Применение нейронной сети для текущего анализа нестационарного сигнала (речи), представленного его вейвлет-отображением. I. Основные принципы

Автор: Меркушева А.В.

Журнал: Научное приборостроение @nauchnoe-priborostroenie

Рубрика: Оригинальные статьи

Статья в выпуске: 1 т.13, 2003 года.

Бесплатный доступ

Представлен метод детектирования изменения свойств нестационарного сигнала в области вейвлет-разложения на основе нейронной сети. Дан метод вейвлет-преобразования речевого сигнала с использованием вейвлет-пакета, структура которого согласована с персептуальной моделью.

Короткий адрес: https://sciup.org/14264274

IDR: 14264274

Список литературы Применение нейронной сети для текущего анализа нестационарного сигнала (речи), представленного его вейвлет-отображением. I. Основные принципы

  • Кратиров Д.В., Меркушева А.В. Алгоритм, основанный на вейвлет-преобразовании и нейронной сети, для бесконтактного измерения параметров газожидкостного потока//Сборник докладов Международной конференции "Датчики и системы". СПб.: Изд-во СПбГТУ, 2002. Т. 3. С.51-55.
  • Daubechies I. Painless No orthogonal Expansions//Journal of Mathematical. Physics. 1986. V. 27. P. 1271-1283.
  • Villemois L.F. Energy Moments in Time and Frequency for 2-Scale Equations and Wavelets//SIAM Journal of Mathematical Analysis. 1992. V. 23. P. 1119-1153.
  • Рабинер Л.Р., Шафер Р.В. Цифровая обработка речевых сигналов. М.: Радио и связь, 1981. 492 с.
  • Allen J.B., Rabiner L.R. A Unified Approach to Short-Time Fourier Analyses and Synthesis//Proceedings of IEEE. 1977. V. 65, N 11. P. 1558.
  • Portnoff M.R. Time-Frequency Representation of Digital Signals and Systems Based on Short-Time Fourier Analyses//IEEE Transactions on Signal Processing. 1980. V. 28, N 2. P. 55.
  • Исмаилов Ш.Ю., Меркушева А.В. Нейросетевой алгоритм на вейвлет-преобразовании нестационарного сигнала в ИИС//Сб. докладов Международной конференции по мягким вычислениям и измерениям SCM-2001. СПб., 2001. Т. 1. С. 251-256.
  • Малыхина Г.Ф., Меркушева А.В. Вейвлет-фильтрация нестационарного сигнала с адаптацией на основе нейронной сети//Сб. докладов Международной конференции по мягким вычислениям и измерениям SCM-2001. СПб., 2001. Т. 1. С. 239-242.
  • Lang M., Guo H. Noise Reduction Using Undecimated Discrete Wavelet Transform//IEEE Signal Processing Letters. 1996. V. 3, N 1. P. 8.
  • Atal B.S. Optimal Noise Specter Form//IEEE Transactions on Signal Processing. 1979. N 6. P. 247-254.
  • Fletcher N. Auditory Patterns//Review of Modern Physics. 1940. P. 47-65.
  • Zwicker E., Fastl H. Psychoacoustics, Facts and Models. Berlin: Springler-Verlag, 1984. 420 c.
  • Scharf B. Critical Bands//Foundation of Modern Auditory Theory/Ed. Tobias J. N.Y.: Acad. Press, 1970. P. 159-222.
  • Schroeder M.R., Atlas B.C., Hall J.L. Optimizing Digital Speech Coders by Exploiting Masking Property//Journal of Audio Engineering Society. 1995. V. 43, N 11. P. 914.
  • Zelinski R., Noll P. Adaptive Bit Allocation with Thin Structure (on Formants) of Optimal Distortion or Noise Specter//IEEE Transactions on Signal Processing. 1977. N 8. P. 299-309.
  • Рабинер Л., Гоулд Б. Теория и применение цифровой обработки сигналов (перев. с англ.). М.: Мир, 1978. 848 с.
  • Малыхина Г.Ф., Меркушева А.В. Детектирование речевого сигнала и фильтрация с адаптивным порогом//Сборник трудов факультета техн. киберн. СПбГТУ: Микропроцессорные средства измерений. СПб., 2001. Вып. 2. С. 26-35.
  • Berger J, Coifman R.R., Goldberg M.J. Removing of Noise from Music Using Local Trigonometric Bases and Wavelet-Packets//Journal of Audio Eng. Society. 1994. V. 42, N 9. P. 808.
  • Chui C.K., Li C. Nonorthogonal Wavelet Packets//SIAM Journal of Mathematical Analysis. 1993. V. 24. P. 712-738.
  • Coifman R.R., Wickerhauser M.L. Entropy Based Algorithms for Best Bases Selection//IEEE Transactions on Information Theory. 1992. V. 38. P. 713-718.
  • Devis G.M., Mallat S., Zhang Z. Adaptive time-Frequency Decompositions//Optical Engineering. 1994. V. 33, N 7. P. 2183.
  • Feichtinger H.G. Irregular Sampling Theories and Series Expansions of Band-Limited Functions//SIAM Journal of Mathematical Analysis. 1992. V. 23. P. 530.
  • Ramchadran K., Vetterli M., Herley C. Wavelets, subband coding and best bases//Proceedings of IEEE. 1996. V. 84, N 4. P. 353.
  • Уоссермен Ф. Нейрокомпьютер и его применение (перев. с англ. под ред. А.И. Галушкина). М.: Изд-во Мир, 1992. 236 с.
  • Цыганков В.Д. Нейрокомпьютер и его применение. М., 1993. 117 с.
  • Drodlie K.W. Unconstrained Optimization//Numerical Analyses/Ed. D. Jackobs. London: Academic Press, 1977. P. 229-388.
  • Russo A.R. Tutorial N 8//IEEE Conference on Neural Networks. Washington, 1990. P. 12.
  • Cybenko G. Approximation by Superposition of a Sigmoidal Function//Mathematics of Control, signal and Systems. 1989. N 2. P. 303-314.
  • Funahashi K. On the Approximate Realization of Continuous Mapping by Neural Network//Neural Networks. 1989. N 2. P. 183-192.
Еще
Статья научная