МЕТОД АДАПТИВНОГО ПОДАВЛЕНИЯ ШУМОВ НА ОСНОВЕ ЭМПИРИЧЕСКОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ - Проблемы Информационных Технологий

МЕТОД АДАПТИВНОГО ПОДАВЛЕНИЯ ШУМОВ НА ОСНОВЕ ЭМПИРИЧЕСКОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ - Проблемы Информационных Технологий

МЕТОД АДАПТИВНОГО ПОДАВЛЕНИЯ ШУМОВ НА ОСНОВЕ ЭМПИРИЧЕСКОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ - Проблемы Информационных Технологий

МЕТОД АДАПТИВНОГО ПОДАВЛЕНИЯ ШУМОВ НА ОСНОВЕ ЭМПИРИЧЕСКОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ - Проблемы Информационных Технологий

МЕТОД АДАПТИВНОГО ПОДАВЛЕНИЯ ШУМОВ НА ОСНОВЕ ЭМПИРИЧЕСКОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ - Проблемы Информационных Технологий
МЕТОД АДАПТИВНОГО ПОДАВЛЕНИЯ ШУМОВ НА ОСНОВЕ ЭМПИРИЧЕСКОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ - Проблемы Информационных Технологий
НАЦИОНАЛЬНАЯ АКАДЕМИЯ НАУК АЗЕРБАЙДЖАНА

№1, 2017

МЕТОД АДАПТИВНОГО ПОДАВЛЕНИЯ ШУМОВ НА ОСНОВЕ ЭМПИРИЧЕСКОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ

Сухостат Людмила В.

Биометрическая аутентификация пользователей по голосу является одной из важных функций обеспечения информационной безопасности. Но изменения акустической среды и каналов связи создают различные искажения и шумы в речевых сигналах, в результате чего точность распознавания в таких системах значительно ухудшается. Поэтому удаление шума в речевых сигналах имеет важное значение для повышения точности распознавания личности по голосу. В статье предлагается метод адаптивного подавления шумов на основе эмпирического вейвлет-преобразования, который был проверен на речевых сигналах с различным уровнем шума (стр. 53-58).

Ключевые слова: речевые признаки, вейвлеты, эмпирическое вейвлет-преобразование, дискретный алгоритм разделения энергии.
DOI : 10.25045/jpit.v08.i1.06
Литература
  • Daubechies , Lu J., Wu H.-T. Synchrosqueezed wavelet transforms: an empirical mode decomposition-like tool // Applied and Computational Harmonic Analysis, 2010, vol.30, no.2, pp.243–261.
  • Wu H.-T., Flandrin P., Daubechies I. One or Two Frequencies? The Synchrosqueezing Answers // Advances in Adaptive Data Analysis, 2011, vol.3, no.1–2, pp.29–39.
  • Gilles J. Empirical Wavelet Transform // IEEE Transactions on Signal Processing, 2013, vol.61, no.16, pp.3999–4010.
  • Holambe R.S., Deshpande M.S. Noise robust speaker identification: using nonlinear modeling // Forensic Speaker Recognition, 2012, pp.153–182.
  • Имамвердиев Я.Н., Сухостат Л.В. Разработка робастного метода извлечения речевых признаков на основе эмпирического вейвлет-преобразования // Информационные технологии, 2015, №1, c.19–23.
  • Schlotthauer G., Torres E., Rufiner H.L. A new algorithm for instantaneous F0 speech extraction based on Ensemble Empirical Mode Decomposition / Proc. of 17th European Signal Processing Conf., 2009, pp.2347–2351.
  • Chhabra S., Bajaj R., Pachori R.B., Biswas R.N. Features based on Fourier-Bessel expansion for application of speaker identification system / Proc. Of Indian Conf. for Academic Research by Undergraduate Students, 2010, pp.1–3.
  • Имамвердиев Я.Н., Сухостат Л.В. AZ-SRDAT – речевая база данных для азербайджанского языка // İnformasiya texnologiyaları problemləri, 2013, №1, с.67–73.