Авсентьев О.С., Авсентьев А.О., Гудков Д.А. «Математическая модель оптимизации выбора средств защиты речевой информации от утечки по акустооптическому каналу» Вестник Воронежского института МВД России, № 1, с. 25-36 (2019)

Рассматриваются условия реализации процессов передачи речевой информации, ее перехвата злоумышленником, а также процессы защиты от утечки по акустооптическому каналу. Исследуются характеристики и особенности технического канала утечки информации рассматриваемого типа на объектах информатизации с учетом изменений материального носителя, обусловленных разнородностью форм представления перехватываемой информации на различных участках такого канала. Предложена математическая модель выбора оптимального варианта защиты речевой информации от перехвата.

Жуманиязов Д.М., Львович И.Я. «О разработке системы для распознавания речи» Вестник Воронежского института высоких технологий, № 4, с. 58-60 (2018)

Описываются основные особенности системы, связанной с распознаванием голосовых сообщений. Приведена структурная схема системы обучения. Даны результаты тестового распознавания.

Колоколов А.С., Любинский И.А. «Измерение основного тона речевого сигнала с использованием функции автокорреляции» Автоматика и телемеханика, № 2, с. 152-160 (2019)

Предложен метод измерения основного тона речевого сигнала, основанный на получении и последующей обработке автокорреляционной функции анализируемого сигнала, подчеркивающей ее пик, связанный с периодом сигнала. Используемая обработка предотвращает грубые ошибки при измерении основного тона и представляет собой разновидность клиппирования положительных пиков автокорреляционной функции.

Хеин М.З., Довгаль В.М. «Сравнительная характеристика программных комплексов для анализа и обработки речевых сигналов с использованием вейвлетов» T-Comm: Телекоммуникации и транспорт, 12, № 12, с. 48-53 (2018)

Работа посвящена проблеме обработки и анализа речевых сигналов на основе ставшего одним из наиболее актуальных в последнее время метода вейвлет-преобразования. Растущая актуальность и несомненная практическая ценность стала причиной появления большого количества программных комплексов, позволяющих осуществлять обработку речевых сигналов на базе данного метода. Однако каждый из этих комплексов имеет существенные различия в интерфейсе, предоставляемых инструментах обработки, функциях, обладает рядом достоинств и недостатков. На данный момент написано большое количество пособий и рекомендаций по работе к конкретными программными комплексами, но эти материалы носят разрозненный и бессистемный характер. В статье предпринята попытка систематизации теоретического материала и описания сходств и различий, достоинств и недостатков трёх наиболее популярных программных комплексов: 1) Пакет расширения систем MATLAB 6.0/6.1/6.5 Wavelet Toolbox 2/2.1/2.2; 2) Программный комплекс Mathcad; 3) Wavelet Explorer системы Mathematica. Данная статья будет полезна специалистам, занимающимся проблемой обработки речевых сигналов с использованием метода вейвлет-преобразования, так как содержит материал, имеющий практическую ценность, а также позволит в определенной мере облегчить работу специалиста, связанную с выбором оптимального для реализации конкретной задачи программного комплекса.

Алимурадов А.К., Квитка Ю.С., Чураков П.П., Тычков А.Ю. «Повышение точности измерения частоты основного тона на основе оптимизации процесса декомпозиции речевых сигналов на эмпирические моды» Измерение. Мониторинг. Управление. Контроль, № 4, с. 53-65 (2018)

Рассматривается актуальный вопрос – повышение точности измерения частоты основного тона речевых сигналов. Объектом исследования является декомпозиция речевых сигналов на детерминистические и стохастические частотные составляющие с применением различных методов. Предметом исследования является улучшенная полная множественная декомпозиция на эмпирические моды с адаптивным шумом. Целью исследования является оптимизация процесса декомпозиции для повышения точности измерения частоты основного тона за счет улучшения частотно-избирательных свойств. Для декомпозиции речевых сигналов на частотные составляющие применялась адаптивная технология анализа нестационарных сигналов – улучшенная полная множественная декомпозиция на эмпирические моды с адаптивным шумом. Исследования и анализ данных были выполнены в среде математического моделирования Маtlаb (МаthWоrкs). Кратко представлен обзор известных методов декомпозиции, основанных на преобразовании Фурье и вейвлет-преобразовании. Рассмотрены их преимущества и недостатки, выявлены перспективы применения метода декомпозиции на эмпирические моды. Представлено подробное математическое описание разновидностей декомпозиций и подчеркнута необходимость оптимизации улучшенной полной множественной декомпозиции на эмпирические моды с адаптивным шумом. Представлен способ оптимизации улучшенной декомпозиции для повышения точности измерения частоты основного тона с кратким математическим описанием. Проведены исследования способа, направленные для оптимального определения параметров функционирования улучшенной декомпозиции. Показано, что предлагаемый способ на основе улучшенной полной множественной декомпозиции на эмпирические моды с адаптивным шумом успешно решает задачу повышения точности измерения частоты основного тона за счет лучших частотно-избирательных свойств.

Алимурадов А.К., Муртазов Ф.Ш. «Методы повышения эффективности распознавания речевых сигналов в системах голосового управления» Измерительная техника, № 10, с. 20-24 (2015)

Разработан усовершенствованный алгоритм распознавания речевых сигналов с дополнительными блоками обработки для увеличения количества сравниваемых информативных параметров и уменьшения естественных и спектральных искажений речевых сигналов. На основе верифицированной базы данных проведены экспериментальные исследования алгоритма.