Academic literature on the topic 'Розпізнавання голосових сигналів'

В кваліфікаційній роботі здійснено порівняльний аналіз застосування різних вимірювань близькості та векторних ознак, який показав, що найбільш придатними для завдань розпізнавання векторами ознак можна вважати: мел-кепстральні коефіцієнти та розподіл інформаційних інтервалів мовного сигналу для керування комп’ютерними системами.
In the qualification work, a comparative analysis of the use of different measurements of proximity and vector features, which showed that the most suitable for recognition tasks vector features can be considered: mel-keppstral coefficients and distribution of information intervals of speech signal to control computer systems.
ВСТУП 8 РОЗДІ 1. ОСНОВНА ЧАСТИНА 11 1.1. Сучасний стан напряму розпізнавання мовних сигналів 11 1.2. Особливості мовлення та сприйняття мови людиною 16 1.2.1. Мовний апарат 17 1.2.2. Сприйняття мовного сигналу людиною 20 1.3 Методи цифрової обробки сигналів у задачах розпізнавання мовних сигналів 26 1.3.1. Спектральний аналіз 26 1.3.2. Віконний аналіз у базисі Фур'є 27 1.3.3. Вейвлет аналіз 27 1.3.4. Кепстральний аналіз 29 1.4 Субсмуговий підхід до обробки мовних сигналів 32 1.5 Висновки до розділу 1 33 РОЗДІЛ 2. ОСНОВНА ЧАСТИНА 34 2.1. Акустико-фонетичний підхід до розпізнавання мовних сигналів 34 2.2. Обчислювальні аспекти субсмугового аналізу мовних сигналів у задачах ідентифікації 37 2.3. Дослідження просторів ознак у задачах розпізнавання мовних сигналів 43 2.3.1. Декомпозиція сигналу банком фільтрів 43 2.3.2. Розподіл миттєвих енергій відрізка МС 45 2.3.3. Розподіл часток енергії відрізка МС 47 2.3.4. Розподіл інформаційних інтервалів відрізка МС 49 2.3.5. Частота переходів через нуль 52 2.3.6. Ширина частотної області, що займає сигнал 55 2.3.7. Мел-кепстральні коефіцієнти мовного сигналу 60 2.4. Заходи близькості у задачах розпізнавання мовних сигналів 63 2.4.1. Євклідова відстань 63 2.4.2. Середньоквадратичне відхилення 63 2.4.3. Відстань Махаланобіса 64 2.4.4. Кореляція послідовностей 64 2.4.5. Динамічна трансформація тимчасової шкали 65 2.5. Висновки до розділу 2 67 РОЗДІЛ 3. НАУКОВО-ДОСЛІДНА ЧАСТИНА 68 3.1. Методика оцінки методів розпізнавання мовних сигналів 68 3.2 Дослідження підходів до розпізнавання мовних сигналів 72 3.3. Висновки до розділу 3 80 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 81 4.1. Охорона праці 81 4.2. Безпека в надзвичайних ситуаціях 84 4.3. Висновки до розділу 4 86 ВИСНОВКИ 87 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 88 Додаток А. Копія тези конференції 93

Актуальність теми. Зараз систем розпізнавання мовлення набувають все більшої популярності та зустрічаються все частіше. Успішними прикладами використання технології розпізнавання мови в мобільних додатках є: введення адреси голосом в Яндекс.Навігатор, голосовий пошук Google Now. Крім мобільних пристроїв, технологія розпізнавання мови знаходить широке поширення в різноманітних сферах людської діяльності: ● Телефонія: автоматизація обробки вхідних і вихідних дзвінків шляхом створення голосових систем самообслуговування зокрема для: отримання довідкової інформації та консультування, замовлення послуг, товарів, зміни параметрів чинних послуг, проведення опитувань, анкетування, збору інформації, інформування та будь-які інші сценарії; ● Рішення "Розумний будинок": голосовий інтерфейс управління системами «Розумний будинок»; ● Побутова техніка і роботи: голосовий інтерфейс електронних роботів; голосове керування побутовою технікою тощо; ● Автомобілі: голосове управління в салоні автомобіля - наприклад, навігаційною системою; ● Соціальні сервіси для людей з обмеженими можливостями; ● Комплексні системи захисту інформації. Голосова аутентифікація. ● Визначення емоційного забарвлення голосу диктора. Об’єктом дослідження є процес розпізнавання голосових сигналів. Предметом дослідження є методи та моделі розпізнавання голосових сигналів в умовах обмеженої обчислювальної потужності. Мета роботи: підвищення ефективності процесу розпізнавання голосових сигналів в умовах обмеженої обчислювальної потужності. Методи дослідження. В роботі використовуються методи математичного моделювання, методи оптимізації, методи системного аналізу, чисельні методи.
Theme urgency. Speech recognition systems are becoming increasingly popular and increasingly common. Successful examples of using speech recognition technology in mobile applications are: entering a voice address in Yandex.Navigator, Google Now voice search. In addition to mobile devices, speech recognition technology is widely used in various areas of human activity: ● Telephony: automates the processing of incoming and outgoing calls by creating voice self-service systems in particular for: receiving background information and advice, ordering services, goods, changing the parameters of current services, conducting surveys, questionnaires, collecting information, informing and any other scenarios; ● “Smart House” solutions: voice interface for intelligent home systems management; ● Household appliances and work: voice interface of electronic robots; voice control of home appliances, etc .; ● Cars: voice control in the car - for example, the navigation system; ● Social services for people with disabilities; ● Comprehensive information security systems. Voice authentication. ● Determination of the emotional color of the speaker's voice. Object of research are systems and algorithms for voice recognition. Subject of research is a usage of dynamic time warping algorithm in speech recognition systems in the conditions of limited computing power Research objective: development and modification of the dynamic time warping algorithm for recognizing a limited vocabulary. Research methods. Methods of mathematical modeling, methods of optimization, methods of system analysis, numerical methods are used in this work.
Актуальность темы. Сейчас системы распознавания речи приобретают все большую популярность и встречаются все чаще. Успешными примерами использования технологии распознавания речи в мобильных приложениях являются: ввод адреса голосом в Яндекс.Навигатор, голосовой поиск Google Now. Кроме мобильных устройств, технология распознавания речи находит широкое распространение в различных сферах человеческой деятельности: ● Телефония: автоматизация обработки входящих и исходящих звонков путем создания голосовых систем самообслуживания в частности для: получения справочной информации и консультирование, заказ услуг, товаров, изменения параметров действующих услуг, проведения опросов, анкетирования, сбора информации, информирование и любые другие сценарии; ● Решение "Умный дом": голосовой интерфейс управления системами «Умный дом»; ● Бытовая техника и работы: голосовой интерфейс электронных роботов голосовое управление бытовой техникой и т.д.; ● Автомобили: голосовое управление в салоне автомобиля - например, навигационной системой; ● Социальные сервисы для людей с ограниченными возможностями; ● Комплексные системы защиты информации. Голосовая аутентификация. ● Определение эмоциональной окраски голоса диктора. Объектом исследования являются системы и алгоритмы распознавания голосовых сигналов. Предметом исследования является алгоритм динамической трансформации временной шкалы в системах распознавания голосовых сигналов в условиях ограниченной вычислительной мощности. Цель работы: разработка и модификация алгоритма динамической трансформации временной шкалы для распознавания ограниченного словаря. Методы исследования. В работе используются методы математического моделирования, методы оптимизации, методы системного анализа, численные методы.

Магістерську роботу присвячено покращення точності розпізнавання голосу в пристроях призначених для керування кліматом. Використано нейронні мережі, які показали вагомі результати в процесах розпізнавання образів , в процесах прогнозування , класифікацій ,рукописного тексту та мовлення, у задачах розпізнавання мови.
The master's thesis is devoted to improving the accuracy of voice recognition in devices designed for climate control. Neural networks were used, which showed significant results in the processes of pattern recognition, in the processes of prediction, classification, handwritten text and speech, in speech recognition problems
ВСТУП 1. Голосове керування. 1.1. Керування з підтримкою голосу 1.2. Поняття, призначенння і види голосового управлінння. 1.2.1. Поняття голосового управління. 1.2.2. Призначення приладів визначення мови. 1.2.3. Види голосового управління. 1.3. Синтез мови в голосовому управлінні. 1.4. Оцифрування звуку. 1.5. Тест ринку систем голосового управління. 1.6. Завдання управління кліматом в будинку. 1.7. Тест останніх досліджень і підсумків. 1.8 Висновки до розділу 1. 2. Нейронні мережі в розпізнанні мовлення. 2.1. Система розпізнання мови. 2.2. Нейронна мережа Кохонена. 2.3. Векторне квантування за допомогою нейронної мережі Кохонена. 2.4. Багатошаровий пересептрон для розпізнання. 2.5. Нейромережа із затримкою часу для розпізнавання. 2.6. Прикована нейронна мережа управління для розпізнавання. 2.7. Висновок до розділу 2. 3.1. Огляд шляхів проекту. 3.2. Складові проекту. 3.3. Опис проекту. 3.4. Висновок до розділу 3. 4. Дослідження і опрацювання звукових сигналів засобів MATLAB. 5.1. Класи виробничих та складених приміщень по вибуховій та пожежній небезпеці. 5.2. Забезпечення електробезпеки користувачів ПК. 5.3. Висновки до п’ятого розділу. ВИСНОВКИ ПЕРЕЛІК ПОСИЛАНЬ

Розглянутий алгоритм початкового оброблення сигналів із застосування віконного перетворення Фур‘є забезпечує високу достовірність розпізнавання голосових команд. Застосування одержаних результатів може бути перспективним при розробці інформаційного та алгоритмічного забезпечення інтелектуальних систем розпізнавання голосових команд, наприклад в медицині, робототехніці тощо. При цитуванні документа, використовуйте посилання http://essuir.sumdu.edu.ua/handle/123456789/4403

Дисертаційна робота присвячена вирішенню актуальної науково-практичної проблеми в телекомунікаційних системах, а саме підвищення пропускної здатності каналу передачі семантичних мовних даних за рахунок ефективного їх кодування, тобто формулюється питання підвищення ефективності семантичного кодування, а саме – з якою мінімальною швидкістю можливо кодувати семантичні ознаки мовних сигналів із заданою ймовірністю безпомилкового їх розпізнавання? Саме на це питання буде дана відповідь у даному науковому дослідженні, що є актуальною науково-технічною задачею враховуючи зростаючу тенденцію дистанційної взаємодії людей і роботизованої техніки за допомогою мови, де безпомилковість функціонування даного типу систем безпосередньо залежить від ефективності семантичного кодування мовних сигналів. У роботі досліджено відомий метод підвищення ефективності семантичного кодування мовних сигналів на основі мел-частотних кепстральних коефіцієнтів, який полягає в знаходженні середніх значень коефіцієнтів дискретного косинусного перетворення прологарифмованої енергії спектра дискретного перетворення Фур'є обробленого трикутним фільтром в мел-шкалі. Проблема полягає в тому, що представлений метод семантичного кодування мовних сигналів на основі мел-частотних кепстральних коефіцієнтів не дотримується умови адаптивності, тому було сформульовано основну наукову гіпотезу дослідження, яка полягає в тому що підвищити ефективність семантичного кодування мовних сигналів можливо за рахунок використання адаптивного емпіричного вейвлет-перетворення з подальшим застосуванням спектрального аналізу Гільберта. Під ефективністю кодування розуміється зниження швидкості передачі інформації із заданою ймовірністю безпомилкового розпізнавання семантичних ознак мовних сигналів, що дозволить значно знизити необхідну смугу пропускання, тим самим підвищуючи пропускну здатність каналу зв'язку. У процесі доведення сформульованої наукової гіпотези дослідження були отримані наступні результати: 1) вперше розроблено метод семантичного кодування мовних сигналів на основі емпіричного вейвлетперетворення, який відрізняється від існуючих методів побудовою множини адаптивних смугових вейвлет-фільтрів Мейера з подальшим застосуванням спектрального аналізу Гільберта для знаходження миттєвих амплітуд і частот функцій внутрішніх емпіричних мод, що дозволить визначити семантичні ознаки мовних сигналів та підвищити ефективність їх кодування; 2) вперше запропоновано використовувати метод адаптивного емпіричного вейвлет-перетворення в задачах кратномасштабного аналізу та семантичного кодування мовних сигналів, що дозволить підвищити ефективність спектрального аналізу за рахунок розкладання високочастотного мовного коливання на його низькочастотні складові, а саме внутрішні емпіричні моди; 3) отримав подальший розвиток метод семантичного кодування мовних сигналів на основі мел-частотних кепстральних коефіцієнтів, але з використанням базових принципів адаптивного спектрального аналізу за допомогою емпіричного вейвлет-перетворення, що підвищує ефективність даного методу.
The thesis is devoted to the solution of the actual scientific and practical problem in telecommunication systems, namely increasing the bandwidth of the semantic speech data transmission channel due to their efficient coding, that is the question of increasing the efficiency of semantic coding is formulated, namely – at what minimum speed it is possible to encode semantic features of speech signals with the set probability of their error-free recognition? It is on this question will be answered in this research, which is an urgent scientific and technical task given the growing trend of remote human interaction and robotic technology through speech, where the accurateness of this type of system directly depends on the effectiveness of semantic coding of speech signals. In the thesis the well-known method of increasing the efficiency of semantic coding of speech signals based on mel-frequency cepstral coefficients is investigated, which consists in finding the average values of the coefficients of the discrete cosine transformation of the prologarithmic energy of the spectrum of the discrete Fourier transform treated by a triangular filter in the mel-scale. The problem is that the presented method of semantic coding of speech signals based on mel-frequency cepstral coefficients does not meet the condition of adaptability, therefore the main scientific hypothesis of the study was formulated, which is that to increase the efficiency of semantic coding of speech signals is possible through the use of adaptive empirical wavelet transform followed by the use of Hilbert spectral analysis. Coding efficiency means a decrease in the rate of information transmission with a given probability of error-free recognition of semantic features of speech signals, which will significantly reduce the required passband, thereby increasing the bandwidth of the communication channel. In the process of proving the formulated scientific hypothesis of the study, the following results were obtained: 1) the first time the method of semantic coding of speech signals based on empirical wavelet transform is developed, which differs from existing methods by constructing a sets of adaptive bandpass wavelet-filters Meyer followed by the use of Hilbert spectral analysis for finding instantaneous amplitudes and frequencies of the functions of internal empirical modes, which will determine the semantic features of speech signals and increase the efficiency of their coding; 2) the first time it is proposed to use the method of adaptive empirical wavelet transform in problems of multiscale analysis and semantic coding of speech signals, which will increase the efficiency of spectral analysis due to the decomposition of high-frequency speech oscillations into its low-frequency components, namely internal empirical modes; 3) received further development the method of semantic coding of speech signals based on mel-frequency cepstral coefficients, but using the basic principles of adaptive spectral analysis with the application empirical wavelet transform, which increases the efficiency of this method. Conducted experimental research in the software environment MATLAB R2020b showed, that the developed method of semantic coding of speech signals based on empirical wavelet transform allows you to reduce the encoding speed from 320 to 192 bit/s and the required passband from 40 to 24 Hz with a probability of error-free recognition of about 0.96 (96%) and a signal-to-noise ratio of 48 dB, according to which its efficiency increases 1.6 times in contrast to the existing method. The results obtained in the thesis can be used to build systems for remote interaction of people and robotic equipment using speech technologies, such as speech recognition and synthesis, voice control of technical objects, low-speed encoding of speech information, voice translation from foreign languages, etc.

Дипломну роботу магістра присвячено покращення точності розпізнавання голосу в пристроях призначених для керування кліматом. Використтано нейронні мережі, які в останні роки неодноразово показували суттєві результати в процесах прогнозування, класифікації, розпізнавання образів, рукописного тексту та мовлення, у задачах розпізнавання мови.
The Master's thesis is dedicated to improving the accuracy of voice recognition in climate-controlled devices. We have used neural networks, which in recent years have repeatedly shown significant results in the processes of forecasting, classification, pattern recognition, handwriting and speech, in language recognition tasks.
ВСТУП 8 РОЗДІЛ 1. ГОЛОСОВЕ КЕРУВАННЯ 10 1.1 Керування з підтримкою голосу 10 1.2 Поняття, призначення і види голосового управління 13 1.2.1 Поняття голосового управління 13 1.2.2 Призначення приладів визначення мови 15 1.2.3 Вигляду голосового управління 16 1.3 Архітектура і симптоми приладів голосового управління 17 1.3.1 Архітектура приладів визначення мови 17 1.3.2 Симптому в пристроях визначення мови 18 1.3.3 Параметра властивості мови і головні думки 22 1.4 Синтез мови в голосовому управлінні 23 1.5 Оцифрування звуку 26 1.6 Тест ринку систем голосового управління 29 1.7 Завдання управління кліматом 33 1.8 Тест останніх досліджень і підсумків 34 1.9 Висновок до розділу 1 39 РОЗДІЛ 2. АЛГОРИТМ РОЗПІЗНАВАННЯ МОВИ ЗА ДОПОМОГОЮ НЕЙРОННИХ МЕРЕЖ 41 2.1 Алгоритм роботи нейронної мережі для задач розпізнавання мови 41 2.1.1 Визначення мови з підтримкою нейтонної мережі 41 2.1.2 Обробка отриманих оцифрованих даних 44 2.1.3 Визначення букв з коротких звуків 47 2.2 Розробка алгоритму для опрацювання голоса 51 2.2.1. Короткий опис розробки методу опрацювання 51 2.2.2. Спектральний тест сигналу 55 2.2.3. Створення з підтримкою бібліотеки FANN нейронної мережі 7 для визначення команд 62 2.3 Висновок до розділу 2 67 РОЗДІЛ 3. ДОСЛІДНИЦЬКА ЧАСТИНА 69 3.1 Огляд шляхів проектування 69 3.2. Вибір складових 72 3.3. Середовище для проведення експериментів 79 3.4. Висновки до розділу 3 81 РОЗДІЛ 4. СПЕЦІАЛЬНА ЧАСТИНА 82 4.1 Програмне середовище "Мatlab simulink" 82 4.2 Висновки до розділу 4 85 РОЗДІЛ 5. ОБГРУНТУВАННЯ ЕКОНОМІЧНОЇ ЕФЕКТИВНОСТІ 86 5.1 Науково-технічна актуальність науково-дослідної роботи 86 5.2 Розрахунок витрат на проведення науково-дослідної роботи 91 5.3 Висновки до розділу 5 95 РОЗДІЛ 6. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 96 6.1 Охорона праці 96 6.2 Безпека в надзвичайних ситуаціях 103 6.3 Висновки до розділу 108 РОЗДІЛ 7. ЕКОЛОГІЯ 109 7.1 Вплив електромагнітного випромінювання на навколишнє середовище 109 7.2 Наслідки впливу електромагнітного випромін 110 7.3 Висновки до розділу 7 114 ВИСНОВКИ 115 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 116 ДОДАТКИ 121

Роботу присвячено обґрунтуванню методу ідентифікації особи у телекомунікаційній мережі.Розглянуто існуючі методи ідентифікації особи за характеристиками біометричних даних та встановлено, що такі методи вирізняються вищою точністю. Обґрунтовано метод ідентифікаціїособи за голосовим сигналом, який є надійним та дешевим у реалізації.Застосовуючи у такому методі оптимальні способи обробки аудіо сигналів ідентифікація здійснюється з високою достовірністю. В якості інформативних параметрів голосових сигналів запропоновано використати формантні частоти амплітудного спектру голосових сигналів та значення частоти основного тону.
The master's thesis is devoted to solving the actual scientific and practical problem of developing methods of providing information and functional security of wireless infrastructure on the basis of hardware separation of subscribers to increase the level of its protection against security threats of various nature, which consist in the developed theoretical bases, methods, models and tools wireless systems and networks.
ВСТУП 10 РОЗДІЛ 1 ВИБІР НАПРЯМКУ ТА ТЕМИ НАУКОВОГО ДОСЛІДЖЕННЯ 14 1.1 Завдання ідентифікації та аутентифікації користувача 14 1.2 Актуальні способи ідентифікації особи 23 1.3 Основні засади роботи систем біометричної ідентифікації 37 1.4 Описовий аналіз проблематики голосової ідентифікації 43 1.5 Висновки до розділу 1 46 РОЗДІЛ 2 МЕТОДОЛОГІЇ ОБРОБКИ ГОЛОСОВИХ СИГНАЛІВ ДЛЯ ЗАДАЧІ ІДЕНТИФІКАЦІЇ ОСОБИ 47 2.1 Завдання ідентифікації особи 47 2.2. Аналіз процедури утворення голосового сигналу та моделей процесу породження голосу 48 2.3 Основні вимоги до методології обробки аудіо сигналів для задачі голосової ідентифікації особи 56 2.4 Метод дослідження голосового сигналу з метою ідентифікації користувача 58 2.5 Висновки до розділу 2 62 РОЗДІЛ 3 ЕКСПЕРИМЕНТ З ВІДБОРУ ГОЛОСОВИХ СИГНАЛІВ 63 3.1 Обгрунтування структури експерименту з відбору голосових сигналів 63 3.2 Обгрунтування відбору параметрів мікрофона 64 3.3 Обгрунтування відбору параметрів АЦП у звуковій карті 65 3.4 Висновки розділу 3 67 РОЗДІЛ 4 ОБРОБКА ГОЛОСОВИХ СИГНАЛІВ З МЕТОЮ ІДЕНТИФІКАЦІЇ ОСОБИ 68 4.1 Визначення частотних параметрів формант голосових сигналів 68 4.2 Обчислення значень періоду основного тону голосових сигналів 70 4.3 Висновки до розділу 4 75 РОЗДІЛ 5 СПЕЦАЛЬНА ЧАСТИНА 77 5.1 Метрологічне забезпечення наукового дослідженя 77 5.2 Побудова прикладного програмного забезпечення для розв’язування наукової задачі 78 РОЗДІЛ 6 ОБҐРУНТУВАННЯ ЕКОНОМІЧНОЇ ЕФЕКТИВНОСТІ 85 6.1. Визначення стадій технологічного процесу та загальної тривалості проведення науково-дослідних робіт 85 6.2. Визначення витрат на оплату праці та відрахувань на соціальні заходи 88 6.3. Розрахунок витрат на електроенергію 92 6.4 Розрахунок витрат на матеріали 92 6.5 Розрахунок суми амортизаційних відрахувань 93 6.6 Обчислення накладних витрат 94 6.7 Складання кошторису витрат та визначення собівартості науково-дослідних робіт 95 6.8 Розрахунок ціни науково-дослідних робіт 96 6.9 Визначення економічної ефективності і терміну окупності капітальних вкладень 96 6.10 Висновок до розділу 6 98 РОЗДІЛ 7 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 99 7.1 Охорона праці 99 7.2 Безпека в надзвичайних ситуаціях 110 РОЗДІЛ 8 ЕКОЛОГІЯ 114 8.1 Електромагнітне забруднення довкілля, його вплив на людину, шляхи його зменшення 114 8.2 Джерела шуму і вібрацій, методи їх знешкодження 116 ВИСНОВКИ 120 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 122