Застосування вейвлет-перетворення для сегментації і видалення шуму з мовних сигналів

Скорочена інформація про документ
dc.contributor.authorДобрушкін, Григорій Олександрович
dc.contributor.authorДанилов, Валерій Якович
dc.date.accessioned2020-09-10T15:57:11Z
dc.date.available2020-09-10T15:57:11Z
dc.date.issued2010
dc.description.abstractenBased on the components of the wavelet-transform theory, we present an automated method of speech signals denoising, interference cleaning and ADC artifacts refining. We propose a new method of detecting interphoneme transitions in the continuous speech signals as well as logarithmic and moving average criteria that help make a decision on the speech signals segmentation. In addition, we analyze advantages and disadvantages of the proposed criteria. We also show the complexity of automation of the problem solving of speech signal segmentation under the conditions of absence of a priori knowledge on phonemes natures and transition between them.uk
dc.description.abstractruНа основе элементов теории вейвлет-преобразования представлен автоматизированный метод очистки речевого сигнала от некоторых шумов, помех и артефактов, которые появляются в результате использования АЦП. Предложен новый метод нахождения межфонемных переходов в непрерывном речевом сигнале, а также логарифмический и скользяще-средний критерии, которые помогают принимать решения о сегментации речевого сигнала. Проанализированы преимущества и недостатки предложенных критериев, показана сложность автоматизации решения задачи сегментации речевого сигнала при отсутствии априорного знания о характере фонем, переход между которыми необходимо детектировать.uk
dc.description.abstractukНа основі елементів теорії вейвлет-перетворення подано автоматизований метод очищення мовного сигналу від деяких шумів, завад і артефактів, що виникають внаслідок використання АЦП. Запропоновано новий метод знаходження міжфонемних переходів у неперервному мовному сигналі, а також логарифмічний і ковзно-середній критерії,які допомагають приймати рішення про сегментацію мовного сигналу. Проаналізовано переваги і недоліки запропонованих критеріїв, показано складність автоматизації розв’язання задачі сегментації мовного сигналу за умови відсутності апріорного знання про характер фонем, перехід між якими необхідно детектувати.uk
dc.format.pagerangeС. 34-42uk
dc.identifier.citationДобрушкін, Г. О. Застосування вейвлет-перетворення для сегментації і видалення шуму з мовних сигналів / Г. О. Добрушкін, В. Я. Данилов // Наукові вісті НТУУ «КПІ» : науково-технічний журнал. – 2010. – № 2(70). – С. 34–42. – Бібліогр.: 8 назв.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/36120
dc.language.isoukuk
dc.publisherНТУУ «КПІ»uk
dc.publisher.placeКиївuk
dc.sourceНаукові вісті НТУУ «КПІ» : науково-технічний журнал, 2010, № 2(70)uk
dc.subject.udc004.934uk
dc.titleЗастосування вейвлет-перетворення для сегментації і видалення шуму з мовних сигналівuk
dc.title.alternativeUse of discrete wavelet-transform for segmentation and speech signals denoisinguk
dc.title.alternativeПрименение вейвлет-преобразования для сегментации и удаления шума из речевых сигналовuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
2010-2-6.pdf
Розмір:
324.48 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті НТУУ «КПІ»: науково-технічний журнал, № 2(70)