Створення на базі вейвлет-перетворень інформаційно-вимірювальної системи оцінки та захисту мовної інформації

Скорочена інформація про документ
dc.contributor.advisorВолодарський, Є. Е.uk
dc.contributor.advisorVolodarsky, Yevgeny T .en
dc.contributor.advisorВолодарский, Е. Т.ru
dc.contributor.departmentОКБ «Шторм»ru
dc.contributor.researchgrantorНаціональний технічний університет України «Київський політехнічний інститут»uk
dc.date.accessioned2018-04-16T07:50:29Z
dc.date.available2018-04-16T07:50:29Z
dc.date.issued2010
dc.description.abstractenOne of the most informative human speech-creating organ for speech recognition problem is voice source that effects basic tone frequency of speech signal. According to researches, human hearing system uses basic tone frequency for speech recognition with high reliability, but it is sensitive to low-frequency noises – so appeared idea to use spectral characteristics of speech signal segments, where extremums of correlation function can be found, as additional features. However, the extremum of correlation function of basic tone frequency presence is transient, so using of Fourier-transform to analyze the spectral characteristics of speech signals is inappropriate, because Fourier-basis is not sufficiently scaled in time-domain. Using of Wavelet-transform removes this disadvantage, as that transform allows decomposition of signal by wavelets of two arguments – scale and time. Method of Wavelet- transform underlies analysis of that model because of non-stationary researched signals. Wavelets application to speech process and recognition is dictated by acoustic speech signal features. Wavelet-transform – means of multiply-scale analysis that allows highlighting the main characteristics of signal and transient components of acoustic speech signal at the same time. This feature is advantage as compared to window Fourier-transform where varying the width of window selection of signal components is needed to highlight this components. The result of research is creation of preconditions for the development of new competitive domestic information-measuring systems (IMS) based on Wavelet-transforms. Such IMS can be widely applied to systems of technical protection of information. Creation of methods of calculating the parameters of primary process of speech signal, which allow to minimize hardware and computing resources of audit, monitoring and certification of adaptive protection using accepted confidence intervals for identification of speech signal.uk
dc.description.abstractruСреди органов речи человека одним из наиболее информативных для задач распознавания речи есть голосовой источник, влияние которого на речевой сигнал характеризуется частотой основного тона. Как свидетельствуют исследования, слуховая система человека использует частоту основного тона для распознавания голоса с высокой достоверностью, но чувствительную к низкочастотным шумам. Тогда появилась идея использовать в качестве дополнительных признаков спектральные характеристики на отрезках речевого сигнала где наблюдается экстремумы корреляционной функции частоты основного тона. Однако ситуация наличия экстремума корреляционной функции частоты основного тона носит в часовой зоне скоротечный характер, поэтому нецелесообразно использовать преобразование Фурье для анализа спектральных характеристик речевых сигналов, поскольку базис Фурье недостаточно масштабируется в часовой зоне. Этого недостатка можно избежать при использовании вейвлет-преобразований, что позволит разложить сигнал за базисом солитоподобных функций (вейвлетов) двух аргументов – масштаба и времени. В основу анализа этой модели, исходя из нестационарности исследуемого сигнала, положено метод вейвлет-преобразования. Исспользование вейвлетов с целью обработки и распознавания речи продиктовано особенностями речевого сигнала. Вейвлет – преобразования, как способ масштабного анализа позволяет одновременно выделить основные характеристики сигнала в скоротечные составляющие речевого акустического сигнала. Эта особенность есть преимуществом по сравнению с преобразованием Фурье, где варьируя шириной окна, приходится выбирать масштаб составляющих которые необходимо выделить в сигнале. Результат работы - создание условий для разработки новых конкурентоспособных отечественных информационно-измерительных систем на базе вейвлет–преобразований для распознавания голоса речевого сигнала, которые найдут широкое применение при идентификации речевого сигнала в системе технической защиты информации, а также в области научных исследований акустических сигналов. Создание методик расчета параметров первичной обработки речевого сигнала позволит на основе принятых доверительных интервалов идентификации речевых сигналов, минимизировать аппаратные и расчетные ресурсы аудита, мониторинга и сертификации адаптивной защити.uk
dc.description.abstractukСеред органів мовотворення людини одним з найбільш інформативних для задачі розпізнавання голосу є голосове джерело, плив якого на мовний сигнал характеризується частотою основного тону. Як свідчать досліди, слухова система людини використовує частоту основного тону для розпізнавання голосу з високою достовірністю, але чутлива до низькочастотних шумів, тому виникла ідея використати в якості додаткових ознак спектральні характеристики на відрізках мовного сигналу де спостерігаються екстремуми кореляційної функції частоти основного тону. Проте ситуація присутності екстремуму кореляційної функції частоти основного тону носить в часовій зоні швидкоплинний характер, тому є недоцільним використовувати перетворення Фур`є для аналізу спектральних характеристик мовних сигналів, оскільки базис Фур`є недостатньо масштабується в часовій зоні. Цього недоліку можна позбутися за рахунок використання вейвлет- перетворень які дозволяють розклад сигналу за базисом солітоподібних функцій (вейвлетів) двох аргументів-масштабу та часу. В основі аналізу цієї моделі, виходячи з нестаціонарності досліджуваного сигналу, покладено метод вейвлет-перетворення. Застосування вейвлетів з метою обробки й розпізнавання мови продиктовано особливостями мовного акустичного сигналу. Вейвлет - перетворення, як засіб кратно масштабного аналізу дозволяє одночасно виділити основні характеристики сигналу і швидкоплинні складові у мовному акустичному сигналі. Ця властивість є перевагою у порівнянні з віконним перетворенням Фур`є, де, варіюючи шириною вікна, доводиться вибирати масштаб складових які необхідно виділити в сигналі. Результатом роботи є створення передумов для розробки нових конкурентноспроможних вітчизняних інформаційно - вимірювальних систем на базі вейвлет-перетворень для розпізнавання голосу мовного сигналу, які знайдуть широке використання в системі технічного захисту інформації. Створення методик розрахунку параметрів первинної обробки мовного сигналу, які дозволять на основі прийнятих довірливих інтервалів ідентифікації мовного сигналу, мінімізувати апаратні і розрахункові ресурси аудиту, моніторінгу і сертифікації адаптивного захисту.uk
dc.format.page5 c.uk
dc.identifier.govdoc0109U000474
dc.identifier.issn2249
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/22767
dc.language.isoukuk
dc.publisherНТУУ «КПІ»uk
dc.publisher.placeКиївuk
dc.subjectінформаційно-вимірювальні системиuk
dc.subjectрозпізнавання голосуuk
dc.titleСтворення на базі вейвлет-перетворень інформаційно-вимірювальної системи оцінки та захисту мовної інформаціїuk
dc.title.alternativeCreation on besed Wavelet-transform of information measurement system for voicedata estimation and protectionuk
dc.title.alternativeСоздание на базе вейвлет-преобразований информационно-измерительной системи оценки та защити речевой информацииuk
dc.typeTechnical Reportuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
2249.pdf
Розмір:
100.67 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Анотовані описи завершених науково-дослідних робіт КПІ ім. Ігоря Сікорського