Оптимальные и субоптимальные алгоритмы обработки речевых сообщений при наличии аддитивных искажений

• Автор: Максимов, Максим Игоревич
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Воронеж
• Количество страниц: 167 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1. ПОДАВЛЕНИЕ АДДИТИВНЫХ ПОМЕХ В РЕЧЕВЫХ

СООБЩЕНИЯХ

1.1. Постановка задачи подавления ад дитивных помех в речевых сообщениях

1.2. Подавление стационарных помех в речевых сообщениях

1.3. Подавление эхопомех в речевых сообщениях

1.4. Выводы.

2. ВЕРИФИКАЦИЯ ЛИЧНОСТИ НА ОСНОВЕ

СТАТИСТИЧЕСКИХ СВОЙСТВ РЕЧЕВЫХ СООБЩЕНИЙ

2.1. Постановка задачи

2.2. Способы статистического описания речевых сообщений.
2.3. Верификация личности по сформированному речевому сообщению
2.4. Выводы.
3. НИЗКОСКОРОСТНОЕ КОДИРОВАНИЕ РЕЧЕВЫХ СООБЩЕНИЙ
3.1. Принципы работы и практическая реализация речевого кодека, совместимого со стандартами 1БА и 1Б3
3.2. Построение речеиреобразующих устройств на основе метода линейного предсказания со смешанным возбуждением.
3.3. Проектирование низкоскоростных речепреобразующих устройств для каналов с высоким процентом ошибок
3.4. Выводы.
4. ВОССТАНОВЛЕНИЕ РЕЧЕВЫХ СООБЩЕНИЙ МЕТОДОМ РЕКОНСТРУКТИВНОЙ ТОМОГРАФИИ.
4.1. Функциональная модель периферии слуха
4.2. Восстановление речевых сообщений на основе метода
реконструктивной томографии.
4.3. Восстановление речевых сообщений на основе метода реконструктивной томографии по зашумленным данным.
4.4. Выводы.
ЗАКЛЮЧЕНИЕ
СПИСОК СОКРАЩЕНИЙ.
ЛИТЕРАТУРА


Гц), так и в какой-либо полосе частот. Последнее обстоятельство представляется особенно важным, поскольку помехи, накладывающиеся на речевое сообщение, имеют, как правило, ширину полосы частот существенно меньшую по сравнению с шириной полосы частот полезного сигнала. Таким образом, отслеживая вариации энергии в различных полосах частот, можно установить приблизительный спектральный состав помехи с последующим се удалением (фильтрацией). Для оптимального разбиения всего спектрального диапазона речевого сигнала на поддиапазоны рассмотрим, как осуществляется процесс выполнения спектрального анализа человеческим ухом. В ряде исследований [, и др. Различные области в улитке, каждая из которых содержит нейтральные рецепторы, настроены на различные диапазоны частот. Эмпирические исследования позволили создать современное представление о критических диапазонах, каждый из которых соответствует своей области в улитке. С экспериментальной точки зрения критическая полоса частот может быть определена как полоса частот, на которой субъективно можно выделить резкие изменения в звуковом сигнале. Порог обнаружения узкополосного источника звукового сигнала между двумя маскирующими тонами остается постоянным до тех пор, пока область частотного разделения между двумя тонами будет лежать в пределах критической полосы частот. В МУе ^) = + 7б[ 1 +1. Г /1 ООО)2 ] °'. Функция (1. Исходя из сказанного выше, процедуру подавления стационарных помех в речевом сигнале можно представить в виде следующих последовательных операций: временная обработка, спектральный анализ, фильтрация (рис. Рис. Процедура временной обработки не является по своей структуре тривиальной и содержит ряд последовательных операций (рис. С этой целыо в качестве датчиков обычно используются высокочувствительные микрофоны с широкой полосой частот и низким собственным сопротивлением. Для предотвращения потери информации путем подмены (наложения) частот при дискретизации служит противолодменный фильтр [,]. Наиболее важной в данной схеме является процедура выбора цифрового фильтра. Нго передаточная характеристика должна соответствовать следующим двум предположениям относительно речевого сигнала. Во-первых, полагается, что ввиду физиологических особенностей органов речи звонкие согласные имеют затухание в спектральной области (около дБ на декаду) [,,]. Второе предположение состоит в том, что человеческое ухо более чувствительно к спектральным составляющим выше 1 кГц [,]. Для выравнивания спектра речевого сигнала и усиления спектральных составляющих в области высоких частот в ряде работ [, и др. На основе результатов работ [,] примем коэффициент ? Хф(/)=хф(/)-0,8хф(/-1). Здесь Хф(/) - сигнал на выходе АЦП (рис. Рис. Процедуру сегментации для расчета текущих параметров входной реализации будем осуществлять на основе методики “кадр-за-кадром” [4,,,]. Этот вид анализа часто называют анализом с перекрытием, поскольку с каждым новым шагом изменяется только часть данных. Математически сигнал сі(т,п) на выходе блока сегментирования (рис. Здесь ш - номер текущего сегмента, п - номер отсчета в текущем сегменте, Ь - длина модифицируемой части сегмента, О - величина перекрытия. Данный способ сегментирования гарантирует отслеживание всех акустических явлений в речевом сигнале, в то же время, обеспечивая достаточно плавное изменение параметров от кадра к кадру. Гц/мсек, кадры длительностью менее 8 мсек использовать не рекомендуется [,]), что при входном сигнале в стандартном ИКМ формате с частотой выборок выб/сек (частота дискретизации, используемая в телефонных каналах связи) составляет дискретных отсчетов на кадр (Ь = ). Ь + О = 4 отсчетам. При спектральном анализе временному массиву §(ш,п) ставится в соответствие массив в частотной области, определяемый дискретным преобразованием Фурье (ДПФ). Известно [,,, и др. ДПФ наиболее эффективен (требует минимальных вычислительных затрат), если число элементов преобразуемого массива может быть представлено как 2Р, где р - некоторое натуральное число. В этой связи исходный массив ?