1 История развития теории и техники цифровой обработки сигналов.

2 Механизм речеобразования. Основные параметры речевых сигналов.

3 Дискретизация речевого сигнала.

4 Прореживание и интерполяция дискретизированного сигнала.

5 Скалярное квантование речевого сигнала.

6 Векторное квантование речевого сигнала.

7 Гомоморфная обработка речи.

8 Дискретно-косинусное преобразование речевых сигналов.

9 Статистическая и психофизическая избыточности звукового сигнала.

10 Структура кодера для компрессии звуковых сигналов.

11Психоакустические модели и свойства слуха.

12 Искажения звука при сжатии аудиоданных.

13 Методы повышения качества и разборчивости речи.

14 Сжатие аудиосигнала на основе стандарта MP3.

15 Субъективные методы оценивания качества воспроизведения речи.

16 Психоакустические методы оценивания качества воспроизведения речи.

17 Объективные методы оценивания качества воспроизведения речи.

18 Типы изображений.

19 Избыточность изображений.

20 Дискретизация непрерывных изображений.

21 Квантование изображений.

22 Препарирование изображений.

23 Фильтрация изображений. Оптимальная линейная фильтрация.

24 Масочная фильтрация изображений.

25 Медианная фильтрация изображений.

26. Применение фильтра Винера для некаузальной двумерной фильтрации.

27. Сглаживание цветных изображений.

28. Особенности зрительного анализатора. Свойства системы зрения человека.

29. Порядок операций при компрессии изображений.

30. Двумерное дискретно-косинусное преобразование изображений.

31. Стандарт сжатия JPEG 2000 и система ROI.

32. Алгоритм сжатия JPEG 2000 и его отличия от JPEG.

33. Особенности сжатия видеоданных в формате MPEG.

34. Структура потока данных MPEG.

35.Преобразование цветового представления растрового изображения.

36. Методы и средства компьютерной обработки звуков и изображений.

37. Интегральноевейвлет-преобразование речи и изображений.

38. Дискретноевейвлет-преобразование речи и изображений.

39. Критерии оценивания качества воспроизведения изображений. Мультиразмерная ошибка.

39.Критерии оценивания качества воспроизведения изображений. Индекс качества изображения.

41. Критерии оценивания качества воспроизведения изображений. Мера качества видео на основе дискретного косинусного преобразования.

42. Критерии качества восстановления изображений.

1. Краткая история развития теории и техники цос

Вся история развития теории и техники ЦОС, как и информатики в целом, напрямую связана с достижениями в области дискретной схемотехники и компьютерных технологий. Дискретизация непрерывной информации во времени и квантование по уровню являются основой ее эффективного кодирования, преобразования, передачи и архивации. С появлением в 40-х годах первых ЭВМ стало реальным возникновение нового фундаментального научного направления вычислительной математики, одним из разделов которой можно считать машинные алгоритмы цифровой обработки данных. Однако ограниченные вычислительные ресурсы используемых в те годы ЭВМ не позволяли проводить обработку данных в реальном времени.

Положение начало радикально изменяться с появлением в 60-х годах класса малых ЭВМ, ориентированных преимущественно на решение задач управления и обработки данных в реальном времени. Потенциальная возможность обработки, преобразования и передачи аналоговых по природе сигналов цифровыми методами с помощью малых ЭВМ.привлекла внимание специалистов, работающих во многих областях, и прежде всего, в области связи, гидроакустики и обработки речевых сигналов. С этого времени формулируется круг проблем и задач теории ЦОС как самостоятельного научного направления, которому предстоит в дальнейшем свой многоэтапный путь становления и развития.

Цифровая фильтрация и спектральный анализ.Основной предметной областью теории ЦОС (1965—1975 гг.) были цифровая фильтрация и спектральный анализ (рис.1.1), причем оба направления рассматривались с общей позиции частотных представлений. Общей основой развивающихся направлений был синтез цифровых фильтров частотной селекции. Базовые положения теории ЦОС закладывались и апробировались фактически на теории дискретных систем и теории цепей с использованием известного к тому времени набора машинных алгоритмов и, прежде всего, алгоритма быстрого преобразования Фурье (БПФ).

Рис. 1.1. Взаимосвязь цифровой фильтрации и спектрального анализа

Первые цифровые устройства с позиции сегодняшних представлений обладали низкой эффективностью и имели крайне ограниченное применение, связанное, как правило, с военными технологиями.

Многоскоростная фильтрация и адаптивная обработка сигналов. В начале 70-х годов начинается новый этап становления техники ЦОС и компьютерных технологий. Открываются новые возможности и возникают новые проблемы. Теория ЦОС входит в очередной этап своего развития. Именно в этот период формируются четыре основных взаимосвязанных направления современной теории ЦОС (рис.1.2).

В настоящее время интенсивно развиваются мультимедийные интерактивные системы, обеспечивающие работу с неподвижными изображениями и движущимся видео, анимированной компьютерной графикой и текстом, речью и высококачественным звуком

3. Дискретизация речевого сигнала

Для применения методов цифровой обработки к такому аналоговому сигналу, как речевое колебание, необходимо представить его в виде последовательности чисел. Обычно это осуществляется путем периодической дискретизации аналогового сигнала для получения последовательности его значений:

, , (2.1)

где принимает только целые значения.

Теорема дискретизации

Условия, которые должны выполняться для того, чтобы аналоговый сигнал можно было представить последовательностью своих отсчетов единственным образом, хорошо известны и часто формулируются в следующем виде.

Теорема дискретизации: если сигнал имеет преобразование Фурье такое, что при ,то может быть восстановлен единственным образом по последовательности равноотстоящих отсчетов , , если .

Данная теорема вытекает из того факта, что если преобразование Фурье сигнала определяется выражением:

, (2.2)

и преобразование Фурье последовательности определено в соответствии с выражением:

, (2.3)

то в частотной области выполняется соотношение:

, (2.4)

Для пояснения соотношения (2.4) предположим, что имеет вид, показанный на рис. 2.2, т.е. допустим, что для . Частоту называют частотой Найквиста.

В соответствии с (2.4) представляет собой сумму бесконечного числа спектров , каждый из которых расположен на высших гармониках частоты .

(2.6)

Дискретизация предполагается во многих алгоритмах обработки речевых сигналов, предназначенных для оценки таких важных параметров речи, как частоты формант или период основного тона.