Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 635051)
Контекстум
Руконтекст антиплагиат система
Известия высших учебных заведений. Северо-Кавказский регион. Технические науки  / №1 2012

МЕТОД ПОИСКА ФОРМАНТНЫХ ЧАСТОТ В РЕЧЕВОМ СИГНАЛЕ НА ОСНОВЕ БЫСТРОГО АЛГОРИТМА ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ ХААРА (60,00 руб.)

0   0
Первый авторБеликов
АвторыКовалев О.Ф.
Страниц4
ID519066
АннотацияРассматривается новый алгоритм ускоренного вычисления вейвлет-преобразования Хаара и возможность его применения в спектрально-временном анализе речевых сигналов. Описывается градиентный метод поиска формантных частот речи на основе предложенного алгоритма
УДК004.934.2:004.421.2:517.9
Беликов, И.Ю. МЕТОД ПОИСКА ФОРМАНТНЫХ ЧАСТОТ В РЕЧЕВОМ СИГНАЛЕ НА ОСНОВЕ БЫСТРОГО АЛГОРИТМА ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ ХААРА / И.Ю. Беликов, О.Ф. Ковалев // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки .— 2012 .— №1 .— С. 16-19 .— URL: https://rucont.ru/efd/519066 (дата обращения: 05.05.2024)

Предпросмотр (выдержки из произведения)

№ 1 УДК 004.934.2:004.421.2:517.9 МЕТОД ПОИСКА ФОРМАНТНЫХ ЧАСТОТ В РЕЧЕВОМ СИГНАЛЕ НА ОСНОВЕ БЫСТРОГО АЛГОРИТМА ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ ХААРА  2012 г. И.Ю. Беликов, О.Ф. Ковалев Южно-Российский государственный технический университет (Новочеркасский политехнический институт) South-Russian State Technical University (Novocherkassk Polytechnic Institute) Рассматривается новый алгоритм ускоренного вычисления вейвлет-преобразования Хаара и возможность его применения в спектрально-временном анализе речевых сигналов. <...> Описывается градиентный метод поиска формантных частот речи на основе предложенного алгоритма. <...> Ключевые слова: вейвлет Хаара; формантный анализ; речевой сигнал; градиентный метод; частотно-временной спектр. <...> Спектральный анализ речевого сигнала является одним из первых шагов в задаче классификации речи. <...> В настоящее время широко используются методы Фурье-преобразования и вейвлет-преобразования сигналов [1]. <...> Для анализа речевых сигналов наиболее гибким является непрерывное вейвлетпреобразование [2]. <...> Непрерывное вейвлет-преобразование позволяет выполнять спектральный анализ речевых сигналов с высокой точностью по частоте и может быть представлено в виде W a b s t a b t ( , , ) ( , )     s t a b t dt . ( ), ( , , )   ( ) ( , , ) (1) В формуле (1) a ,b R , где R – действительная ось значений,  a b t  масштабированные и сдвинутые во времени материнские функции вейвлета. <...> Вейвлет-преобразование разделяет сигнал на отдельные частотные компоненты, что дает возможность изучать каждую из этих компонент с разрешением, соответствующим ее масштабу, тем самым получать хорошую частотно-временную локализацию для анализа речевых сигналов, которые не характеризуются определенной стационарностью во времени. <...> Вейвлетанализ удобно применять для исследования сингулярности сигнала, так как его коэффициенты дают ощутимое приращение, реагируя на резкие изменения. <...> Результатом вейвлет-преобразования речевого сигнала является двумерный массив значений коэффициентов <...>