Please use this identifier to cite or link to this item: https://er.nau.edu.ua/handle/NAU/52196
Title: Метод застосування вейвлет аналізу в задачах ідентифікації мовної інформації
Other Titles: Метод использования вейвлет анализа в задачах идентификации голосовой информации
Method of application of wavelet analysis in problems of identification of speech information
Authors: Бєлозьорова, Яна Андріївна
Белозерова, Яна Андреевна
Bielozorova, Yana Andriivna
Keywords: мовний сигнал
вейвлет перетворення
фрактальна розмірність
частота основного тону
сегментація сигналу
вокалізований фрагмент
программное обеспечение
голосовой сигнал
вейвлет преобразование
фрактальная размерность
частота основного тона
сегментация сигнала
speech signal
wavelet transform
fractal dimension
fundamental frequency
signal segmentation
vocalized fragment
Issue Date: 23-Jul-2021
Publisher: Національний авіаційний університет
Citation: Бєлозьорова Я.А. Метод застосування вейвлет аналізу в задачах ідентифікації мовної інформації: дис. на здобуття наукового ступеня кандидата техн. наук : 01.05.03. - Київ, 2021. - 153 с.
Abstract: Дисертаційна робота присвячена розробці на основі апарату фрактального та вейвлет аналізу моделі та методу, що здійснюють обробку, визначення індивідуальних характеристик особи та ідентифікацію мовного сигналу. У роботі обґрунтовано необхідність використання фрактального та вейвлет аналізу для ідентифікації мовної інформації. Для сегментації мовного сигналу розроблена методологія, що використовує фрактальні характеристики сигналу. Застосування методології дозволяє виділяти вокалізовані та невокалізовані фрагменти сигналу, незалежно від мовних даних особи. Запропоновано алгоритм виділення характеристик самоподібних структур в мовному сигналі на основі аналізу максимумів вейвлет-перетворення на різних рівнях декомпозиції мовного сигналу, що дозволяє визначити параметри частоти основного тону та частот формант у вигляді кривих щільності розподілу вірогідності. Розроблений метод ідентифікації особи, що використовує методологію сегментації мовного сигналу та алгоритм виділення характеристик самоподібних структур. На основі виконаного дослідження створено програмну систему, яка по мовним записам здійснює автоматичний розрахунок мовних характеристик, виконує ранжування цих характеристик в базі даних, за визначеними в роботі критеріями, та ідентифікацію особи в мовному сигналі.
Диссертационная работа посвящена разработке на основе аппарата фрактального и вейвлет анализа модели и метода, осуществляющих обработку, определение индивидуальных характеристик личности и идентификациию голосового сигнала. В работе обоснована необходимость использования фрактального и вейвлет анализа для идентификации голосовой информации. Для сегментации голосового сигнала разработана методология, которая использует фрактальные характеристики сигнала. Применение методологии позволяет выделять вокализованные и невокализованные фрагменты сигнала, независимо от голосовых данных личности. Предложен алгоритм выделения характеристик самоподобных структур в голосовом сигнале на основе максимумов вейвлетпреобразования на разных уровнях декомпозиции голосового сигнала, что позволяет определить частоту основного тона и частот формант в виде кривых плотности распределения вероятности. Разработанный метод идентификации личности, использует методологию сегментации голосового сигнала и алгоритм выделения характеристик самоподобных структур. На основе выполненного исследования создана программная система, которая по голосовым записям осуществляет автоматический расчет голосовых характеристик, выполняет ранжирование этих характеристик в базе данных, по определенным в работе критериям, и идентификацию личности в голосовом сигнале.
The thesis is devoted to the development of the model and method that process and determine the individual characteristics of the person and the identification of the speech signal. Models and methods are based on the apparatus of fractal and wavelet analysis. The paper substantiates the need to use fractal and wavelet analysis to identify speech information. The methodology using fractal signal characteristics has been developed for speech signal segmentation. The application of the methodology allows to distinguish vocalized and unvocalized fragments of the signal. This happens regardless of the person's language data. The algorithm for selecting parameters of selfsimilar structures in a speech signal has been proposed, it based on wavelet transform maxima at different levels of voice signal decomposition. This allows us to determine the frequency parameters of the fundamental tone and the formant envelop in the form of probability density curves. The method of personal identification has been developed. This method uses the methodology of speech signal segmentation and the algorithm for selecting parameters of self-similar structures. The software system was created on the basis of the performed research. This software system automatically calculates the voice characteristics of the voice records. In addition, it performs the ranking of these characteristics in the database, according to the criteria, which was defined in the work and the identification of the person in the speech signal.
URI: https://er.nau.edu.ua/handle/NAU/52196
Appears in Collections:Дисертації та автореферати спеціалізованої вченої ради Д 26.062.19

Files in This Item:
File Description SizeFormat 
Дисертація_Бєлозьорова.pdfДисертація5.92 MBAdobe PDFView/Open
Автореф_Бєлозьорова.pdfАвтореферат1.07 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.