Academic literature on the topic 'Розпізнавання сигналів'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Contents
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Розпізнавання сигналів.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Розпізнавання сигналів"
1
Pantyeyev, R. "Ідентифікація джерел радіовипромінювання на основі аналізу параметрів сигналів." Herald of Kiev Institute of Business and Technology 46, no. 4 (January 8, 2021): 67–73. http://dx.doi.org/10.37203/kibit.2020.46.08.
Full textAbstract:
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.
2
Казаков, О. Є. "Аналіз можливості отримання ознак розпізнавання радіолокаційних цілей при використанні багаточастотного сигналу в багатопозиційних РЛС." Збірник наукових праць Харківського національного університету Повітряних Сил, no. 4(66), (October 22, 2020): 58–63. http://dx.doi.org/10.30748/zhups.2020.66.08.
Full textAbstract:
Викладено можливості отримання ознак розпізнавання радіолокаційних цілей по сигнальній інформації багатопозиційних РЛС. В якості ознак розпізнавання основна увага приділялася таким ознакам, як геометричні характеристики і швидкості відносного обертання цілі. Розглянуто можливості отримання ознак розпізнавання при використанні багаточастотних сигналів при проведенні спільної кореляційної обробки цих сигналів.
3
Ніколаєв, І. М. "Математична модель комплексного розпізнавання повітряних радіовипромінюючих об'єктів за сукупністю параметрів сигналів бортових радіолокаційних станцій і засобів радіозв'язку в системах радіоелектронного спостереження." Озброєння та військова техніка 16, no. 4 (December 26, 2017): 39–45. http://dx.doi.org/10.34169/2414-0651.2017.4(16).39-45.
Full textAbstract:
Наведені структура, алгоритми, принципи побудови і використання імітаційно-математичної моделі розпізнавання повітряних об'єктів за параметрами випромінювань бортових радіоелектронних засобів у системах радіоелектронного спостереження при великих розмірах алфавіту класів об'єктів, що підлягають розпізнаванню, і словника їхніх сигнальних ознак. Показано, що модель дозволяє реалізувати багатократне повторення процесу розпізнавання радіовипромінюючих об'єктів за сукупністю параметрів сигналів бортових радіолокаційних станцій і засобів радіозв'язку, змінювати в діалоговому режимі умови моделювання і отримувати оцінки імовірності розпізнавання в залежності від процедури прийняття рішень, розміру і складу алфавіту класів об'єктів, що розпізнаються, складу і точності виміру сигнальних ознак, повноти і достовірності апріорних баз даних та інших чинників.
4
Лещенко, С. П. "Радіолокаційне розпізнавання повітряних об'єктів по їх дальнісним портретам та залученням додаткових ознак." Наука і техніка Повітряних Сил Збройних Сил України, no. 2(39), (May 7, 2020): 83–92. http://dx.doi.org/10.30748/nitps.2020.39.10.
Full textAbstract:
Наводяться результати дослідження радіолокаційного розпізнавання повітряних об'єктів по сукупності ознак. В якості основної ознаки розпізнавання розглядається радіолокаційний дальнісний портрет, що отримується при використанні зондуючих сигналів з високою розрізнювальною спроможністю по дальності. В якості додаткових ознак розглядаються траєкторна ознака та ознака роторної модуляції. Роторна модуляція відбитих радіолокаційних сигналів створюється відбиттям від швидкообертаючих елементів повітряних об’єктів – лопатей повітряних гвинтів та лопаток компресорів (турбін) турбореактивних двигунів. Дослідження виконані методом математичного моделювання. Дослідження розпізнавання виконувалися для 17 типів повітряних об'єктів, що включали турбореактивні літаки, гвинтові літаки та вертольоти. Отримані чисельні значення показників якості розпізнавання типу повітряного об'єкту з залученням додаткових ознак розпізнавання. Показано, що залучення додаткових ознак розпізнавання приводить до збільшення вірогідності прийняття правильних рішень та зменшення обчислювальних витрат.
5
Логвін, A. "Глибинне навчання для аудіо-додатків." COMPUTER-INTEGRATED TECHNOLOGIES: EDUCATION, SCIENCE, PRODUCTION, no. 42 (March 26, 2021): 72–78. http://dx.doi.org/10.36910/6775-2524-0560-2021-42-11.
Full textAbstract:
Розкрито принципи застосування глибокого навчання для нейронних мереж щодо розпізнавання аудіо-сигналів. Відокремлено області подання звуку. Підкреслено, що дослідження буде обмежено аудіо-сигналами. Описано принципи розбиття сигналу на складові елементи та їх вилучення із аудіо запису. Наведено схему формування розподілу аудіо-сигналу та запропоновано загальний підхід до задачі розпізнавання аудіо-сигналів. Він умовно поділений на три окремі етапи: обробка аудіо-запису та його перетворення у частотно-часову область, побудова спектрограми та її перетворення на формат з подальшим виведенням послідовності ознак у вигляді векторів. Визначений коефіцієнт накладання та середньозважений коефіцієнт перекриття (частковий збіг). Сформовано низку значень на основі проведеного експерименту, які показали, що на характеристики / параметри аудіо-додатків, сформовані за допомогою нейронної мережі з глибоким навчанням, має вплив метод підготовки даних, додавання шарів та формування спектру одиниць, що покращує результат за рахунок помноженого часу навчання, те саме стосується і періодичних з'єднань.
6
Sydor, А. І., О. P. Liura, and Ya М. Nykolaichuk. "ТЕОРЕТИЧНІ ЗАСАДИ ТА ЗАДАЧІ РОЗПІЗНАВАННЯ ГАРМОНІЧНИХ СИГНАЛІВ ТА ОБРАЗІВ НА ОСНОВІ ОЦІНКИ ХЕММІНГОВОЇ ВІДДАЛІ." Scientific Bulletin of UNFU 28, no. 3 (April 26, 2018): 131–36. http://dx.doi.org/10.15421/40280327.
Full textAbstract:
Розв'язано задачу розпізнавання гармонічних сигналів та образів на основі оцінки Хеммінгової віддалі, що виникає під час виникнення збурень у високовольтних лініях електропересилень типу накидів, замикань на землю та запусків потужних електроприладів. Проаналізовано основні переваги та недоліки виробників мікроконтролерних засобів релейного захисту. Розроблено теоретичні засади диференціально-різницевого алгоритму розпізнавання накидів і коротких замикань у лініях електропересилань. Розроблено структуру та функціональну схему спецпроцесора розпізнавання збурень у високовольтних лініях електропересилань на основі кореляційної оцінки Хеммінгової віддалі. Проведено дослідження часової складності спецпроцесора визначення Хеммінгової віддалі у теоретико-числовому базисі Радемахера. Виконано постановку задачі динамічного опрацювання цифрових сигналів на основі визначення Хеммінгової віддалі до джерела акустичних сигналів. Розроблено принципи структурної побудови та структурних рішень спецпроцесора кореляційного опрацювання акустичних сигналів. Розроблено структурні рішення спецпристрою визначення Хеммінгової віддалі у базисах Радемахера та Хаара, його структуру та базові компоненти. Сформовано принципи роботи спецпроцесора визначення Хеммінгової віддалі у теоретико-числових базисах Радемахера та Хаара.
7
Лещенко, С. П. "Кореляційний алгоритм радіолокаційного розпізнавання повітряних об'єктів по їх дальнісним портретам з відмовами." Системи обробки інформації, no. 4(163), (October 28, 2020): 66–76. http://dx.doi.org/10.30748/soi.2020.163.07.
Full textAbstract:
Наводяться результати дослідження радіолокаційного розпізнавання повітряних об'єктів по їх дальнісним портретам з використанням кореляційного алгоритму. В якості основної ознаки розпізнавання розглядається радіолокаційний дальнісний портрет, що отримується при використанні зондуючих сигналів з високою розрізнювальною спроможністю по дальності. В якості додаткових ознак розглядаються траєкторна ознака та ознака роторної модуляції. Особливістю роботи кореляційного алгоритму є можливість формування рішення “відмова”, крім рішень на користь одного з типів цілей, по яким було виконано навчання системи. Така особливість зменшує вірогідність видачі помилкових рішень при зменшенні відношення сигнал – шум, або при спостереженні цілі невідомого типу. Дослідження виконані методом математичного моделювання. Дослідження розпізнавання виконувалися для 20 типів повітряних об'єктів, що включали турбореактивні літаки, гвинтові літаки, вертольоти та ракети. Отримані чисельні значення показників якості розпізнавання типу повітряного об'єкту.
8
Островська, Катерина, Іван Стовпченко, and Олександр Губанов. "ВИКОРИСТАННЯ НЕЙРОМЕРЕЖЕВИХ КЛАСИФІКАТОРІВ ДЛЯ РЕАЛІЗАЦІЇ СИСТЕМИ ІДЕНТИФІКАЦІЇ ТРАНСПОРТНИХ ЗАСОБІВ." System technologies 2, no. 133 (March 1, 2021): 135–46. http://dx.doi.org/10.34185/1562-9945-2-133-2021-15.
Full textAbstract:
Робота присвячена дослідженню нейромережевих класифікаторів для реалізації системи ідентифікації транспортних засобів. В роботі вирішувалося завдання розпізнавання світлових сигналів транспортних засобів. Як детектор транспортних засобів використовувалася полегшена версія YOLOv3, а класифікатором світлових сигналів виступала адаптована під умови задачі архітек-тура MobileNetv2. Моделі навчалися на декількох датасетах, приведених до єдиного формату.Отримана якість моделей є досить хорошою для доказу працездатності системи. По-дальше поліпшення якості можливо за рахунок збільшення обсягу навчальної вибірки і більш точного підбору гіперпараметрів моделі. З точки зору швидкості роботи си-стема розпізнавання показала прийнятний результат.
9
Кобзєв, А. В., А. С. Риб’як, and М. В. Мурзін. "Спосіб розпізнавання типів трьохкоординатних радіолокаційних станцій оглядового типу засобами повітряної радіотехнічної розвідки." Наука і техніка Повітряних Сил Збройних Сил України, no. 4(41), (October 25, 2020): 106–11. http://dx.doi.org/10.30748/nitps.2020.41.13.
Full textAbstract:
Розглядаються способи розпізнавання типів оглядових радіолокаційних станцій в станціях повітряної радіотехнічної розвідки на основі використання апріорних відомостей про параметри огляду простору радіолокаційних станцій. Розпізнавання базується на аналізі виміряних первинних параметрів зондуючих сигналів, а саме періодичних моментів опромінення станції радіотехнічної розвідки, діапазону робочих частот, тривалості зондуючих імпульсів та ін. Аналізуючи ці параметри, можливо однозначно визначити тип джерела випромінювання. Розглядається теоретичні аспекти алгоритму розпізнавання, що засновано на перекритті густин розподілу параметрів відношення правдоподібності.
10
Kazakov, E., A. Kazakov, and V. Rechetnik. "ЕКСПЕРИМЕНТАЛЬНЕ ДОСЛІДЖЕННЯ ПОЛЯРИЗАЦІЙНО-РОЗСІЮЮЧИХ ВЛАСТИВОСТЕЙ РАДІОЛОКАЦІЙНОЇ ЦІЛІ КОНІЧНОЇ ФОРМИ, ПОКРИТОЇ РАДІОПОГЛИНАЮЧИМ МАТЕРІАЛОМ." Системи управління, навігації та зв’язку. Збірник наукових праць 5, no. 57 (October 30, 2019): 113–17. http://dx.doi.org/10.26906/sunz.2019.5.113.
Full textAbstract:
Предметом вивчення в статті є інформація про характеристики розсіювання РЛЦ при нанесенні на неї РПМ для вирішення прикладних завдань розпізнавання радіолокаційних цілей. Метою є отримання експериментальної оцінки поляризационно-розсіюючих властивостей радіолокаційної цілі конічної форми на якій завдано поглинаючий матеріал магнітного типу. Завдання: зменшення помітності і збільшення помилок визначення координат РЛЦ при нанесенні на неї РПМ, оцінка відбивних характеристик (характеристик розсіювання) різних типів РПМ, отримання кількісних значень характеристик розсіювання цілей, покритих РПМ, для вузькосмугових сигналів. Використовуваними методами є: математичні моделі оптимізації, методи вирішення матричних задач. Отримані наступні результати. Використання РПМ призводить до істотного зниження ЕПР цілі в квазіоптичної області відображення радіохвиль при використанні вузькосмугового сигналу. Висновки. Наукова новизна отриманих результатів полягає в наступному: При нанесенні на носову частину і на підставу мети конічної форми РПМ відбувається спотворення пелюсткової структури реалізацій амплітуд відбитих від цих ділянок сигналів на основних і кросових поляризаціях при суміщеному прийомі, а також деяке зменшення значень амплітуд відбитих сигналів на основних поляризаціях квазіоптичної. Використання РПМ розглянутого типу також призводить до істотного зниження ЕПР цілі в області відображення радіохвиль при використанні вузькосмугового сигналу. Аналіз статистичних характеристик амплітуд відбитих від конуса сигналів (середнього значення і дисперсії), показав вплив розглянутого РПМ аналогічний впливу на реалізації даних амплітуд. Нанесення РПМ на окремі частини конуса також призводить до зменшення протяжності гістограм амплітуд відбитих сигналів на різних поляризаціях.
Dissertations / Theses on the topic "Розпізнавання сигналів"
1
Бабкіна, А. В., and Ю. В. Дмитренко. "Обробка сигналів та розпізнавання образів." Thesis, Видавництво СумДУ, 2011. http://essuir.sumdu.edu.ua/handle/123456789/24939.
Full text
2
Андрейчук, Богдан Валерійович, and Bogdan Andreichuk. "Метод розпізнавання голосових сигналів для керування комп’ютерними системами вимірювань." Master's thesis, ТНТУ ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії, Кафедра біотехнічних систем, м. Тернопіль, Україна, 2021. http://elartu.tntu.edu.ua/handle/lib/36502.
Full textAbstract:
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
3
Коноплянченко, А. Є. "Система оперативного розпізнавання гладких сигналів при наявності імпульсної завади." Thesis, Сумський державний університет, 2015. http://essuir.sumdu.edu.ua/handle/123456789/40707.
Full textAbstract:
Мета роботи – навчитися оперативно розпізнавати еталонний сиг-
нал при наявності адитивної імпульсної завади. Імпульсний характер
завади означає, що вона може з‘явитися і знову зникати у випадкові
моменти часу. Ставиться задача виявити фрагмент якої із еталонних
функцій входить в сигнал по відомим в поточний момент часу t зна-
ченням сигналу y(t) та його першій похідній y(t) .
4
Кононенко, Олексій Сергійович. "Дослідження системи розпізнавання голосових сигналів в умовах обмеженої обчисленої потужності." Master's thesis, Київ, 2018. https://ela.kpi.ua/handle/123456789/23167.
Full textAbstract:
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.
5
Галак, Олександр Валентинович, В. Ю. Славгородський, and І. Ю. Шубін. "Інформаційна технологія інтелектуального аналізу радіолокаційних сигналів." Thesis, Національний технічний університет "Харківський політехнічний інститут", 2019. http://repository.kpi.kharkov.ua/handle/KhPI-Press/44997.
Full text
6
Коноплянченко, А. Є. "Комп'ютерне моделювання роботи системи оперативного розпізнавання імпульсних еталонних сигналів при адитивних імпульсних завадах." Thesis, Cумський державний університет, 2016. http://essuir.sumdu.edu.ua/handle/123456789/46688.
Full text
7
Шуляк, А. П., and В. В. Лагутін. "Комбіноване навчання алгоритма розпізнавання медико-біологічних сигналів на прикладі визначення типів QRS-комплексів електрокардіограми." Thesis, Національний технічний університет "Харківський політехнічний інститут", 2018. http://repository.kpi.kharkov.ua/handle/KhPI-Press/39933.
Full text
8
Зінько, Тарас Петрович. "Аналіз і синтез алгоритмів розпізнавання й класифікації та їх застосування в обробці мовних сигналів і зображень." Diss. of Candidate of Technical Sciences, М-во освіти і науки, молоді та спорту України, Київ. нац. ун-т ім. Т. Шевченка, 2012.
Find full text
9
Озеранець, Олексій Петрович, and Oleksii Petrovich Ozeranets. "Інформаційно-програмне забезпечення підвищення роздільної здатності голосових сигналів для керування кліматом в закритих приміщеннях." Master's thesis, ТНТУ ім. І. Пулюя, 2020. http://elartu.tntu.edu.ua/handle/lib/33884.
Full textAbstract:
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
10
Солонська, Світлана Володимирівна. "Моделі, метод та інформаційна технологія обробки сигналів в інтелектуальних радіолокаційних комплексах." Thesis, НТУ "ХПІ", 2016. http://repository.kpi.kharkov.ua/handle/KhPI-Press/23586.
Full textAbstract:
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – інформаційні технології. – Національний технічний університет "Харківський політехнічний інститут", Харків, 2016.
У дисертаційній роботі вирішена науково-практична задача розроблення методу для підвищення ефективності виявлення та розпізнавання сигналів в радіолокаційних комплексах шляхом інтелектуалізації обробки сигнальної інформації. У роботі проаналізовано наукові досягнення в галузі обробки сигналів, визначено задачі обробки сигналів та підходи до їх вирішення. У технології обробки радіолокаційних сигналів запропоновано виділити два етапи: внутрішньооглядова й міжоглядова обробка сигналів. На основі цього підходу створено спектрально-семантичну і просторово-семантичну моделі обробки радіолокаційних сигналів. Проведено апробацію й оцінку ефективності результатів дослідження, отриманих на базі розробленої інформаційної технології. Результати впроваджено в модулі багатооглядової обробки радіолокаційних сигналів та інформації для оглядових РЛС МО України, у науково-дослідному проекті "Розробка систем радіоконтролю, радіомоніторингу та систем пасивної пеленгації" ТОВ НПФ "Оптима", а також у навчальний процес кафедри інформаційних технологій та мехатроніки ХНАДУ.Thesis for a candidate degree in technical science, specialty 05.13.06 – Information Technologies. – National Technical University "Kharkiv Polytechnic Institute". – Kharkiv, 2016. This thesis deals with a topical theoretical and practical task to improve the efficiency of information technologies for the processing and identifying of radar signals. Scientific achievements in signal processing are analysed, tasks to process signals and approaches to their solution are determined in the thesis. It is proposed to distinguish two stages in the technology of radar signal processing: intrasurveillance and intersurveillance signal processing. On the basis of this approach, spectral-semantic and spatial-semantic models are developed. Testing and the evaluation of the research results, which are based on the information technology developed, are made. The results are put into practice in: the module of multisurveillance processing of radar signals and data for surveillance radars of the Ministry of Defence of Ukraine; the research project Development of Systems of Radiomonitoring and Passive Direction Finding; Scientific Production Firm Optima Ltd.; an educational process of the Department of Information Technologies and Mechatronics in Kharkov National Automobile and Highway University.