СТОХАСТИЧНІ АЛГОРИТМИ ОБРОБКИ БАГАТОВИМІРНИХ СИГНАЛІВ НА ОСНОВІ ДИСКРЕТНИХ ВИБІРОК : Стохастический АЛГОРИТМЫ обработки многомерных СИГНАЛОВ НА ОСНОВЕ ДИСКРЕТНЫХ выборок

Краткое описание

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
ДЕРЖАВНИЙ УНІВЕРСИТЕТ
ІНФОРМАЦІЙНО-КОМУНІКАЦІЙНИХ ТЕХНОЛОГІЙ

На правах рукопису

БРЯГІН ОЛЕГ ВОЛОДИМИРОВИЧ

УДК 621.391.2

СТОХАСТИЧНІ АЛГОРИТМИ ОБРОБКИ БАГАТОВИМІРНИХ СИГНАЛІВ НА ОСНОВІ ДИСКРЕТНИХ ВИБІРОК

05.12.13 радіотехнічні пристрої та засоби телекомунікацій

Дисертація
на здобуття наукового ступеня
кандидата технічних наук

Науковий керівник:
Розорінов Георгій Миколайович
доктор технічних наук, професор

Київ 2013

ЗМІСТ

УМОВНІ ПОЗНАЧКИ Й СКОРОЧЕННЯ ..

5

ВСТУП............

6

РОЗДІЛ1АНАЛІЗ МОДЕЛЕЙ МОВЛЕННЄВИХ СИГНАЛІВ ТА МЕТОДІВ ЇХ ЦИФРОВОЇ ОБРОБКИ.

14

1.1Особливості формування та математичні моделі мовленнєвих сигналів..

14

1.2Психоакустичні принципи сприйняття мовленнєвих сигналів..................

20

1.3Представлення мовленнєвих сигналів та їх основні характеристики........

23

1.3.1Часові характеристики мовленнєвих сигналів, методи та алгоритми їх обробки............................................................................

23

1.3.2Спектральні характеристики мовленнєвих сигналів, методи та алгоритми їх обробки............................................................................

27

1.4Основні задачі цифрової обробки мовленнєвих сигналів...........................

31

1.4.1Компресія мовленнєвих сигналів.........................................................

31

1.4.2Розпізнавання елементів мовленнєвого потоку..................................

34

1.5Стохастична природа мовленнєвих сигналів...

36

Висновки до першого розділу...............................................................................

38

РОЗДІЛ2МЕТОДИ АНАЛІЗУ РОЗПОДІЛУ ЙМОВІРНОСТЕЙ ВИПАДКОВОГО ПРОЦЕСУ.....

40

2.1Види розподілів, статистична незалежність.

40

2.1.1Поняття спільного розподілу....

41

2.1.2Визначення частинного розподілу...

42

2.1.3Окремі питання статистичної незалежності випадкових величин

44

2.2Види статистичних методів багатовимірного аналізу.

46

2.3Особливості вимірювання ймовірнісних характеристик стохастичних
процесів

48

2.4Види оцінок ймовірнісних характеристик випадкового процесу..

51

2.5Метод дискретних вибірок.

53

2.6Напрямки удосконалення методу дискретних вибірок...

58

Висновки до другого розділу................................................................................

59

РОЗДІЛ3ОЦІНКА БАГАТОВИМІРНОЇ ФУНКЦІЇ РОЗПОДІЛУ ІМОВІРНОСТІ..

60

3.1Удосконалення методу дискретних вибірок, оцінка стохастичного процесу..

60

3.1.1Оцінка з усередненням за ансамблем реалізацій...

62

3.1.2Оцінка з усередненням за часом..

64

3.1.3Точність оцінки багатовимірних функцій розподілу
ймовірностей..

66

3.2Ступінь взаємозалежності відліків випадкового процесу ...

69

3.3Особливості багатовимірних розподілів ймовірностей мовленнєвих сигналів.

78

3.3.1Вихідні умови експерименту з оцінки багатовимірної
функції розподілу ймовірностей мовленнєвого сигналу

78

3.3.2Залежність від часу багатовимірної функції розподілу
ймовірностей мовленнєвого сигналу

78

3.3.3Залежність багатовимірних функцій розподілу ймовірностей
мовлення від значення рівня аналізу...

80

3.3.4Залежність багатовимірних функцій розподілу ймовірностей
мовлення від кратності зсуву між відліками...

80

3.3.5Оцінка отриманих результатів..

83

Висновки до третього розділу...

83

РОЗДІЛ4ПРАКТИЧНЕ ЗАСТОСУВАННЯ РЕЗУЛЬТАТІВ УДОСКОНАЛЕННЯ МЕТОДУ ДИСКРЕТНИХ ВИБІРОК

85

4.1Система передавання прийому інформації...

85

4.1.1Стохастичний модулятор......................................................................

85

4.1.2Демодулятор стохастично модульованих сигналів............................

89

4.1.3Побудова радіотракту зі спеціально сформованим спектром...........

92

4.2 Оцінка якості робочого шару магнітних носіїв ...

102

4.2.1Варіанти вирішення завдання якості робочого шару магнітних
носіїв на основі оцінки функцій розподілу ймовірностей

103

4.2.2Оптимальний пристрій оцінки якості робочого шару магнітних
носіїв...

107

Висновки до четвертого розділу............................................................................

108

Висновки.....................................................................................................................

110

Список використаної літератури..

112

ДОДАТОК А..............................................................................................................

124

ДОДАТОК Б.............................................................................................................

133

ДОДАТОК В.............................................................................................................

141

УМОВНІ ПОЗНАЧКИ Й СКОРОЧЕННЯ

MOS

-

Mean opinion score

MPEG

-

Motion pictures experts group

АДІКМ

-

Адаптивно диференціально імпульсно кодова модуляція

АПЧ

-

Абсолютний поріг чутливості

АЦП

-

Аналого-цифровий перетворювач

АІМ

Амплітудно-імпульсна модуляція

БНР

-

Багатовимірний нормальний розподіл

БФР

-

Багатовимірна функція розподілу

ЕОМ

-

Електронно-обчислювальна машина

ІКМ

-

Імпульсно кодова модуляція

КД

-

Критичний діапазон

ПММ

-

Прихована марківська модель

ПФ

-

Перетворення Фур’є

РІМ

Рахунково-імпульсна модуляція

СНВ

-

Статистично незалежна вибірка

СРВВ

-

Спільний розподіл випадкових велечин

СФР

-

Спільна функція розподілу

УСО

-

Усереднена сукупна оцінка

ЦАП

-

Цифро-аналоговий перетворювач

ЧР

-

Частинний розподіл

ШДПФ

-

Швидке дискретне перетворення Фур’є

ЩРЙ

-

Щільність розподілу ймовірності

ВСТУП
На сьогоднішній день телекомунікаційна інфраструктура оперує не тільки зі зростаючим обсягом мовленнєвої інформації, даних та мультімедіа, але і переживає експонентне зростання обсягів обробки зазначених сигналів. При цьому ринок мовленнєвих технологій та засобів цифрової обробки мовленнєвих сигналів є одним з найбільш швидкозростаючих, - спостерігається активний розвиток систем розпізнавання та високоякісного синтезу мови, голосової біометрії, верифікації, криміналістичної ідентифікації та діагностики національної приналежності особи за фонограмами усного мовлення, розробка сучасних систем голосового самообслуговування для контакт-центрів, шумоочищення й підвищення розбірливості мовлення. Використання сучасних досягнень цієї галузі дозволяє оптимізувати внутрішні процеси підприємств та організацій, знизити їх витрати, що в умовах глобальної економічної кризи підсилює комерційний потенціал мовленнєвих технологій. Але при цьому дослідниками визнається, що багато питань у галузі оптимальної обробки мовленнєвих сигналів до цих пір залишаються відкритим з огляду на складність та багатогранність такого процесу як мовлення.
Як наслідок, протягом останніх років спостерігається інтенсивна розробка методів та алгоритмів цифрової обробки мовленнєвих сигналів [1], про що свідчать обсяги і зміст наукових праць, що подаються до найбільш впливових конференцій з мовленнєвих технологій INTERSPEECH, SPECOM [2-5].
Історія розробки методів та алгоритмів обробки й розпізнавання мовленнєвих сигналів складає кілька десятиліть [6,7]. Нинішні можливості досягнутого рівня технологій автоматичного розпізнавання мови можуть бути розширені шляхом розробки методів аналізу і обробки на основі застосування знань різноманітної ієрархії у галузі акустичних та мовленнєвих процесів [8]. Для розпізнавання мовленнєвих сигналів та ідентифікації диктора визначають наступні основні етапи - попередня обробка і виділення параметрів, статистичне моделювання і прийняття рішень [9]. Статистичне моделювання мовленнєвого сигналу вперше виконувалося на основі динамічного програмування [10,11]. Використання методів динамічного програмування у свій час дозволило створити перші комерційні і промислові продукти розпізнавання мовлення, однак їм притаманні такі недоліки, як складність адаптивного перенавчання системи, недостатній рівень моделювання і використання як еталонів одиниць розпізнавання не менших, ніж слово [11].
Методи динамічного програмування не ефективні при використанні словника понад 200 слів через великий обсяг обчислень, зокрема для розпізнавання неперервного мовлення. Дані проблеми у певній мірі вирішуються за рахунок використання прихованих марківських моделей (ПММ). Їх використання для представлення мовленнєвих сигналів дозволяє враховувати як часову, так і акустичну мінливість мовленнєвих сигналів [12, 13].
Потужний математичний апарат і гнучка структура ПММ дозволяє адаптувати їх для розв’язування задач розпізнавання мови й ідентифікації диктора [14].
Інтенсивна робота найбільших наукових лабораторій і компаній світу, таких як IBM, AT&T, Oregon Institute, MITS, Dragon, Philips і таке інше, дозволила за останні десятиліття перейти від теоретичних розробок і лабораторних систем до серійних продуктів цифрової обробки мовленнєвих сигналів [7-14].
Застосування цих та інших мовленнєвих технологій було б неможливим без вивчення та дослідження процесів утворення та обробки електроакустичних сигналів, а також явищ та ефектів, що притаманні цим процесам.
За таких умов можливість розширити уявлення про мовленнєвий сигнал та методи його обробки є завжди актуальним. Особливого значення такі дослідження набувають у специфічних напрямах, пов’язаних з унеможливленням несанкціонованого доступу до змісту мовленнєвих повідомлень та фоноскопічною експертизою. Як показує практика, розвиток у зазначених напрямах відбувається шляхом винайдення оригінального методу обробки мовленнєвого сигналу, який унеможливлює несанкціонований доступ до змісту мовленнєвого повідомлення, розробки та впровадження методу криміналістичного дослідження обробленого сигналу з метою набуття ним процесуальних ознак доказу [15,16].
На думку автора новий погляд на сутність мовленнєвого сигналу може забезпечити представлення його у вигляді багатовимірного випадкового процесу, його дослідження та оригінальна обробка із застосуванням розвинутого методу дискретних вибірок, який раніше взагалі не використовувався для вирішення таких науково-технічних задач.
Розглядом процесу мовлення, як випадкового процесу, займалися, зокрема, Д.Л,Фланаган, Л.Р.Рабінер та Р.В.Шафер, Ю.М.Прохоров, В.А.Сіляков та В.Н.Красюк. Окремі експериментально отримані дані стосовно щільності розподілу мовленнєвих сигналів наведені у І.А.Алдошиної. Основи та прикладні задачі імовірнісного аналізу радіотехнічних систем опрацьовані Б.Р.Лєвіним, В.І.Тихоновим, Л.Френксом, питання аналізу багатовимірних випадкових величин розроблялися Т.Андерсоном, М.Кендаллом та А.Стюартом, Дж.Бендатом та А.Пірсолом, К.Есбенсеном, Г.Я.Мирським, Е.І.Цветковим, Г.М.Розоріновим, основи методу дискретних вибірок викладені Г.Я. Мирським.
Аналіз доступних літературних джерел показав практичну відсутність методів вимірювання або оцінки багатовимірних випадкових процесів заздалегідь не визначеної природи. Приклади застосування методів оцінки багатовимірних випадкових процесів для обробки мовленнєвого сигналу з параметрами інтервал, амплітуда на сьогодні відсутні, а метод дискретних вибірок не набув належного розвитку і застосування в системах обробки мовленнєвих сигналів.
За таких умов стохастична обробка багатовимірних сигналів має важливу наукову і технічну спрямованість для реалізації процесів розробки та дослідження методів, алгоритмів, структур пристроїв цифрової обробки багатовимірних сигналів, які використовуються в системах радіотехніки та телекомунікацій. У свою чергу, розвиток методу дискретних вибірок призведе до розширення сфери його застосування в інших галузях науки і техніки, що має важливе народногосподарське значення.
Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась здобувачем в рамках виконання за участю автора річних Програм науково-дослідних та дослідно-конструкторських робіт Державного науково-дослідного інституту Міністерства внутрішніх справ України на 2008 та 2009 роки в частині розробки технічних засобів і комплексів, побудованих, у тому числі, на основі систем обробки мовленнєвих сигналів. Теоретична й експериментальна частини роботи виконані на кафедрі систем захисту інформації Навчально-наукового інституту захисту інформації Державного університету інформаційно-комунікаційних технологій Міністерства освіти і науки України. Апробація і впровадження здійснювалося у Державному науково-дослідному інституті Міністерства внутрішніх справ України та військовій частині А1906 Міністерства оборони України. Гриф обмеження в доступі до змісту виконаної роботи відсутній.
Мета та задачі дослідження. Метою роботи є розширення функціональних можливостей систем передавання інформації шляхом створення нового методу цифрової обробки багатовимірних випадкових сигналів за рахунок розвитку теорії дискретних вибірок і забезпечення його використання в радіотехніці.
Для досягнення мети досліджень необхідно було вирішити наступні основні завдання:
провести порівняльний аналіз моделей мовленнєвих сигналів та методів їх цифрової обробки;
розширити сферу застосування методу дискретних вибірок для виміру або оцінки функції розподілу багатовимірного випадкового процесу, розвинути теорію оцінки багатовимірних функцій розподілу стосовно мовленнєвих сигналів;
дослідити властивості оцінки багатовимірних сигналів, яка побудована на основі розширення сфери застосування методу дискретних вибірок;
розробити методи та алгоритми оцінки багатовимірних сигналів в досліджених умовах;
запропонувати практичну реалізацію розроблених методів цифрової обробки сигналів, розробити систему передавання мовленнєвої інформації на основі стохастичного модему;
виявити інші можливості застосування розроблених методів та алгоритмів обробки багатовимірних сигналів, у тому числі для підвищення ефективності контролю якості магнітних носіїв інформації.
Об’єктом дослідження у дисертаційній роботі є процес відображення сигналу, зокрема мовленнєвого, у вигляді багатовимірного випадкового процесу.
Предмет дослідження методи та алгоритми цифрової обробки сигналу, що побудовані на основі оцінки багатовимірного випадкового процесу та покликані розширити функціональні можливості систем передавання інформації.
Методи досліджень. Для забезпечення представлення мовленнєвого сигналу у вигляді багатовимірного випадкового процесу у роботі використані методи цифрової обробки сигналів, для виявлення можливості вимірювання багатовимірної функції розподілу в роботі використані методи вимірювання та оцінки випадкових процесів, функції розподілу яких невідомі, метод дискретних вибірок, а також методи перевірки статистичних гіпотез. Робота ґрунтується на узагальненні досвіду розробок мовленнєвих трактів зі спеціально сформованими характеристиками, а також на упровадженні та застосуванні таких мовленнєвих трактів.
Наукова новизна одержаних результатів:
1. Вперше запропоновано метод цифрової обробки багатовимірних випадкових сигналів на основі розвитку існуючої теорії дискретних вибірок для забезпечення використання його в системах радіотехніки та телекомунікацій.
2. Удосконалено спосіб оцінки багатовимірної функції розподілу та показано, за яких умов оцінки, що при цьому отримуються, є незміщеними та конзистентними, отримано формули для розрахунку їх довірчих ймовірностей та довірчих інтервалів.
3. Вперше введено критерій оцінки стохастичної взаємозалежності відліків випадкового процесу та поняття коефіцієнту взаємозв’язку відліків і обґрунтована достовірність такої оцінки.
4. Розроблено спосіб відображення мовленнєвого сигналу у вигляді випадкового процесу і досліджено залежність оцінки його багатовимірної функції розподілу від вибору величини рівня аналізу та коефіцієнта взаємозв’язку між відліками.
5. Визначено спосіб оцінки інтервалів стаціонарності мовленнєвого сигналу та виявлено залежність функції розподілу ймовірностей мовленнєвого сигналу від індивідуальних особливостей вимови.
Практичне значення одержаних результатів:
1. На основі результатів, отриманих під час дослідження коефіцієнта взаємозв’язку відліків, запропонований спосіб передавання та прийому мовленнєвих сигналів з використанням стохастичної модуляції, розроблено та виготовлено дослідний зразок такої системи.
2. Розроблено алгоритм формування послідовності випадкових відліків зі змінним коефіцієнтом статистичного зв’язку між ними.
3. Запропоновано пристрій оцінки ступеня взаємозалежності відліків багатовимірного випадкового сигналу.
4. На основі оцінки ступеня взаємозалежності відліків багатовимірного випадкового сигналу та з метою підвищення ефективності контролю якості магнітних носіїв інформації запропоновано метод оцінки якості робочого шару магнітних носіїв без попереднього запису на нього тестового сигналу.
Результати дисертації використані у роботі Державного науково-дослідного інституту МВС України (акт впровадження від 25.03.2011) та у військовій частині А1906 Міністерства оборони України (акт впровадження від 24.03.2011).
Особистий внесок здобувача. Дисертаційне дослідження є самостійно виконаною роботою, в якій відображено особистий авторський підхід та особисто отримані теоретичні, експериментальні та прикладні результати, які відносяться до відображення сигналу, зокрема мовленнєвого, у вигляді багатовимірного випадкового процесу. Формулювання мети і задач дослідження проводилися спільно з науковим керівником. Основні положення і результати дисертаційної роботи отримані автором самостійно та опубліковані. Внесок здобувача у роботах, опублікованих у співавторстві, наведений нижче.
В роботах [41,110,111] виконаний аналіз та узагальнення існуючих методів обробки мовленнєвих сигналів та технологій їх реєстрації на магнітні носії інформації. В роботі [111] вивчені особливості статусу інформації, що відображає результати оперативної роботи, у тому числі отриманої з використанням технічних засобів, що можуть спричиняти особливі умови організації її захисту. В роботах [97,102,105] реалізовано оригінальне удосконалення методу дискретних вибірок, запропоновано алгоритм суміщення подій для оцінки функції розподілу випадкового процесу, введено поняття коефіцієнта взаємозв’язку між відліками випадкового процесу та його оцінки, досліджена достовірність таких оцінок, запропоновані формули для розрахунку їх довірчих ймовірностей та довірчих інтервалів. В роботі [106] проведено дослідження семивимірної моделі мовленнєвих сигналів, отримано залежності їх багатовимірної функції розподілу від значення величини рівня аналізу, отримано можливість оцінити стаціонарність мовленнєвого сигналу в залежності від зсуву його відліків у часі. В роботах [107,109] розроблено структуру стохастичного модулятора і демодулятора, проведено експериментальні дослідження їх функціонування при різних вхідних умовах. В роботі [113] запропоновано застосувати алгоритм оцінки багатовимірної функції розподілу для оцінки якості робочого шару магнітних носіїв, показана можливість його практичної реалізації. При оформленні заявки про отримання патенту на винахід [104] запропоновано функціональну структуру пристрою для оцінки взаємозалежності відліків випадкового процесу на основі застосування процедури суміщення подій, на винахід [108] запропоновано принцип дії стохастичного модему, побудованого на основі застосування оцінки функції розподілу багатовимірного випадкового процесу за ознакою взаємозалежних і незалежних відліків, на винахід [115] запропоновано принцип оцінки наявності неоднорідності в робочому шарі магнітного носія на основі порівняння багатовимірних функцій розподілу його власних шумів.
Апробація результатів дисертації. Матеріали дисертації

Список литературы

ВИСНОВКИ
Встановлені у дисертації наукові положення є суттєвими доповненнями знань, необхідних для вирішення задач розробки та дослідження методів, алгоритмів, структур пристроїв цифрової обробки багатовимірних сигналів на основі розвитку теорії дискретних вибірок. Сукупність наукових і практичних результатів, що отримані під час виконання дисертаційної роботи, вирішує завдання розширення функціональних можливостей систем передавання інформації шляхом створення нового методу цифрової обробки багатовимірних випадкових сигналів. Проведеними дисертаційними дослідженнями розв’язані наступні теоретичні та експериментальні науково-практичні завдання:
1.Набула розвитку теорія дискретних вибірок, на основі чого запропоновано метод цифрової обробки багатовимірних випадкових сигналів для забезпечення його використання в системах радіотехніки та телекомунікацій.
2.Запропоновано способи оцінки багатовимірної функції розподілу ймовірностей стохастичних сигналів та показано, за яких умов такі оцінки незміщені та консистентні; отримані формули для розрахунку їх довірчих ймовірностей та довірчих інтервалів.
3.Вперше введено критерій оцінки ступеня взаємозалежності відліків випадкового процесу та поняття коефіцієнту взаємозалежності відліків, обґрунтована достовірність такої оцінки, пристрій для вимірювання коефіцієнта взаємозалежності відліків є об’єктом інтелектуальної власності автора.
4.Визначено спосіб оцінки інтервалів стаціонарності мовленнєвого сигналу та досліджено залежність оцінки його багатовимірної функції розподілу від вибору величини рівня аналізу, коефіцієнта взаємозалежності відліків та від індивідуальних особливостей вимови.
5.Розроблено, виготовлено та апробовано дослідний зразок системи передавання-прийому мовленнєвих сигналів зі спеціально сформованими властивостями, яка є предметом інтелектуальної власності автора.
6.На основі результатів, отриманих під час дослідження коефіцієнта взаємозв’язку відліків, запропонований спосіб передавання та прийому мовленнєвих сигналів з використанням стохастичної модуляції.
7.Вперше розроблено алгоритм формування послідовності випадкових відліків зі змінним коефіцієнтом статистичного зв’язку між ними.
8.На основі оцінки ступеня взаємозалежності відліків багатовимірного випадкового сигналу та з метою підвищення ефективності контролю якості магнітних носіїв інформації запропоновано метод оцінки якості робочого шару магнітних носіїв без попереднього запису на нього тестового сигналу.

СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ
1. Леон АДАМС (Leon ADAMS) Инновационные технологии открывают новую эру в телекоммуникации [Electronic resource] / АДАМС Леон // Компоненты и технологи. 2008. № 8. С.104106. Access mode : www.kit-e.ru/assets/files/pdf/2008_08_104.pdf.
2. 10th Annual Conference of the International Speech Communication Association : Conference Programme & Abstract Book, (Brighton, 6-10 September 2009). Brighton, 2009.
3. 12th Annual Conference of the International Speech Communication Association Interspeech [Electronic resource] : Technical Programme, (Florence, Italy, 2011 august 27-31). Access mode : http://www.interspeech2011.org/conference/programme/sessionlist-static.html.
4. INTERSPEECH 2012 Spoken Language Processing and Biomedicine 13th Annual Conference of the International Speech Communication Association [Electronic resource] : Conference Programme & Abstract Book, (Portland, Oregon, USA, 9-13 September 2012). Access mode : http://interspeech2012.org/accepted-papers.html
5. SPECOM'2009 13th International Conference SPEECH AND COMPUTER [Electronic resource]: Abstract Book, (St., Petersburg, Russia, 21-25 June 2009). Access mode : http://www.specom.nw.ru/specom_r.html PROCEEDINGS ON CD.
6. Ellermann C. Dragon Systems' Experiences in Small to Large Vocabulary Multi-Lingual Speech Recognition Applications : рroc. of the 3rd European Conference on Speech, Communication and Technology, (Germany, September, 1993) / C. Ellermann, S.V.Even. Berlin, 1993. Vol.3. P. 20772080.
7. Chevalier H. Large-vocabulary Speech Recognition in Specialized Domains / H. Chevalier, C. Ingold // Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing (Detroit, USA, 1995). 1995. Vol.1. P. 217220.
8. Chin-Hui Lee. An Information-Extraction Approach to Speech Analysis and Processing / Chin-Hui Lee // Abstract Book «13th Annual Conference of the International Speech Communication Association» (Portland, Oregon, USA, 9-13 September 2012) [Electronic resource]. Access mode :
http://interspeech2012.org/accepted-abstract.html?id=1453
9. Hauenstein A. Architecture of a 10000 Word Real Time Speech Recognizer : рroc. of the 3r European Conference on Speech, Communication and Technology, (Berlin, Germany, September, 1993) / A. Hauenstein. Berlin, 1993. Vol.3. P. 18291832.
10. Слуцкер Г.С. Нелинейные методы анализа речевых сигналов / Г.С. Слуцкер // Труды НИИР. М., 1968. С. 1823.
11. Лобанов Б.М. Автоматическое распознавание буквосочетаний в текущем речевом сигнале / Лобанов Б.М., Слуцкер Г.С, Тизик А.П. // Труды НИИР. 1969. С. 2429.
12. Рабинер Л.Р. Скрытые Марковские модели и их применение в избранных приложениях при распознавании речи: Обзор / Л.Р. Рабинер // Труды ИИЭР. 1989. Т. 77. № 2. С. 86120.
13. Lee K.F. Automatic Speech recognition / K.F. Lee Boston, Kluwer. MA, 1989. P. 356360.
14. Левинсон С.Е. Структурные методы автоматического распознавания речи / С.Е. Левинсон // Труды ИИЭР. 1985. Т. 73. № 11. С. 7891.
15. Брягин О.В. Защищенная передача-прием дискретной информации / О.В. Брягин // Криміналістичний вісник. 2005. № 2(4). С. 7278.
16. Брягін О.В. Щодо визначення правового статусу інформації про оперативну і слідчу роботу : матеріали ІV Міжнар. наук.-практ. конф. «Спеціальна техніка у правоохоронній діяльності», (26-27 листопада 2009 року) / О.В.Брягін. К., 2009. стр.
17. Рабинер Л.Р. Цифровая обработка речевых сигналов / Рабинер Л.Р., Шафер P.B.; пер. с англ.; под ред. М.В. Назарова и Ю.Н. Прохорова. М. : Радио и связь, 1981. 496 с.
18. Фаланаган Дж. Анализ, синтез и восприятие речи / Дж. Фаланаган; пер. с англ.; под ред.А.А. Пирогова. М. : Связь, 1968. 396 с.
19. Бондарко. Л.В. Звуковой строй современного русского языка / Бондарко. Л.В. М. : Просвещение, 1997. 175 с.
20. Фант Г. Акустическая теория речеобразования / Фант Г. М. : Наука, 1964. 326 с.
21. Сорокин В.Н. Элементы кодовой структуры речи. Распознавание образов: теория и приложения / Сорокин В.Н. М. : Наука, 1977. 215 с.
22. Portnoff M.R. Time-scale modification of speech based on short-time Fourier analysis / M.R. Portnoff // IEEE Trans. 1981. vol. ASSP 30, June. P. 374390.
23. Динамические спектры речевых сигналов / [Деркач М.Ф., Гуменецкий Р.Я., Гура Б.М., Чабан М.Е.]. Львов : Вища школа, 1983. 168 с.
24. Шеннон К. Работы по теории информации и кибернетике / К. Шеннон. М. : Изд-во иностранной литературы, 1963. 830 с.
25. Рашкевич Ю.М. Перетворення часового масштабу мовних сигналів / Ю.М. Рашкевич Львів : ТОВ «НВТ Академічний Експрес», 1997. 143 с.
26. Portnoff M.R. Short-Time Fourier Analysis of Sampled Speech / M.R. Portnoff. // IEEE Trans. 1981. vol. ASSP 29, June. P. 364373.
27. Винцюк. Т. К. Кусочно-линейная модель речевых сигналов и ее использование в распознавании речи / Т. К. Винцюк. // Автоматическое распознавание слуховых образов: тез. докл. и сообщ. 13-й Всесоюзн. шк.- семинар (АРСО-13),1984. Ч. 1. С. 4344.
28. Винцюк Т.К. Анализ, распознавание и интерпретация речевых сигналов / Т.К.Винцюк. К. : Наукова думка, 1987. 264 с.
29. PainterТ. Perceptual Coding of Digital Audio / PainterТ., SpaniasА. // Proceedings of The IEEE. 2000. Vol. 88. No. 4. P. 451513.
30. PainterТ. A Review of Algorithms for Perceptual Coding of Digital Audio Signals [Electronic resource] / PainterТ., SpaniasА. // Departament of Electrical Engineering, Arizona State University, 1998. P. 130. Access mode :
(http://www.eas.asu.edu/~speech/ndtc/dsp97.ps).
31. Continuous speech recognition using linked predictive networks / [Tebelskis J., Waibel A., Petek В., Schmidbauer O.] // Advances in Neural Information Processing Systems, 1991. Vol. 3. P. 199205.
32. Picone J. Signal Modeling Techniques in Speech Recognition / J.Picone // Proc. of IEEE (September 1993), 1993. Vol.81. No 9. P. 12151247.
33. Papamichalis P. E. Practical Approaches To Speech Coding / P. E. Papamichalis. New Jersey (USA) : Englewood Cliffs, NJ, Prentice-Hall, 1987. P. 7882.
34. Connectionist probability estimators in HMM speech recognition / [R. Renals, N. Morgan, H. Bourland and etc] // IEEE Transactions on Speech and Audio Processing, 1994. Vol. l2(l). P. 161174.
35. Hwang M. Improving Speech Recognition Performance via Phone-Dependent VQ Codebooks and Adaptive Language Models in SPHINX-II / Hwang M., Rosenfeld R. Pittsburgh, 1994. Vol. 1. P. 549552. ICASSP-94
36. Hess W. Pitch Determination Of Speech Signals / W. Hess. New York (USA) : Springer-Verlag, 1983. 366 p.
37. Юрков П.Ю. Нейросетевое распознавание фонем с использованием вейвлет-преобразования : материалы II-го регионального научно-практического семинара «Информационная безопасность юг России» / Юрков П.Ю., Бабенко Л.К., Фёдоров B.M. Таганрог, 2000. С. 8793.
38. Добеши И. Десять лекций по вейвлетам / И. Добеши. Ижевск : НИЦ «Регулярная и хаотическая динамика», 2001. 464 с.
39. Рабинер Л. Теория и применение цифровой обработки сигналов / Рабинер Л., Гоулд Б. М. : Мир, 1978. 848 с.
40. Noll A.M. Cepstrum Pitch Determination / A.M. Noll // Journal of the Acoustical Society of America. 1967. Vol. 41. №. 2. P. 293309.
41. Брягин О.В. Современные магнитные накопители для систем обработки акустической информации / Г.Н.Розоринов, О.В.Брягин, Е.В.Неня // Реєстрація, зберігання та обробка даних. 2003. Т. 5, № 3. С. 91105.
42. Daniel T.L. Lee. Wavelet Analysis: Theory and Applications / Daniel T.L. Lee, Akio Yamamoto // Hewlett-Packard Journal, 1994 ( December).
43. Gold D. Parallel Processing Techniques for Estimating Pitch Periods of Speech in the Time Domain / D. Gold, L.R. Rabiner // Journal of the Acoustical Society of America. 1969. vol. 46. №. 2. P. 442448.
44. Sukkar R.S. Design and Implementation of a Parallel Processing Based Pitch Detector / Sukkar R.S., LoCicero J.L., Picone J. // IEEE Journal on Selected Areas of Communications. 1988. Vol. 6. № 2, February. P. 441451.
45. Campbell J. Voiced/Unvoiced Classification of Speech with Applications to the U.S. Government LPC-10E Algorithm / J. Campbell, Т.Е. Tremain // Proceedings of the IEEE International Conference on Acoustic, Speech, and Signal Processing. 1986. Vol. 1. №. 6. P. 473476.
46. Welch V.C. A Comparison of U.S. Government Standard Voice Coders / Welch V.C., Tremain Т.Е., Campbell J.P. // IEEE Military Communications Conference Record, September. 1989. P. 269273.
47. Levinson S.E. An introduction to the application of the theory of probabilistic functions of a markov process to automatic speech recognition / Levinson S.E., Rabiner L.R., Sondli M. M. // Bell Systems Technical Journal. 1983. Vol. 62, April. № 4. P. 10351074.
48. Picone J. Robust Pitch Detection in a Noisy Telephone Environment / Picone J., Doddington G.R., Secrest B.G. // IEEE Transactions on Acoustics. 1987. Vol. 12, December. P. 14421445.