Модели инвариантного распознавания сигналов при наличии искажений в среде распространения
Диссертация
Апробация работы. Основные положения и результаты работы докладывались и обсуждались на научно-технических конференциях СПбГЭТУ в 2000;2002 гг.- на 5-ой международная конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений, и символьной информации (РАСПОЗНАВАНИЕ — 2001), Курск, 2001 г., на 10-ой Всероссийской конференции «Математические методы… Читать ещё >
Содержание
- Глава 1. Особенности построения систем распознавания сигнальной информации
- 1. 1. Основные подходы к построению распознающих систем
- 1. 2. Формальное описание задачи распознавания образов
- 1. 3. Зада чи распознавания сигнальной информации
- 1. 4. Модели распознаваемых сигналов и представление сигналов на вход распознающей системы
- 1. 5. Модели влияния среды на формирование сигнала на входе PC. 18 1.6 Методы восстановления спектральной структуры сигнала
- 1. 6. 1. Спектральное вычитание
- 1. 6. 2. Кепстральное вычитание
- 1. 6. 3. Выделение полезного сигнала с использованием адаптивной фильтрации
- 1. 6. 4. Применение вейвлет-преобразования для устранения влияния среды распространения
- 1. 7. Выводы
- Глава 2. Модели распознавания сигналов на основе использования инвариантных описаний сигналов
- 2. 1. Методы решения задачи распознавания в условиях априорной неопределенности
- 2. 1. 1. Основные походы к решению задачи распознавания в условиях априорной неопределенности
- 2. 1. 2. Максимальный инвариант и методы его построения
- 2. 1. 3. Построение инвариантных решающих правил на основе моделей формирования и распространения сигналов
- 2. 2. Формирование инвариантных описаний сигналов на основе модельных представлений влияния канала распространения
- 2. 2. 1. Инвариантная форма представления сигнала при распознавании на фоне аддитивных помех
- 2. 2. 2. Случаи нестационарной помехи
- 2. 2. 3. Анализ эффективности использования помехоустойчивых описаний сигнала
- 2. 2. 4. Инвариантная форма представления сигнала при наличии частотно-зависимого затухания по дальности
- 2. 2. 5. Комплексная инвариантная форма представления сигнала при наличии аддитивной помехи и частотно-зависимого затухания
- 2. 3. Выводы
- 2. 1. Методы решения задачи распознавания в условиях априорной неопределенности
- Глава 3. Модели распознавания сигналов в условиях помех методом непосредственного синтеза инвариантных решающих правил
- 3. 1. Общая постановка задачи непосредственного синтеза помехоустойчивых решающих функций
- 3. 2. Условие помехоустойчивости линейного классификатора
- 3. 3. Построения помехоустойчивого классификатора для одной помехи методом обучения на разностных векторах
- 3. 4. Обобщенные алгоритмы обучения помехоустойчивого классификатора, основанные на применении рекуррентных методов адаптации
- 3. 5. Параметрический метод обучения. Помехоустойчивый аналог дискриминанта Фишера
- 3. 6. Расчет вероятностей ошибок классификации линейных решающих правил в условиях помех
- 3. 7. Линейное приближение формулы для разделяющего вектора в случае нестационарной по спектру помехи
- 3. 8. Выводы по главе
- Глава 4. Программные средства моделирования процесса распознавания сигналов в условиях влияния внешней среды
- 4. 1. Общая структура программного комплекса для моделирования процесса распознавания
- 4. 2. Программа «Vector» моделирования спектров сигналов и формирования выборок зашумленных сигналов
- 4. 3. Программа «TrainPattern» для моделирования распознавания сигналов при исследовании алгоритмов непосредственного синтеза инвариантных решающих правил
- 4. 4. Комплекс программ для моделирования распознавания на основе инвариантных признаков
- 4. 5. Программное обеспечение для моделирования распознавания речевых сигналов в условиях помех
- 4. 6. Комплекс программ «Геконал» для построения сложных решающих правил на основе использовании разнородных признаков и концепции «сложных» классов
- Глава 5. Экспериментальные исследования разработанных алгоритмов
- 5. 1. Цели и задачи экспериментов
- 5. 2. Данные, использованные для проведения экспериментов
- 5. 3. Методика проведения исследований
- 5. 4. Исследование помехоустойчивости двухклассного решающего правила при использовании инвариантных признаков
- 5. 5. Сравнительное исследование эффективности применения различных инвариантных описаний
- 5. 6. Исследование эффективности функционирования помехоустойчивого классификатора, построенного методом непосредственного синтеза
- 5. 7. Сравнительные эксперименты по использованию инвариантных признаковых описаний и метода непосредственного синтеза инвариантных решающих правил
- 5. 8. Распознавание речевых сигналов на основе инвариантных признаковых описаний
- 5. 9. Выводы
Список литературы
- Андерсон Т. Введение в многомерный статистический анализ, М.: Физматгиз, 1963.
- Бендат Дж, Пирсон А. Прикладной анализ случайных данных. Пер. с английского, М, Мир, 1989.
- Богданович В.А. Регулярный способ построения максимального инварианта в задачах проверки сложных гипотез, Радиотехника и электроника, т. 17, № 4, 1972, с. 873.
- Богданович В.А. Способ построения инвариантных статистик, Проблемы передачи информации, т. 11, № 1, 1975, с. 114 -116.
- Геппенер. В.В., Черниченко Д. А., Экало С. А. Вейвлет-преобразование в задачах цифровой обработки сигналов: Учебное пособие. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2002. с. 72.
- Вейль А. Классические группы, их инварианты и представления, М.: ИЛ, 1947.
- Воробьев В.И., Грибунин В. Г. Теория и практика вейвлет- преобразования. Военный институт связи, Санкт-Петербург, 1999.
- Геппенер В.В., Крамаренко С. В., Соколов М. А., Экало С. А. Распознавание сигналов в геолокации. Доклады 10-ой Всероссийской конференции «Математические методы распознавания образов (ММРО-Ю), М., 2001, с.188−190.
- Ю.Геппенер В. В., Экало С. А. Инвариантное распознавание сигналов в условиях помех.// 6-ая Международная конференция «Распознавание образов и анализизображений: новые информационные технологии». Великий Новгород, 2002, с.147−151.
- Геппенер В.В., Экало С. А. Модельный подход и инвариантность в системах распознавания сигналов. Доклады 10-ой Всероссийской конференции «Математические методы распознавания образов (ММРО-10), М., 2001, с.31−33.
- Горелик А. Л., Гуревич И. Б., Скрипкин В. А. Современное состояние проблемы распознавания. М. радио и связь, 1985. — с. 161.
- Горелик A. JL, Скрипкин В. А. Методы распознавания: Учеб. пособие для вузов. -3-е изд., перераб. и доп. М.: Высш. шк., 1989. — 232 с.
- Дуда Р., Харт П. Распознавания образов и анализ сцен. М.: Мир, 1978, с.510
- Дьяконов В.П., Абраменкова И.A. Matlab Обработка сигналов и изображений. Специальный справочник. СПб: Изд-во «Питер», 2002.
- Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания и классификации // Проблемы кибернетики.- 1978.- вып.ЗЗ.- с. 4−68.
- Журавлев В.И. Избранные научные труды.- М.: Изд-во «Магистр», 1998, с. 420.19.3агоруйко Н. Г. Методы распознавания и их применение. М.: Советское радио, 1972.20.3акревский А. Д. Логика распознавания. Минск: Наука и техника, 1988.-118с.
- Зубов Г. Н., Коваль С. Л. Шумоочистка речевых сигналов// Системы связи дек.2001-янв. 2002, стр 56−57.22.3убов Г. Н., Столбов М. В. Новинки оперативной звукозаписи и шумоочистки//Системы безопасности номера, № 41,42, 2001.
- Клименко В.А. Метод резиновой маски (обзор) //Зарубежная радиоэлектроника, 8, 1974.
- Ковалевский В.А. Методы оптимальных решений в распознавании изображений, М.: Наука, 1976.
- Кузнецов В.П. Инвариантность решений по отношению к мешающим параметрам, Проблемы передачи информации, т.7,№ 4, 1971, с. 36 44.
- Лбов Г. С. Методы обработки разнотипных экспериментальных данных. -Новосибирск: Наука, 1981 г.
- Левин Б.Р. Теоретические основы статистической радиотехники, М.: Радио и связь, 1989.
- Леман Э. Проверка статистических гипотез, М.: Наука, 1979.
- Макхол Д. Линейное предсказание. Обзор // ТИИЭР.- 1975.- т.63.- № 4.
- Марпл.-мл. С. Л. Цифровой спектральный анализ и его приложения: Пер. с англ.- М.: Мир.- 1990.
- Миленький А.В. Классификация сигналов в условиях неопределенности. -М.: Сов. радио, 1975.
- Наймарк М.А. Теория представлений групп, М.: Наука, 1976.
- Патрик Э. Основы теории распознавания образов, М.: Советское радио, 1980.
- Скиданов Р.В., Хонина С. Н., Котляр В. В. Система инвариантных признаков для распознавания дактилограмм. // 6-ая Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии». Великий Новгород, 2002, с. 534−537.
- Рабинер Р., Гоулд П. Теория и применение цифровой обработки сигналов, Москва Мир 1978.
- Секунов Н.Ю. Обработка звука на PC, Спб BHV, Петербург 2001.
- Сенилов М.А., Тимохин В. И. Применение метода гибких масок в некоторых задачах распознавания искаженных сигн//Известия ЛЭТИ, вып. 232, 1978, с. 59−62.
- Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978, с. 416.
- Уидроу Б., Стирнз С. Адаптивная обработка сигналов,— М.: Радио и связь.-1989.- 440 с.
- Фу К. С. Структурные методы в распознавания образов. М.: Мир, 1977. -319 с.
- Харин Ю.С. Адаптивное формирование инвариантных признаков в задаче распознавания образов, Техническая кибернетика, № 5, 1977, с. 158 164.
- Тимохин В.И. Применение ЭВМ для решения задач распознавания образов.-Л: ЛГУ.- 1983.-215 с.
- Altmann J. On the Digital Implementation of the Rotation-Invariant Fourier-Mellin Transform. Journal of Information Processing and Cybernetics «, v. EIK-23,№ 1,1987, p.13−36.
- Arbter K., Snyder W., Burkhardt H., Hirzinger G. Application of Affine-Invariant Fourier Descriptors to Recognition of 3-D Objects», IEEE Transactions on Pattern Analysis and Machine Intelligence^. 12, N.7, 1990, p.640−647.
- Eterne B., Casasent D. Invariance and Neural Nets, IEEE Transactions on Neural Networks, v.2, N.5,1991, p.498−508.
- Ben-Arie J., Wang Z. Shape Description And Invariant Recognition Employing Connectionist, International Journal of Pattern Recognition and Artificial Intelligence, v. 16, N. 1, 2002, 69−83.
- Berouti N., Schwartz R., Makhoul J., Enhancement of speech corrupted by acoustic noise. In Proc. Int. Conf. on Acoustics, Speech and Signal Processing, 1979, p. 208−211
- Boll S., Suppression of acoustic noise in speech using spectral subtraction// IEEE Trans, on Acoustics, Speech and Signal Processing, 27(2), April 1979, p. 128−137.
- Bow S.-T. Pattern Recognition and Image Preprocessing, Marcel Dekker Inc., N.-Y., 1992.
- Davis J., Schmidt W., Invariant Pattern Recognition Via Higher-Order Preprocessing and Backprop, SPIE Applications of Artificial Neural Networks II, v.1469,1991,p.804−811.
- Flusser J, Suk Т., Pattern Recognition by Affine Moment Invariants// Pattern Recognition, v.26,N. 1, 1993, p.167−174.
- Glunder H., Pattern Properties, Invariances, and Classification, in Vision and Visual Dysfunction//Pattern Recognition by Man and Machine, MacMillan Press, 1991, p.69−82.
- Hermansky H. Morgan N., RASTA processing of speech. Trans. ASSP, 2(4), October 1994, p. 578−589.
- Hermansky H., Morgan N., Bayya A., Kohn P, Rasta Pip Speech Analysis Technique. Proc. Int. Conf. on Acoustics, Speech and Signal Processing, N. 1,1992, p. 121−124.
- Invariants For Pattern Recognition And Classification. Edited by Marcos A. Rodrigues (Sheffield Hallarn University, UK). Series in Machine Perception and Artificial Intelligence, v. 42, 1996.
- Khotanzad A., Lu J.-H. Classification of Invariant Image Representations Using a Neural Network, IEEE Transactions on Acoustics, Speech, and Signal Processing, v.38, № 6, 1990, p. 1028−1038.
- Labunets V.G.,. Labunets E.V. Fast Spectral Algorithms for Invariant Pattern Recognition and Image Matching, Computer Analysis of Images and Patterns, v.5,1991, p. 85−95.
- Lee С., Lin С., Juang В. A study on speaker adaptation of the parameters of continuous density hidden markov models. IEEE Trans, on Signal Processing, 39(4), 1991.
- Lin E., Brandt R. Towards Absolute Invariants of Images Under Translation, Rotation and Dilation», Pattern Recognition Letters, v.14, 1993, p. 369−379 .
- Mauuary L. Blind equalization for robust telephone based speech recognition. Proc. European Signal Processing Conference, 1996.
- McAlley R.J., Maplas M.L. Speech Enchancement using a soft decision noise suppression filter, IEEE Transactions ASSP, v. 28(2), 1980, p. 137−144.
- Mokbel C., Jouvet D., Monn J. Deconvolution of telephone line effects for speech recognition. Speech Communication, v. 19, 1996, p. 185−196.
- SchalkoffR. Pattern Recognition. Statistical, Structural, and Neural Approaches. John Wiley & Sons, Inc., N.-Y., 1992.
- Sekunov N.U. Parameters of Noise spectrum estimation in it’s application for noise suppression. Journal of technical acoustic, v. 17, 1997, p. 61−70.
- Shynk J.J. Frequency-domain and multirate adaptive fltering. IEEE Signal processing magazine, January 1992, p.15−37.
- Squire D.M. Model-based Neural Networks for Invariant Pattern Recognition. PhD thesis, Curtin University of Technology, Perth, Western Australia, October 1996.
- Teodorodis S., Koutroumbas K. Pattern Recognition, Academic Press, N.-Y., 1999.
- Varga A.P., Moore R.K. Hidden Markov model decomposition of speech and noise. In Proc. Int. Conf. on Acoustics, Speech and Signal Processing, p. 845 -848, 1990.
- Wang S., Chen P., Lin W. Invariant pattern recognition by moment Fourier descriptor. Pattern Recognition, v.27, N. 12, 1994. p. l735−1742.
- Widrow B. The «rubber mask» technique 1. Pattern measurement and analysis, Pattern Recognition v.5, 1973, p. 175−197.
- Widrow В. The «rubber mask» technique 2. Pattern storage and recognition, Pattern Recognition 5, 1973. v.5, 1973, p. 199−211.
- Wood J. Invariant pattern recognition: a review// Pattern Recognition v.29, N. l, 1996, p. 1−17.
- Справочник по гидроакустике / под ред. Колесникова А. Е. Л.: -Судостроение, — 1982. с. 344 .
- Поляков П.Ф. Прием сигналов в многолучевых каналах.- М.: Радио и связь, 1986, с. 245.
- УрикР.Дж. Основы гидроакустики.- Л.: Судостроение.- 1978.
- Дьяконов В.П. Вейвелет от теории к практике. — М.: Солон-Р.- 2002, с. 440.
- Рабинер Р., Шафер Р. В. Цифровая обработка речевых сигналов.- М.: Радио и связь. 1981, с. 496.
- Rabiner L. Juang В.Н. Fundamentals of Speech Recognition. N.Y.: Prentice Hall, 1993.
- Mauuary L. Blind equalization in the cepstral domain for robust telephone based speech recognition. In Proc. European Signal Processing Conference, 1998.
- Кириллов А.А. Элементы теории представлений, M.: Наука, 1978.
- Вейль А. Интегрирование в топологических группах и его применение, М.: ИЛ, 1950.
- Шведов A.M., Шмидт А. А., Якубович В. А. Инвариантные системы признаков в распознавании образов, Автоматика и телемеханика, 1979, № 3, с. 131 143.
- B.Eterne, Casasent D. Invariance and Neural Nets, IEEE Transactions on Neural
- Networks, v.2,N.5, 1991, p.498−508.
- Khotanzad A., Lu J.-H.Classification of Invariant Image Representations Using a Neural Network, IEEE Transactions on Acoustics, Speech, and Signal Processing, v.3 8, N.6,1990,p. 1028−1038.
- Geppener V.V., Ekalo S.A. Invariant Signal Recognition in the Presence of Noise // Pattern Recognition and Image Analysis, Vol. 13, No. 2, 2003, pp. 266 269.
- Винцюк Т.К. Анализ, распознавание и интерпретация речевых сигналов. -Киев: Наукова думка. 1987.