Разработка алгоритмов и методов автоматического речевого оповещения обслуживающего персонала железнодорожного транспорта тема диссертации и автореферата по ВАК РФ 05.13.07, кандидат технических наук Шаповалов, Василий Витальевич

• Шаповалов, Василий Витальевич
• кандидат технических наук
• 2000

Оглавление диссертации кандидат технических наук Шаповалов, Василий Витальевич

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. ТЕХНОЛОГИЧЕСКИЕ АСПЕКТЫ ИСПОЛЬЗОВАНИЯ СИСТЕМ АВТОМАТИЧЕСКОГО РЕЧЕВОГО ОПОВЕЩЕНИЯ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ

1.1. Исследование специфики деятельности персонала, обеспечивающего технологические процессы на объектах железнодорожного транспорта

1.2. Принципы построения систем автоматического речевого оповещения на железнодорожном транспорте

1.3. Анализ технологических объектов железнодорожного транспорта на предмет целесообразности дополнения ' 'средствами автоматического речевого оповещения

ГЛАВА 2. ИССЛЕДОВАНИЕ БАЗОВЫХ МЕТОДОВ ОБРАБОТКИ РЕЧЕВЫХ СИГНАЛОВ НА ОСНОВЕ МОДЕЛИ ЛИНЕЙНО-ПРЕДИКАТНОГО КОДИРОВАНИЯ

2.1. Алгоритмы, программная реализация и исследование базовых процедур анализа речевых сигналов методом линейно-предикатного кодирования ^ 2.2. Исследование и особенности реализации алгоритмов синтеза речевых сигналов на основе Модели линейного предсказания

ГЛАВА 3. НЕЧЕТКИЕ МОДЕЛИ СТРУКТУРИРОВАНИЯ СООБЩЕНИЙ В СИСТЕМАХ АВТОМАТИЧЕСКОГО РЕЧЕВОГО ОПОВЕЩЕНИЯ

3.1. Субъективная модель восприятия синтезированной речи. Нечеткая модель оценки качества синтезированной речи в системах оперативно-диспетчерского управления

3.2. Модель сегментации речевого сигнала. Нечеткое разбиение на квазистационарные участки

3.3. Метод сегментации речевого сигнала на основе композиции матрицы локальных степеней стационарности

3.4. Определение степени стационарности интервала речевого сигнала

3.5. Определение наилучшего представителя интервала речевого сигнала

3.6. Исследование результатов применения метода

ГЛАВА 4. ОРГАНИЗАЦИЯ ПРОГРАММНО-ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ ПОДГОТОВКИ ДАННЫХ ДЛЯ СИСТЕМ АВТОМАТИЧЕСКОГО РЕЧЕВОГО ОПОВЕЩЕНИЯ

4.1. Структура и возможности автоматизированного рабочего места подготовки речевых сообщений для аппаратуры автоматического речевого оповещения

4.2. Общий алгоритм подготовки речевых сообщений '

4.3. Организация базы данных и базы знаний

4.4. Описание программных средств подготовки наборов речевых сообщений и сервисных утилит интерактивного структурирования речи

4.5. Опыт использования АРМ подготовки наборов речевых сообщений

ГЛАВА 5. СИСТЕМА АВТОМАТИЧЕСКОГО РЕЧЕВОГО ОПОВЕЩЕНИЯ МАШИНИСТА ЛОКОМОТИВА И ОБСЛУЖИВАЮЩЕГО ПЕРСОНАЛА СТАНЦИИ О НЕИСПРАВНОСТЯХ В ПОДВИЖНОМ СОСТАВЕ

5.1. Принцип формирования и протоколирования речевых сообщений, принятый в аппаратуре

5.2.Алгоритм функционирования аппаратуры

5.3. Структура аппаратуры

5.4.Технические средства аппаратуры

5.5. Программное обеспечение аппаратуры

5.6. Анализ результатов опытной эксплуатации аппаратуры автоматического речевого оповещения

Введение диссертации (часть автореферата) на тему «Разработка алгоритмов и методов автоматического речевого оповещения обслуживающего персонала железнодорожного транспорта»

В основе развития и совершенствования технологических процессов (ТП) на железнодорожном транспорте лежит широкое использование автоматических систем управления (АСУ) с интеграцией различных сообщений. Увеличивается число процессов, подлежащих автоматизации, растут потоки информационных сообщений субъектам ТП.

Использование речевого вывода информации представляется наиболее перспективным, а иногда и единственно возможным способом общения. Роль речевых сообщений существенно возрастает с внедрением автоматизированных рабочих мест (АРМ), экспертных систем, автоматов-советчиков.

Исследования в области обработки речевых сигналов не уменьшают актуальность проблемы. До сих пор задача оптимального выбора между словарем, качеством синтезируемой речи и ресурсами ЭВМ остается нерешенной. Актуальны проблемы оценки качества синтезированных речевых сообщений, структурирования речи, подготовки предметно-ориентированных словарей систем автоматического. речевого оповещения (АРО). Кроме того, использование систем АРО на объектах' железнодорожного транспорта имеет свою специфику, затрудняющую использование стандартных подходов к построению систем синтеза речи. Требуются новые эффективные алгоритмы оповещения и методы «сжатия» речевых сигналов.

Особым случаем применения устройств формирования речевых сообщений является их работа в составе систем, обеспечивающих безопасность движения на железнодорожном транспорте. Внедрение систем автоматического речевого оповещения позволяет повысить оперативность, достоверность и надежность оповещения обслуживающего персонала и, следовательно, безопасность движения в целом.

Объектом диссертационного исследования являются автоматизация ТП речевого оповещения машиниста локомотива о неисправности в подвижном составе, совершенствование алгоритмов АРО.

Предметом исследования являются методы структурирования речевых сигналов на основе модели линейно-предикатного кодирования (ЛПК), проблема подготовки предметно-ориентированного словаря систем АРО, а также нечеткая модель оценки качества речевых сообщений.

Целью настоящей диссертационной работы является разработка и исследование алгоритмов и методов автоматического речевого оповещения обслуживающего персонала технологических объектов железнодорожного транспорта и построение программно-аппаратных средств их реализации.

Для достижения поставленной цели решены следующие задачи:

- исследован технологический процесс оповещения машиниста о неисправности в составе шезда, выявлена возможность его совершенствования, предложен алгоритм оповещения с подтверждением;

- исследованы базовые подходы к анализу и синтезу речевых сигналов на основе модели линейно-предикатного кодирования;

- предложена нечеткая модель оценки качества синтезированной речи;

- разработан и исследован метод структурирования речевых сигналов;

- разработано автоматизированное рабочее место для подготовки предметно-ориентированных словарей аппаратуры АРО и оценки качества формирования речевых сообщений;

- разработаны программное обеспечение и технические средства аппаратуры АРО, работающей на основе предложенных и исследованных алгоритмов и методов оповещения.

В процессе работы над темой диссертации был выработан комплексный подход к решению проблемы совершенствования алгоритмов и методов автоматического речевого оповещения на железнодорожном транспорте, разработки и внедрения на объектах железнодорожного транспорта систем АРО. Основные направления решения проблемы, методы исследований и полученные результаты поясняет схема, представленная на рис. 1. автоматического речевого оповещения

Методы исследования. Для решения поставленных задач использованы современные теоретические и экспериментальные методы моделирования и оптимизации с использованием ЭВМ. Исследования в области обработки речевых сигналов базируются на методах, описанных в работах Итакуры .Ф, Атала Б., Маркела Д., Грея А., Макхоула Д., Рабинера Л., Шафера Р., Винцюка Т.К., Прохорова Ю.Н. и др. Теоретические исследования выполнены с использованием положений теории нечетких множеств, представленных в работах Мелихова А.Н., Берштейна Л.С. [43,46-48] и др., а также теории матричного анализа. Проектирование, разработка и внедрение микропроцессорных систем производились с использованием методик, разработанных Иванченко В.Н [26,28], Лисенковым В.М., Сапожниковым В.В., Сапожниковым Вл.В., Дмитренко И.Е., Жарковым Ю.И., Лябахом H.H., Шилейко A.B. и др.

Экспериментальные исследования проведены с использованием теории и классических методик проведения экспертных оценок [9,19,30,74].

Основные положения, выносимые на защиту. На защиту выносятся следующие положения и результаты:

- на железнодорожном транспорте существует целый ряд ТП, в рамках которых возможна автоматизация речевого оповещения обслуживающего персонала. В первую очередь, это относится к процессам, связанным с безопасностью движения;

- существующий процесс речевого оповещения машиниста о неисправности в составе поезда имеет недостатки, связанные с влиянием «человеческого фактора», с особенностями организации симплексного канала поездной радиосвязи (ПРС). Алгоритм оповещения требует улучшения;

- усовершенствованный алгоритм АРО машиниста о неисправности в составе поезда, позволяющий повысить оперативность, достоверность и надежность оповещения;

- нечеткая модель оценки качества синтезируемой речи;

- метод глубокого структурирования речевых сигналов на основе композиции матриц локальных степеней стационарности;

- АРМ подготовки и оценки качества предметно-ориентированных наборов речевых сообщений аппаратуры АРО.

Научная новизна диссертационного исследования заключается в следующем:

- предложен алгоритм АРО машиниста о неисправности в составе поезда с подтверждением оповещения, архивированием речевых ответов машиниста и уточнением характера и места неисправности, позволяющий повысить оперативность, достоверность и надежность оповещения;

- впервые предложена нечеткая модель оценки качества синтезированной речи, позволяющая повысить качество подготовки предметно-ориентированных наборов речевых сообщений;

- разработана методика построения и кодирования предметно-ориентированных словарей аппаратуры АРО, снижающая затраты памяти при сохранении высокого качества синтезированной речи;

- предложен и формализован метод структурирования и сжатия речевых сигналов на основе композиции матриц локальных степеней стационарности речевых сигналов, позволяющий оптимизировать разбиение речевого сигнала на квазистационарные подинтервалы.

Апробация работы. Основные положения и научные результаты работы докладывались и обсуждались на семинарах кафедр «Автоматика и телемеханика» и «Связь на железнодорожном транспорте» РГУПС, отраслевой научно-технической конференции «Актуальные проблемы развития железнодорожного транспорта и роль молодых ученых в их решении» (РГУПС, г.Ростов-на-Дону, 1998); 58-ой научной конференции профессорско-преподавательского состава РГУПС. - (РГУПС, г.Ростов-на-Дону, 1999); международной научно-теоретической конференции «Проблемы и перспективы развития железнодорожного транспорта» - (РГУПС, г.Ростов-на-Дону, 1999); 5-ой межвузовской научно-методической конференции «Актуальные проблемы и перспективы развития железнодорожного транспорта» - (РГОТУПС, г. Москва, 2000). Аппаратура АРО «Речевой информатор РИ-1В», в которой использованы результаты диссертационного исследования, демонстрировалась на выставках: в МПС РФ, посвященной расширенному заседанию Коллегии МПС по безопасности движения в декабре 1996 г., «Ресурсосберегающие технологии» (на испытательном кольце ВНИИЖТа, ст.Щербинка) в феврале 1997 г., на Ассамблее начальников железных дорог России (на ст. Минеральные Воды) в мае 1998 года и получила положительные отзывы руководителей отрасли (соответствующий акт прилагается).

Публикации. По результатам диссертационного исследования опубликовано одиннадцать печатных работ, из них шесть статей (одна - без соавторов, пять - в соавторстве) и пять тезисов докладов на конференциях (два - без соавторов, три в соавторстве).

Диссертация состоит из введения, пяти глав, заключения и приложений.

Заключение диссертации по теме «Автоматизация технологических процессов и производств (в том числе по отраслям)», Шаповалов, Василий Витальевич

Основные результаты работы позволяют совершенствовать процессы оповещения обслуживающего персонала, что позволяет повысить эффективность и безопасность эксплуатации железнодорожного транспорта.

ЗАКЛЮЧЕНИЕ

Диссертационная работа посвящена исследованию комплексной проблемы совершенствования алгоритмов и методов автоматического речевого оповещения на железнодорожном транспорте, включая вопросы разработки и внедрения на объектах железнодорожного транспорта систем АРО. В работе изложены основные направления решения проблемы, методы исследований и достигнутые результаты.

Научная новизна. Научная новизна заключается в следующем:

- впервые предложена нечеткая модель оценки качества синтезированной речи, позволяющая повысить качество подготовки предметно-ориентированных наборов речевых сообщений;

- разработана методика построения и кодирования предметно-ориентированных словарей аппаратуры АРО, снижающая затраты памяти при сохранении высокого качества синтезированной речи;

- предложен и формализован метод структурирования и сжатия речевых сигналов на основе композиции матриц локальных степеней стационарности речевых сигналов, позволяющий оптимизировать разбиение речевого сигнала на квазистационарные подинтервалы.

Практическую ценность работы представляют:

- предложенный и практически реализованный алгоритм АРО машиниста локомотива о неисправности в составе поезда с подтверждением принятого сообщения и уточнением места и характера неисправности, программные модули, его реализующие;

- АРМ подготовки предметно-ориентированных словарей аппаратуры АРО;

- алгоритмы и программные модули, реализующие как базовые подходы к кодированию речевых сигналов на основе ЛПК-модели, так и предложенный метод структурирования речевых сигналов.

Использование результатов работы. Теоретические и практически результаты диссертационной работы использованы:

- при разработке аппаратуры АРО «РЕЧЕВОЙ ИНФОРМАТОР» по договору с Управлением Северо-Кавказской железной дороги. К настоящему моменту на сети МПС РФ внедрено 62 комплекта аппаратуры (акт внедрения прилагается.). Аппаратура демонстрировалась на выставке, посвященной расширенной коллегии МПС РФ по безопасности движения, и получила высокую оценку руководителей служб ЦШ, ЦВ и ЦРБ (соответствующий акт прилагается);

- в подсистеме формирования речевых сообщений микропроцессорного информационно-управляющего комплекса КГМ РИИЖТ, разработанного РФ НИИЖА (акт внедрения прилагается);

-при разработке аппаратуры многоканальной низкоскоростной передачи речевой информации с использованием контроллера канала Е1 в Научно-производственном предприятии «Мультибит» (соответствующий акт прилагается);

-в учебном процессе в Ростовском государственном университете путей сообщения (соответствующий акт прилагается).

Список литературы диссертационного исследования кандидат технических наук Шаповалов, Василий Витальевич, 2000 год

1. Аппаратура железнодорожной автоматики и связи: Общие технические условия: РД 32 ЦШ 03.07 90: Утв. 5.10.90/МПС РФ -М.: ВНИИЖА, 1991.

2. Инструкция по движению поездов и маневровой работе на железных дорогах Российской Федерации: ЦД/206: Утв. 02.10.93/МПС РФ М.: Транспорт, 1995.

3. Инструкция по размещению, установке и эксплуатации средств автоматического контроля технического состояния подвижного состава на ходу поезда: ЦВ-ЦШ-453: Утв. 30.12.96/МПС РФ М.: Транспорт, 1997.

4. Аблазов В.И. Преобразование, запись и воспроизведение речевых сигналов. -Киев: Лыбидь, 1991.

5. Автоматическое распознавание и синтез речевых сигналов: Сб. научн. тр./Под ред. Т.К. Винцюка. Киев: ИК, 1989.

6. Адаптивные фильтры: Пер. с англ./Под ред. К.Ф.Н. Коуэна и П.М. Гранта. -М.: Мир, 1988.-392 с.

7. Анализ речевых сигналов: Сб.ст. АН СССР/Под ред. В.Н. Трунина-Донского. М.: ВЦ АН СССР, 1984.

8. Афанасьев В.П. Проблемы построения промышленных речевых терминалов.//Автоматическое распознавание и синтез слуховых образов. -М.: ВЦ АН СССР, 1987 с. 37 - 46.

9. Бешелев С.Д., Гуревич Ф.Г. Экспертные оценки. М.: Наука, 1973. - 159 с.

10. Борисов А.Н. и др. Обработка нечеткой информации в системах принятия решений М.: Радио и связь, 1989. - 302с.

11. Брауде Золотарев Ю. Сжатие речи.//Компьютерра , № 15, 1999.

12. Валуева Н.М., Каничева Е Б. Автоматическая сегментация речевого сигнала по динамическим спектрограммам. М.: ВЦ АН СССР, 1988.

13. Винцюк Т.К. Анализ, распознавание и интерпретация речевых сигналов. -Киев: Наук, думка, 1987. 264 с.

14. Взаимодействие с ЭВМ на естественном языке: Сб. научн. тр. АН СССР, Сиб. отд., ВЦ/Под ред. A.C. Нариньяни. Новосибирск: ВЦ СОАН СССР, 1978.

15. Гарсиа В. Новые возможности встраиваемых компьютеров Octagon Systems.//CoBpeMeHHbie технологии автоматизации. №3, 1997. - С. 6 - 10.

16. Гигиена и физиология труда на железнодорожном транспорте./ Под ред. A.A. Прохорова. М., «Транспорт», 1973. 264 с.

17. Глушков В.М. Говорящие ЭВМ. Речевой ввод и вывод информации. М.: Знание, 1975.

18. Гончаров C.JI. Интерактивная графическая система для исследования речевых сигналов. М.: ВЦ АН СССР, 1988.

19. Гохман О.Г. Экспертное оценивание: Учеб. Пособие. Воронеж: Изд. Вор. Ун-та, 1991.-150 с.

20. Гультяев A. Matlab 5.2. Имитационное моделирование в среде Windows. Визуализация. Программирование. Анализ данных.: Практическое пособие.- СПБ.: Корона-принт, 1999.

21. Дегтярев Н.П. Параллельно-последовательная модель анализа, обнаружения и интерпретации сигналов слитной речи.//Анализ и синтез речи. Минск, 1991.-С. 4-24.

22. Децюк В. Фирма SIEMENS в мире автоматизации. //Современные технологии автоматизации. №3, 1998. С. - 34 - 35.

23. Динамические спектры речевых сигналов/Под ред. М.Ф. Деркача. Львов: Вища шк., 1983.

24. Дискретные системы. Одноплатный микроконтроллер ДС 1001 ДАРЦ.467444.902ТО. Техническое описание и инструкция по эксплуатации.- 1997.

25. Иванченко В.Н., Лябах H.H., Сепетый A.A. Принципы построения горочного микропроцессорного комплекса.//Вестник ВНИИЖТа, 1984. № 8.

26. Иванченко В.Н. Методика исследования, разработки, проектирования и внедрения микропроцессорных информационно-управляющих систем: Учебное пособие Ростов н/Д: РИИЖТ, 1986.

27. Иванченко В.Н. Микропроцессорные информационно-управляющие системы автоматизации сортировочных процессов: Учебное пособие -Ростов н/Д: РИИЖТ, 1984.

28. Иванченко В.Н. Разработка и внедрение микропроцессорной информационно-управляющей системы на сортировочной горке.//Автоматика и связь (ЦНИИТЭИ МПС), 1986.

29. Калинцев Ю.Н. Разборчивость речи в цифровых вокодерах. М.: Радио и связь, 1991.

30. Китаев Н. Н. Групповые экспертные оценки. М.: Знание, 1975. - 60 с.

31. Ковалев С.М. О нахождении минимальных покрытий в гиперграфах.//Методы построения алгоритмических моделей сложных систем. Таганрог, 1980.

32. Козадаев Б.Л. Исследование речевого сигнала на основе выделения параметров синхронно с основным тоном.//Автоматическое распознавание и синтез слуховых образов. М.: ВЦ АН СССР, 1987 - с.68 -73.

33. Коркмазский Ф.Е. Модуль автоматического распознавания речи, использующий функции Уолша.//Автоматическое распознавание и синтез слуховых образов. М.: ВЦ АН СССР, 1987 - с. 47 - 52.

34. Косарев Ю.А. Естественная форма диалога с ЭВМ. JL: Машиностроение, 1989.

35. Кофман А. Введение в теорию нечетких множеств: Пер. с фр. В. Б. Кузьмина /Под ред. С.И. Травкина М.: Радио и связь, 1982. - 432 с.

36. Кузнецов А. Все, что вы хотели узнать о флэш-дисках, но боялись спросить.// Современные технологии автоматизации. №2, 1998. - С. 6 - 10.

37. Кузнецов. А. Промышленные компьютеры фирмы Advantech.//CoBpeMeHHbie технологии автоматизации. №1, 1997 г. С.-12-20.

38. Левкович-Маслюк Л. Дайджест вейвлет-анализа. //Компьютерра, № 8, 1998.

39. Лябах H.H. Математические основы разработки и использования машинного интеллекта. Ростов н/Д: Изд. Ростовского университета, 1989. 112 с.

40. Малышев Н.Г., Берштейн Л.С., Боженюк A.B. Нечеткие модели для экспертных систем САПР. Москва.: Энергоатомиздат, 1991.-136 с.

41. Маркел Дж., Грей А.Х. Линейное предсказание речи: Пер. с англ./Под ред. Ю.Н. Прохорова и B.C. Звездина. М.: Связь, 1980. - 308 с.

42. Марков С. Цифровые сигнальные процессоры. Книга 1. М.: Микроарт, 1996.- 144 с.

43. Мелихов А.Н., Берштейн Л.С. Конечные четкие и расплывчатые множества.- Таганрог: ТРТИ, 1980. 101 с.

44. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Расплывчатые ситуационные модели принятия решений. Учеб. Пособие по прогр. ЦИПС ТРТИ -Таганрог: ТРТИ, 1986 92 с.

45. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. Москва.: Наука, 1990. -272 с.

46. Мелихов А. Н., Карелин В. П., Ковалев С. М. Моделирование процессов принятия решений на основе нечетких классификационных систем//Электронное моделирование. -Таганрог: ТРТИ, 1984.-№ 3. С. 3-6.

47. Методы автоматического распознавания речи: В 2-х книгах. Пер. с англ./Под ред. У. Ли. -М.: Мир, 1983. Кн. 1. 328 с.

48. Методы автоматического распознавания речи: В 2-х книгах. Пер. с англ./Под ред. У. Ли. М.: Мир, 1983. - Кн. 2. 360 с.

49. Методы и средства информатики речи: Сб. научн. тр. АН Украины, Ин-т Кибернетики. Киев: ИК, 1991.

50. Михайлов В.Г., Златоустова Л.В. Измерение параметров речи/Под ред. М.А. Сапожникова. -М.:Радио и связь, 1987.

51. Миюсов П.В. Модели скрытых марковских процессов и их использование при автоматическом распознавании речи. М.: ВЦ АН СССР, 1988.

52. Назаров М.В., Прохоров Ю.Н. Методы цифровой обработки и передачи речевых сигналов, М.: Радио и связь, 1985. - 176 с.

53. Нечеткие множества в информатике: Сб. тр. М.: ВНИИСИ, 1988. - 63 с.

54. Нечеткие множества и теория возможностей: Последние достижения: сб. ст./Под ред. P.P. Ягера: Пер. с англ. В. Б. Кузьмина/Под ред. С.И. Травкина М.: Радио и связь, 1986. - 405 с.

55. Обжелян Н.К. Трунин-Донской В.Н. Машины, которые говорят и слушают./Под ред. Ю.Н. Журавлева. Кишинев: Штиинца, 1987.

56. Оппенгейм А.В., Шаффер Р.В. Цифровая обработка сигналов: Пер. с англ./Под ред. С.Я. Шаца. М.: Связь, 1979. - 416 с.

57. Плотников В.Н. Речевой диалог в системах управления. М.: Машиностроение, 1988.

58. Попов Э.В. Общение с ЭВМ на естественном языке.- М.: Наука, 1982.

59. Потапова Р.К. Речь: коммуникация, информация, кибернетика: Учеб. Пособие для вузов. М.: Радио и связь, 1997. - 528 с.

60. Потапова P.K. Тайны современного кентавра: Речевое взаимодействие с человеком. М.: Радио и связь, 1992.

61. Применение измерительно-вычислительного комплекса для цифровой обработки речевых сигналов./Под ред. В. Н. Трунина-Донского М.: ВЦ АН СССР, 1985.

62. Прохоров Ю.Н. Статистические модели и рекуррентное предсказание речевых сигналов. М.: Радио и связь, 1984. - 240 е., ил. - (Стат. теория связи. Вып. 20).

63. Пушкин Э.И., Саженин А.И., Вериго A.M., Климова Т.В. Речевой информатор РИ- 1 .//Автоматика, связь, информатика 1998. № 6.

64. Рабинер JI.P.,Шафер Р.В. Цифровая обработка речевых сигналов: Пер. с англ./ Под ред. М.В. Назарова и Ю.Н. Прохорова. М.: Радио и связь, 1981. -495 с.

65. Речевая информатика: Сб. научн. тр./Под ред. В.В. Зяблова. М.: Наука, 1989.

66. Рылов A.C., Левковская Т.В. Частотно-адаптивный авторегрессионный анализ речевых сигналов.//Анализ и синтез речи. Минск, 1991.-С.42-56.

67. Сердюков В.Д. Опознавание речевых сигналов на фоне мешающих факторов. Тбилиси: Мецниерба, 1987.

68. Система инженерных и научных расчетов Matlab 5.2 в 2-х книгах/Под ред. В.Г. Потемкина. М.: Диалог-миссия, 1999. - т. 1 - 366 с.

69. Система инженерных и научных расчетов Matlab 5.2 в 2-х книгах/Под ред. В.Г. Потемкина. М.: Диалог-миссия, 1999. - т. 2 - 306 с.

70. Сорокин В.Н. Синтез речи. М.: Наука, 1992.

71. Тарасова М.Е., Галицына Н.В. Метод экспертных оценок: Уч. пособие для инж. экон. вузов и фак. специальности АСУ. М., 1974.

72. Фланаган Дж. Анализ, синтез и восприятие речи: Пер. с англ./Под ред. A.A. Пирогова. М.: Связь, 1968. - 396 с.

73. Хорошавин А.И. Шаповалов В.В., Пустовой Ю.Е., Драган М.П. Цифровые процессоры сигналов в аппаратуре технологической связи.//Проблемы иперспективы развития железнодорожного транспорта.: РГУПС, 1999. -С.25-26.

74. Чымбаев А.Ж. Предварительная сегментация и маркировка слитной речи. -М.: ВЦ АН СССР, 1979.

75. Шаповалов В.В. Поиск локальных степеней стационарности речевого сигнала на основе модели линейно-предикатного кодирования.//Материалы 58-й научной конференции профессорско-преподавательского состава РГУПС, 20-22 апреля 1999. С. 67.

76. Экспертные оценки и их применение в энергетике: /Под ред. P.M. Хвастунова М.: Энергоиздат, 1981. - 188 с.

77. Atal B.S. and Hanauer S L., Speech analyses and synthesis by linear prediction of the speech wave J. //Acoustic Society of America. Vol.50., 1971.

78. Benzmuller R., Barry W. Microsegment synthesis economic principles in low-cost solution //Proc. Fourth International Conference of Spoken Language Processing (ICSLP), Philadelphia, 1996.

79. Black A.W., Campbell N. Optimizing selection of units from speech databases for concatenative synthesis. //Proc. Evrospeech"95, vol. 2, 1995. pp. 581 - 584.

80. Black A.W., Campbell N. Prosody and the selection of source units for concatenative synthesis. //Progress in speech synthesis. Berlin: Springer Verlag, 1996 pp. 279-282.

81. Black A.W., Hunt A.J. Unit selection in a concatenative speech synthesis system using a large speech database. In 1С AS SP 96, Atlanta, 1996 - vol. 1 - pp.373 -376.

82. Black A.W., Taylor P. Automatically clustering similar units for unit selection in speech synthesis. //Proc. Evrospeech"97, vol. 2, 1997. pp. 601 - 604.

83. Burg J. A new analysis technique for time series data. //Proc. NATO Advanced Study Institute on Signal Processing, 1968.

84. Campos G.L., Couvea E.V. Speech synthesis using the CELP algorithm. //Proc. Fourth International Conference of Spoken Language Processing (ICSLP), Philadelphia, 1996.

85. Dalsgaard P., Petek В., Andersen O. On the robust automatic segmentation of spontaneous speech. //Proc. Fourth International Conference of Spoken Language Processing (ICSLP), Philadelphia, 1996.

86. Hubener K. Using multi-level segmentation coefficients to improve HMM speech recognition. //Proc. International Conference on Acoustics, Speech and Signal Processing (ICASSP), Munich, Germany, 1997.

87. Itakura F.I., Saito S. Analysis-synthesis telephony based upon maximum likelihood method. //Proc. Sixth International Congress of Acoustic, 1968.

88. King S., Portele T., Hofer F. Speech synthesis using non-uniform units in the verbmobil project. //Proc. Evrospeech"97, vol. 2, 1997. pp. 569 - 572.

89. Koishida K. CELP coding system based on mel-cepstral analysis //Proc. ICASSP'95, 1995.-pp. 33 -36.

90. Lee S.C. Probabilistic segmentation for segment-based speech recognition.: Requirements for the degree of Master of Engineering in Electrical Engineering and Computer Science at the Massachusetts Institute of Technology. May 1998.

91. Makhoul J. Stable and efficient lattice method for linear predication. IEEE Trans. Acoustics, Speech, and Signal Proc., ASSP-25, №5, 1977.

92. Ohno S., Masamichi F., Hiroya F. Quantitative analysis of the local speech rate and its application to speech synthesis. //Proc. Fourth International Conference of Spoken Language Processing (ICSLP), Philadelphia, 1996.

93. Pellom B. Automatic segmentation of speech recorded in unknown noisy channel characteristics. //Speech Communication. № 25 - 1998. - pp. 97 - 116.

94. Portnoff M.R., Zue V.W., and Oppenheim A.V., Some Considerations in the use of Linear Predication for Speech Analysis. MIT QPR №105, Research Lab of Electronics, 1972.

95. Taylor P.A. A real time speech synthesis system. // Proc. Eurospeech'91 1991. -pp. 341 -344.

96. Suh Youngjoo, Youngjik Lee. Phoneme segmentation of continuous speech using multi-layer perceptron. //Proc. International Conference on Acoustics, Speech and Signal Processing (ICASSP), Munich, Germany, 1997.

97. Wang X., Zahorian A. Analysis of speech segments using variable spectral/temporal resolution. //Proc. Fourth International Conference of Spoken Language Processing (ICSLP), Philadelphia, 1996.