Добірка наукової літератури з теми "Розпізнавання сигналів"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Зміст
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Розпізнавання сигналів".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Розпізнавання сигналів"
Pantyeyev, R. "Ідентифікація джерел радіовипромінювання на основі аналізу параметрів сигналів". Herald of Kiev Institute of Business and Technology 46, № 4 (8 січня 2021): 67–73. http://dx.doi.org/10.37203/kibit.2020.46.08.
Повний текст джерелаКазаков, О. Є. "Аналіз можливості отримання ознак розпізнавання радіолокаційних цілей при використанні багаточастотного сигналу в багатопозиційних РЛС". Збірник наукових праць Харківського національного університету Повітряних Сил, № 4(66), (22 жовтня 2020): 58–63. http://dx.doi.org/10.30748/zhups.2020.66.08.
Повний текст джерелаНіколаєв, 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, № 4 (26 грудня 2017): 39–45. http://dx.doi.org/10.34169/2414-0651.2017.4(16).39-45.
Повний текст джерелаЛещенко, С. П. "Радіолокаційне розпізнавання повітряних об'єктів по їх дальнісним портретам та залученням додаткових ознак". Наука і техніка Повітряних Сил Збройних Сил України, № 2(39), (7 травня 2020): 83–92. http://dx.doi.org/10.30748/nitps.2020.39.10.
Повний текст джерелаЛогвін, A. "Глибинне навчання для аудіо-додатків". COMPUTER-INTEGRATED TECHNOLOGIES: EDUCATION, SCIENCE, PRODUCTION, № 42 (26 березня 2021): 72–78. http://dx.doi.org/10.36910/6775-2524-0560-2021-42-11.
Повний текст джерелаSydor, А. І., О. P. Liura та Ya М. Nykolaichuk. "ТЕОРЕТИЧНІ ЗАСАДИ ТА ЗАДАЧІ РОЗПІЗНАВАННЯ ГАРМОНІЧНИХ СИГНАЛІВ ТА ОБРАЗІВ НА ОСНОВІ ОЦІНКИ ХЕММІНГОВОЇ ВІДДАЛІ". Scientific Bulletin of UNFU 28, № 3 (26 квітня 2018): 131–36. http://dx.doi.org/10.15421/40280327.
Повний текст джерелаЛещенко, С. П. "Кореляційний алгоритм радіолокаційного розпізнавання повітряних об'єктів по їх дальнісним портретам з відмовами". Системи обробки інформації, № 4(163), (28 жовтня 2020): 66–76. http://dx.doi.org/10.30748/soi.2020.163.07.
Повний текст джерелаОстровська, Катерина, Іван Стовпченко та Олександр Губанов. "ВИКОРИСТАННЯ НЕЙРОМЕРЕЖЕВИХ КЛАСИФІКАТОРІВ ДЛЯ РЕАЛІЗАЦІЇ СИСТЕМИ ІДЕНТИФІКАЦІЇ ТРАНСПОРТНИХ ЗАСОБІВ". System technologies 2, № 133 (1 березня 2021): 135–46. http://dx.doi.org/10.34185/1562-9945-2-133-2021-15.
Повний текст джерелаКобзєв, А. В., А. С. Риб’як та М. В. Мурзін. "Спосіб розпізнавання типів трьохкоординатних радіолокаційних станцій оглядового типу засобами повітряної радіотехнічної розвідки". Наука і техніка Повітряних Сил Збройних Сил України, № 4(41), (25 жовтня 2020): 106–11. http://dx.doi.org/10.30748/nitps.2020.41.13.
Повний текст джерелаKazakov, E., A. Kazakov та V. Rechetnik. "ЕКСПЕРИМЕНТАЛЬНЕ ДОСЛІДЖЕННЯ ПОЛЯРИЗАЦІЙНО-РОЗСІЮЮЧИХ ВЛАСТИВОСТЕЙ РАДІОЛОКАЦІЙНОЇ ЦІЛІ КОНІЧНОЇ ФОРМИ, ПОКРИТОЇ РАДІОПОГЛИНАЮЧИМ МАТЕРІАЛОМ". Системи управління, навігації та зв’язку. Збірник наукових праць 5, № 57 (30 жовтня 2019): 113–17. http://dx.doi.org/10.26906/sunz.2019.5.113.
Повний текст джерелаДисертації з теми "Розпізнавання сигналів"
Бабкіна, А. В., та Ю. В. Дмитренко. "Обробка сигналів та розпізнавання образів". Thesis, Видавництво СумДУ, 2011. http://essuir.sumdu.edu.ua/handle/123456789/24939.
Повний текст джерелаАндрейчук, Богдан Валерійович, та 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.
Повний текст джерелаIn 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
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.
Повний текст джерелаКононенко, Олексій Сергійович. "Дослідження системи розпізнавання голосових сигналів в умовах обмеженої обчисленої потужності". Master's thesis, Київ, 2018. https://ela.kpi.ua/handle/123456789/23167.
Повний текст джерелаTheme 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.
Галак, Олександр Валентинович, В. Ю. Славгородський та 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.
Повний текст джерелаКоноплянченко, 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.
Повний текст джерелаШуляк, А. П., та 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.
Повний текст джерелаЗінько, Тарас Петрович. "Аналіз і синтез алгоритмів розпізнавання й класифікації та їх застосування в обробці мовних сигналів і зображень". Дис. канд. техн. наук, М-во освіти і науки, молоді та спорту України, Київ. нац. ун-т ім. Т. Шевченка, 2012.
Знайти повний текст джерелаОзеранець, Олексій Петрович, та 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.
Повний текст джерелаThe 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
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.
Повний текст джерелаThesis 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.