Апостериорные алгоритмы распознавания квазипериодических последовательностей тема диссертации и автореферата по ВАК РФ 05.13.16, кандидат технических наук Кутненко, Ольга Андреевна

• Кутненко, Ольга Андреевна
• кандидат технических наук
• 2000

Оглавление диссертации кандидат технических наук Кутненко, Ольга Андреевна

Введение

Глава 1. Сущность и особенности проблемы распознавания числовых квазипериодических последовательностей.

1.1. Содержательная постановка задачи

1.2. Специфика задачи классификации

1.3. Особенности задачи обучения

1.4. Выводы

Глава 2. Классификация квазипериодических яоследовател ьностей

Введение.

2.1. Постановка задачи.

2.2. Задача классификации последовательности как задала проверки гипотез о среднем.

2.3. Функция правдоподобия и целевая функция.

2.4. Алгоритм совместного распознавания и обнаружения

2.5. Временная и емкостная сложность алгоритма

2.6. Границы вероятности ошибки распознавания.

2,7, Численное моделирование и анализ результатов . . . 50 2.8. Выводы.

Глава 3. Восстановление подпоследовательности ко квазилериоднческим данным

Введение.

3.1. Постановка задачи

3.2. Ограничения на число полных импульсов в анализируемом кадре

3.3. Критерий решения задачи обучения.

3.4. Алгоритм обучения при заданном числе импульсов

3.5. Временная и емкостная сложность алгоритма обучения при заданном числе импульсов.

3.6. Алгоритм обучения при неизвестном числе импульсов.

3.7. Временная и емкостная сложность алгоритма обучения при неизвестном числе импульсов.

3.8. Численное моделирование

3.9. Выводы.

Глава 4. Применение разработанных алгоритмов к решению некоторых задач автоматической обработки сигналов.

Введение.

4.1. Очистка, речевых сигналов от квазипериодической помехи.

4Л.1. Постановка задачи

4Л.2. Критерий решения задачи

4.1.3. Алгоритм очистки

4.1.4. Экспериментальные результаты

4.2. Инструментальная система для обработки и анализа речевых сигналов.

4.2.1, Краткое описание системы

4.2.2. Разметка (маркировка) речевых сигналов

4.3. Выводы.

Введение диссертации (часть автореферата) на тему «Апостериорные алгоритмы распознавания квазипериодических последовательностей»

Актуальность темы. Проблема обработки несинхронизироваиных импульсных последовательностей характерна для многих приложений. В системах радиолокации, например, совокупность импульсов может использоваться для принятия решения "свой-чужой*, а в системах медицинской ж технической диагностики -- для. установления заболевания и прогнозирования неисправностей, В системах передали речи ж? каналам связи зачастую требуется подавление импульсных помех и т.н. Повышение эффективности подобных систем является важной практической ;зада.чей, С этой' задачей связаны задали иовм-г^лчрч« ^т^ *>*уг'ррлЯРА^Г-трпи 1 ¥ Т'т|^\пугТ0ЙЧйВОСТИ аЛШрИТМОВ С о » ч е I» с*г** » I ( >»• 1 1, „и 5ч последовательностей. ч* > * ^« * » «' 5, <» * «г >* и я местных моментах вре-> < ч " и * и."* 1 рч ^ » , ! 1 < > чос! I алгоритмов решения

I 1 «, 'И'», . ^ и1' < ¡Ъ »»» тъностей. мх точность, I Ч и '^/и и, 1 1 ' А, ¿3 возможных алриор

1 , ' < * * ч -^и « -1 < мл ззше о том, что момен-» х*»м * 1 я . ! и ' л н | а 14 " й совокупности - неизвестные детерминированные величины, причем промежутки времени между началами соседних импульсов лежат б некотором заданном интервале. Исходя мч физических соображений, подобную совокупность импульсов можно ммтернретировать как. жвазшериодмческую последовательность ? а дискретные отсчеты такой импульсной тгоследова.

Ц ■ 1 1 IV! > Ч > >»| Ц 5 I к Т 'Г } " " " <

Д г Т ■ < ' ,П (и Ьч к Я , ** 1 \ щ 1У> ЧгЬ Ч ! * Х" V » о * " ( "Ч^ < гА П<| 1 и <1 > К < >И 4« 1, Ч|Д 1 МИ.и ¡'Ы V И >! 'ч ¡н л. с 1С 1 > пг>л - с* ее ' «.л г* • >"( щ*' >г / (« %к '

I % к г ь ' г -» 1 1 |, с \ ?

I >1 - I Чк т > ч 'Л , < ' 4 ^ /кг <1 ч ? ' * 1 Ду и?« и Оч. VI, V ' I А \ ч > ' х-" а <« Ч ? ¡^ 6 ч Г< и > " V5 п< Н К » X " ГИ * 1 < Г » Ц < Ч

П ^ ! 1*1 Т( ' , ? 4*"»» ¡п ? р г г г ',1 !

V > 011., , ч , < г I» | 1 | .4 е * я ' « *<, у>о< 4 4 < ; 1 !, + 4 I. <- 8« » Ь 1л4 1 лг1 Со «. ~ а ' I' «а

Дс,ш И йсисдозаши.» Цч-ЛЬдЗ -М.Ч,Л>>.€л ся разработка ж исследование апостериорных вычислительных алгоритмов распознавания числовых квазишериодяческих последовательностей.

Для достижения цели решаются следующие задачи;

- анализ подходов к решению проблемы распознавания квазипериодических последовательностей;

- разработка и исследование алгоритмов (обучения и классификации). обеспечивающих распознавание квазипериодических последовательностей;

- полу чение границ вероятности ошибки распознавания;

- анализ временной м емкостной сложности разработанных алгоритмов; численное моделирование и применение разработанных, алгоритмов для решения прикладных задач.

Методы исследований опираются на аппарат теории вероятностей. математической статистики, теоретической кибернетики, а также математическое моделирование.

Работа является частью общего направления исследований по разработке методов и вычислительных алгоритмов обработки квазинери-одических последовательностей, развиваемого Кельмановым A.B. Научная новизна работы состоит б следующем, 1. В работе получены приоритетные результаты по решению проблемы распознавания числовых квазинермодмческих последовательностей . включающих одинаковые подпоследовательности, ориентированные на обработку данных в условиях, когда моменты времени яа~ чала подпоследовательностей - неизвестные детерминированные величины. Этими результатами являются решения двух новых, ранее не исследованных задач:

1) решение задачи классификации квазияериодических последовательностей , вкл юч ающее:

- точный вычислительный алгоритм, обеспечивающий принятие решения по критериям Вайеса и максимального правдоподобия за полиномиальное время с линейными затратами по памяти, выражения для верхней и нижней границ вероятности ошибки распознавания, а также оценки временной и емкостной сложности алгоритма, увязанные с параметрами задачи;

2) решение задачи восстановления подпоследовательности, порождающей квазипериодическую последовательность, включающее:

- приближенный вычислительный алгоритм, обеспечивающий сближение оценок членов подпоследовательности с оценками максимального правдоподобия за полиномиальное время с линейными затратами по памяти,

-•• оценки временной и емкостной с,ложности алгоритма, связанные с параметрами задали.

2. Созданы новые средства речевых информационных технологий, включающие алгоритмическое и программное обеспечение для: 1) очистки речевых сигналов от квазмнериодичеошх импульсных помех, что дает возможность эффективно восстанавливать речевые сшччалы? утратившие разборчивость;

Т) сегментация речевых сигналов на квазипериодичесжие участки., что позволило создать синтезатор русской речи яо тексту, генерирующий сигнал, близкий к естественному но назурадьносхи речи. Практическая цеянос'гь результатов работы соектт и 'шм, что найденные решения тдзч,, а также предложенное алгоритмическое и программное обеспечение может быть использовано для создания белее совершенных продуктов в облает?! обработки сигналов различной природы, & частности, для автоматической обработки речевых сигналов. Научные результаты, полученные в диссертаиии, внедрены б в/ч 45807-Э,

Стгзь с гасударствеипммн программами и НИР. Работа вы-поЛ№Я<Х .6 рамках проектов №94-О]~О0169~а (Ш4~1996гг){ №37-07-30302 ; Ш77Р.99мт) и №97-01-00866 (Ш7-Ш9гг>, поддержанных РФФИ, Результаты джхертал.шшно?-! работы в в»де алгоритмического к тгро-граммного обеепечемш! для сч. истки речевых сигналов от помех Рыли использованы яри въш^лтнш Н'ЙР по тем« "ЧИНАРА-СО" (1994-199вгтр которая проводилась по постановлению правительства РФ в соответствия с планом МО РФ.

Апробация работы. Основные положения работы докладывалась на Второй м Третьей Всероссьгйскнх конференциях РРаглюзнава-яме образов и анализ изображений: новые информационные -технологии" !.РОАИ~У-95; г.Ульяткчвск. 1995 г. РО А. И-3-97, сНижка? Новгород, 1997 п); Седьмой к Восьмой Всероссийских конференциях "Математические методы распознавания обра-зов" (ММРО-7. ММРО-8, г. Москва. 1995, 1397 гг.}; Втором. Сибирском конгрессе но Прикладной и Индустриальной Математике (ИНПРИМ~У6*, г-Новосибирск, г, Результаты работы обсуждались на- научных семинарах йнстштта математики Сибирского отделения РАН, Института вычислительной математики и математической геофидики Сибирского отделения РАН,

Вошеибирсжого 1 осударетвеннсго университета. у,

Личный вклад. Выносимые на защиту результаты получены сооискателем лично. В опубликованных совместных работах участке автора заключалось в разработке и исследовании алгоритмов, их программной реализации и численном моделировании.

Создание и внедрение прикладных разработок осуществлено сотрудниками Института математики СО РАН при непосредственном участии соискателя.

Публикации. По теме диссертации опубликовано 18 работ, включая 3 отчета но научно-исследовательским работам. На защиту выносятся:

1. Совокупность результатов но решению проблемы распознавания числовых квазипериодических последовательностей, содержащая:

- точный апостериорный вычислительна алгоритм решения задачи статистической классификации, включая оценки его временной и емкостной сложности, а также оценки сверху и снизу для вероятности ошибочной классификаций;

- приближенный вычислительный алгоритм апостериорного типа для решения задачи восстановления подпоследовательности по искаженным данным (задачи обучения) вместе с оценками его временной и емкостной сложности.

2. Комплекс научно-технических средств в составе действующих систем обработки (•СВреесЬЬаЬ>') и синтеза (<СТекстофон>) речевых сигналов, разработанных в Институте математики СО РАН, включающий:

- алгоритмическое и программное обеспечение подсистемы очистки речевых сигналов от квазипериодических импульсных помех, позволяющее восстанавливать сигналы, утратившие разборчивость;

- новое конструктивное решение подсистемы сегментации и маркировки речевых сигналов, позволившее улучшить естественность синтезированной устной речи.

Объем и структура работы. Диссертационная работа изложена на 126 страницах и состоит из введения, четырех глав, заключения и двух приложений. Основной текст занимает 107 страниц, приложения 6 страниц. Иллюстративный материал включает 29 рисунков. Список литературы состоит из 165 наименований.

Заключение диссертации по теме «Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (по отраслям наук)», Кутненко, Ольга Андреевна

4.3. Выводы

Данная глава посвящена вопросам практического использования разработанных алгоритмов при решении следующих задач автоматической обработки сигналов: 1) задачи очистки речевого сигнала от аддитивной квазипериодической импульсной помехи; 2) для автоматической разметки речевых сигналов, необходимой для управления мелодическим контуром синтезированной речи.

В 1 параграфе предложен новый алгоритм выделения или детектирования полезного (речевого) сигнала из смеси с аддитивной квазипериодической помехой. Приведенное решение задачи опирается на, результаты главы 2 и относится к алостериорно-последовательным методам решения подобных задач, т.е. к методам обработки сигнала, в режиме скользящего кадра фиксированной длины. Для очистки сигнала в каждом последовательном кадре используется критерий минимума квадрата евклидова расстояния между наблюдаемым вектором и вектором помехи на, множестве всевозможных векторов, компоненты которых образуют квазипериодические импульсные последовательности. Данный критерий является оптимальным, если речевой сигнал рассматривать как некоррелированный гаус-совский процесс с нулевым математическим ожиданием и конечной дисперсией. Несмотря на то, что подобная модель речевого сигнала является довольно упрощенной, она вполне приемлема для практики.

В работе показано, что минимизация квадрата евклидова расстояния эквивалентна нахождению экстремума аддитивной целевой функции с ограничениями в виде линейных неравенств и, таким образом, для подавления квазипериодической помехи можно воспользоваться результатами 2 главы. Для обеспечения обработки наблюдаемого временного ряда в режиме скользящего кадра решена задача выбора оптимальной длины кадра, установлено правило сдвига анализируемого кадра, реализованы три варианта стыковки результатов обработки соседних кадров. В работе приведены оценки трудоемкости алгоритма, увязанные с параметрами задачи.

Работоспособность алгоритма подтверждена результатами численного моделирования и обработкой зашумленных речевых сигналов. Алгоритм позволяет восстанавливать речевые сигналы полностью утратившие свою разборчивость из-за наличия аддитивной квазипериодической помехи и, кроме того, может использоваться для скрытой передачи речи по каналам связи. Алгоритм внедрен в В/Ч 45807-Э.

Во 2 параграфе дано краткое описание разработанной в Институте математики СО РАН инструментальной системы <СЗреесЬЬаЬ^> для обработки и анализа речевых сигналов, в которой задействованы разработанные автором алгоритмы; описаны результаты применения алгоритма восстановления подпоследовательности для сегментации и маркировки речевых сигналов, использовавшихся в речевом синтезаторе ^Текстофон1», созданном в Институте математики СО РАН. Применение данного алгоритма позволило создать синтезатор русской речи по тексту, генерирующий сигнал, близкий к естественному по натуральности речи.

Разработанное алгоритмическое и программное обеспечение может быть использовано в разнообразных приложениях, связанных с автоматической обработкой и распознаванием несинхронизированных по времени данных.

ЗАКЛЮЧЕНИЕ

1. Из множества проблем обработки данных в работе выделена актуальная проблема распознавания квазипериодических последовательностей и выявлена особенность этой проблемы: необходимость решения с каждой кз классических задач - классификации и обучения - задали обнаружения моментов разладки квазипериодической последовательности,

2. Поскольку вопросы распознавания квазипериодических последовательностей ранее не были изучены, в работе "проведены: соответствующие исследования. При этом получены приоритетные результаты, ориентированные на обработку данных в условиях, когда моменты времени начала подпоследовательностей - неизвестные детерминированные величины. К этим результатам относятся решения двух новых, ранее не исследованных задач:

1) классификации квазипериодических последовательностей, включающее:

- точный вычислительный алгоритм, обеспечивающий принятие решения но критериям Байеса и максимального правдоподобия за полиномиальное время с линейными затратами по памяти,

- выражения для верхней и нижней границ вероятности ошибки распознавания, а также оценки временной и емкостной сложности алгоритма, увязанные с параметрами задачи;

2) восстановления подпоследовательности, порождающей квазипериодическую последовательность, включающее:

- приближенный вычислительный алгоритм, обеспечивающий сближение оценок членов подпоследовательности с оценками максимального правдоподобия за полиномиальное время с линейными затратами по памяти.

- оценки временной и емкостной сложности алгоритма, связанные с параметрами задачи.

3. Найденные решения позволили создать новые средства речевых информационных технологий, включающие алгоритмическое и программное обеспечение для:

1) очистки речевых сигналов от квазипериодических импульсных помех, которое дает возможность эффективно восстанавливать речевые сигналы, утратившие разборчивость;

2) сегментации речевых сигналов на, квазипериодические участки, которое позволило создать синтезатор русской речи по тексту, ге

Список литературы диссертационного исследования кандидат технических наук Кутненко, Ольга Андреевна, 2000 год

1. Айвазян С .А., Вежаева З.Й., Староверов О.В. Классификация многомерных наблюдений -М.:Статистика, 1974240с.

2. Бонгард М.М. Проблема узнавания.-М.:Наука,'1967-320с.

3. Вапник В.Н., Червоненкис С.А. Теория распознавания образов. Статистические проблемы обучения.- МлНаука, 1974.--415с.

4. Горелик А.А., Скринкин В.А. Методы распозиавания.-М. :Высжаяшкола, 1984.-208с.

5. Дуда Р., Харт П. Распознавание образов и анализ сцен.- МлМир,1976.-511с.

6. Журавлев Ю.А., Камилов М.М. Алгоритмы вычисления оценок и их и рименение .-Ташкент: Фан,1974.-190с.

7. Журавлев Ю.А., Экстремальные алгоритмы в математических моделях для задач распознавания, ж классифижацжи //Докл. АН СССР.-М,: Н аука, 1976.-Т. 231 .-№3.-с.532-535.

8. Загоруйко Н.Г. Методы распознавания и их применение- М,:Сов.радио,1972.-207с.

9. Загоруйко Н.Г. Прикладные методы анализа данных и знаний Новосибирск: Изд-во ИМ,1999.-270с.

10. Мазуров В.Д. Математические методы распознавания образов.-Свердловск: Изд-во Ур.ГУД982.-83с.

11. Ту Дж., Гонсалес Р. Принципы распознавания образов.- М.:Мир, 1978.-416с.

12. Фу К. Структурные методы в распознавании образов.- М.:Мнр,1977.-319с.

13. Пушкин Я.З. Основы теории обучающих систем.- М.:НаукаД970.252с.

14. Айвазян С .А., Бухштабер В.М., Енюков И.О., Мешалкин Л .Д.

15. Прикладная статистика: Классификация и снижение размерности .-М.гФинансы и статистик а, 1989.-60 8с.

16. Андерсон Т. Введение в многомерный статистический анализ.-М.:Физматгиз, 1963.-500с.

17. Вапник В.H. Восстановление зависимостей по эмпирическим дан-ным.-М. : Наука, 1979 .-448с.

18. Енюков И.С. Методы, алгоритмы, программы многомерного статистического анализа.-М.¡Финансы и статистика,!986 .-232с.

19. Патрик Э.А. Основы теории распознавания образов. М.:Сов. радио, 1980.-408C.

20. Фукунага К. Введение в статистическую теорию распознавания образов.~М.:Наука, 1979.-367с.

21. Абусев P.A. О сравнении поточечной и групповой классификации в случае многомерного распределения //Статистические методы.-Пермь,1982.-е. 3.(Перм. ун-т).

22. Абусев P.A., Лумельский Я .П. Несмещенные оценки и задачи классификации многомерных нормальных совокупностей //Теория вероятностей и ее применения-1980.-№2,-с.381~389.

23. Абусев P.A., Лумельский Я IL Статистическая групповая классификация- Пермь,1987.-92с.(Перм. ун-т).

24. Абусев P.A. О групповом подходе в распознавании образов //IV Всес.конф. "Мат. методы распознавания образов" (MMPO-ÏV): Тез. докл.-Рига, 1989.-Ч. 1.-С.З-5.

25. Клигис В.И. Групповая классификация многомерных марковских последовательностей //Статистические проблемы управления.- Вильнюс, 198 1 .-ВЫП.50.-С.57.

26. Клише В.И, Групповая кл ассифмкация серий многомерных наблюдений //Тез.докл. /Перм. ун-т.-Пермь, 1984.-с.81.

27. Абусев P.A. Групповая классификация,. Решающие правила и их характеристикиПермь: йзд-во Перм. уа~та,1992.~ 219с.

28. Duncan A.J. Quality control and industrial statistics.- N.Y.i Irwin, 1974.- 992p.

29. Page E.S. Continuons inspection schemes /YBiometrika.--1954.-Vol.41, .-p.lOG-l 15.

30. Page E.S. A test for a change in a parameter occiirmg at an unknown point // Biometrika,-1955Vol 42, IN.-p.523-527.

31. Ashish Sen, Mini S. Srivastava. On multivariate tests for detectingchange in mean //Sankhya.-1973 .-ser.A.-Vol.35Д*2,-р. 173-186.

32. Ashish Sen, Mini S. Srivastava. Some one-sided test for change in level / /Teclmometrics.-1975 .-Vol. 17 1 .-p.61-64.

33. Ashish Sen, Mini S. Srivastava. On tests for detecting change in mean //Ann. of Stat.-1975.-Vol.3,M.-p.98-108.

34. Вородкин Л .И., Моттль В.В. Алгоритм обнаружения моментов изменения параметров уравнения случайного процесса //Автоматика и телемеханика.-197б .-№«б,-с.23~32.

35. Hinkley D.V. Inference about the change-point from cumulative sum tests //Biometrika.-1971.-Voi.58,M3.-p.509-523.

36. Hinkley D.V. Time-ordered classification //Biometrika.-1972.-Vol.59, jV*3.-p.509-523.

37. Johnson R.A., Bagshaw M.L. The effect of serial correlation on the per-fomance ofCUSOM tests. i,H //Tedmometiics.-1974.- Vol. 16,^1.-p.73-80,1975 Vol. 17 ,JM .-p.103-112.

38. Johnson R.A., Bagshaw M.L. Sequential procedures for detecting parameter changes in a time-series model //JASA -1977 .-VoL72,N»359 -p.593597.

39. Липейкеяе И. Определение момента изменения свойств случайной последовательности, описываемой моделью авторегрессии скользящего среднего //Статистические проблемы управления-Вильнюс, 1973-ВЫП.7.-С.65-75 (йн-т физики и математики АН ЛитССР).

40. Никифоров И.В. Применение последовательного анализа к процессам авторегрессии //Автоматика и телемеханика-1975.-Л"й8.-с. 174-177.

41. Никифоров Й.В. Применение кумулятивных сумм для обнаружения и изменения характеристик случайного процесса //Автоматика и. телемеханика -1979 ~Ng2.-c.48-58.

42. Никифоров И.В. Модификация и исследование процедуры кумулятивных сумм //Автоматика и телемеханика.-1980.-^й9.-с.74-80.

43. Pettit A.N. A simple cumulative sum type statistic for the change point with zerooue observations //Biometrika.-1980-Vol.67,Ksl.-p.79-84.

44. Cobb W.G. The problem of the Nile; condiyional solution to a change-point problems //Biometrika.-1978.-VoL65,;^2.-p.243-25L

45. Hinkley D.V. Inference about the change-point in a sequence of ¡random variables //Biometrika.-1970-Vol.57Д«1.-р.1-17.

46. Hinkley D.V. inference about the change point in a sequence of binomial variables //Biometrika.-1970.^ol.57,N*3.-p.477-488.

47. Клигене Н.й. Определение момента изменения свойств авторегрессивной последовательности //Техническая кибернетика. Материалы XXII республиканской науч.-техн. конф. Каунас: Каунасский политехи. ин-т, 1972.-е.222-225.

48. Клигене Н.И. Решение задачи об изменении неизвестных параметров последовательности авторегрессии //Литовск. матем. сб.-1973.-т.ХН I ,№2 .-с. 217-218.

49. Клигене Н.И. Точное распределение оценки максимального правдоподобия момента изменения параметров авторегрессии //Статистические проблемы управления.- Вильнюс, 1978.-вып-31.-е.9-29 (йн-т математики и кибернетики АН ЛитССР).

50. Линейка. А.К, Оценка точности момента изменения свойств случайной последовательности //Статистические проблемы управления.-Вильнюс. 1973.-ВЫП.7.-С.76-87 (йн-т физики и математики АН ЛитССР).

51. Линейка- А,К. Определение изменений свойств последовательностей авторегрессии //Статистические проблемы управления.-Вядышс, 1975 -выи.12.-е.27-41 (Йн-т физики и математики АН ЛитССР).

52. Линейка А.К. Определение моментов изменения свойств авторегрессионной последовательности //Статистические проблемы унра.-вления.-Вйльнюс, 1977.-вып.24.~с.27-71 (йн-т математики и кибернетики АН ЛитССР).

53. Ляяейка А.К. Об определении моментов изменения свойств авторегрессионной последовательности //Статистические проблемы управления-Вильнюс , 1979.-вып.39.--c.9-23 (йн-т математики и кибернетики АН ЛитССР).

54. Липейкене И.К. Определение момента изменения свойств последовательности авторегрессии скользящего среднего //Статистическ иепроблемы упра.вления.-Вжльнюс, 1977.-вын.19.-с.9-27 (йн-т математики и кибернетики АН ЛитССР).

55. Сенкус А. Об опенке момента изменения параметров авто регрессионной последовательности //Статистические проблемы управления.™ Вильнюс, 1973.-вып.7.-с.19-29 (Ин-т физики и математики АН ЛитССР).

56. Cbernoff Н», Zacs S, Estimating the current, mean of normal distribution which is subjected to change in time //Ann. Math. Stat.,- 1964.-Уо1.35ДаЗ.-р.999-1018.

57. Дарховский B.C. Непараметрический метод для апостериорного обяару жения момента " разладки" последовател ьности независимых случайных, величин //Теория вероятностей ж ее применения.- 1976.-т.ХХ1,выпЛ.-с.180-184!

58. Дарховский B.C. Бродский Б.Е. Апостериорное обнаружение момента "разладки" случайной последовательности //Теория вероятностей и ее применения.- 1.980.-T.XXV,вып.3.-с.476-489.

59. Линкин В.И., Наумов В.Н. Один адаптивный алгоритм определения изменений характеристик наблюдаемого случайного процесса //Проблемы передачи информацни.~1972.-t.V1I.-c.40-45.

60. Smith А,F. Bayeeian approach to inference about the change-point in a sequence of random variables? //Biometrika.~1975.-VoL62,K83.-p.407~416.

61. Бродский Б.Е., Дарховский B.C. Сравнительный анализ некоторых непараметрических методов скорейшего обнаружения момента "разладки" случайной последовательности //Теория вероятностей и ее применения.-1990 -т.XXXV ,вып.4.-с.655-668,

62. Бродский Б.Е., Дарховский B.C. О задаче скорейшего обнаружения момента изменения вероятностных характеристик случайной последовательности //Автоматика и телемеханика.-1983.-Ж81.0 .-с.101-108.

63. Lordert G. Procedures of reacting to a change in distribution //Ann. Math. Statist.-1971 .-Vol.42Д£б ~p.1897-1908.

64. Polla,к M., Siegrmmd D. Approximation to the expected sample size of certain sequenyial tests //Ann. Statist.-1975.-Vol.3.-p.l267-1282.

65. Poliak M. Optimal detection of a change in distribution //Ann. Statist.-1985 .-Vol. 13 Д® 1 .~p .206-227.

66. Дарховский Б.С. О двух задачах оценивания моментов изменения вероятностных характеристик случайной последовательности //Теория вероятностей и ее применения.-1984.-т.ХХ1Х,вьш.З.-с.464-473.

67. Дарховский B.C. Ненараметрический метод оценивания интервалов однородности случайной последовательности //Теория вероятностей и ее применения.-1985.-т.ХХХ?выи.4.-с.795-799.

68. Willsky A.S. A survey of design methods for failure detection in dynamic systems //Atttomatica, Journal ofIPAC.-1976.-VoL12.-p.601-611.

69. Телькснис Л .А. О применении оптимального байесова алгоритма обучения при определении моментов времени изменения свойств случайных сигналов //Автоматика и телемеханика -19б9.-Ха6.-с.52-58.

70. Gardner L.A. On detecting change in the mean of normal variables //Ann. Math. Statist.-1969.-\'о1.40Д51.-p. 116-126,

71. Hinkley D.V., Hinkley Б .A. Inference about the change-point in a sequence of binomial variables //Biometnka -1970-Vol.57,K«3-p.477-488.

72. Pettit A.N. A ncm-pai'ainetric approachto the change-point problem //Appl. Statist1979.-Vol .28 Д*2 ~p.126-135.

73. Клигине 14., Телькснис Л. Методы обнаружения моментов изменения свойств случайных процессов //Автоматика и телемеханика-1983.~Яа10.-с.5-66.

74. Jones R.H., Crowe!! DJHL, Kapimiai L.E. A method for detecting change in a time series applied to newborn BEG //Electroencephalography and Clinical Neurophysiology.-1969.-Vol.27.~ p.436-440.

75. Jones RiL, Crowell D.H., Kapuniai L.E. Change detection model for seriaiy correlated multivariate data //Biometrics.-1970.-Vol.26,Ks2.-p.269-280.

76. Каминскас B.A., Шепените Д.А. Обнаружение изменения параметров процесса, авторегрессии //Тр. АН ЛитССР.-1975.-сер. В.-т.4(89)с.143-147.

77. ГХреториус. Х.М. Боденштайн Г. Выделение признаков из электроэнцефалограммы методом адаптивной сегментации //ТИИЭЕ-1977 .-т.65 Да5 .-с .59-71.

78. Монтвилас. A.M. Определение изменения свойств случайных сигналов при неизвестных параметрах этих сигналов //Статистические проблемы управления .-Вильнюс, 1973.- вып. 7.- с. 8 -20 (Ин-т физики и математики АН ЛитССР).

79. Телькснис Л., Черняускас В. Определение наиболее вероятного момента изменения характера одного класса, случайных процессов при неполных априорных данных //Материалы науч. конф. молодых ученых Литовской ССР.- Вильнюс,1967.-с.239-242.

80. Телькснис Л .А. Определение наиболее вероятных моментов времени изменения свойств случайных сигналов //Автоиатика и вычислительная техника.~1970.~вын Л .-с.24-27.

81. Телькснис Л .А., Черняускас В.Ю. Определение изменений свойств случайных сигналов- //Статистические проблемы управления.- Вильнюс,'1971 -ВЫН.1.-С.9-30 (Ин-т физики и математики АН ЛитССР).

82. Монтвнлас А. Определение изменения состояний стохастической системьгв начале интервала наблюдения //Статистические проблемы управления,- Вильнюс, 1976.-вып. 15.-е. 103-11.6 (йн-т физики и математики АН ЛитССР).

83. Клигине Н.И. Сравнительный анализ оценок момента изменения параметров авторегрессии //Статистические проблемы управления.-Вильнюс,1980.-вып.44.-с.9-27 (йн-т математики и кибернетики АН1. ЛитССР).

84. Монтвнлас A.M. Определение изменения свойств авторегрессионной последовательности прн неизвестных параметрах //Статистические проблемы управления.- Вильнюс,1973.-вып.7 -с,21-39 (йн-т физики и математики АН ЛитССР).

85. Телькснис Л,А, Изменение параметров распределений случайных процессов методом Вайеса // Теория и практика измерений статистический (вероятностных) характеристик: Материалы I Всес. конф., Ленинград, 1973.-е,87-96.

86. Ширяев А.Н. Статистический носледовательный анализ.- М.: Наука,'1969.-231C.

87. Линейка А.К. Классификация автерегрессионных последовательностей со скачкообразно меняющимися параметрами //Статистические проблемы управления.-Вильнюс, 1978.-вып.30.-с.9-28 (йн-т математики ж кибернетики АН ЛитССР).

88. Клигене Н., Клише В. Исследование локально стационарной модели авторегрессии при помощи информационного критерия АЮ //Статистические проблемы унравления.-Вильнюс, 1979.-вып.39.~с.25-44

89. Ин-т математики и кибернетики АН ЛитССР).

90. Линейка А. Определение моментов изменения свойств авторегрессионных последовательностей с неизвестными параметрами //Статистические проблемы управления-Вильнюс, 1982.-вып.54.-е.9-27 (йя~т математики и кибернетики АН ЛитССР).

91. Монтвилас А. Обработка результатов наблюдений при определении изменения свойств случайных сигналов //Статистические проблемы управления.- Вильнюс, 1973.-вып.7.~с.41 -53 (Нн~т физики и математики АН ЛитССР).

92. Дарховский B.C., Бродский Б.Е. Апостериорное обнаружение момента "разладки" случайной последовательности //Теория вероятностей ж ее применения.- 1980.-т.ХХ"У,вып.З.-с.476-489.

93. Wise J.D., Capiio J.R., Parks T.W. Maximum likelihood pitch esti-matkm //IRRR Trans, on acoustics, speech and signal processing-1976 Vol. ASSP-24 Д®5 (October) .-p.418-423.

94. Трифонов АЛ., Беспалова М.Б. Оценка периода следования прямоугольных импульсов с неизвестными амплитудами //Радиоэлектро-ника.--1995 L-c.3-13,

95. Ширяев А.Н. Об оптимальных методах в зада,чах скорейшего обнаружения //Теория вероятностей и ее применения.- 1963.-t.VIII,вып. 1.-е. 26-51.

96. Ширяев А.Н. Некоторые точные формулы в задаче о "разладке" //Теория вероятностей и ее применения,- 1965.-вьш.2.-с.380-385.

97. Ширяев А.Н. Стохастические уравнения нелинейной фильтрации скачкообразных марковских процессов //Проблемы передачи информации- 1966 .-т. 2, выи .3.-е,,3-22.

98. Ширяев А.Н. Обнаружение спонтанно возникающих эффектов

99. Докл. АН СССР -1961 -т. 138 J4-с.799-801.

100. Ширяев АЛ. Задача, скорейшего обнаружения нарушения стационарного режима //Докл. АН СССР.-1961.-т.138^5.-с.1039-1042.

101. Newbold P.M., Ya Chi Ho. Detection of changes in the characteristics of a Gauss- Markov process //IEEE Trans. Aerospace and Electronic Systems.- 1968.-Vol. AES-4^5.-p.707-718.

102. Davis M.H.A. The application of nonlinear filtering to fault detection in linear systems //IEEE Trans. Automat. Control.-1975.-Vol.АС~20Дй2.p.257-259.

103. Никифоров И.В. Об оптимальности первого порядка алгоритмаобнаружения разладки в векторном случае //Автоматика и телемеха-ника.-1994.-№1.-с.87-105.

104. Величко В.М., Загоруйко Н.Г. Автоматическое распознаваниеограниченного набора устных команд //Вычислительные системы.-Новосибирск 51969 .-вып .36. -с Л 01-110.

105. ПО. Винцюк Т.К. Распознавание слов устной речи методами динамического программирования //Кибернетша.-1968.~№1.-с.$1-88.

106. Винцюк Т.К. Анализ, распознавание и смысловая интерпретация речевых сигналов.- Киев:Наукова думжа,1987.-262с.

107. Сакоэ X., Чиба С. Оценка подобия речевых образов методом динамического программирования (на японском языке)// Dig. 1970 Nat.Meeting, Inst.Electron.Comm.Eng.-Japan, 1970, July.-p.136.

108. Salioe H., Chiba S. A dynamic programming approach to continuos speech recognition //Proc. 7-th Int. Congi. Acoustics, Budapest, Aug.,-1971. -Vol.3.-p .65-68.

109. Тихонов В .И. Оптимальный прием сигналов.- Мл Радио и связь, 1983.-320с.

110. Левин В,Р. Теоретические основы статистической радиотехники. Книга 2.~М.:Сов. радио,1975-392с,,

111. Куликов Б,И. Вопросы оценок параметров сигналов при наличиипомех.- Мл Сов. радио,.969.~244с„

112. Миддлтон Д. Введение в статистическую теорию связи, т. IL M.: Сов. радио, 1962-832с.

113. Миддлтон Д. Очерки теории связи.- М.: Сов. радио,1966.-18ÛC.

114. Фалькович С.Е. Оценка параметров сигнала- М.: Сов. радио, .1970 .-336с.

115. Вопросы статистической теории радиолокации /Под ред. Тарта.-ковского Г.П., т.Н.-М.:Сов. радио. 1964.

116. Ширман Я .Д., Голиков В.Н. Основы теории обнаружения радиолокационных сигналов и измерения их параметров.- Мл Сов. радио, 1963.-278с.

117. Келли Е. Радиолокационное измерение дальности, скорости и ускоренин //Зарубежная раддоэлектроника.-1962.-Ж«2.-с.35~47.

118. Sage А .P., Melsa J.L. Estimation theory with applications to communications and control.- Ms. Graw~HUi~i971.

119. Вакут П.А., Жилина Ю.В., йванчук H.A. Обнаружение движущихся объектов.- МлСов. радио,1980.-288с.

120. Большаков И.А. Статистические проблемы выделения потокасигналов из шума- М.гСов. радиоД969.-464с.

121. Сосулин Ю.Г. Теория обнаружения и оценивания стохастических сигналов,- М.:Сов. радио,1978.-32ÖC.

122. Трифонов А.П., Шинаков Ю.С. Совместное различение сигналов и оценка их параметров на фоне помех.- М.:Радио и связь,1986.-264с.

123. Миддлтон Д. Эспозито Р. Новые результаты, в теории одновременного обнаружения сигналов и оценки их параметров в шуме //Проблемы передач и информации-1970 -W2 -с .3-12.

124. Кай лат Т. Метод порождающего процесса в применении к теории обнаружения и оценки //ТййЭР.-197$.-№5.

125. Сосулин Ю.Г., Стратонович Р.Л, Оптимальное обнаружение диффузионного процесса в белом шуме //Радиотехника и шюктроника.-196о.-№5.

126. Сосулин Ю.Г. Оптимальное обнаружение марковских сигналов на фоне марковских помех при дискретном времени //Техническая кибернетика-1966-№4.

127. Стратонович Р.Л., Сосулин Ю.Г. Оптимальное обнаружение марковского процесса в шуме //Техническая, кибернетика.- 1964.-К?6.

128. Репин В.Г., Тартаковский Г.П. Статистический синтез яри априорной неопределенности м адаптации информационных систем.- М.: Сов. радио, 1977,'-432с.

129. Бухалев В.А. Распознавание, оценивание ж управление в системах со случайной скачкообразной структурой.- М.:Наука,Физматлит.-1996.

130. Кельманов А.В., Кутненжо О.А. Нижняя граница вероятности ошибки распознавания квазипериодической последовательности импульсов, искаженной гауссовсжой некоррелированной помехой //Сибирский журнал индустриальной математ лки.~3 998 ,-т. 1 ,-с. 113-126.

131. A.V.KeTraanov, O.A.Kutnenko. On the Bounds, of the Error Probability in Group Classification of Quasi-Periodic Sequences //Pattern Recognition and Image Analysis. 1998rVol.S-p. 125-127.

132. Кельманов А.В., Кутненко О.А., Садоматина Н.В,, Хайретдино-ва А.Р., Хамидуллин С .A. M акроволновый синтез речи по тексту /'/ Тез. докл. 2-й Всероссийской с участием стран СНГ конференции

133. Распознавание образов и анализ изображений: новые информационные технологии" РОАИ-2-95, Ульяновск, август-сентябрь 1995. Ч.З. - Ульяновск, 1995.-c.121-123.

134. Кутненко О.А. Алгоритм очистки речевого сигнала от квазипериодической помехи .// Тез. докл. 8-ой Всероссийской конференции "Математические методы распознавания образов" (ММРО-8), Москва, 1997,- Москва, ВЦ РАН, 1997.-еЛ82-183.

135. Кутненко О.А. Алгоритм очистки речевого сигнала от квазипериодической помехи // Вычислительные системы / РАН. Сиб. отд. Институт математики. Новосибирск, 1998.- выл Л 63: Анализ данных и сигналов.-с.63-81.

136. A.V.Kel'manov, O.A.Kutnenko, S.A.Khamidullin. Instrumental System for Processing and Analysis of Speech Signals //Pattern Recognition and Image Analysis, 1998.-Vol.8,№3-p.361-362.

137. Сапожков M.A. Речевой сигнал в кибернетике и связи М.: Связь-издат,1963.-452 с.

138. Рабинер Л .Р., Шафер Р.В. Цифровая обработка речевых сигна,-лов.- М.: Радио и связь,1981.-495 с.

139. Лим Дж.С., Оппенхайм А.В. Коррекция и сжатие спектра за-шумленных речевых сигналов //ТИИЭР. -1979.-Т.67.~Ш2.-с.5-26.

140. Parsons T.W. Separation of speech from, interfering speech by means of harmonic selection //J. Aamst.Soc.Amer-1976.-Vol.60, Oct.- p.911-918.

141. Sambur M.R. Adaptive noise cancelling for speech signals //ШВЕ Trans.Acoust.,Speech,Signal Proc.-1978.-Vol .ASSP-26, Oct.- p.419-423.

142. Kaunitz J. Adaptive filtering of broadband signals as applied to noise cancelling.- Stanford Electronics Lab., Stanford Univ., Stanford Calif., Rep. SU-SEL-72-038, Aug. 1972 (Ph.Dissertation).

143. Адаптивные компенсаторы помех. Принципы построения и применения /Уидроу, Гловер, Маккул и др. //ТЙИЭР.-1975.-Т.63,-*Г*12.-с.69-98,

144. Маркел Дж.Д., Грей А.Х. Линейное предсказание речи: Пер. с англ. /Под ред. ЮЛ. Прохорова, B.C. Звездина.- М.:Радио и связь.1980.-308 с.

145. Rabiner L.R., Cheng MJL, Rosenberg А.Ё., Mcgonegal A.M. A comparative perfomance study of several pitch detection algorithms //IEEE Trans. Acous. Speech, Signal Processing.-1976.-Vol.ASSP-24, Oct.-p.399-418.

146. Келъмамов А.В. Алгоритм выделения основного тона по разностной функции ряда остаточных ошибок модели авторегрессии // Ме тоды обнаружения закономерностей с помощью ЭВМ.- Новосибирск,1981,- вып. 91: .Вычислительные системы .-с. 113-124.

147. Dologlou L., Carayannis G. Pith detection based on zero-phase filtering //Speech Communication.-Vol.8,.^4,- Dec. 1989- p.309-319.