, что крайне важно при создании человеко-машинных систем классификации сигналов. Другим важным достоинством технологии экспертных систем является возможность использования разнообразных механизмов логического вывода, в том числе байесовской стратегии, на этапе принятия решений, что позволяет производить учет объективных и субъективных классификационных признаков в произвольном порядке, представляя результаты классификации в виде оценки распределения вероятностей распознаваемых классов. Такой подход, хорошо согласуясь с теорией оптимальных систем обнаружения сигналов и теорией оптимальных систем измерения параметров сигналов, на практике гарантирует достоверность принимаемых решений, позволяет повысить уровень автоматизации процедуры классификации сигналов, сократить время принятия правильного решения, снизить вероятность грубых ошибок человека- оператора из-за усталости или недостаточной квалификации. Произведен анализ методических ошибок измерений ряда классификационных параметров, используемых при гидролокационной классификации сигналов. Получены аналитические выражения для смещения и дисперсии однопороговой и двухпороговой оценок радиальной составляющей протяженности объекта. Осуществленный аналитическими и численными методами анализ аппроксимационного метода измерений основных спектральных и временных параметров эхосигналов позволил оценить потенциальные возможности данного метода и получить полезные для инженерных приложений зависимости относительной погрешности измерений от отношения сигнал-шум. Предложено использовать коэффициент эксцесса гармонического или линейно- частотно-модулированного эхосигнала в качестве гидролокационного классификационного параметра, характеризующего степень когерентности эхосигнала и позволяющего осуществлять классификацию объектов даже при бортовых аспектах их движения, что прежде было практически невозможным. Показано, что традиционная оценка центрального момента четвертого порядка, необходимая для измерений коэффициента эксцесса и обычно реализуемая путем вычислений «во временной области», то есть с использованием выборочных значений эхосигнала, является неинвариантной к положению спектра эхосигнала на оси частот. Более того, показано существование областей частот в окрестности частоты Найквиста и нулевой частоты, где относительная погрешность оценки центрального момента четвертого порядка может достигать 35% и 146%, соответственно, а сама оценка является несостоятельной. Предложены две оценки центрального момента четвертого порядка, свободные от указанных недостатков и реализуемые путем вычислений «в частотной области», то есть с использованием выборочных значений спектра эхосигнала. Найдены условия, при выполнении которых предложенные оценки эффективнее традиционной оценки по количеству арифметических операций. Экспериментальные исследования компьютерной модели экспертной системы, позволяющей принимать решения о классе сигнала с использованием последовательной байесовской процедуры, по совокупности объективных и субъективных признаков, учитываемых в произвольном порядке, позволили сделать вывод о работоспособности и эффективности предложенного подхода к автоматизации и объективизации принятия решений в системах гидроакустической классификации. Теоретически обоснованы и экспериментально проверены предложенные подходы к выбору и расчету важных элементов технологии проектирования гидролокационных систем классификации, таких как временная диаграмма, схема обмена информацией, общая структура системы классификации, а также состав комплекса базовых алгоритмов и режимов функционирования системы классификации. Тем самым созданы элементы теоретических основ расчета и получены практические рекомендации по проектированию гидролокационных систем классификации сигналов. Разработаны специальные экспертные системы, предназначенные для разработки и оптимизации функционального математического обеспечения цифровых гидролокационных систем классификации, позволяющие не только оценивать потенциальные возможности разрабатываемых систем классификации, но и осуществлять обучение и тренировку операторов, и даже частично заменять дорогие натурные испытания системы классификации виртуальными испытаниями.
Thesis for the Doctor of Technical science in speciality 05.09.08 - Applied Acoustics and Sound Technics. - National Technical University of Ukraine "Kiev Polytechnic Institute ", Kyiv, 2012. Dissertation is devoted to creation of theory basics of computation and designing of digital sonar signals classification systems. The expediency of use of expert systems technology both at a stage of designing, and at a stage of decision making, is shown in the dissertation. Useful for engineering applications computational relations are obtained as a result of analysis of methodical errors which are inherent to measurements of classification parameters by threshold and approximative methods. Coefficient of excess of a harmonic or linear frequency modulated echo signals is offered as sonar classification parameter. It is shown that the error of a traditional estimate of fourth moment of echo signal depends on a position of an echo signal spectrum on frequency axis and may be unacceptable high. Two new estimates of fourth moment of echo signal, which are free from the mentioned defects, are offered. Decision making rule, where sets of objective and subjective signs are used and which is based on usage of sequential Bayesian approach, is offered and investigated. The approaches to computation and designing of sonar classification systems, which essentially use experience of designing and exploitation of the working classification systems, are offered. Special kinds of expert systems which are destined for developing and optimization of digital sonar classification systems software are developed.