Модели инвариантного распознавания сигналов при наличии искажений в среде распространения

• Автор: Экало, Станислав Александрович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Санкт-Петербург
• Количество страниц: 195 с. : ил

Введение.

Глава 1. Особенности построения систем распознавания сигнальной

информации

1Л .Основные подходы к построению распознающих систем.

1.2. Формальное описание задачи распознавания образов.

1.3 Зада чи распознавания сигнальной информации.

1.4. Модели распознаваемых сигналов и представление сигналов на вход распознающей системы.

1.5. Модели влияния среды на формирование сигнала на входе РС.

1.6 Методы восстановления спектральной структуры сигнала

1.6.1. Спектральное вычитание.

1.6.2. Кепстральное вычитание.

1.6.3. Выделение полезного сигнала с использованием адаптивной фильтрации
1.6.4.Примеиение вейвлетпреобразования для устранения влияния среды распространения.
1.7. Выводы.
Глава 2. Модели распознавания сигналов на основе использования инвариантных описаний сигналов
2.1. Методы решения задачи распознавания в условиях априорной неопределенности
2.1.1. Основные походы к решению задачи распознавания в условиях априорной неопределенности
2.1.2. Максимальный инвариант и методы его построения.
2.1.3. Построение инвариантных решающих правил на основе моделей формирования и распространения сигналов.
2.2. Формирование инвариантных описаний сигналов на основе модельных представлений влияния канала распространения
2.2.1 .Инвариантная форма представления сигнала при распознавании на фоне аддитивных помех.
2.2.2. Случаи нестационарной помехи.
2.2.3. Анализ эффективности использования помехоустойчивых описаний сигнала
2.2.4. Инвариантная форма представления сигнала при наличии частотнозависимого затухания по дальности
2.2.5. Комплексная инвариантная форма представления сигнала при
наличии аддитивной помехи и частотнозависимого затухания.
2.3. Выводы.
Глава 3. Модели распознавания сигналов в условиях помех методом непосредственного синтеза инвариантных решающих правил
3.1. Общая постановка задачи непосредственного синтеза помехоустойчивых решающих функций
3.2.Условие помехоустойчивости линейного классификатора.
3.3. Построения помехоустойчивого классификатора для одной помехи методом обучения на разностных векторах
3.4. Обобщенные алгоритмы обучения помехоустойчивого классификатора, основанные на применении рекуррентных методов адаптации
3.5.Параметрический метод обучения. Помехоустойчивый аналог дискриминанта Фишера
3.6. Расчет вероятностей ошибок классификации линейных решающих правил в условиях помех.
3.7. Линейное приближение формулы для разделяющего вектора в случае нестационарной по спектру помехи.
3.8. Выводы по главе
Глава 4. Программные средства моделирования процесса распознавания сигналов в условиях влияния внешней среды
4.1. Общая структура программного комплекса для моделирования
процесса распознавания.
4.2 Программа V моделирования спектров сигналов и формирования выборок зашумленных сигналов
4.3. Программа i для моделирования распознавания сигналов при исследовании алгоритмов непосредственного синтеза инвариантных решающих правил
4.4. Комплекс программ для моделирования распознавания на основе инвариантных признаков.
4.5. Программное обеспечение для моделирования распознавания речевых сигналов в условиях помех.
4.6. Комплекс программ Геконал для построения сложных решающих правил на основе использовании разнородных признаков и концепции сложных классов.
Глава 5. Экспериментальные исследования разработанных алгоритмов.
5.1 Цели и задачи экспериментов
5.2. Данные, использованные для проведения экспериментов
5.3. Методика проведения исследований
5.4 Исследование помехоустойчивости двухклассного решающего правила при использовании инвариантных признаков.
5.5. Сравнительное исследование эффективности применения различных инвариантных описаний.
5.6. Исследование эффективности функционирования помехоустойчивого классификатора, построенного методом непосредственного синтеза.
5.7. Сравнительные эксперименты по использованию инвариантных признаковых описаний и метода непосредственного синтеза инвариантных решающих правил
5.8. Распознавание речевых сигналов на основе инвариантных признаковых описаний.
5.9. Выводы
Заключение.
Литература


Однако решение конкретных прикладных задач чаще всего не может быть выполнено с использованием, каких либо стандартных рецептов. Это связано с тем, что при решении прикладных задач, в частности построения систем распознавания сигнальной информации имеют место следующие особенности, связанные со спецификой решаемых задач. Рассмотрим эти особенности подробно и оценим их влияние на способ решения задачи синтеза распознающих систем. Задача формирования множества М сигналов, порождаемых распознаваемыми объектами, относится скорее к проблемам построения информационноизмерительных систем, решающих задачу получения сигнального описания некоторого реального физического объекта. Очевидно, в основе такой системы лежит использование различного рода датчиков, преобразующих физические поля объектов распознавания в соответствующие электрические сигналы и далее в цифровую информацию, поступающую на вход компьютерной системы. Однако при исследовании реальных сигналов приходится учитывать весьма важный фактор, связанный с характеристикой среды распространения регистрируемых сигналов. Таким образом, мы имеем следующую модель формирования сигнала, подлежащего распознаванию, Рис. Рис. Проблема учета влияния среды распространения является весьма сложной для решения большинства практических задач распознавания сигнальной информации. В настоящей работе этому вопросу уделено значительное внимание. Рассматриваются проблемы учета влияния среды распространения для задач распознавания шумовых случайных сигналов применительно к проблемам распознавания речевых сигналов, гидроакустических сигналов, шумовой диагностики состояния механизмов. Общей особенностью рассмотренной проблемы является наличие априорной неопределенности связанной с характеристиками канала распространения сигнала. В настоящей работе рассмотрены подходы, основанные на модельном представлении влияния канала распространения и сведении задачи к проблеме преодоления параметрической априорной неопределенности. Практические задачи распознавания сигнальной информации имеют большое разнообразие с точки зрения модели распознаваемого сигнала. Можно выделить сигналы детерминированного и случайного типа, непрерывные и импульсные. Важным классом распознаваемых сигналов является модель случайного шумового процесса с непрерывным и дискретным спектром. А я,со8оТст я, где а и мгновенные амплитуда и частота,
произвольные случайные функции времени, ш коэффициент модуляции, Р процесс аналогичного типа с А. Процессы вида А и Р относятся к процессам с дискретным спектром мощности. Таким образом, модель сигнала 1. Представленная модель достаточно хорошо описывает задачи распознавания гидроакустических сигналов, речевых сигналов, задачи диагностики механизмов по их шумовому излучению и ряд других приложений. Рассмотрим некоторые подходы, связанные с формированием признаковых описаний на основе представленных моделей. Было показано, что более удобным способом описания сигнала в этой задаче, является использование достаточной статистики, в качестве которой берутся дискретные отсчеты оценок спектральной плотности мощности процесса гг. При этом, за счет использования приближеннодостаточного описания, размерность спектрального признакового описания может быть на порядка меньше размерности исходного описания в виде дискретных отсчетов . Дальнейшее сокращение размерности может быть достигнуто за счет использования полосовых оценок спектра мощности, получаемых за счет усреднения по частоте соседних компонент оценки спектральной плотности мощности. МОЩНОСТИ ДЛЯ частоты й. Модель сигнала как случайного процесса с дискретным спектром является весьма информативной в ряде задач например при анализе сонорной структуры речевого сигнала, анализе характеристик двигательных установок в задача шумовой диагностики механизмов. Построение признаковое описания на основе рассматриваемой модели сигнала основывается на оценке дискретной структуры спектральной плотности мощности. В качестве базовых понятий рассматриваются дискретные компоненты спектра, связанные с гармоническими составляющими ГС и полигармоническими ПГС компонентами исходного сигнала.