Алгоритмы и конвейерное вычислительное устройство помехоустойчивой сегментации вокализованных участков речевого сигнала тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат технических наук Панов, Александр Ефимович

• Панов, Александр Ефимович
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Панов, Александр Ефимович

Введение.

Глава 1. Анализ методов, алгоритмов и быстродействующих устройств помехоустойчивого оценивания основного тона и сегментации вокализованных участков речевого сигнала.

1.1. Методы оценивания основного тона речевого сигнала.

1.2. Методы сегментации речевого сигнала на фонемы.

1.3. Устройства сегментации речевого сигнала.

1.4. Выводы.

Глава 2. Корреляционные методы сегментации речевого сигнала.

2.1. Корреляционный метод оценивания мгновенных значений квазипериодов основного тона речевого сигнала.

2.2. Метод сегментации речевого сигнала на вокализованные фонемы.

2.3. Выводы.

Глава 3. Алгоритмы и устройство определения траектории основного тона и сегментации речевого сигнала на вокализованные фонемы.

3.1. Алгоритм определения траектории частоты основного тона.

3.2. Алгоритм сегментации вокализованных участков на вокализованные фонемы.

3.3. Рекурсивный алгоритм потокового вычисления множества корреляционных функций.

3.4. Структурно-функциональная организация устройства сегментации.

3.4.1. Блок хранения данных.

3.4.2. Блок вычисления корреляционной функции.

3.4.3. Селектор данных.

3.4.4. Блок выделения максимумов.

3.4.5. Блок принятия решения.

3.5. Расчет сложности и быстродействия устройств УОТ и УСВУ.

3.5. Выводы.

Глава 4; Программное моделирование разработанных алгоритмов.

4.1. Выводы.

Введение диссертации (часть автореферата) на тему «Алгоритмы и конвейерное вычислительное устройство помехоустойчивой сегментации вокализованных участков речевого сигнала»

Актуальность работы. Первичная обработка речевого сигнала (PC) существенно влияет на качество функционирования информационно-речевых систем. При выделении содержащейся в PC информации необходимо располагать как можно большим количеством сведений о его структуре. Вероятность правильного распознавания речи и идентификации диктора зависит от точности определения траектории основного тона и сегментирования PC, то есть разделения его на вокализованные и невокализованные участки, разделения вокализованных участков на интервалы смежных вокализованных фонем, выделения самых коротких фонемных интервалов длительностью около четырех квазипериодов тональных колебаний. Эти же данные необходимы для повышения степени сжатия речевой информации. Причем эти процедуры первичной сегментации должны выполняться в реальном времени в темпе поступления в инструментальную ЭВМ оцифрованного PC.

Неразборчивость и шумовой фон реальной речи, большая нестабильность формирования звуковых колебаний речевым аппаратом существенно усложняют решение названных выше задач сегментации PC. В связи с этим известные методы и алгоритмы первичной обработки и сегментации PC имеют большую математическую и вычислительную сложность. Они ориентированы в основном на программную реализацию и пока имеют недостаточные помехоустойчивость и скорость работы. Необходимость дальнейшего повышения помехоустойчивости требует еще большего увеличения сложности названных алгоритмов, что при программной реализации приведет к дополнительному снижению скорости первичной обработки и сегментации PC.

В тоже время успехи микроэлектроники в повышении степени интеграции элементной базы ЭВМ позволяют аппаратно реализовать в одной специализированной СБИС очень сложные вычислительные алгоритмы и достичь требуемой высокой производительности за счет параллельной организации вычислений. Для этого требуется разработать метод повышения помехоустойчивости первичной обработки PC путем усовершенствования вычислительных алгоритмов сегментации и способ увеличения ее производительности за счет параллельной аппаратной реализации основных ее процедур оценивания мгновенных значений квазипериодов основного тона и сегментации вокализованных фонем.

В связи с вышеизложенным актуальной является научно-техническая задача: повышение помехоустойчивости аппаратно-ориентированных алгоритмов выделения в реальном времени траектории основного тона и вокализованных фонем.

Объект исследования: специализированное вычислительное устройство предварительной обработки речевого сигнала.

Предмет исследования: помехоустойчивые алгоритмы и устройство сегментации вокализованных участков PC в реальном времени.

Работа выполнена в 2005-2008 г.г. по плану совместных НИР научно-исследовательской лаборатории Центра информационных технологий в проектировании РАН и Курского государственного технического университета: «Информационные распознающие телекоммуникационные интеллектуальные системы».

Цель работы: разработка методов, алгоритмов и конвейерного устройства помехоустойчивого выделения основного тона и вокализованных фонем речевого сигнала.

Для достижения поставленной цели решены следующие задачи.

1. Анализ методов, алгоритмов и устройств помехоустойчивого оценивания основного тона и сегментации вокализованных участков речевого сигнала.

2. Модификация корреляционного метода оценивания основного тона путем введения многооконной скользящей обработки сигнала с целью повышения помехоустойчивости определения траектории основного тона.

3. Разработка метода сегментации вокализованных участков речи на фонемы, позволяющего повысить вероятность нахождения границ между ними.

4. Разработка вычислительного алгоритма потокового нахождения множества корреляционных функций в нескольких, разных по длительности, окнах скользящей обработки, как предпосылки для конвейеризации процедур определения траектории основного тона.

5. Разработка алгоритмов, структурной и функциональных схем специализированного конвейерного вычислительного устройства сегментации вокализованных участков речевого сигнала, работающего в реальном масштабе времени.

6. Программное моделирование алгоритмов функционирования разработанного устройства и оценка выигрыша по скорости и помехоустойчивости разработанных методов, алгоритмов и устройства. Оценка аппаратной сложности устройства при реализации на ПЛИС.

Научная новизна результатов работы состоит в следующем:

1. Разработан модифицированный корреляционный метод оценивания мгновенных значений квазипериодов основного тона речевого сигнала, отличающийся применением при скользящей обработке нескольких временных окон различных длительностей и отслеживанием переменного квазипериода наиболее подходящим по длительности окном, позволяющий повысить помехоустойчивость воспроизведения траектории основного тона.

2. Разработан метод сегментации вокализованных участков речи на фонемы, основанный на вычислении расстояния между нормализованными по частоте спектральными плотностями речевого сигнала в разных его квазипериодах, отличающийся учетом непостоянства тональной частоты, ограничением диапазона усреднения спектров по числу квазипериодов, специальными правилами локализации переходного участка между фонемами и позволяющий повысить вероятность нахождения границ между ними и помехоустойчивость процедур сегментации.

3. Разработан рекурсивный вычислительный алгоритм потокового нахождения множества корреляционных функций сигнала в нескольких разных окнах скользящей обработки, позволивший аппаратно совместить их одновременное определение и организовать конвейерное выполнение всех процедур определения траектории основного тона.

4. Разработаны алгоритмы, структурная и функциональные схемы специализированного вычислительного устройства сегментации вокализованных участков речевого сигнала, отличающегося двухкаскадной аппаратно-программной конвейерной организацией с программной реализацией в цифровом процессоре сигналов во втором каскаде заключительной процедуры сегментации на фонемы и аппаратной реализацией первого каскада в виде шестиступенчатого конвейера процедур оценивания тона, позволяющего достичь быстродействия, достаточного для выполнения предварительной обработки сигнала в реальном времени.

Практическая ценность.

1. Разработанное устройство может быть встроено в звуковую плату ПЭВМ для расширения ее функциональных возможностей по предварительной обработке речевых сигналов, разгружая центральный процессор. Выходные данные устройства являются необходимыми исходными данными для определения признаков при распознавании речи и идентификации диктора на программном уровне ПЭВМ, а также при сжатии речевой информации.

2. Разработанная структурно-функциональная организация устройства позволяет не менее чем в 30 раз повысить производительность по сравнению с программной реализацией в многоядерных микропроцессорах и цифровых процессорах сигналов и обрабатывать речевые сигналы в реальном масштабе времени на тактовой частоте 50-400 МГц.

3. В результате экспериментальных исследований функционирования программной модели устройства на фонотеке, включающей до 100 слов и фраз, показано, что разработанные методы и алгоритмы обеспечивают следующие показатели помехоустойчивости. Траектория основного тона воспроизводится с вероятностью 0.4.0.96 и погрешностью 0.02.0.015, границы между вокализованными фонемами находятся с вероятностью от 0.4 до 0.95 с погрешностью не более двух квазипериодов основного тона в диапазоне отношения сигнал/шум от-ЗдБ до 8дБ, что в среднем в 2 раза лучше показателей помехоустойчивости известных методов и алгоритмов. Реализация и внедрение. Результаты работы использованы в ОКБ «Авиаавтоматика» (г. Курск), в ООО «ЮнионСофт технолоджиз», а также в учебном процессе Курского государственного технического университета. Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на международных конференциях: МНТК «Распознавание-2003» (г. Курск, 2003), МНТК «Распознавание-2005» (г. Курск, 2005), МНТК «Распознавание-2008» (г. Курск, 2008), 22 межвузовской научно-технической конференции «Молодежь и XXI век» (г. Курск, 2003), МНТК «Information and telecommunication technologies in intelligent systems» (Mallorca, Spain, 2007), а также на научных семинарах кафедры ВТ КурскГТУ. Публикации. По материалам диссертации опубликовано 10 работ, в том числе 3 статьи, 2 из которых - в журналах, входящих в перечень ВАК, 5 тезисов докладов и 2 свидетельства об официальной регистрации программ для ЭВМ. Личный вклад автора. В работах, опубликованных в соавторстве, лично автором в [1,3,4] разработан модифицированный корреляционный метод оценивания мгновенных значений квазипериодов основного тона; в [2,5] разработан метод сегментации вокализованных участков речи на фонемы; в [6,8] проведена оценка помехоустойчивости названных методов сегментации вокализованных участков речевого сигнала; в [7] разработан рекурсивный алгоритм потокового вычисления множества корреляционных функций, структурные и функциональные схемы специализированного вычислительного устройства сегментации вокализованных участков речевого сигнала. На защиту выносятся следующие результаты:

1. Модифицированный корреляционный метод определения траектории основного тона речевого сигнала, отличающийся применением нескольких, убывающих по длительности временных окон скользящей обработки, позволяющий повысить помехоустойчивость и создать предпосылки для параллельного выполнения процедур оценивания основного тона.

2. Метод сегментации вокализованных участков речи на фонемы, основанный на вычислении расстояния между нормализованными по частоте спектральными плотностями речевого сигнала в разных его квазипериодах и позволяющий повысить вероятность нахождения границ между ними и помехоустойчивость процедур сегментации.

3. Рекурсивный вычислительный алгоритм потокового нахождения множества корреляционных функций сигнала в нескольких разных окнах скользящей обработки, позволивший аппаратно совместить их одновременное определение и организовать конвейерное выполнение всех процедур определения траектории основного тона.

4. Алгоритмы, структурная и функциональные схемы специализированного вычислительного устройства сегментации вокализованных участков речевого сигнала, отличающегося двухкаскадной аппаратно-программной конвейерной организацией и аппаратной реализацией первого каскада в виде шестиступенчатого конвейера процедур оценивания тона, позволяющего достичь быстродействия, достаточного для выполнения предварительной обработки сигнала в реальном времени.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и приложений. Список литературы включает 83 наименования.

Заключение диссертации по теме «Элементы и устройства вычислительной техники и систем управления», Панов, Александр Ефимович

4.1. Выводы

1. Разработаны программные модели описанных выше алгоритмов функционирования устройства.

2. Выполнена оценка помехоустойчивости разработанных методов и алгоритмов определения частоты основного тона и сегментации речевого сигнала на вокализованные фонемы. Экспериментально определены показатели помехоустойчивости: погрешность восстановления траектории основного тона 0.02.0.015, вероятность нахождения всех квазипериодов вокализованной фонемы 0.4.0.96. Границы между вокализованными фонемами находятся с вероятностью от 0.4 до 0.95 с погрешностью не более двух квазипериодов основного тона в диапазоне отношения сигнал/шум от -ЗдБ до 8дБ. Вероятность определения ложных границ внутри участков вокализованных фонем - 0.11.

Заключение

В диссертации решена актуальная научно-техническая задача повышение помехоустойчивости аппаратно-ориентированных алгоритмов выделения в реальном времени траектории основного тона и вокализованных фонем. Получены следующие результаты:

1. Разработан модифицированный корреляционный метод определения траектории частоты основного тона речевого сигнала, отличающийся применением нескольких, убывающих по длительности, временных окон скользящей обработки, отслеживанием мгновенного значения квазипериода оптимальным окном и адаптацией его длительности к нестабильности частоты основного тона, позволяющий повысить помехоустойчивость и создать предпосылки для параллельного выполнения процедур оценивания основного тона.

2. Разработаны метод и вычислительный алгоритм сегментации вокализованных фонем, основанные на вычислении расстояния между нормализованными по частоте спектральными плотностями речевого сигнала в разных его квазипериодах и совместном использовании процедур определения траектории основного тона и сегментации фонем, позволившие повысить помехоустойчивость и вероятность нахождения границ между разными вокализованными фонемами.

3. Разработана структурно-функциональная организация специализированного вычислительного устройства помехоустойчивого определения траектории основного тона, отличающаяся параллельно-конвейерным вычислением нескольких корреляционных функций в 35 окнах скользящей обработки, позволяющая не менее чем в 30 раз повысить производительность по сравнению с программной реализацией в многоядерных микропроцессорах и цифровых процессорах сигналов.

4. Выполнено программное моделирование алгоритмов функционирования разработанного устройства. Проведены статистические исследования основных показателей их помехоустойчивости. Траектория основного тона воспроизводится с вероятностью 0.4.0.96 и погрешностью 0.02.0.015, границы между вокализованными фонемами находятся с вероятностью от 0.4 до 0.95 с погрешностью не более двух квазипериодов основного тона в диапазоне отношение сигнал/шум от-ЗдБ до 8дБ, что в среднем в 2 раза лучше показателей помехоустойчивости известных методов и алгоритмов.

5. Результаты диссертационной работы в виде пакета специализированных программ внедрены на ОАО ОКБ «Авиаавтоматика» (г.Курск) и ООО «Юнионсофт Технолоджиз» (г. Курск). В результате экспериментальных исследований получено подтверждение основных теоретических положений диссертационной работы.

Список литературы диссертационного исследования кандидат технических наук Панов, Александр Ефимович, 2008 год

1. Панов, А.Е. Расширение допустимых диапазонов искажения формы и изменения частоты тональных колебаний, выделяемых в речевом сигнале корреляционным методом Текст. / А.Е. Панов, А.П. Типикин // Телекоммуникации. 2003. - №11. - С. 13-16.

2. Панов, А.Е. Метод выделения мгновенных значений квазипериода основного тона речевого сигнала Текст./ А.Е. Панов, А.П. Типикин // Методы с средства систем обработки информации: сб. науч. ст. Вып. 4 Курск: КурскГТУ, 2007. С. 70-76.

3. Panov, А.Е. More robust pitch determination on speech signals Текст. / А.Е. Panov, A.P. Tipikin // Материалы международной конференции Information and telecommunication technologies in intelligent systems. lTT'lS 07 -Mallorca, 2007. C.83-85.

4. Фант, Г. Акустическая теория речеобразования Текст. / Г. Фант // М.: Наука, 1964. 284 с.

5. Flanagan, J. L. Speech Analysis, synthesis, and Perception / J. L. Flanagan // New York: Springer-Verlag, 1972.

6. Бондаренко, В.П. Обработка речевых сигналов в задачах идентификации Текст. / В.П.Бондаренко, А.А.Конев, Р.В.Мещеряков // Известия ВУЗов «Физика», 2006. -Т.49. вып.9. - С.207-210.

7. Васильев, К.К. Фильтрация и распознавание речевых сигналов на фоне помех Текст. / К.К. Васильев, С.Л. Афонин, И.В.Крашенинников //Тезисы докладов 51-й научной конференции, посвященной Дню радио. Москва: РНТО РЭС им. А.С.Попова, 1996. - С.143-144.

8. Гудонавичус, Р.В. Распознавание речевых сигналов по их структурным свойствам Текст. / Р.В. Гудонавичус, П.П. Кемешис, А.Б. Читавичус // Л.: Энергия, 1977.-64 с.

9. Крашенинникова, Н.А. К вопросу о распознавании речевых команд в информационно-управляющих системах Текст. / Н.А. Крашенинникова // Электронная техника: Межвузовский сборник научных трудов. Выпуск 8-й. Ульяновск: УлГТУ, 2006. - С.77-83.

10. Методы автоматического распознавания речи Текст. /Под. ред. У.Ли. -М.: Мир, 1983. Т.1. -326 с.

11. Rabiner, L. R. Some preliminary experiments in the recognition of connected digits Текст. / L. R. Rabiner and M. R. Sambur// IEEE Trans. A coust., Speech, Signal Processing, vol. ASSP-24, pp. 170—182, Apr. 1976.

12. Rabiner, L. R. Applications of a nonlinear smoothing algorithm to speech processing Текст./ L. R. Rabiner, M. R. Sambur, and С. E. Schmidt // IEEE Trans. Acoust., Speech, Signal Processing, vol. ASSP-23, pp. 552—557, Dec. 1975.

13. Levitt, H. Speech Processing Aids for the Deaf: An Overview Текст. / H. Levitt // IEEE Trans. Audio and Electroacoustics, 1973 г. Vol. AU-21. - стр. 269-273.

14. Крашенинников, И.В. Системы анализа речевых сигналов Текст. / И.В.Крашенинников, А.И.Горбунов // Тезисы докладов 31-й научно-технической конференции УлГТУ. Ульяновск: УлГТУ, 1997. - Часть 2. -С.20-22.

15. Косарев, Ю.А. Естественная форма диалога с ЭВМ Текст. / Ю.А. Косарев //М.: Машиностроение, Ленингр. отд., 1989. -142 с.

16. Плотников, В. Н. Речевой диалог в системах управления Текст. / В. Н. Плотников, В. А. Суханов, Ю. Н. Жигулевцев// М.: Машиностроение, 1988. 224 с.

17. Atal, В. S. Automatic speaker recognition based on pitch contours Текст. / В. S. Atal // J. Acoust. Soc. Amer., vol. 52, pp. 687—1697, Dec. 1972.

18. Rosenberg, A. E. New Techniques for Automatic Speaker Verification Текст. /

19. A. E. Rosenberg, M. R. Sambur // Speech, and Signal Proc. : IEEE Trans. Acoust., 1975 r. - Vol. ASSP-23. - стр. 169-176.

20. Бабкин, В.В. Помехоустойчивый выделитель основного тона речи Текст. /

21. B.В. Бабкин // 7-ая Международная Конференция и Выставка Цифровая Обработка Сигналов и ее Применение DSPA-2005. Москва, 2005.

22. Арлазаров, В.Л. Методы выделения периодов основного тона в речевомсигнале Текст. / Арлазаров В.Л, Богданов Д.С., Розанов А.О., Финкель-штейн Ю.Л. //

23. Крашенинников, И.В. Методы определения периода речевых сигналов Текст. / И.В. Крашенинников // Труды Ульяновского научного центра «Ноосферные знания и технологии» РАЕН. Том 2. Выпуск 1. Ульяновск, 1999. - С.111-116.

24. Gold, В. Parallel Processing Techniques for Estimating Pitch Periods of Speech in the Time Domain Текст. / В. Gold and L. R. Rabiner //J. Acoust. Soc., Am., Vol. 46, No. 2, Pt. 2, pp. 442-448, August 1969.

25. Gold, B. Computer Program for Pitch Extraction Текст./ Gold B. // J. Acoust. Soc. Am, Vol. 34, No. 7, pp. 916-921, 1962.

26. McGonegal, C. A. A semiaptomatic pitch detector (SAPD) Текст. / С. A. McGonegal, L. R. Rabiner, and A. E. Rosenberg // IEEE Trans. Acoust., Speech, Signal Processing, vol. ASSP-23, pp. 570—574, Dec. 1975.

27. Markel, J. D. The SIFT algorithm for fundamental frequency estimation / J. D. Markel // IEEE Trans. Audio Electroacourt., vol. AU-20, pp. 367—377, Dec. 1972.

28. Dubnowski, J. J. Real-time digital hardware pitch detector / J. J. Dubnowski, R. W. Schafer and L. R. Rabiner // IEEE Trans. Acoust., Speech, Signal Processing, pp. 2-8, vol ASSP-24, feb 1976.

29. NoB, A. M. Cepstrum pitch determination Текст. / A. M. NoB // Acoust. Soc. Amer, vol. 41, pp. 293—309, Feb. 1967.

30. Rabiner, L. R. On the Use of Autocorrelation Analysis for Pitch Detection /

31. R. Rabiner // IEEE Trans. Acoust., Speech and Signal Proc., Vol. ASSP-25, No. 1, pp. 24-33, February 1977.

32. Cheng, M. J. A comparative performance study of several pitch detection algorithms Текст. / M. J. Cheng // M. S. thesis, Mass. Inst. Technol., Cambridge, June 1975.

33. Ross, M. J. Average Magnitude Difference Function Pitch Extractor Текст. / M. J. Ross, H. L. Shaffer, A. Cohen, R. Freudberg, and H. J. Manley // IEEE Trans. Acoust., Speech and Signal/ Proc., Vol., ASSP-22, pp. 353-362, October 1974.

34. Sondhi, M. M. New Methods of Pitch Extraction Текст. / M. M. Sondhi // IEEE Trans. Audio and Electroacoustics, Vol. AU-16, No. 2, pp. 262-266, June 1968

35. Miller, N. J. Pitch detection by data reduction Текст. / N. J. Miller // IEEE-Trans, Acoust., Speech, Signal Processing (Special Issue on IEEE Symposium on Speech Recognition), vol. ASSP-23, pp. 72-79, Feb. 1975.

36. Barnwell, T. P. Pitch and Voicing in Speech Digitization Текст. / Т. P. Barnwell, J. E. Brown, A. M. Bush, and C. R. Patisaul // Res. Rep. No. E-21-620-74-B4-1, Georgia Inst, of Tech., August 1974.

37. Cheveigne, A. YIN, a fundamental frequency estimator for speech and music Текст. / A. Cheveigne, H. Kawahara // Journal of the Acoustical Society of America, Vol 111(4), pp 1917-30, April 2002.

38. Sun, X. Pitch determination and voice quality analysis using subharmonic-to-harmonic ratio Текст. / X. Sun // Proc. of IEEE International Conference on

39. Acoustics, Speech, and Signal Processing, Orlando, Florida, May 13-17, 2002.

40. Рабинер, Л.Р. Цифровая обработка речевых сигналов, пер. с англ Текст. / Л.Р. Рабинер, Р.В. Шафер // М : Радио и связь, 1981. стр. 496.

41. Лурия, А. Р. Высшие корковые функции человека и их нарушения при локальных поражениях мозга / А. Р. Лурия // М., 1962.

42. Правдина, О. В., Логопедия / Правдина, О. В. // М., 1969;

43. Travis, L. Е. Handbook of speech pathology ed. by L. E. Travis / N. Y. Luchsinger R., Arnold G. E. // Lehrbuch der Stimm- und Sprach-heilkunde, 2 Aufl., W., 1959.

44. Хорев, A.A. Системы виброакустической маскировки Текст. / А.А. Хорев // Специальная техника. №6, - 2006.

45. Сорокин, В.Н. Сегментация и распознавание гласных. Текст. / В.Н. Сорокин, А.И. Цыплихин // Информационные процессы, 2004 г. 2 : Т. 4. -стр. 202-220.

46. Кринов, С.Н. Сегментация речевых сигналов Текст. / С.Н. Кринов, Г.И. Цемель // Речевое общение в автоматизированных системах. М.: Наука, 1975.-С. 14-24.

47. Потапова, Р.К. Лингвистические ограничения и сегментация слитной речи / Р.К. Потапова // Проблемы построения систем понимания речи. М.: Наука, 1980.-С. 18-30.

48. Кириллов, С.Н. Алгоритмы сегментации речевых сигналов в естественноязыковых интерфейсах / С.Н. Кириллов, А.С. Шелудяков, О.Е. Шустиков. // ЭВМ и информационные технологии. Межвузовский сборник научных трудов. Рязань, 1998. - С. 4-8.

49. Конев, А.А. Выделение вокализованных звуков в слитной речи Текст. / А.А.Конев, В.И.тихонова // Сборник трудов Х\/1сессии Российского акустического общества. Том III. Москва: ГЕОС, 2005. - С.47-50.

50. Ермоленко, Т. Алгоритмы сегментации с применением быстрого вейвлет-преобразования / Т. Ермоленко, В. Шевчук //Статьи, принятые к публикации на сайте международной конференции Диалог^ООЗ. www.dialog-21.ru

51. Kamakshi, Prasad Automatic segmentation of continuous speech using minimum phase group delay functions Текст. / Prasad Kamakshi, Nagarajan, Mur-thy Hema // Speech Communication, 2004, vol. 42, PP. 429-446.

52. Van Hemert, J.P. Automatic segmentation of speech Текст. / J.P. Van Hemert // IEEE Transactions on Signal Processing, 1991, vol. 39, PP. 1008-12.

53. Патент № 5942709 США. МПК G10H 1/057. Audio processor detecting pitch and envelope of acoustic signal adaptively to frequency / Andreas Szalay . -заявлено 07.03.1997; N813549; опубл. 24.08.1999.

54. Патент № 4845753 США. МПК G01L 7/02. Pitch detecting device / Satoshi Ya-sunaga. заявлено 18.04.1986; N943217; опубл. 4.07.1989.

55. Патент № 1895507A1 ЕР. МПК G10H 3/12. Pitch estimation, apparatus, pitch estimation method, and program / Masataka Shizuoka, Tajuya Shizuoka, Keita Shizuoka. заявлено 03.09.2007; N943217; опубл. 05.03.2008.

56. Цилькер, Б. Я. Организация ЭВМ и систем / Б. Я. Цилькер, С. А. Орлов // Учебник для вузов СПб.: Питер, 2004. 668 с.

57. Hung, P. Fast division algorithm with a small lookup table Текст. / P. Hung, H. Fahmy, 0. Mencer, and M. J. Flynn // in Asilomar Conference on Signals,Systems and Computers, vol. 2, pp. 1465-1468, November 1999.

58. Belanovic, P. A library of parameterized modules for floating-point arithmetic and their use Текст. / P. Belanovic and M. Leeser // in High Performance Embedded Computing, September 2002.

59. Sorokin, N. Implementation of high-speed fixed-point dividers on FPGA Текст. / N. Sorokin //JCS&T Vol. 6 No. 1, April 06.

60. Бибило, П.Н. Основы языка VHDL Текст. / П.Н. Бибило // М.: СОЛОН-Р, 2000. 208 е.: ил.

61. Бибило, П.Н. Синтез логических схем с использованием языка VHDL Текст. / П.Н. Бибило // М.: СОЛОН-Р, 2002. 384 с.

62. Суворова, Е.А. Проектирование цифровых систем на VHDL Текст. / Е.А. Суворова, Ю.Е. Шейнин // СПб.: БХВ-Петербург, 2003. 576 с.

63. Leeser, М. Variable Precision Floating Point Division and Square Root / M. Leeser, X. Wang // Proceedings of the 14th Annual IEEE Symposium on Field-Programmable Custom Computing Machines, 2006, pp. 249-258.

64. Панов, A.E. Программный комплекс с открытой архитектурой для широкодиапазонного выделения основного тона речевого сигнала // Свидетельство об официальной регистрации программ для ЭВМ N92006612757.

65. Панов, А.Е. Программный комплекс с открытой архитектурой для сегментации речевого сигнала на вокализованные фонемы // Свидетельство об официальной регистрации программ для ЭВМ №2006612549.

66. Таланов, А. программа EDSW / А. Таланов // http://www.dsp-sut.spb.ru/edsw/