
- •1. Линейная свертка. Способы вычисления.
- •2. Круговая свёртка. Способы вычисления.
- •3. Дискретное преобразование Фурье. Масштабирование по частоте. Переход от нормированной частоты к естественной
- •4 Быстрое пр-е Фурье.Переход к естеств. Масштабу частот
- •5. Влияние добавления нулей в исходную последовательность.
- •6. Разностное уравнение. Передаточная функция цифрового фильтра(цф). Нерекурсивные и рекурсивные цф. Каноническая форма рекурсивных фильтров.
- •7. Структурные схемы рекурсивных и нерекурсивных цф.
- •Схемы нерекурсивных фильтров
- •8 .Связь между передаточной функцией и импульсной характеристикой. Реакция ф. На произв. Вход-е воздействие.
- •10. Аппроксимация ачх по Баттерворту аналоговый фильтр
- •11. Получение передаточной функции фильтров Баттерворта. Схемы фильтров. Для получения пф поступают так:
- •12.Полиномы Чебышева первого рода. Аппроксимация ими. Требуется, чтобы характеристика фильтра была на всех частотах одинакова. Этим свойством обладают фильтры Чебышева.
- •13 Фильтры Чебышева 2го рода.Элептические фильтры и фильтры Беселя
- •14 Преобразование нормир-го фильтра в фильтры других типов.
- •15. Преобразование аналоговых фильтров в цифровые
- •16. Преобразование аналоговых фильтров в цифровые
- •17. Критерии, используемые при проектировании цф.
- •18.Передаточные функции ких фильтров с линейной фазой
- •19. Однородный фильтр. Виды схемной реализации. Его ачх
- •20. Оптимальный по Чебышеву синтез фильтров.
- •21. Алгоритм Ремеза
- •22 Синтез ких-фильтров методом окон.
- •23. Фильтры с косинусоидальным сглаживанием.
- •24. Преобразование и преобразователи Гильберта
- •25. Задание требований к частотным характеристикам цифровых дифференциаторов Гильберта
- •27.Округление промежуточных результатов в цф.
- •28. Адаптивные фильтры и их применение.
- •29. Задача линейного предсказания. Передаточная функция предсказателя
- •30. Решение задачи линейного предсказания во временной области. Уравнение Юла-Уолкера.
- •31. Определение параметров предсказывающего устройства по методу Левисона-Дарбина.
- •32. Проблемы передачи параметров предсказывающего устройства.
- •33. Линейные спектральные пары. Метод Итакуры
- •34. Постановка задачи адаптивной обработки сигнала.
- •35. Вывод уравнения Винера - Хопфа.
- •36. Постановка задачи Калмановского оценивания сигнала.
- •37. Структурная схема Калмановского фильтра. Формулы для расчёта его коэффициентов.
- •38. Суть параметрического спектрального оценивания. Особенности ар, сс, арсс - спектров.
- •Оценивание параметров сс модели
- •Оценивание пар-ров арсс моделей
- •39. Многоскор-е сис-мы цос.Однократная интерполяция
- •40. Многоскор-е сис-мы цос.Однократная децимация
- •41. Многоскор-е сис-мы цос.Полифазная система структур интерполяции.
- •42. Многоскор-е сис-мы цос.Полифазная система структур децимации
- •43. Постановка задачи речевой обработки сигналов.
- •44. Кратковременные функции энергии, среднего значения, числа переходов через нуль.
- •Оценивание начала и конца слова по кратковременным характеристикам Энергии, среднего значения и числа переходов через нуль.
- •4 6. Оценка основного тона по медианному усреднению.
- •47. Оценивание основного тона на основе специальных временных последовательностей. (метод || обработки)
- •Модель речеобразования на основе линейного предсказания.
- •Системы верификации и идентификации диктора.
Системы верификации и идентификации диктора.
Система распознавания диктора
Обработка
сигнала
Сравнение
Эталонные
образцы
Решающее
правило
решение
S
(t)
Сигнал S(t) поступает на систему обработки сигналов. Она должна сохранить особенности диктора. Далее идет сравнение с эталонными образцами.
Система верификации диктора м.б. представлена:
Верифицирование
абонента
Сравнение
Решение
Система
с речевым ответом
Этал. образец
Произнес-я
фраза
Запрос на вериф-цию
запрос
Объект, подлежащий верификации, произносит фразы и они заносятся в память, сохраняя особенности диктора. У каждого диктора свой тон и набор частот, а также изменение энергии по длине фразы. По этому параметру идет сравнение: это набор данных, поступающих на решающую схему. В процессе решения производится обработка сигнала.
ФНЧ
Детектор
осн тона
динамическое
искажение параматров к образцу, и сюда
постепает сверху хранимый образец
п
ФНЧ
Изменение
энергии
Предсказывающее
устр-во, параметры
Форматный??
анализ
о
Выделение
конечных точек
тсчетов
Т.к. фразы повторяются не точно, то перевод тока, энергии, изменения частот сразу сравнивать нельзя, поэтому используются преобразования:
r=at+g(t), g(t) – нелинейная функция. r=at
Г
раницы
r
и t
подбираются так, чтобы записываемая
речь совпала с образцом. При сравнении
должны быть меры близости. Обычно это
МНК (метод наим квадратов).
Система идентификации диктора
Чистая идентификация подразумевает следующую ситуацию. Имеется ограниченная и строго контролируемая группа пользователей системы. При поступлении речевого сигнала на вход системы определения индивидуальных речевых характеристик эта система должна определить, кто из пользователей в настоящий момент вступает в речевой контакт с системой ограниченного доступа. В определенном смысле так формулируемая задача идентификации говорящего проще задачи верификации, сформулированной выше. В этом случае исключена ситуация возможного злоумышленника. Разделение же допущенных пользователей (особенно при их небольшом количестве) может оказаться более простой задачей , чем задача верификации. В большинстве приложений (особенно коммерческих) возникает ситуация, так называемой открытой идентификации ("open set identification"). В этом случае ситуация аналогична описанной выше верификации, но отличается тем, что пользователь не объявляет свою индивидуальность (фамилию, PIN-код или другой индекс индивидуальности) и система должна сверить поступивший речевой сигнал со всеми речевыми эталонами зарегистрированных пользователей.
Элементы обработки сигнала систем идентификации и верификации диктора совпадают. Отличие лишь в том, что выделяются отдельные параметры, позволяющие выделить индивидуальность диктора. Обычно с-мы различия дикторов оказываются более схожими, т.к. надо учитывать индивидуальные особенности.