Сергеев В.А., Резчиков С.Е. «Адаптивные алгоритмы измерения параметров низкочастотного шума полупроводниковых приборов» Журнал радиоэлектроники, № 11, с. 16 (2019)

Рассмотрены условия измерения спектральной плотности мощности (СПМ) низкочастотного (НЧ) шума со спектром вида G(f)=A/f^γ полупроводниковых приборов (ППП) методом непосредственной оценки и показано, что оптимальная полоса интегрирующего фильтра, при которой суммарная погрешность измерения СПМ минимальна, является функцией показателя γ формы спектра, значение которого априори неизвестно. В случае, когда в заданном диапазоне частот тепловой и дробовой составляющих шума ППП можно пренебречь по сравнению с уровнем НЧ-шума, а показатель γ – считать неизменным, для нахождения значения γ достаточно измерить СПМ на двух частотах. Анализируются возможности снижения погрешности измерения СПМ на заданной частоте и определения γ в заданном диапазоне частот путем применения адаптивных алгоритмов при заданном времени измерения. Приведены оценки выигрыша в точности измерения указанных параметров с использованием алгоритма, включающего этап предварительной оценки значения γ установление по полученной оценке значения γ оптимальной полосы фильтра, измерение СПМ на заданной частоте и последующее уточнение значения γ. Обсуждается организация измерения шумовых параметров ППП в условиях массового производства с целью снижения погрешности измерения с адаптивной или когнитивной подстройкой параметров измерительной системы по результатам оценки выборочных средних на обучающей выборке.

Романюк А.Г., Смирнов А.Н., Антонова В.М. «Использование глубокого обучения нейросети для распознавания голосовых команд пользователя» Журнал радиоэлектроники, № 11, с. 20 (2019)

Работа посвящена использованию сверточной нейронной сети для распознавания речи. Исследован способ обучения нейросети, произведенный на архиве из 7100 звуковых дорожек с проиндексированными метками, речевые сигналы в которых были преобразованы в log-mel спектрограммы. Обучение нейронной сети происходило на входящем сигнале, имеющем плавное распределение и нормализацию. В статье описана способность созданной сети распознавать разные произнесенные слова и определять, является ли входящий сигнал тишиной или фоновым шумом, что было достигнуто путем проработки 4000 образцов клипов шума. Рассматривается способность сети одновременно классифицировать несколько преобразованных входящих сигналов, независимо от точного положения речи во времени. Описан процесс создания виртуального устройства, способного считывать сигнал с микрофона с определенной частотой дискретизацией звука. В настоящей работе была получена нейросеть, которая может быть усовершенствована для понимания большего числа голосовых команд и использована в нескольких сферах жизнедеятельности человека.