Помощь в учёбе, очень быстро...
Работаем вместе до победы

Модели речевых сигналов для аутентификации личности по голосу

Диссертация: Модели речевых сигналов для аутентификации личности по голосу
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Повышение надежности систем аутентификации личности по голосу является актуальной научно-технической задачей. Точность идентификации (установление) и верификации (подтверждение) личности по голосу в существенной мере определяется адекватностью математической модели, описывающей речевой сигнал. Увеличение точности в' рамках существующих методов описания речевых сигналов приводит, как правило… Читать ещё >

Содержание

  • ГЛАВА 1. МЕТОДЫ И МАТЕМАТИЧЕСКИЕ МОДЕЛИ АНАЛИЗА РЕЧЕВЫХ СИГНАЛОВ В ЗАДАЧАХ АУТЕНТИФИКАЦИИ ЛИЧНОСТИ
    • 1. 1. Системы биометрической аутентификации, особенности идентификации и верификации личности по голосу
    • 1. 2. Речевая наука, речевые технологии и системы биометрической аутентификации по голосу
    • 1. 3. Подходы к построению математических моделей речевых сигналов в задачах аутентификации личности по голосу
  • Выводы к главе
  • ГЛАВА 2. МЕТОД СИНТЕЗА И АНАЛИЗА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ РЕЧЕВОГО СИГНАЛА НА ОСНОВЕ ТЕОРИИ МОДУЛЯЦИИ С ИСПОЛЬЗОВАНИЕМ ДЕТЕРМИНИРОВАННОГО ПОДХОДА
    • 2. 1. Детерминированная математическая модель речевого сигнала, сущность метода синтеза и анализа на основе модуляционной теории
    • 2. 2. Математическая модель речевого сигнала в виде импульса АМ-колебания с несколькими несущими частотами
    • 2. 3. Математическая модель речевого сигнала в виде амплитудно-модулированного импульса с полигармоническими несущим и модулирующим колебаниями
    • 2. 4. Математическая модель речевого сигнала, основанная на аппроксимации спектра набором постоянных составляющих в соответствующих полосах частот
    • 2. 5. Обобщенная математическая модель речевого сигнала в виде импульса колебания с амплитудно-частотной модуляцией
    • 2. 6. Метод выделения модулирующего колебания из огибающей речевого сигнала
  • Выводы к главе 2
  • ГЛАВА 3. МЕТОД СИНТЕЗА И АНАЛИЗА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ РЕЧЕВОГО СИГНАЛА НА ОСНОВЕ ТЕОРИИ МОДУЛЯЦИИ С ИСПОЛЬЗОВАНИЕМ СТОХАСТИЧЕСКОГО ПОДХОДА
    • 3. 1. Обоснование и сущность метода синтеза и анализа стохастической модуляционной математической модели речевого сигнала
    • 3. 2. Математическая модель речевого сигнала в виде импульса АМ-колебания с несколькими несущими частотами и случайными начальными фазами
    • 3. 3. Математическая модель речевого сигнала в виде амплитудно-модулированного импульса с полигармоническими несущим и модулирующим колебаниями при случайных начальных фазах
    • 3. 4. Математическая модель речевого сигнала в виде суммы квазидетерминированного случайного процесса и белого шума с ограниченным по полосе частот спектром
    • 3. 5. Математическая модель речевого сигнала в виде суммы квазидетерминированного случайного процесса и процесса авторегрессии
    • 3. 6. Модель авторегрессии с постоянными коэффициентами для вокализованного речевого сегмента после предварительной фильтрации
  • Выводы к главе 3
  • ГЛАВА 4. МЕТОДЫ РАСЧЕТА ПАРАМЕТРОВ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ РЕЧЕВОГО СИГНАЛА, ПОСТРОЕННЫХ НА ОСНОВЕ ТЕОРИИ МОДУЛЯЦИИ
    • 4. 1. Метод и характеристики аналитического расчета амплитудных параметров математических моделей речевого сигнала, построенных на основе теории модуляции
    • 4. 2. Методы оценки частоты основного тона речевого сигнала
      • 4. 2. 1. Алгоритмы оценки частоты основного тона речевого сигнала модифицированных корреляционного и спектрального методов
      • 4. 2. 2. Метод, алгоритм и характеристики оценки частоты основного тона речевого сигнала на основе минимума невязки коэффициентов корреляции при использовании полигармонической математической модели
      • 4. 2. 3. Оценка частоты основного тона и её характеристики методом максимального правдоподобия при известных амплитудах и начальных фазах несущих гармоник
      • 4. 2. 4. Оценка частоты основного тона и её характеристики методом максимального правдоподобия при неизвестных амплитудах и начальных фазах несущих гармоник
    • 4. 3. Метод и характеристики оценки формантных частот речевого сигнала на основе его полигармонической математической модели
  • Выводы к главе 4
  • ГЛАВА 5. ПРОВЕРКА АДЕКВАТНОСТИ МАТЕМАТИЧЕСКОЙ МОДЕЛИ РЕЧЕВОГО СИГНАЛА НА ОСНОВЕ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
    • 5. 1. Методика проверки математической модели речевого сигнала на адекватность экспериментальным данным
    • 5. 2. Методы аналитического расчета весовых коэффициентов меры различимости
      • 5. 2. 1. Метод на основе критерия минимизации расстояния между «своими» и эталоном
      • 5. 2. 2. Метод на основе критерия максимизации расстояния между «чужими» и эталоном
      • 5. 2. 3. Метод на основе критерия минимаксного расстояния между «своими», «чужими» и эталоном соответственно
    • 5. 3. Меры различимости речевых сигналов и оценка порога принятия решения для задач аутентификации личности по голосу применительно к полигармонической математической модели
    • 5. 4. Алгоритмы функционирования систем аутентификации личности по голосу
      • 5. 4. 1. Способ, алгоритмы и устройство системы верификации личности по голосу на основе математической модели речевого сигнала в виде импульса АМ-колебания с несколькими несущими частотами
      • 5. 4. 2. Оценка качества работы системы верификации личности по голосу
      • 5. 4. 3. Система идентификации личности по голосу, основанная на полигармонической математической модели речевого сигнала
  • Выводы к главе 5

Модели речевых сигналов для аутентификации личности по голосу (реферат, курсовая, диплом, контрольная)

Актуальность темы

В настоящее время аутентификация личности по голосу широко применяется в системах.. контроля доступа к информационным или: материальным ресурсам на основе биометрических параметров. Системы аутентификации личности по голосу обладают рядом преимуществ относительно других биометрических систем, основными из которых являются сравнительно небольшая стоимость и относительная простота практической реализации.

Повышение надежности систем аутентификации личности по голосу является актуальной научно-технической задачей. Точность идентификации (установление) и верификации (подтверждение) личности по голосу в существенной мере определяется адекватностью математической модели, описывающей речевой сигнал. Увеличение точности в' рамках существующих методов описания речевых сигналов приводит, как правило, к значительному увеличению количества параметров модели, что влечет за собой увеличение систематической, ошибки, и времени обработки поступивших данных, а также снижение значимости таких параметров для характеристики индивидуальных особенностей голоса человека. Высокий уровень, ошибок систем аутентификации по голосу обуславливается также трансформацией голоса вследствие болезней, особых эмоциональных состояний, возрастных изменении и т. д.

Используемые в диссертации теоретико-методологические посылки основываются^ на трудах отечественных и зарубежных исследователей в области акустической теории речеобразования и обработки речевых сигналов, таких как: Т. Фант, М. Л. Сапожков, Дж. Фланаган, A.A. Пирогов, Б. Атал, Дж. До-дингтон, JI.P. Рабинер, Б. Гоулд, Р. В. Шафер, Д. Д. Маркел, A.X. Грей, С., Jle-, винсон, Б. М. Лобанов, Л. А. Чистович, H.F. Загоруйко, Г. С. Рамишвили, Ю. Н. Прохоров, В.11. Сорокин, В. Г. Михайлов, Т. К. Винцюк, В. И. Галунов, В. Р: Женило, Р.К./Потапова, A.B. Аграновский, С. В: Дворянкин, A.A. Петровский, В. Чу, Р. Г. Голдберг, С. Л. Коваль и др. '.

Обоснованию’подходов к разработке математических моделей речевых сигналов посвящено сравнительно немного научных публикаций. Это объясняется, прежде всего, сложной полиинформативной и полимодуляционной структурой. речевого сигнала, а. также большим количеством информации, используемой при анализе и синтезе математических моделей речевых сигналов. Однако, сегодня прогресс микроэлектроники наряду с применением цифровых технологий преобразования речевых сигналов дает возможность оперировать большими объёмами информации, обрабатывая её с приемлемой скоростью. При этом зачастую цифровые речевые технологии опережают речевую науку.

Наибольшую точность описания имеют математические модели, соответствующие физике процессов, поэтому при разработке математической модели речевого сигнала необходима её адекватность акустической теории речеобразования. Таким образом, повышение надежности проектируемых систем аутентификации возможно за счет разработки и использования новых методов построения адекватных математических моделей речевых сигналов.

В последнее время проявляется интерес к созданию математических моделей речевых сигналов, основывающихся на теории модуляции в рамках детерминированного подхода и характеризующихся небольшим количеством существенных параметров речевых сигналов и высокой точностью их описания. Однако общие свойства параметров речевых сигналов, описанныхтакими моделями, практически не исследованы.

Таким образом, повышение надежности систем верификации и идентификации личности по голосу и развитие голосовых систем разграничения доступа определяются решением крупной актуальной научной проблемы — разработки теоретических основ анализа и синтеза высокоточных адаптивных математических моделей речевых сигналов с минимальным количеством высокоинформативных физически интерпретируемых существенных параметров применительно к задачам голосовой аутентификации.

Работа выполнена в рамках госбюджетных НИР кафедры радиотехники Воронежского института МВД России.

Цель и задачи исследования

Целью работы является разработка методов построения математических моделей речевых сигналов для верификации и идентификации личности по голосу.

Для достижения данной цели в работе решены следующие задачи:

1. Разработка концепции построения математических моделей речевых сигналов для задач голосовой аутентификации на основе акустической теории речеобразования.

2. Разработка методов синтеза и анализа математических моделей речевого сигнала на основе, теории модуляции с использованием I детерминированного и стохастического подходов.

3. Разработка обобщённого метода аналитического расчета амплитуд несущих гармоник полигармонических математических моделей речевого сигнала.

4. Разработка высокоточных методов оценки частоты основного тона и формантных частот речевого сигнала.

5. Разработка способа проверки адекватности математической модели речевого сигнала экспериментальным данным.

6. Разработка мер различимости для верификации и идентификации личности по голосу и методов аналитического расчета их весовых коэффициентов.

7. Создание и реализация алгоритмов функционирования систем верификации и идентификации личности по голосу.

Методы исследования. При решении поставленных задач использовались современные аналитические и вычислительные методы теории вероятностей и математической статистики, теории случайных процессов, теории речеобразования, математического анализа, цифровой обработки сигналов, теории оптимального приёма, кластерного анализа, численные методы, методы программирования и моделирования на ЭВМ.

Научная новизна работы заключается в том, что в ней впервые:

1. Дана систематизация математических моделей речевых сигналов для задач аутентификации по голосу и сформулирована концепция их построения в явном виде, включающая в себя систему признаков модели и требований к ее структуре, существенным параметрам и методам их определения и оценки точности их расчетов, методам проверки модели на адекватность и мерам различимости.

2. Для задач аутентификации по голосу на основе теории модуляции разработаны и апробированы методы синтеза и анализа детерминированных и стохастических импульсных полигармонических математических моделей речевого сигнала с получением аналитических выражений для характеристик моделей.

3. Разработаны методы выделения модулирующего колебания и аналитического расчета амплитуд несущих колебаний полигармонических математических моделей речевого сигнала, построенных на основе теории модуляции, с оценкой точности расчетных параметров в аналитическом виде. 4: Разработана математическая! модель речевого сигнала в виде суммы квазидетерминированной компоненты с полигармоническими модулирующим и несущим колебаниями и процесса авторегрессии. 5. Разработаны методы и-алгоритмы и получены выражения для оценки точности вычисления’частоты основного тона речевого сигнала на основе полигармонической математической модели: по минимуму невязки коэффициентов корреляции, а’также по формированию оптимальной оценки при известных и неизвестных амплитудах и начальных фазах несущих гармоник.

6. Разработан метод оценки формантных частот вокализованных участков речи на основе полигармонической математической модели.

7. Получен способ проверки адекватности математической модели речевого сигнала экспериментальным данным по коэффициентам корреляции при использовании критерия соответствия на базе коэффициента множественной корреляции.

8- Для задач аутентификации личности по голосу разработаны, новые эффективные меры различимости-речевых сигналов для математической модели в виде импульса АМ-колебания с несколькими несущими частотами, методика вычисления начального значения порога меры различимости для критерияпринятия решения... ''.

9. Разработаны алгоритмы и синтезированы структурные схемы устройств аутентификации диктора по голосу, обеспечивающие повышение точности систем разграничения доступа!. Практическая значимость исследования заключается" в перспективах' расширенного применения разработанных методов синтеза и анализа математических моделей речевых сигналов в практических системах аутентификации по голосу/ Разработанные структурные схемы устройств и алгоритмы реализации систем верификаций и идентификации личности по голосу, могут быть положены в основу реальных технических устройств, работающих в составе систем разграничения доступа. Полученные в работе методы высоко-, точных оценок существенных параметров моделей речевых сигналов призваны повысить, надёжность систем голосовой идентификации и верификации самого широкого спектра их практического приложения. ' Внедрение научных результатов. Полученные в диссертации результаты использовались при выполнении научно-исследовательских работ в Воронежском институте МВД России, внедрены в научно-исследовательский процесс в ОАО «Концерн «Созвездие» (г. Воронеж), в ОАО «ВНИИ «Вёга» (г. Воронеж), в ФГНИИЦ РЭБ ОЭСЗ Министерства обороны России (г. Воронеж), вВоенной академии связи (г. Санкт-Петербург), в ЗАО «Учебно-методический центр при Санкт-Петербургском государственном университете телекоммуникаций импроф. М.А. Бонч-Бруевича» (г. Санкт-Петербург). Кроме того, результаты внедрены в учебный процесс в Воронежском институте МВД России и в практическую деятельность ЗАО «ВТБ 24».

На защиту выносятся:

1. Метод синтеза и анализа математических моделей речевого сигнала на основе теории модуляции с использованием детерминированного подхода.

2. Метод синтеза и анализа математических моделей речевого сигнала на-основе теории модуляции с использованием стохастического подхода.

3. Обобщенный метод аналитического расчетаи выражения для оценки точности амплитудных параметров математических моделей речевого сигнала, построенных на основе теории модуляции.

4. Метод и характеристики оценки частоты основного тона речевого сигнала на основе полигармонической математической модели по минимуму невязки коэффициентов корреляции. • ,.

5. Метод и характеристики оценки частоты основного тона речевого сиг-, нала при неизвестных амплитудах и начальных фазах несущих гармоник, основывающийся на полигармонической математической модели.

6. Метод оценки формантных частот вокализованных участков речи на основе полигармонической математической модели.,.

7. Меры различимости речевых сигналов для аутентификации личности по голосу на основе математической модели, в виде импульса АМ-колебания с несколькими несущими частотами. — • • ' .' .¦¦

8. Алгоритмы функционирования и структурные схемы устройств аутентификации диктора по голосу в системах разграничения доступа.

АпробацияработыОсновные положения диссертационной работы. докладывались-и обсуждались на Международных и Всероссийских научно-технических конференциях, таких как: VII, X, XI, XVI международная научно-техническаяконференция «Радиолокация, навигация, связь» (Воронеж, 2001, 2004, 2005, 2010) — XV международная научная: конференция «Информатизация и информационная безопасность правоохранительных органов» (Москва, 2006) —. Международная научно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж: 2006) — Международная научно-практическая конференция «Обеспечение общественной безопасности в Центральном федеральном округе Российской Федерации» (Воронеж, 2007) — .Международная научно-практическая конференция «Преступность в России: состояние, проблемы предупреждениями раскрытия преступлений» (Воронеж, 2008) — Международная научно-практическая конференция^ «Обеспечение законности и правопорядка в странах СНГ» (Воронеж, 2009) — Международная научно-практическая конференция «Общественная безопасность, законность й правопорядок в III тысячелетии» (Воронеж*. 2010) — XXIII международная научная конференция «Математические методы в технике и технологиях» (Саратов, 2010) — XVI международная научно-техническая. конференция «Информационные системы и технологии» (Нижний Новгород, 2010) — VII международная научно-практическая конференция- «Актуальные вопросы современной науки» (Таганрог, 2010) — Международная научно-техническая конференция «Наука1 и образование — 2010» (Мурманск, 2010) — I международная научно-практическая конференция «Наука и современность» (Новосибирск, 2010) — VI международнаяоткрытая научная конференция «Современные проблемы информатизации в технике и технологиях» (Воронеж, 2001) — XV международнаяоткрытая: научная конференция «Современные проблемыинформатизации в экономике: и обеспечении безопасности» (Воронеж, 2010) — Всероссийская конференция «Интеллектуальныеинформационные системы» (Воронеж, 1999). Всероссийскаянаучно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж, 2003, 2005) — V, VII всероссийская-: научно-практическая конференция «Охрана^ безопасность и связь',' (Воронеж, 2005, 2009) — Общероссийская научная конференция «Актуальные вопросы^ современной науки и образования» (Красноярск, 2010) — XXII сессия- «Российского акустического общества» (Москва, 2010).. ' '.

Публикации. По теме диссертации опубликовано 66 научных работ, из них 1 монография, 1 учебное пособие, 18 статей в ведущих рецензируемых научных журналах, которые входят в утвержденный ВАК Минобрнауки. РФ «Перечень, периодических научных и научно-технических изданий, выпус- / каемых вРоссийской-Федерации, в! которых рекомендуется публикация основных результатов^ диссертации на соискание' ученой. степени доктора наук», 1 патент на изобретение, 1 рукопись, депонированная в ВИНИТИ, 1 регистрация программы в ФАП, 4 заключительных отчета о НИР, 11 статей и материалы 28 докладов на международных и всероссийских научных, научно-технических и научно-практических конференциях [335−400].

Личный вклад автора. Основные научные результаты получены автором лично. Из 66 работ по теме диссертации 34 написаны без соавторов. В научных работах, выполненных в соавторстве, автору принадлежат основные идеи по методам построения и расчета параметров математических моделей речевых сигналов, постановке экспериментов и анализу их результатов, а также алгоритмы и структурные схемы устройств аутентификации.

Структура и объём работы. Диссертация состоит из введения, пяти глав, заключения, списка литературы, включающего 400 наименований. Общий объём диссертации составляет 403 страницы машинописного текста, включая 53 рисунка и 19 таблиц.

Выводы к главе 5.

1. Разработанная методика проверки адекватности математической модели речевого сигнала, использующая критерий соответствия на основе коэффициента множественной корреляции, обеспечивает корректность оценки соответствия модели экспериментальным данным по сопоставлению коэффициентов корреляции математической модели и речевого сигнала.

2. Повышению точности решения практических задач аутентификации по голосу с использованием полигармонических моделей речевого сигнала способствует повышение частоты дискретизации до 8 кГц при разрядности квантования 16 бит. Дальнейшее повышение частоты дискретизации и разрядности квантования не приводит к заметному уменьшению ошибки модели.

3. Разработаны методы аналитического расчёта весовых коэффициентов меры различимости между существенными параметрами математической модели эталонного и аутентифицируемого диктора в виде взвешенной суммы квадратов ошибок посредством:

— минимизации расстояния между «своими» и эталоном;

— максимизации расстояния между «чужими» и эталоном;

— обеспечения минимаксного расстояния между «своими», «чужими» и эталоном соответственно.

Регуляризация неустойчивого решения системы линейных уравнений в первых двух методах обеспечивается использованием псевдообратной матрицы в характеризации по Муру-Пенроузу.

4. На основе систематизации известных мер различимости предложены две новые эффективные меры различимости речевых сигналов для математической модели в виде импульса АМ-колебания с несколькими несущими частотами в задачах аутентификации личности по голосу.

5. Разработана методика вычисления начального значения порога меры различимости для критерия принятия решения о результате аутентификации, учитывающая значения доверительных интервалов вариаций существенных параметров.

6. Разработанные алгоритмы аутентификации диктора по голосу в системах разграничения доступа, основанные на полигармонической математической модели речевого сигнала, обеспечивают среднюю' вероятность равных ошибок верификации и идентификации соответственно 0,2−0,8% и 0,5−1,5%.

7. Синтезированные структурные схемы устройств верификации и идентификации позволяют повысить надёжность и эффективность работы систем обеспечения информационной безопасности.

ЗАКЛЮЧЕНИЕ

.

Основным содержанием диссертации является разработка и исследование импульсных детерминированных и стохастических математических моделей с полигармоническими модулирующим и несущим колебаниями применительно к аутентификации личности по голосу, а также синтез на их основе алгоритмов и устройств голосовой аутентификации в системах контроля и управления доступом к информационным и материальным ресурсам. С помощью сочетания физического и статистического подходов к изучению речевых сигналов удалось преодолеть ряд трудностей в построении их моделей с малым количеством существенных параметров и достичь прогресса в изучении особенностей речевого сигнала, которые присущи акустической волне, генерируемой и излучаемой речевым трактом человека.

На основе полученных в диссертации результатов можно сформулировать следующие выводы.

Требованиям к математическим моделям речевых сигналов с точки зрения обеспечения высокой надёжности систем аутентификации по голосу: высокой точности, минимальному количеству относительно просто рассчитываемых существенных параметров, в наибольшей мере удовлетворяют модели, основанные на физических принципах акустической теории речеобра-зования и описывающие вокализованные сегменты речи.

Разработанная на основе данного подхода модуляционная импульсная полигармоническая математическая модель речевого сигнала позволяет компактно описать вокализованные сегменты речи, учитывая временную вариацию спектра речевого сигнала соответствующей модуляцией амплитуд и частот модели. Существенными параметрами математической модели речевого сигнала, характеризующими уникальность голоса, являются усреднённая частота основного тона и амплитуды несущих гармоник.

Характеристикой речевого сигнала для расчёта существенных параметров его детерминированной математической модели служит автокорреляционная функция, а для стохастической модели — функция корреляции, число значимых отсчетов которых следует выбирать исходя из уровня ослабления автокорреляционной функции относительно её наибольшего значения и из условия захождения функции корреляции в доверительные границы нулевых о значений, полученных по методу Бартлетта. По номеру отсчёта функции корреляции, начиная с которого она заходит в границы Бартлетта, можно также проводить разграничение речевых сегментов на вокализованные и не-вокализованные.

Выделение модулирующего колебания полигармонической математической модели речевого сигнала осуществляется путём пропускания огибающей речевого сигнала через фильтр нижних частот.

Получены аналитические выражения характеристик модуляционной импульсной полигармонической математической модели: автокорреляционной функции и спектральной плотности энергии (при детерминированном подходе), функции корреляции и спектральной плотности мощности (при стохастическом подходе), которые могут эффективно применяться для аутентификации по голосу на основе вокализованных участков речи.

Случайная компонента вокализованных сегментов речевого сигнала корректно описывается случайными начальными фазами модулирующего и несущего колебаний модуляционной полигармонической математической модели.

Введение

в данную модель аддитивной компоненты в виде ограниченного по полосе частот белого шума обеспечивает приемлемую точность учета шумовой составляющей речевого сигнала, а использование в качестве аддитивной компоненты процесса авторегрессии дает высокую точность описания речевых сегментов с различной степенью вокализации, определяемой отношением «сигнал-шум». Разработан обобщённый метод аналитического расчета амплитуд несущих гармоник модуляционных полигармонических математических моделей речевого сигнала. В явном виде выражена зависимость точности оценки амплитуд несущих гармоник от математической модели и ее ошибки.

Разработанный метод оценки частоты основного тона речевого сигнала на основе минимума невязки коэффициентов корреляции при использовании полигармонической математической модели обеспечивает относительную погрешность оценки частоты основного тона менее 0,3%, при шаге частотной сетки А/=0,1 Гц, причем для большинства практических случаев в оценочной модели «достаточно трёх гармоник несущего колебания. Снижение относи.

366 тельной погрешности измерения частоты основного тона в два раза и более может быть достигнуто предварительной фильтрацией речевого сигнала цифровым полосовым фильтром с нижней и верхней частотами среза /снриж =60 Гц и /сврерх =340 Гц.

На основе метода максимального правдоподобия разработаны способы получения оптимальной оценки частоты основного тона для известных и неизвестных амплитуд и начальных фаз несущих гармоник. Дисперсия оценки определяется отношением «сигнал-шум», длительностью вокализованного сегмента, количеством и значениями амплитуд несущих гармоник в оценочной модели.

Оценки частоты основного тона и амплитуд несущих гармоник используются в методе оценки формантных частот, синтезированном на основе полигармонической модели речевого сигнала.

Для проверки адекватности «математической модели речевого сигнала по сопоставлению коэффициентов корреляции математической модели и речевого сигнала разработана методика, использующая критерий соответствия на основе коэффициента множественной корреляции.

Для задач аутентификации личности по голосу разработаны методы аналитического расчёта весовых коэффициентов меры различимости между существенными параметрами математической модели эталонного и аутенти-фицируемого диктора в виде взвешенной суммы квадратов ошибок, две новые эффективные меры различимости речевых сигналов для математической модели в виде импульса АМ-колебания с несколькими несущими частотами, методика вычисления начального значения порога меры различимости для критерия принятия решения, учитывающая значения доверительных интервалов вариаций существенных параметров.

Разработанные алгоритмь1 аутентификации диктора по голосу в системах разграничения доступа обеспечивают среднюю вероятность равных ошибок верификации и идентификации соответственно 0,2−0,8% и 0,5−1,5%, что позволяет повысить надёжность и эффективность работы синтезированных на их основе систем обеспечения информационной безопасности.

Показать весь текст

Список литературы

  1. А.Н. Идентификация пользователей вычислительных систем на основе современных речевых технологий / А. Н. Агапиев, В. И. Милашен-ко. 2009. -http://www.bnti.ru/showart.asp?aid=220&lvl=02.09.10.
  2. A.B. Метод текстонезависимой идентификации диктора на основе индивидуальности произношения гласных звуков / A.B. Аграновский, Д. А. Леднов, С. А. Репалов // Акустика и прикладная лингвистика. Ежегодник РАО. 2002. — Вып. 3. — С. 103−115.
  3. A.B. Теоретические аспекты алгоритмов обработки и классификации речевых сигналов / A.B. Аграновский, Д. А. Леднов. М: Радио и связь, 2004. — 150 с.
  4. И.С. Вычисление мгновенных гармонических параметров речевого сигнала / И. С. Азаров, A.A. Петровский // Речевые технологии. 2008. -№ 1. — С. 67−77.
  5. С.А. Прикладная статистика: Исследование зависимостей / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1985. -487 с.
  6. С.А. Прикладная статистика: Классификация и снижение размерности / С. А. Айвазян, М. В. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1989. — 607 с.
  7. С.А. Прикладная статистика: Основы моделирования и первичная обработка данных / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1983. — 471 с.
  8. Э.С. Цифровая обработка сигналов: практический подход / Э. С. Айфичер, Б. У. Джервис. -М.: Изд. дом «Вильяме», 2004. 992 с.
  9. Акустика: Справочник / А. П. Ефимов, A.B. Никонов, М. А. Сапожков, В.И. Шоров- Под. ред. М. А. Сапожкова. 2-е изд. — М.: Радио и связь, 1989. — 336 с.
  10. Ю.Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание / А. Ал-берт. М.: Наука, 1977. — 224 с.
  11. П.Амосов A.A. Вычислительные методы для инженеров / A.A. Амосов, Ю. А. Дубинский, Н. В. Копченкова. М.: Высш. шк., 1994. — 544 с.
  12. A.A. Скалярно-матричное дифференцирование и его применение кконструктивным задачам теории связи / A.A. Амосов, В. В. Колпаков // Проблемы передачи информации. 1972. — Т.8. — Вып.1. — С. 3−15.
  13. А. Математика для электро- и радиоинженеров / А. Анго. М.: Наука, 1965.- 780 с.
  14. Н.Андерсон Т. Введение в многомерный статистический анализ / Т. Андерсон. М.: Физматгиз, 1963. — 500 с.
  15. Т. Статистический анализ временных рядов / Т. Андерсон. М.: Мир, 1976.-775 с.
  16. . Автоматическое опознавание дикторов по голосам / Б. Атал // ТИИЭР. 1976. — Т. 64. — № 4. — С. 48−66.
  17. Н.И. Лекции по теории аппроксимации / Н. И. Ахиезер. М.: Наука. Гл. ред. физ.-мат. лит., 1965. -406 с.
  18. A.B. Особенности применения технологии TD-PSOLA для модификации характеристик вокальных аллофонов / A.B. Бабкин // Труды международной конференции «Диалог 2000». Ml, 2000. — Т. 2: «Прикладные проблемы». — С. 33−40.
  19. В .В. Помехоустойчивый. выделитель основного тона речи / В. В. Бабкин // 7-я международная конференция и выставка «Цифровая обработка сигналов и её’применение». М., 2005.
  20. М. Нелинейное программирование: Теория и алгоритмы / М. Базара,. К. Шетти. -М.: Мир, 1982. 583 с.
  21. С.П. Автокорреляционный метод выделения основного тона речи. Пятьдесят лет спустя7 С. П. Баронин // Речевые технологии. 2008. — № 2.-с.з-12.
  22. С.И. Радиотехническиё цепи и сигналы / С. И. Баскаков. М: Высшая школа, 2005. — 462 с.
  23. К.Б. Аналогии и модели в познании7 К.Б. Батороев. Новосибирск: Наука, 1981. — 320с.
  24. Д.В. Дополнительные главы линейной алгебры / Д.В. Бекле-мешев. М.: Наука. Гл. ред. физ.-мат. лит., 1983. -336 с. ¦
  25. Р. Введение в теорию матриц / Р. Беллман- Под ред. В. Б. Лидско го. М.: Наука, 1976. — 352 с.
  26. Дж. Прикладной анализ случайных данных / Дж. Бен дат, А. Пирсол. М.: Мир, 1989. — 540 с.
  27. Р. Быстрые алгоритмы цифровой обработки сигналов / Р. Блейхут. -М.: Мир, 1989.-448 с.
  28. Дж. Анализ временных рядов. Прогноз и управление / Дж. Бокс, Г. Дженкинс. -М.: Мир, 1974. Вып. 1. — 408 с.
  29. P.M. Руководство по биометрии / P.M. Болл, Дж.Х. Коннел, Ш. Пан-канти, Н. К. Рахта, Э. У. Сеньор. -М.: Техносфера, 2007. 368 с.
  30. A.A. Курс теории вероятностей / A.A. Боровков. М.: Наука, 1976.-480 с.
  31. A.A. Математическая статистика / A.A. Боровков. М.: Наука, 1984.-472 с.
  32. Р. Преобразование Хартли / Р. Брейсуэлл. -М.: Мир, 1990. 175 с.
  33. И.Н. Справочник по математике для инженеров и учащихся ВТУЗов / И. Н. Бронштейн, К. А. Семендяев. М.: Наука. Гл. ред. физ.-мат. лит., 1980.-976 с.
  34. Ван Трис Г. Теория обнаружения, оценок и модуляции / Г. Ван Трис. М.: Сов. радио, 1972. -Т.1.-744 с.
  35. Ван Трис Г. Теория обнаружения, оценок и модуляции / Г. Ван Трис. М.: Сов. радио, 1975. — Т.2. — 344 с.
  36. JI.E. Системы связи с шумоподобными сигналами / Л. Е. Варакин. -М.: Радио и связь, 1985.-384 с.
  37. Я.Ш. Теоретические основы электроакустики и электроакустическая аппаратура / Я. Ш. Вахитов. М.: Искусство, 1982. — 415 с.
  38. Введение в цифровую фильтрацию / Под ред. Р. Богнера, А. Константини-диса. М.: Мир, 1976. — 216 с.
  39. А.И. Передача аналоговых сообщений по цифровым каналам связи / А. И. Величкин. М.: Радио и связь, 1983. — 240 с.
  40. А.И. Теория дискретной передачи непрерывных сообщений / А. И. Величкин. М.: Сов. радио, 1970. — 296 с.
  41. Г. В. Передача речи в сетях электросвязи / Г. В. Вемян. М.: Радио и связь, 1985.-272 с.
  42. В.А. Теория подобия и моделирования / В. А. Веников. М.: Высшая школа, 1986 — 480с.
  43. Е.С. Теория вероятностей / Е. С. Вентцель. М.: Высшая школа, 1998.-576 с.
  44. Т.К. Анализ распознавание и интерпретация речевых сигналов / Т. К. Винцюк. К.: Наукова думка, 1987. — 264 с.
  45. Вокодерная телефония / Под ред. A.A. Пирогова. М.: Связь, 1974. — 535 с.
  46. В.И. Теория и практика вейвлет-преобразования / В. И. Воробьев, В. Г. Грибунин. СПб.: ВУС, 1999. — 204 с.
  47. В.И. Верификация и идентификация говорящего: Обзорная статья / В. И. Галунов. 2002. — 14 с. http://auditech.ru/article/verobz.doc
  48. В.И. Современные речевые технологии: Обзорная статья / В. И. Галунов. 1999. — 6 с. http://auditech.ru/article/SpecomRus.doc
  49. Е.И. Судебная фоноскопическая экспертиза / Е. И. Галяшина. -М.: Триада, 2001. 262 с.
  50. Е.И. Теория и практика судебной экспертизы / Е. И. Галяшина, Смотров С. А., С. Б. Шашкин, Э. П. Молоков. СПб.: Питер, 2003. — С. 9−212.
  51. Ф.Р. Теория матриц / Ф. Р. Гантмахер. М.: ФИЗМАТ ЛИТ, 2004. — 560 с.
  52. A.B. Методы вычисления параметров устойчивой модели и признаков в задаче распознавания речевого сигнала: автореф. дис. канд. физ.-мат. наук: 05.13.01 / A.B. Герасимов. Нижний Новгород, 2007. — 20 с.
  53. В.Б. Совместный алгоритм выделения основного тона речи по методам GS и автокорреляционной функции спектра /В.Б. Гитлин, Д. А. Лузин // Речевые технологии. 2008. — № 3. — С. 3949.
  54. A.C. Компьютерное распознавание человеческих лиц / A.C. Глазунов // Открытые системы. 2000. — № 3. — С. 43−47.
  55. В.Е. Теория вероятностей и математическая статистика / В. Е. Гмурман. М.: Высшая школа, 1998. — 479 с.
  56. .В. Курс теории вероятностей / Б. В. Гнеденко. М.: Наука, 1967.-496 с.
  57. . Цифровая обработка сигналов / Б. Голд, Ч. Рэйдер. М.: Сов. радио, 1973.-368 с.
  58. Л.М. Цифровая обработка сигналов: Справочник / Л.М. Голь-денбёрг, Б. Д. Матюшкин, Н. П. Поляк. М.: Радио и связь, 1985. — 312 с.
  59. JI.M. Цифровая обработка сигналов / Л. М. Гольденберг, Б. Д. Матюшкин, М. Н. Поляк. М.: Радио и связь, 1990. — 256 с.
  60. А.Л. Метода распознавания / А. Л. Горелик, В. А. Скрипкин. М.: Высшая школа, 1984. — 222 с.
  61. Г. С. Колебания и волны / Г. С. Горелик. М.: Физматгиз, 1959. — 572 с.
  62. К. Нелинейное программирование на основе безусловной минимизации / К. Гроссман, A.A. Каплан. М.: Наука, 1981. — 183 с.
  63. Р.В. Распознавание речевых сигналов по их структурным свойствам / Р. В. Гудонавичюс, П. П. Кемешис, А. Б. Читавичюс. Л.: Энергия, 1977. — 479 с.
  64. М.Н. Расчет и измерение качества речевых сигналов / М. Н. Гусев, М. В. Дегтярев. СПб.: «ГеликонПлюс», 2008. — 276 с.
  65. C.B. Обоснование критериев эффективности защиты речевой информации от утечки по техническим каналам / C.B. Дворянкин, Ю. К. Макаров, A.A. Хорев // Защита информации. INSIDE. 2007. № 2. — С. 18−25.
  66. Десятчиков< A.A. Метод обработки дистанционной биометрической информации в системах контроля и управления доступом: автореф. дис. канд. техн. наук: 05.13.11 / A.A. Десятчиков. М., 2007. — 24 с.
  67. Г. Спектральный анализ и его приложения / Г. Дженкинс, Д. Ватте. -М.: Мир, 1971. Вып.1. — 316 с.
  68. Г. Спектральный анализ и его приложения / Г. Дженкинс, Д. Ватте. М.: Мир, 1972. — Вып.2. — 286 с.717Добёшй И. Дёсять' лекций по вейвлетам / И. Добеши. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. 464 с.
  69. Дж.Р. Распознавание дикторов: Идентификация людей по голосу / Дж.Р. Доддингтон // ТИИЭР. 1985. Т. 73. — № 11. — С. 129−146.
  70. В.Р. Компьютерная фоноскопия / В. Р. Женило. М.: Академия МВД России, 1995. — 208 с.
  71. Г. Н. Состояние и перспективы голосовой биометрии (по итогам участия ЦРТ в Voice Biometrics Conference 2007) / Г. Н. Зубов, М. В. Хитров. -http://speechpro.ru/files/publications/biometry.doc
  72. К. Факторный анализ / К. Иберла. М.: Статистика, 1980. — 398 с.
  73. А.И. Нейросетевые алгоритмы биометрической идентификации личности. — Серия «Нейрокомпьютеры и их применение». Кн. 15. -М.: Радиотехника, 2004. С. 22−50.
  74. Идентификация лиц по фонограммам русской речи на автоматизированной системе «Диалект». Пособие для экспертов / Н. Ф. Попов, А. Н. Линьков, Н. Б. Кураченкова, Н.В. Байчаров- Под ред. A.B. Фесенко. М.: Войсковая часть 34 435, 1996. — 102 с.
  75. М.А. Общая акустика / М. А. Исакович. М.: Наука, 1973. — 495 с.
  76. С.М. Обобщенная модель слухового механизма анализа и выделения периодичности сложных звуков. Блок-схема модели. / С. М. Ищенко // Акустический журнал. 1998. Т. 44. — № 2. — С. 226−231.
  77. С.М. Слуховой анализ периодичности звука и его огибающей: математическая модель / С. М. Ищенко // Акустический журнал. 2004. Т. 50. — № 4. — С. 562−567.
  78. О.Н. Автоматизация процесса верификации абонентов АСУ с речевым управлением: автореф. дис. канд. техн. наук: 05.13.06 / О. Н. Катков. Орел, 2008.-20 с.
  79. А.Н. Модель голосообразования и анализ речевого сигнала в норме и при патологии: автореф. дис. канд. техн. наук: 05.13.18 / А. Н. Квасов. -Томск, 2007. 20 с.
  80. М. Многомерный статистический анализ и временные ряды / М. Кендалл, А. Стьюарт. М.: Наука, 1976. — 736 с.
  81. М. Статистические выводы и связи / М. Кендалл, А. Стьюарт. -М.: Наука, 1973.-900 с.
  82. А.И. Стохастическое управление динамическими системами / А. И. Кибзун.-М.: МАИ, 1991. 57 с.
  83. А.Н. Оценка параметров дикторонезависимых признаков фонем с применением адаптивного частотно-временного анализа: автореф. дис. канд. техн. наук: 05.13.187 А. Н. Киселев.-Тула, 2005. 20 с.
  84. Г. Справочник по математике для научных работников и инженеров / Г. Корн, Т. Корн. Mi: Наука,! 973. — 832 с.
  85. Г. Математические Методы статистики/ Г. Крамер. М.: Мир, 1975.-648 с.: '. ': «
  86. Г. Стационарные случайные процессы / Г. Крамер, М. Лидбет-тер.- М.: Мир, 1969.-398 с.
  87. В.А. Введение в акустику / В. А. Красилышков. М.: Изд-во МГУ, 1992.- 152 с. 7
  88. Ф. Волны / Ф. Крауфорд. М.: Наука, 1976. — 527 с.
  89. Дж. Вероятностные методы анализа сигналов и систем / Дж. Купер, К. Макгиллем. М.: Мир, 1989. — 376 с.
  90. С.Н. Проблемы создания многоуровневой системы распознавания речи / С. Н. Курочкин, А. Г. Бродин // Автоматизация и управление в машиностроении. 2009. — № 2. -http://magazine.stankin.ru/arch/n02/automation/art05.html
  91. П. Теория матриц / П. Ланкастер. М.: Наука. Гл. ред. физ.-мат. лит., 1978.-280 с.
  92. А.Н. Моделирование в научно-технических исследованиях /
  93. A.Н. Лебедев. М.: Радио и связь, 1989. — 224 с.
  94. .Р. Вероятностные модели и методы в системах связи и управления / Б. Р. Левин, В. Шварц. М.: Радио и связь, 1985. — 312 с.
  95. .Р. Теоретические основы статистической радиотехники / Б. Р. Левин. -М.: Радио и связь, 1989. 656 с.
  96. К.Е. Исследование алгоритмов обработки речевых сигналов при распознавании команд в системах компьютерной телефонии: автореф. дис. канд. техн. наук: 05.12.13 / К. Е. Левин. Владимир, 2006. — 19 с.
  97. Д.А. Разработка и исследование математических моделей обработки и распознавания речи на основе множественных баз признаков: автореф. дис. канд. техн. наук: 05.13.16 /Д.А. Леднов. -Ростов-на-Дону, 1999.
  98. A.C. К анализу резонансных частот речевого тракта / A.C. Леонов,
  99. B.Н. Сорокин // Информационные процессы. 2007. Т. 7. — № 4. — С. 386−400.
  100. A.C. Артикуляционный ресинтез фрикативных / A.C. Леонов, И. С. Макаров, В. Н. Сорокин, А. И. Цыплихин // Информационные процессы. 2004. Т. 4. — № 2. — С. 141−159.
  101. Л.Ф. Акустика / Л. Ф. Лепендин. М.: Высшая школа, 1978. -448 с.
  102. Р.Щ. Статистика случайных процессов / Р. Ш. Липцер, А. Н. Ширяев. М.: Наука, 1974. — 696 с.
  103. Лобанов Б. М- Компьютерный синтез и клонирование речи / Б. М. Лобанов, Л-И! Цирульник. Минск: Белорус. Наука, 2008.-337 с.
  104. Лобанов Б. М: О развитии речевых технологий в. Бел ору сии / Б. М. Лобанов // Речевые технологии. 2008. — № 1'. — С. 49−59.
  105. А.Н. Радиофизические методы измерения параметров сложных источников излучения: дис. докт. физ.-мат. наук: 01.04.03 / А. Н. Лукин. -Воронеж, 1998.-415 с.
  106. И.С. Резонансы разветвленного речевого тракта с податливыми стенками / И. С. Макаров, В. Н. Сорокин // Акустический журнал. 2004. Т. 50.-№ 3.-С. 389−396.
  107. М.И. Оптимальные и субоптимальные алгоритмы обработки речевых сообщений при наличии аддитивных искажений, автореф. канд. техн. наук: 05.1 ЗЛ 7/ М. И. Максимов. Воронеж, 2009. -24 с.
  108. Дж. Векторное квантование при кодировании речи / Дж. Мак-хоул, С. Рукос, Г. Гиш//ТИИЭР, 1985.-T. 73, № 11, С. 19−61.
  109. М.А. Моделирование и разработка комплекса программ идентификации голосового сообщения по фонемной составляющей и индивидуальным характеристикам голоса: автореф. дис. канд-. техн. наук: 05.13.18 / М. А. Малков. М., 2009: — 22 с.
  110. С. Вейнлеты в обработке сигналов/ С. Малла. -Mi*: Мир, 2005. 671 с.
  111. Мандель И-Д: Кластерный- анализ /. И. Д. Мандель. М: Финансы и статистика, 1988- -176 с.
  112. Дж. Линейное предсказание речи / Дж. Маркел, А. Х. Грей. М.: Связь, 1980. -308 с.
  113. Маркин Д: Н. Разработка метода и технических средств компандирова-ния?спектров речевых сигналов: автореф. дис. канд. техн. наук: 05.11.18 / Д. Н. Маркин. СПб., 2008. — 22 с.
  114. Д.Н. Результаты новых исследований на основе модуляционной теории звуковых сигналов / Д. Н. Маркин, В. К. Уваров // В сб. Факультету аудиовизуальной техники 75 лет. — СПб.: Изд. СПбГУКиТ, 2005. — С. 36−41.
  115. СЛ. Цифровой спектральный анализ и его приложения / СЛ. Марпл. М.: Мир, 1990. — 584 с.
  116. Математика: Энциклопедия / Под ред. Ю. В. Прохорова. -М.: Большая Российская энциклопедия, 2003. 845 с.
  117. М.С. Фонемная сегментация речевого сигналах использованием вейвлет-преобразования / М-С. Медведев // Труды V Всероссийской' конференции по математическому моделированию и информационным технологиям. Новосибирск, 2004. С. 256−262.
  118. Методические рекомендации по практическому использованию программы SIS при работе с речевыми сигналами / Центр речевых технологий. -СПб., 1997. -394 с.
  119. Методы автоматического распознавания речи / Под ред. У. А. Ли. М.: Мир, 1983.-Кн. 1. -328 с.. , — -
  120. В.Г. Измерение параметров"речи / В. Г. Михайлов, Л. В! Златоустова- Под ред. М. А. Сапожкова. М.: Радио и связь, 1987. — 168 с.
  121. Ф. Колебания и звук / Ф. Морз. M.-JL: ГИТТЛ, 1949. — 496 с.
  122. В.П. Искусство резонансного пения. Основы резонансной теории и техники / В. П. Морозов. 2-е изд. — М.: Московская государственная консерватория им. П. И. Чайковского, 2008. — 590 с.
  123. М.В. Методы цифровой обработки и передачи речевых сигналов /М.В. Назаров, Ю. Н. Прохоров. -М.: Радио и связь, 1985. 176 с.
  124. С. Виртуальные вокалисты / С. Нечитайло // „Музыкальное оборудование“, http://www.muzoborudovanie.ru/org/mo/mo.php, 2004, 11.
  125. Л.В. Основы вейвлет-анализа сигналов / Л. В. Новиков. — СПб.: ИАнП РАН, 1999.-152 с.
  126. А. Цифровая обработка сигналов / А. Оппенгейм, Р. Шафер. 2-е изд. — М.: Техносфера, 2007. — 856 с.
  127. Основы цифровой обработки сигналов: Курс лекций / А. И. Солонина, Д. А. Улахович, С. М. Арбузов, Е. Б. Соловьева. 2-е изд. — СПб.: БХВ-Петербург, 2005. — 768 с.
  128. Р. Прикладной анализ временных рядов. Основные методы / Р. Отнес, Л. Эноксон. М.: Мир, 1982. — 428 с.
  129. Очков В.Ф. Mathcad 8 Pro для студентов и инженеров / В. Ф. Очков. -М.: КомпьютерПресс, 1999. 523 с.
  130. А.Н. Гармоническая модель речевого сигнала: определение параметров и их квантование / А. Н. Павловец, П. Зубрыцки, A.A. Петровский // Сборник докладов БГУИР. 2007. — № 4. — С. 21−25.
  131. А.Н. Квантование огибающей спектра в вокодере, основанном на декомпозиции речевого сигнала на периодическую и апериодическую составляющие / А. Н. Павловец, A.A. Петровский // Цифровая обработка сигналов. -2005.- № 3. С. 13−21.
  132. М.В. Русский язык / М. В. Панов // Русский язык. 2002. — № 26. -http://rus. 1 september.ru/article.php?ID=200 202 610
  133. Патент на изобретение № 2 161 336 США: МПК 7 Gl 0L17/00. Система для верификации говорящего / Р.Дж. Мэммон, К. Фаррел, М. Шарма, Н. Дивэнг, 3. Занг, X. Ассалех, Х.-Ш. Леу № 98 100 221/09- заявл. 06.06.96- опубл. 27.12.2000.
  134. Патент на изобретение № 2 184 399 РФ: МПК 7 G10L15/00. Способ выделения основного тона из речевого сигнала / A.B. Аграновский, Д.А. Лед-нов, A.M. Потапенко, С. А. Репалов, П. М. Сулима № 2 000 124 181/09- заявл. 22.09.2000- опубл. 27.08.02.
  135. Патент на изобретение № 2 230 375 РФ: МПК 7 G 10 L 15/00, G 10 L 17/00. Метод распознавания диктора и устройство для его осуществления / П. В. Лабутин, А. Н. Раев, С. Л. Коваль № 2 002 123 509/09- заявл. 03.09.02- опубл. 10.06.04.
  136. Патент на изобретение № 2 297 676 РФ: МПК 7 G10L15/02. Способ распознавания слов в слитной речи / A.B. Аграновский, Д. А. Леднов, М.Ю. Зул-карнеев, Р.Э. Арутюнян-№ 2 005 108 961/09- заявл. 30.03.05- опубл. 10.09.06.
  137. Патент на изобретение № 2 351 023 РФ: МПК 7 Gl0L17/00. Способ верификации пользователя в системах санкционированного доступа / В. Н. Сорокин, А. И. Цыплихин -№ 2 007 116 231/09- заявл. 02.05.07- опубл. 27.03.09.
  138. П.В. Прикладная спектральная теория оценивания / П. В. Перов. -М.: Наука, 1982.-432 с.
  139. A.A. Низкоскоростной вокодер с моделью речеобразования „гармоники + шум“ / A.A. Петровский, В. В. Серков // Цифровая обработка сигналов. 2002. — № 2. — С. 2−12.
  140. В.П. Основы теории цепей / В. П. Попов. М.: Высшая школа, 1998.-575с.
  141. Применение цифровой обработки сигналов / Под ред. A.B. Оппенгейма. -М.: Мир, 1980.-312 с.
  142. A.A. Биометрия на службе безопасности / A.A. Прохоров // Компьютер-пресс. 2000. — № 3. — С. 68−73.
  143. Ю.Н. Статистические модели и рекуррентное предсказание речевых сигналов / Ю. Н. Прохоров. М.: Радио и связь, 1984. — 240 с.
  144. Л.Р. Скрытые марковские модели и их применение в избранных приложениях при распознавании речи: Обзор / Л. Р. Рабинер // ТИИЭР.1989. Т. 77. № 2. С. 86 — 120.
  145. JI.P. Теория и применение цифровой обработки сигналов / JI.P. Рабинер, Б. Гоулд. -М.: Мир, 1978. 848 с.
  146. JI.P. Цифровая обработка речевых сигналов / JI.P. Рабинер, Р. В. Шафер. М.: Радио и связь, 1981. — 496 с.
  147. Радиотехнические цепи и сигналы / Д. В. Васильев, М. Р. Витоль, Ю. Н. Горшенков и др.- Под ред. К. А. Самойло. М.: Радио и связь, 1982. — 528 с.
  148. Г. С. Автоматическое опознавание говорящего по голосу / Г. С. Рамишвили. М.: Радио и связь, 1981. — 224 с.
  149. Pao С. Р. Линейные статистические методы и их применения / С.Р. Pao. — М.: Наука. Гл. ред. физ.-мат. лит., 1968. 548 с.
  150. С.А. Разработка математических моделей и робастных алгоритмов идентификации дикторов по их речи: автореф. дис. канд. физ.-мат. наук: 05.13.18 / С. А. Репалов. Ростов-на-Дону, 2003. — 23 с.
  151. Римский-Корсаков A.B. Электроакустика / A.B. Римский-Корсаков. -М.: Связь, 1973.-272 с.
  152. С.Г. Кодирование и передача речи в цифровых системах подвижной радиосвязи / С. Г. Рихтер. М.: Горячая линия — Телеком, 2009. — 304 с.
  153. С.Н. Курс лекций по теории звука / С. Н. Ржевкин. М.: Изд-во МГУ, 1960.-336 с.
  154. А. Автоматическая верификация диктора: Обзор / А. Розен-берг // ТИИЭР. 1976. Т. 64. — № 4. — С. 66−79.
  155. А.Л. Методы и программные средства многоканальной дистанционной обработки речи и их применение в интерактивных многомодальных приложениях: автореф. дис. докт. техн. наук: 05.13.11 / А. Л. Ронжин. -СПб., 2010.-34 с.
  156. А.Л. Речевой и многомодальный интерфейсы / А. Л. Ронжин, A.A. Карпов, И. В. Ли. -М.: Наука, 2006. 173 с.385
  157. С.М. Введение в статистическую радиофизику / С. М. Рытов. М.: Наука, 1976.-Ч. 1.-494 с.
  158. С.М. ведение в статистическую радиофизику / С. М. Рытов, Ю. А. Кравцов, В. И. Татарский. М.: Наука, 1978. — Ч. 2. — 463 с.
  159. A.A. Введение в численные методы / A.A. Самарский. М.: Наука, 1982.-273 с.
  160. A.A. Математическое моделирование: Идеи. Методы. Примеры / A.A. Самарский, А. П. Михайлов. М.: Наука. Физматлит, 1997. — 320 с.
  161. М.А. Вокодерная связь / М. А. Сапожков, В. Г. Михайлов. -М.: Радио и связь, 1983. 247 с.
  162. М.А. Речевой сигнал в кибернетике и связи / М. А. Сапожков. М.: Связьиздат, 1963. — 452 с.
  163. М.А. Электроакустика/ М. А. Сапожков. -М.: Связь, 1978. -272 с.
  164. Г. В. Система автоматического распознавания речевых команд для параллельных архитектур: автореф. дис. канд. техн. наук: 05.13.05 / Г. В. Сапунов. -М., 2006. 28 с.
  165. В.А. Системы верификации и идентификации диктора от SPIRIT Corp. / В. А. Свириденко, П. В. Мартынович. http://www.dancom.ru/rus/AIA/Archive/RUIISPIMTDOKLADR.pdf
  166. Г. К. Некоторые возможности интерполяционного восстановления участков сигнальной функции / Г. К. Серапин // Доклад на Всесоюзном совещании секции речи Комиссии по акустике АН СССР. Апрель. 1956.
  167. А.Б. Цифровая обработка сигналов / А. Б. Сергиенко. — 2-е изд. СПб.: Питер, 2006. — 751 с.
  168. М.Г. Выявление скрытых периодичностей / М. Г. Серебренников, A.A. Первозванский. М.: Наука. Гл. ред. физ.-мат. лит., 1965. -244 с.
  169. B.C. Устойчивые методы обработки результатов измерений / B.C. Сизиков. СПб.: Спецлит, 1999. — 240 с.
  170. О.П. Динамический хаос и фракталы в крупномасштабной временной организации акустического речевого сигнала / О. П. Скаляров // Труды Нижегородской акустической научной сессии. Нижний Новгород: ННГУ, 2002. — С. 401−403.
  171. О.П. Нелинейная модель акустического голосового источника / О. П. Скаляров // Акустический журнал. 1997. Т. 43. — № 5. — С. 675−680.
  172. О.П. Фракталы и крупномасштабная временная структура акустического речевого сигнала и музыки / О. П. Скаляров // Электронный журнал „Техническая акустика“, http://webcenter.ru/~eeaa/ejta/, 2004, 21.
  173. О.П. Элементы теории ритма речи на основе физической феноменологии его нарушений: автореф. дис. докт. физ.-мат. наук: 01.04.02 / О. П. Скляров. СПб., 1999. — 32 с.
  174. Скаляров О.П. V/U-ритм речи при чтении как индикатор состояния функции речевого дыхания у заикающихся / О. П. Скаляров // Электронный журнал „Техническая акустика“, http://webcenter.ru/~eeaa/ejta/, 2004, 16.
  175. Е. Основы акустики / Е. Скучик. М.: Мир, 1976. — Т. 1. — 520 с.
  176. Е. Основы акустики / Е. Скучик. М.: Мир, 1976. — Т. 2. — 542 с.
  177. Е. Простые и сложные колебательные системы / Е. Скучик. -М.: Мир, 1971.-557 с.
  178. Е.Е. О квадратичной ошибке коэффициента корреляций в случае однородных связанных рядов / Е. Е. Слуцкий // Избр. тр. М.: Изд. АН СССР, 1960.-С. 144.
  179. H.A. Идентификация дикторов на основе сравнения параметров реализации мелодических контуров высказываний / H.A. Смирнова // Труды международной конференции „Диалог 2007″. М., 2007. — С. 502−507.
  180. .Я. Моделирование систем / Б .Я. Советов, С. А. Яковлев. М.: Высшая школа, 2009. — 343 с.
  181. Советский энциклопедический словарь / Под ред. A.M. Прохорова. М.: Советская Энциклопедия, 1980. — 1600 с.
  182. В.Н. Об автокорреляционном анализе речевого сигнала / В. Н. Сорокин, В. П. Трифоненков // Акустический журнал. 1996. Т. 42. — № 3. -С. 418−425.
  183. В.Н. Сегментация и распознавание гласных / В. Н. Сорокин, А. И. Цыплихин // Информационные процессы. 2004. Т. 4. — № 2. — С. 203−220.
  184. В.Н. Синтез речи / В.Н.'Сорокин. М.: Связь, 1992. — 392 с.
  185. В.Н. Теория речеобразования / В. Н. Сорокин. М.: Радио и связь, 1985.-312 с.
  186. В.Н. Устойчивость оценок формантных частот / В. Н. Сорокин, И. С. Макаров, A.C. Леонов // Речевые технологии. 2009. — № 1. — С. 3−21.
  187. В.Н. Фундаментальные исследования речи и прикладные задачи речевых технологий / В. Н. Сорокин // Речевые технологии. 2008. -№ 1.-С. 18−48.
  188. Ю.Г. Теория обнаружения и оценивания стохастических сигналов / Ю. Г. Сосулин. М.: Сов. радио, 1978. — 320 с.
  189. Дж.В. (лорд Рэлей) Теория звука / Дж.В. Стретт. 2-е изд. — М.: Гостехиздат, 1955. — Т. 1. — 476 с.
  190. Дж.В. (лорд Рэлей) Теория звука / Дж.В. Стретт. 2-е изд. — М.: Гостехиздат, 1955. — Т. 2. — 476 с.
  191. Теория обнаружения сигналов / Под ред. П. А. Бакута. М.: Радио и связь, 1984.-440 с.
  192. А.Н. Методы решения некорректных задач / А. Н. Тихонов, В. Я. Арсенин. -М.: Наука. Гл. ред. физ.-мат. лит., 1979. 285 с.
  193. В.И. Выбросы случайных процессов / В. Н. Тихонов. Mi: Наука, Гл. ред. физ.-мат. лит., 1970. — 392 с.
  194. В.И. Марковские процессы / В. И. Тихонов, М. А. Миронов. -М.: Сов. радио, 1977. 408 с.
  195. В.И. Нелинейные преобразования случайных процессов / В. И. Тихонов. М.: Радио и связь, 1982. — 296 с.
  196. В.И. Нелинейная фильтрация и квазикогерентный прием сигналов / В. И. Тихонов, А. К. Кульман. М.: Сов. радио, 1975. — 704 с.
  197. В.И. Оптимальный прием сигналов / В. И. Тихонов. М.: Радио и связь, 1983.-320 с.
  198. В.И. Статистическая радиотехника / В. И. Тихонов. М.: Сов. радио, 1966. — 678 с.
  199. А.М. Основы теории дискретных сигналов на конечных интервалах / A.M. Трахтман, В. А. Трахтман. -М.: Сов. радио, 1975. 208 с.
  200. Т.И. Курс физики / Т. И. Трофимова. М.: Высшая школа, 1998.-542с.
  201. B.K. Некоторые вопросы модуляционной теории звуковых сигналов. СПб.: СПбГУКиТ, 2005.
  202. В.К. Разработка теоретических основ и технических средств компандирования звуковых сигналов: автореф. дис. докт. техн. наук: 05.11.18 / В. К. Уваров. СПб., 2003. — 46 с.
  203. В.К. Речь и слух. СПб.: СПбГУКиТ, 2005.
  204. Дж. Линейные и нелинейные волны / Дж. Уизем. М.: Мир, 1977.-624 с.
  205. . Адаптивная обработка сигналов / Б. Уидроу, С. Стирнз. М.: Радио и связь, 1989. — 440 с.
  206. A.C. Идентификация музыкальных объектов на основе непрерывного вейвлет-преобразования: автореф. дис. канд. техн. наук: 05.13.01 / A.C. Фадеев. Томск, 2008. — 20 с.
  207. С.Е. Оптимальный прием пространственно-временных сигналов в радиоканалах с рассеянием / С. Е. Фалькович, В. И. Пономарев, Ю. В. Шкаврко. М.: Радио и связь, 1989. — 296 с.
  208. С.Е. Оценка параметров сигнала / С. Е. Фалькович. М.: Сов. радио, 1970. — 336 с.
  209. С.Е. Статистическая теория измерительных радиосистем / С. Е. Фалькович, Э. И. Хомяков. М.: Радио и связь, 1981. — 288 с.
  210. Г. Акустическая теория речеобразования / Г. Фант. М.: Наука, 1964.-284 с.
  211. Г. Анализ и синтез речи / Г. Фант Новосибирск: Наука, 1970. — 306 с.
  212. Е. Фракталы / Е. Федер. М.: Мир, 1991.-254 с.
  213. Физика: Энциклопедия / Под ред. Ю. В. Прохорова. М.: Большая Российская энциклопедия, 2003. — 944 с.
  214. Физические величины: Справочник / А. П. Бабичев, H.A. Бабушкина, A.M. Братковский и др.- Под ред. И. С. Григорьева, Е. З. Мейлихова. — М.: Энергоатомиздат, 1991. 1232 с.
  215. Физиология речи. Восприятие речи человеком / Л. А. Чистович, A.B. Венцов, М. П. Грамстрем и др. Л.: Наука, 1976. — 388 с.
  216. Философский словарь / Под ред. И. Т. Фролова. М.: Политиздат, 1980. — 444 с.
  217. JI.M. Сигналы. Помехи. Ошибки. / Л. М. Финк. М.: Радио и связь, 1984.-256 с.
  218. Л.М. Теория передачи дискретных сообщений / Л. М. Финк. М.: Сов. радио, 1970. — 728 с.
  219. P.A. Статистические методы для исследователей / P.A. Фишер. -М.: Гостехиздат, 1958. 267 с.
  220. Дж. Анализ, синтез и восприятие речи / Дж. Фланаган. М.: Связь, 1968.-396 с.
  221. Дж. Вычислительные машины говорят и слушают. Речевое общение человека с машиной / Дж. Фланаган. ТИИЭР, 1976. Т. 64. — № 4.
  222. Л. Теория сигналов / Л. Френке. М.: Сов. радио, 1974. — 344 с.
  223. К. Введение в статистическую теорию распознавания образов / К. Фукунага М.: Наука, Гл. ред. физ.-мат. лит., 1979. — 368 с.
  224. A.A. Борьба с помехами / A.A. Харкевич. М.: Наука, Гл. ред. физ.-мат. лит., 1965. — 275 с.
  225. Т. Электроакустика / Т. Хаясака. М.: Мир, 1982. — 246 с.
  226. Р.В. Цифровые фильтры / Р. В. Хемминг. М.: Сов. радио, 1980.-224 с.
  227. Э. Анализ временных рядов / Э. Хеннан. М.: Наука, 1964. — 216 с.
  228. Д. Прикладное нелинейное программирование / Д. Хим-мельблау. М.: Мир, 1975. — 534 с.
  229. М.В. Распознавание русской речи: состояние и перспективы / М. В. Хитров // Речевые технологии. 2008. — № 1. — С. 83−87.
  230. Д. Статистика для физиков / Д. Худсон. М.: Мир, 1970. — 296 с.
  231. Э. Ухо как приемник информации / Э. Цвикер, Р. Фельдкеллер. -М.: Связь, 1971.-256 с.
  232. Л.А. Слуховое измерение первой форманты / Л. А. Чистович, B.C. Шупляков. В кн.: Анализ речевых сигналов человеком. Л., 1971. — С. 19−28.
  233. Чуй К. Введение в вейвлеты / К. Чуй. Пер. с англ. Я. М. Жилейкина. -М.: Мир, 2001.-412 с.
  234. И.А. Теоретико-информационные принципы компрессии речевого сигнала на основе его квазипериодических свойств: автореф. дис. докт. техн. наук: 05.13.17 / И. А. Шалимов. М., 2005. — 47 с.
  235. Я.Д. Основы теории обнаружения радиолокационных сигналов и измерение их параметров / Я. Д. Ширман, В. Н. Голиков. М.: Сов. радио, 1963.-278 с.
  236. Я.Д. Теория и техника обработки радиолокационной информации на фоне помех / Я. Д. Ширман, В. Н. Манжос. М.: Радио и связь, 1981. -416с.
  237. М. Фракталы, хаос, степенные законы / М. Шредер. Ижевск: НИЦ „Регулярная и хаотическая динамика“, 2001. — 528 с.
  238. Г. Детерминированный хаос / Г. Шустер. М.: Мир, 1988. — 240 с.
  239. П.Ю. Разработка и исследование методов и средств голосовой аутентификации с динамически изменяемым множеством ключевых слов: автореф. дис. канд. техн. наук: 05.13.19, 05.13.17 / П. Ю. Юрков. Таганрог, 2006. — 16 с.
  240. .М. Справочник по физике / Б. М. Яворский, A.A. Детлаф. -М.: Наука. Физматлит, 1996. 624 с.
  241. A.M. Корреляционная теория стационарных случайных функций / A.M. Яглом. JL: Гидрометеоиздат, 1981. — 279 с.
  242. Д.И. Моделирование гласных звуков / Д. И. Якушев, О. П. Скляров // Акустический журнал. 2003. Т. 49. — № 4. — С. 567−569.
  243. Д.И. Геоинформационное моделирование пространственно-временных геофизических процессов с полигармонической структурой: автореф. дис. докт. техн. наук: 25.00.35 / Д. И. Якушев. СПб., 2008. — 35 с.
  244. Е. Специальные функции / Е. Янке, Ф. Эмде, Ф. Лёш. М.: Наука, 1977.-344 с.
  245. М.С. Применение марковской теории нелинейной фильтрации в радиотехнике / М. С. Ярлыков. М.: Сов. радио, 1980. — 360 с.
  246. Burke D. Speech processing for IP networks: Media resource control protocol (MRCP) / D. Burke. John Wiley & Sons, 2007, 373 p.
  247. Campanella S.J. A survey of speech bandwidth compression techniques / S.J. Campanella // IRE Trans, on Audio, AU-6, № 5, 1958, pp. 104−116.
  248. Campbell J. Speaker recognition / J. Campbell, A.K. Jain, R.M. Bolle, S. Pankanti // Biometrics: Personal Identification in Networked Society, Kluwer Academic Press, Boston, MA, 1999, pp. 165−190.391
  249. Chen F. Designing human interface in speech technology / F. Chen. -Springer Science+Business Media, 2006, 398 p.
  250. Chu W.C. Speech coding algorithms: Foundation and evolution of standardized coders / W.C. Chu. John Wiley & Sons, 2003, 582 p.
  251. Dau T. Quantitative model of the „effective“ signal processing in the auditory system: I. Model structure / T. Dau, D. Puschel, A.A. Kohlrausch // Journ. Acoust. Soc. Am., 1996, vol. 99, no 6, pp. 3615−3622.
  252. Deller J.R. Discrete-time processing of speech signals / J.R. Deller, J.H.L. Hansen, J.G. Proakis // IEEE Press, USA. 2000.
  253. Furui S. Digital speech processing, synthesis, and recognition / S. Furui. — Marcel Dekker, 2000, 472 p.
  254. Gabor D. New possibilities in speech transmission / D. Gabor // J. IRE, vol. 94, part 3, November, 1948, pp. 369−390.
  255. Gabor D. Theory of communication / D. Gabor // J. Inst. Elect. Engrs, vol. 93, part 3, 1946, pp. 429−457.
  256. George E.B. Speech analysis/synthesis and modification using an analysis-by-synthesis/overlap-add sinusoidal model / E.B. George, M.J.T. Smith // IEEE Trans, on Speech and Audio Process., 1997, vol. 5, no. 5, pp. 389−406.
  257. Goldberg R.G. A practical handbook of speech coders / R.G. Goldberg, L. Riek. CRC Press, 2000, 247 p.
  258. Harris R.A. Crafting the new conversational speech systems / R.A. Harris. -Elsevier, 2004, 619 p.
  259. Heck L.P. Handset-dependent background models for robust text-independent speaker recognition / L.P. Heck, M. Weintraub // In Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing, April, 1997.
  260. Hermansky H. Perceptual linear predictive (PLP) analysis of speech / H. Hermansky // Journ. Acoust. Soc. Am. 1990, vol. 87, no 4, pp. 1738−1752.
  261. Huang X. Spoken language processing: a guide to theory, algorithm and system development / X. Huang, A. Acero, H.W. Hon. Prentice-Hall, 2001, 965 p.
  262. Kingsbury B.E.D. Robust speech recognition using the modulation spectrogram / B.E.D. Kingsbury, N. Morgan, S. Greenberg // Speech Communication. 1998, vol. 25, no 1−3, pp. 117−132.
  263. Klatt D.K. Analysis, synthesis, and perception of voice quality variationsamong female and male talkers / D.H. Klatt, L.C. Klatt 11 J. Acoust. Soc. Am. 1990, vol. 87, pp. 820−857.
  264. Koishida Kazuhito. Efficient encoding of Mel-generalized cepstrum for CELP coders / Koishida Kazuhito, Tokuday Keiichi // Tokyo Institute of Technology. 1997.
  265. Lamel L.F. An improved endpoint detector for isolated word recognition / L.F. Lamel, L.R. Rabiner, A.E. Rosenberg, J.C. Wilpon // IEEE transactions on Acoustics, Speech and Signal Processing, ASSP-29, Aug. 1981, vol. № 4, pp. 777−785.
  266. Levinson S.E. Mathematical models for speech technology / S.E. Levinson. -John Wiley & Sons, 2005, 284 p.
  267. Lippmann R.P. Speech recognition by machines and humans / R.P. Lippmann // Speech Communication, 1997, vol. 22. no. 1, pp. 1−16.
  268. Maragos P. Energy separation in signal modulations with application to speech analysis / P. Maragos, J.F. Kaiser, T.F. Quatieri // IEEE Trans, on Signal Process., 1993, vol. 41, no. 10, pp.3024−3051.
  269. McAulay RJ. Low-rate speech coding based on the sinusoidal model / R.J. McAulay, T.F. Quatieri (Advances in speech signal Processing / S. Furui and M.M. Sondhi, eds.) //New York: Marcel Dekker Inc., 1992, pp. 165−207.
  270. McAulay R.J. Sinusoidal coding in speech coding and synthesis / R.J. McAulay, T.F. Quatieri (W. Klein and K. Palival, eds.) // Amsterdam: Elsevier Science Publishers. 1995, pp. 121−176.
  271. McAulay R.J. Speech analysis/synthesis based on a sinusoidal representation / RJ. McAulay, T.F. Quatieri // IEEE Trans. On Acoustics, Speech and Signal Process. 1986, vol. 34, no. 4, pp. 744−754.
  272. Park A. ASR Depended Techniques for speaker identification / A. Park, T.J.1. Hazen//Proc. ICSLP. 2002.
  273. Pattern recognition in speech. and language processing / edited by W. Chou and B.H. Juang. CRC Press, 2003, 385 p.
  274. Rabiner L.R. Fundamentals of speech recognition / L.R. Rabiner, B.H. Juang.- Prentice-Hall International, 1993, 277 p.
  275. Ramamohan S., Sinusoidal model-based analysis and classification of stressed speech / S. Ramamohan, S. Dandapat // IEEE Transactions on Audio, Speech and Language Processing. May 2006, vol. 14, no. 3, pp. 737−746.
  276. Reynolds D.A. Automatic speaker recognition / D.A. Reynolds // Current approaches and future trends. In Proc. IEEEAutoID, March 2002, Tarrytown, NY, pp. 103−108.
  277. Spanias A.S. Speech coding: a tutorial review / A.S. Spanias // Proc. of the IEEE, 1994, vol. 82, no. 10, pp. 1541−1582.
  278. Stylianou Y. Apply the harmonic plus noise model in concatenative speech synthesis / Y. Stylianou // IEEE Trans, on Speech and Audio Process. 2001, vol. 9, no. 1, pp. 21−29.
  279. Tchorz J. A model of auditory perception as front end for automatic speech recognition / J. Tchorz, D. Kollmeier, JASA, 1999. 106(4), pt. 1. pp. 2040−2050.
  280. Vaseghi S.V. Advanced digital signal processing and noise reduction / S.V. Vaseghi. John Wiley & Sons, 2006, 480 p.
  281. Vorobiov V.I. Inter component phase processing of speech signals for their recognition and identification of announcers / V.I. Vorobiov // XVIII Session of the Russian Acoustical Society, 2006, pp. 529−532.
  282. Wilpon J.C. An improved word-detection algorithm for telephone-quality speech incorporating both semantic constraints / J.C. Wilpon, L.F. Lamel, L.R. Rabiner, T. Martin // AT&T Bell Laboratories Technical Journal, Mar. 1984, vol. 63, № 3, pp. 479−497.
  283. Wilson A.D. Hidden markov models for modeling and recognizing gesture under variation / A.D. Wilson, A.F. Bobick // Hidden Markov Models: Application in Computer Vision. World Scientific Publishing Company, 2001.
  284. Yegnanarayana B. An iterative algorithm for decomposition of speech signals into voiced and noise components / B. Yegnanarayana, C. d’Alessandro, V. Dar-sions // IEEE Trans, on Speech and Audio Coding, 1998, vol. 6, no. 1, pp. 1—11.
  285. Yu Shao. A versatile speech enhancement system based on perceptual wavelet denoising / Yu Shao, Chang Chip-Hong // In: IEEE International Symposium on Circuits and Systems. 2005, vol. 2, pp. 864−867.
  286. C.B. Расчет параметров авторегрессионной модели речевого сигнала / C.B. Ролдугин, А. Н. Голубинский // Вестник ВИ МВД России! -2001.-С. 28−33.
  287. Ролдугин С. В! Модели речевых сигналов для идентификации личности по голосу / C.B. Ролдугин, А. Н. Голубинский, Т. А. Вольская // Радиотехника.-2002.-№ 11. С. 79−81.
  288. Синтез алгоритмов различения звуковых и оптических сигналов: Отчет о НИР (заключительный) / Воронежский институт МВД России. Руководитель: А. Н- Лукин. № ГР 1 021 801 — Воронеж, 2004. — 91 с. -А.Н. Голубинский: раздел 1 — С. 10−39.
  289. А.Н. О расчете параметров модели речевого сигнала в ви- • де импульса АМ-колебания с несколькими несущими / А.Н.'.Голубинский //
  290. Международная научно-практическая конференция „Современные проблемы борьбы с преступностью“: Сборник материалов. Воронеж: ВИ МВД России, 2006. — С. 43−44.
  291. А.Н. Алгоритмы оценки частоты основного тона и обертонов речевого сигнала / А. Н. Голубинский // Вестник ВИ МВД России. -2006.-С. 15−19.
  292. А.Н. Расчет параметров модели речевого сигнала в виде импульса АМ-колебания с несколькими несущими / А. Н. Голубинский // Вестник ВИ МВД России. 2006. — С. 20−24.
  293. А.Н. Спектральный анализ речевого сигнала и его модели в виде импульса АМ-колебания с несколькими несущими / А. Н. Голубинский // Вестник ВИ МВД России. 2006. — С. 25−29.
  294. А.Н. Методы аппроксимации экспериментальных данных и построения моделей / А. Н. Голубинский // Вестник ВИ МВД России.2007.-№ 2.-С. 138−143.
  295. А.Н. Модель речевого сигнала в виде импульса АМ-колебания с несколькими несущими для верификации личности по голосу / А. Н. Голубинский // Системы управления и информационные технологии. -2007.-№ 4.-С. 86−91.
  296. А.Н. Методика аппроксимации речевого сигнала на основе особенностей его характеристик / А. Н. Голубинский // Вестник ВИ МВД России. 2008. — № 1.-С. 128−134.
  297. А.Н. К вопросу о разработке математической модели речевого сигнала на основе особенностей его характеристик / А. Н. Голубинский // Системы управления и информационные технологии. 2008- - № 2. -С. 80−85.
  298. А.Н. К вопросу о физической интерпретации модели речевого сигнала в виде импульса АМ-колебания с несколькими несущими частотами / А. Н. Голубинский // Вестник ВИ МВД России. 2008. — № 2. — С. 84−90.
  299. V чая модуляции суммой гармоник / А. Н. Голубинский И Системы управления и информационные технологии. 2008. — № 4.1. — С. 156−161.
  300. Обработка звуковых и оптических сигналов: Отчет о НИР (заключительный) / Воронежский институт МВД России. Руководитель: А. Н- Лукин.-№ ГР' 1 068 673- Воронеж, 2008- - 50 с. — А. Н. Голубинский: разделы 1−8 — С. 5−50.
  301. А.Н. Расчет частоты основного тона речевого сигнала на основе полигармонической математической модели / А. Н. Голубинский // Вестник ВИ МВД России. 2009. — № 1. — С. 81−89.
  302. А.Н. Метод аналитического расчета параметров математических моделей речевого сигнала, построенных на основе теории модуляции / А. Н. Голубинский // Системы управления и информационные технологии. 2009. — № 1.3.-С. 332−336.
  303. А.Н. Критерии соответствия математической модели речевого сигнала экспериментальным данным / А. Н. Голубинский // Системы управления и информационные технологии. 2009. — № 2.1. — С. 113−118.
  304. А.Н. Метод оценки частоты основного тона речевого сигнала на основе минимума невязки коэффициентов корреляции при использовании полигармонической математической модели / А. Н. Голубинский // Телекоммуникации. 2009. — № 8. — С. 16−21.
  305. А.Н. Методы аналитического расчета весовых коэффициентов меры различимости на примере задачи верификации личности по голосу / А. Н. Голубинский // Вестник ВИ МВД России. 2009. — № 2. — С. 93−102.
  306. А.Н. Математическая модель речевого сигнала, основанная на аппроксимации спектра набором постоянных составляющих в соответствующих полосах частот / А. Н. Голубинский // Безопасность информационных технологий. 2009. — № 2. — С. 12−18.
  307. А.Н. Стохастические модели речевого сигнала, и их частные случаи в виде квазидетерминированных и детерминированных моделей / А. Н. Голубинский // Телекоммуникации. 2009. — № 9. — С. 15−20.
  308. А.Н. Методика вычисления информационной составляющей речевого сигнала / А. Н. Голубинский // VII всероссийская научнопрактическая конференция „Охрана, безопасность и связь“: Сборник материалов. Воронеж: ВИ МВД России, 2009. — С. 37−41.
  309. А.Н. Выделение модулирующего колебания из огибающей речевого сигнала / А. Н. Голубинский, О. М. Булгаков // Системы управления и информационные технологии. 2009. — № 4.1. — С. 130−134.
  310. А.Н. Методика проверки на адекватность математической модели речевого сигнала экспериментальным данным / А. Н. Голубинский // Информационные технологии. 2009. — № 12. — С. 54−59.
  311. А.Н. К вопросу о выделении модулирующего колебания из огибающей речевого сигнала / А. Н. Голубинский, О. М. Булгаков // Вестник ВИ МВД России. -2009.-№ 4.-С. 108−116:
  312. Совершенствование средств низовой УКВ радиосвязи: Отчет о НИР (заключительный) / Воронежский институт МВД России. Руководитель: Ю. К. Рогачев. № ГР 3 095 963. — Воронеж, 2009. — 140 с. — А. Н. Голубинский: разделы 1,2 — С. 12−79.
  313. А.Н. Теория цифровой обработки сигналов: Учеб. пособие / А. Н. Голубинский, C.B. Ролдугин, И. В. Лазарев. Воронеж: ВИ МВД России, 2009. — 132 с.
  314. Голубинский А. Н! Метод расчета весовых“ коэффициентов меры разли401чимости речевого сигнала, моделируемого импульсом АМ-колебания с несколькими: несущими / А. Н. Голубинский, О. М. Булгаков // Телекоммуникации.-2010.-№ 1.-С. .10−15. -- :
  315. А.Н. Оценка вокализации речевого сигнала на основе его коэффициента корреляции / А. Н'. Голубинский, 0: М1 Булгаков // I международная научно-практическая конференция „Наука и современность“:
  316. Сборник материалов.-Ч- 2.-Новосибирск, 2010. С., 83−88.
  317. А.Н. Оценка частоты основного тона речевого сигнала при априори неизвестных амплитудах и начальных фазах полигармонического несущего колебания / А. Н. Голубинский // Вестник ВИ МВД России. -2010.-№ 3.-С. 110−117.
  318. Патент на изобретение № 2 399 102 РФ, 8 G 10 L 17/00. Способ и устройство автоматической верификации личности по голосу / А. Н. Голубинский -№ 2 008 143 852/09- Заявл. 05.11.2008- Опубл. 10.09.2010- Бюл. № 25.
  319. А.Н. Математические модели речевых сигналов для верификации и идентификации личности по голосу / А. Н. Голубинский, О. М. Булгаков. Воронеж: Издательско-полиграфический центр Воронежского государственного университета, 2010.-364 с.
  320. УТВЕРЖДАЮ» Зам. Генерального директора ОАО «Концерн «Созвездие"наук1. Николаев2010г. о внедрении результатов диссертационной работы Голубинского А. Н. «Модели речевых сигналов для аутентификации личности по голосу»
  321. Подписи председателя комиссии Н. М. Радько и членов комиссии Н.М. Тихомирова1. Рахманнн03. 2010 г. и Д. Н. Рахманина заверяю:1. ОАО «Концерн Созвездие1. О.И. Щеглова2010 г.
Заполнить форму текущей работой

Пора сдавать?