Ki 21-01 guruh talabasi “Tizimlar va signallar” fanidan

2-qadam. Keyingi otschetlarni 80 ta kadr (har bir kadr 10 ms lik uzunlikga ega)o‘lchamidagi nutq signalidan to‘plash.
3-qadam. O‘lchami 80 ga teng bir vaqtdagi massivlar yaratiladi.
4-qadam. Har bir freym otschetidan o‘rtacha qiymatgachabo‘lgan Mahalanobis masofa quyidagi formula yordamida hisoblanadi.
r=


5-qadam. Agar masofa 3 dan katta bo‘lsa massivga birni qo‘shish (otschet nutqga mos), aks holda massivga 0 ni qo‘shish.
6-qadam. Massivdagi nollar va birlar sonini hisoblash. Agar massivdagi birlar soni nollar sonidan ko‘p bulsa, natijaviy signalga birlik otschetlarni qo‘shiladi. Aks holda o‘rtacha qiymat va normal taqsimot nol otscheti bilan yangilanadi.
7-qadam. Agar nutq signali tugasa, 8-qadamga o‘tiladi, aks holda 2- qadamga o‘tiladi.
8-qadam. Natijaviy signalni olish.

Signalni qayta ishlashda segmentatsiya uzluksiz signalni kichikroq ramkalar yoki segmentlarga bo'lish jarayonini anglatadi. Bu signalni yanada samarali tahlil qilish va qayta ishlash uchun amalga oshiriladi. Signalni kichikroq segmentlarga bo'lish orqali har bir segmentga alohida signalni qayta ishlash texnikasi yoki algoritmlarini qo'llash mumkin bo'ladi, bu signaldan foydali ma'lumot yoki xususiyatlarni olishda yordam beradi.

Boshqa tomondan, freymlash segmentatsiyaning o'ziga xos turi bo'lib, unda signal bir-biriga mos kelmaydigan uzunlikdagi ramkalarga bo'linadi. Kadr uzunligini tanlash signalning tabiati, kerakli vaqt o'lchamlari va maxsus dastur kabi turli omillarga bog'liq.

Signalni qayta ishlashda ramkalash mavzusidagi mustaqil ish bir necha jihatlarni o'z ichiga olishi mumkin. Qidiruv va tadqiqot uchun ba'zi asosiy yo'nalishlar quyidagilarni o'z ichiga olishi mumkin:

1. Kadr uzunligini tanlash: Berilgan signal yoki dastur uchun optimal kvadrat uzunligini aniqlashning turli usullari yoki mezonlarini o'rganing. Bu vaqt o'lchamlari va chastota o'lchamlari o'rtasidagi o'zaro kelishuvni tushunishni, shuningdek, oyna va bir-biriga o'xshashlik ta'sirini hisobga olishni o'z ichiga olishi mumkin.

2. Kadrlar bir-birining ustiga chiqishi: Segmentatsiyada bir-biriga o‘xshash ramkalarning ta’sirini ko‘rib chiqing. Turli xil takrorlash foizlari va ularning signal tahliliga, xususiyatlarni ajratib olishga va keyingi ishlov berish bosqichlariga ta'sirini o'rganing.

3. Signalni kadrlarda ko'rsatish: Kadrlar ichida signallarni ifodalashning turli usullarini o'rganing. Vaqt domenini ko'rsatish, chastota-domen namoyishi (Furye tahlili yoki spektrogrammalar orqali) yoki to'lqinlar tahlili va vaqt-chastota taqsimoti kabi tez-tez ishlatiladigan tasvirlarni o'rganing.

4. Signalni qayta ishlash usullari: alohida kadrlarga qo'llanilishi mumkin bo'lgan turli xil signallarni qayta ishlash usullarini o'rganing. Bu filtrlash, xususiyatlarni ajratib olish, vaqt chastotasini tahlil qilish, tasniflash yoki mashinani o'rganish algoritmlari kabi usullarni o'z ichiga olishi mumkin.

5. Ilovalar: Signalni qayta ishlashda ramkalash va segmentatsiyaning turli ilovalarini o'rganing. Bu nutqni qayta ishlash, audio ishlov berish, biomedikal signallarni tahlil qilish, tasvirni qayta ishlash, video tahlil qilish yoki signallar qayta ishlanadigan boshqa sohalarni o'z ichiga olishi mumkin.

Signalni qayta ishlashda kadrlar tuzish bo'yicha mustaqil ish qiziqishning aniq sohasiga qarab nazariy tahlil, algoritm ishlab chiqish, simulyatsiya tadqiqotlari yoki eksperimental tekshirishni o'z ichiga olishi mumkin. Bunday ishni samarali bajarish uchun signalni qayta ishlash asoslari va tegishli matematik tamoyillar haqida kuchli tushunchaga ega bo'lish zarur.

Segmentatsiya va ramkalash signalizatsiyadagi ikkita muhim tushuncha bo'lib, ular ma'lumot qanday taqdim etilishi va qabul qilinishini anglatadi.
Segmentatsiya deganda maqsadli auditoriyani demografik, xulq-atvor yoki imtiyozlar kabi xususiyatlar asosida alohida guruhlarga bo'lish jarayoni tushuniladi. Tomoshabinlarni segmentlash orqali signalchilar o'z xabarlarini har bir segmentning o'ziga xos ehtiyojlari va manfaatlarini yaxshiroq qondirish uchun moslashtirishlari mumkin. Segmentatsiya to'g'ri ma'lumotlarning kerakli odamlarga etib borishini ta'minlash orqali signalizatsiya jarayonining dolzarbligi va samaradorligini oshirishga yordam beradi.
Boshqa tomondan, freymlash tushunchalarni shakllantirish va qaror qabul qilishga ta'sir qilish uchun ma'lumot taqdim etish yoki ramkalash usulini anglatadi. Signalning ramkasi ma'lumotlarning ba'zi jihatlarini ta'kidlab, boshqalarni kamaytirsa yoki o'tkazib yuboradi. Turli kadrlar ma'lumotlarning tinglovchilar tomonidan

qanday talqin qilinishi va unga javob berishiga sezilarli ta'sir ko'rsatishi mumkin. Masalan, atrof-muhit muammosini sog'liqni saqlash muammosi sifatida ko'rsatish, uni iqtisodiy muammo sifatida ko'rsatish bilan solishtirganda turli xil reaktsiyalarni keltirib chiqarishi mumkin.

Segmentatsiya ham, ramkalash ham samarali signalizatsiyada hal qiluvchi rol o'ynaydi. Segmentatsiya signalchilarga ta'sirini maksimal darajada oshirish uchun o'z xabarlarini aniq auditoriyaga yo'naltirishga yordam beradi. Framing signalchilarga ma'lumotni auditoriyani idrok etish va qaror qabul qilishga ta'sir qiladigan tarzda strategik tarzda taqdim etish imkonini beradi. Segmentatsiya va ramkalarni hisobga olgan holda, signalchilar o'zlarining aloqa harakatlarining samaradorligini oshirishlari va ularning xabarlari mo'ljallangan auditoriya tomonidan qabul qilinishi va tushunilishini ta'minlashi mumkin.

Nutqni tanish degani bu malumot inson ovozi erdamida kompyuter
Kiritilishini anglatadi va kompyuter inson nutkini tinglaydi va taniidi. Nutq signallarini tanish butun dunyoda xali ham faol o'rganilmokda, chunki qo'yilgan masala ancha murakkab. Buning uchun tizhorat maksadidagi nutkni tanish tizimlari kwpayib g'o'ldiradi. Bundai tisimlarning samaralisi va turli ishlab chiqaruvchilarni tuliq bazhara ishtiroki kam tufayli.Nutkni tanib olish muammosi - bu signallarni qayta ishlashi doimo Muhim Mavzu Bulib Kelgan Timsollarni Tanib Olishdir. Timsollarni tanib olishdan maqsad objectni sonli sinflarga azhratishdir. Har bir gunoh yoki namuna malum bir szni ifodalaydi . Kiritish belgili hususiyati vektorlari o'kitilayotgan ma'lumotlar basesidagi vektorlargali vektorlarini moslashtirish o’rganiladi. Barcha nutqni tanishda o'rgangan amallar va algoritmlar malum bir Murakkab sonli usullar va shunga mos ravishda beris algoritmlarini talab qiladi:
Furiening asoslarida spektral tagilili, wavelet u turli xil, filterlash, paket, capstral tagil va h.k. Ushbu algoritm va metodlarni mahsuslangan dasturlar-apparat mahsulotlar yoki o'rnatish tisimlarda amalga oshirish ancha mushkul.Buning uchun mahsus yondaszuv va optimal algoritmlarni amalga oshirishni talab qiladi.Taklif etilayotgan vaqt real rejim sukhandonga boglik yoki boglik bo’lmagan
holda nutq buyruqlarini tinib olish algoritmlari ketma-ketilgi 1-rasmda kelitilgan.

1-rasm.Taklif qilinayotgan nutq signallaridan belgili xususiyiyatlarni ajratib

olish va tanish algoritmlari bosqichlari
Ushbu usul orkali nutk buyrug'larini tanib olish kuyidagi algorithmic
boskichlarda amalga oshirish.
1. Kiruvchi nutk ko'rinishidagi analog signal, saraton signalining 16 kHz chastotasi
qayinga o'giriladi.
2.Nutq buyruqlari toshki shovqin va xalaqitlardan tozalang. Haqiqiy vaqt
tashqi va turli muhitlarda shovkin va halakitlarning ham frekans va xususiyiyatlari
turlicha buladi. Shularni bilish olib nutq buyruklarini tanishda adaptive
filterlardan foidalanish maksadga muvofik.
3. Nutk signallaridan jimlik sogalari azhratib olish. Jimlik sohalarini
ajratib olishdan avval nutk signali qiyomatlari M=128ga teng bo’lak segmentlarga
Ajratilib, 𝑄𝑖 segmentga o'zlashtiriladi. Uch segmentlardagi jimlik holatini uchun har bir segmentning energiyasi uchun. Yong'in energiyasi -ajratilgan sohaning kompanenti hisoblanadi.

Bu erda E - nutqning energiya, 𝑄𝑖 - segmentlash qiymatlari.
Quyidagi rasmda nutk signallaridan jimlik sogalarini ajratib olish algoritmlar.keltirilgan.

2 o'lchamli Nutq signallaridan jimlik sohasini ajaratib olish blok diagrammasi.

4. Framelarga ajratish. Nutq signalidan jimlik joylari o'rnatilgandan so'ng nutq signalini kaita segmentlash natijasida framelarga ajratish zarur. Framelash bosqichlarida daslab signallarga berish maqsadida ma’lum bir teng bo’laklarga ajratiladi(3-rasm).

Olib borilgan tadqiqot natijalariga kura, segmentlash ulchami L=256 tanlandi.Diskret chastotasi 16 kHz ha ezilgan nutk signalizatsiya segmentlash ulchami L=256 Bo’lganda, Kotelnikov teoremasi shartlarga mos keladi va ushbu qijmatlarda ko’p yadroli protsessorlarda segmentlash ulchami M=256 bulgan ramkalarga uzoq berish maksimal Tezlikni taminlaydi.

5. To’liq yetishtirish SRIBDA ko’plab o‘ynalar qo‘llanma:
Bartlett, Blackman, Chebyshev, Henning, Kaiser va Hemminglar shular jumlasidandir[1,2].
Shulardan nutq signallariga berishda Hemming va Henning oynalari keng Ku qoidalar. Bizning aynan Henning oinasini tanlashimizdan maksad biz foyda yoki Furi qisqa vaqtli o'g'ilda (STFT-qisqa vaqt furer transformatsiyasi),
oynadan o'tkazishda signaling boshi va ohiri t'oliq zero qimatiga teng bo'lishi kerak.

Bunda, N – oinalar yordamida. Henning oyna bu formula yordamide
ifolalashning amplitude va chastota kerishi 2.4-rasmda rasm.

2.4 -rasm Henning oynasining amplitudasi va chastotasini ifodalaydi.

Bundan ko’rinib turibdiki, signal taksimlanish darajasi -31,5 dBni tashkil
bosqich [2, 3].
6. Qisqa vaqtli Fourier darajasi. Quyidagi formula orqali aniqlanadi.

7. O’lchamlarni qisqartirish. Signal u erdani qisqaritirish singular yozish

usulidan foidalanildi. Singular Value Decomposition (SVD) - boo
haqiqiy matritzani canon shaklga keltirish birlashgan decompositiondir. SVD
matritsalar bilan ishlashda zhuda ham qulay usuldir, bundan tashqari matritsalar
amallar protsessi or ortini ham olib. Geometrik matritsa ko'k tuzilishga ega k o' lar va mavjud ma'lumotlarni yaqqol taqdim qilish qiladi. SVD turley hil masalalarni hal qilishda – eng kichik kvadratlar usulida yaqinlashish va tenglamalar sistemasini echishdan tortib olish signallarni sikish va filterlashgacha qo'l tekshiruvi.
8.Formant chastotalarini belgilash. Suhandonga bog’lik bo’lgan nutq
buyruqlarini tanishda formant chastotalarini qo'shimcha parametrlarni olish yaxshi
ahamiyat kasb etadi. Bu esa uz foydalanish tanib olish aniklik foyizini olishga olib
keladi.
9. MFCC qiymatlarini olish. MFCC eng keng tarqalgan koeffitsientlardan
bwlib, inson qobiliyat chiziqli bulmagan ta'sirini approximationlaydi.
idroki bilan olib olib borilgan tajribalar shuni inson ku ishlashiki, sof tonlar kabi
stimul uchun bazilar membrana bo'ylab maksimal kuchish holati tone chastota sining logarifmiga proporcialdir[3,4]. Bu esa uz foydalanish koeffitsienti inson
tashkilot tizimiga juda ham yakinligini bildiradi.
10. Belgilarning kuchiga egaligini va tanib olish. Yagona Belgilar
vectorida ajratib olingan nutq buyruklari dastlab mumkinligi tekshiriladi va
mosligi aniklansa u tanib olinadi. Ushbu bosqichida nutq buyruklarini turli sinflash
va clusterlash masalalari echish orkali amalga oshirishini. Bizning hozir Yashirin
Markov modeliga mos modeldan foidalanildi.
Barcha mavjud nutkni tanib olish va ovozli boshkaruv tizimlari o'xshash
Tuzilishga ega bwlib, daslabki berish, akustik modul va linguistics modullardan tashkil topadi. Akustik modulda asosiy, Gaussning aralashmalariga mavjud Markovning yashirin modellaridan yoki sunyi neuron tarmoklari foydalaniladi.
Suniy neuron tizimlariga muvofiq algoritmlarini amalga oshirish
hisoblash tizimidan yuqori samardorlikni talab qilishini hisobga olib, nutq buyruqlarini real rejimida tanib olish vaqti qayta ishlab chikish uchun yashirin Markov zanjiriga foydalanish algoritm apparati-dasturius platformaga moslandi. Ushbu algorithm alohida nutk buiruklarini tanib olishda 95% aniqlik ko'chirish.
Xulosa
Bugungi kunda tezkor rivojlanayotgan axborot kommunikatsiya texnologiyalarini jamiyatning barcha sohalarida qo’llash ayniqsa real vaqt tizimlarida, raqamli televedeniyada, videokonferensiyalarni tashkil etishda(audio video signallarni qayta ishlash), video ko’zatuvlarni masofaga jo’natishda paydo bo’ladigan implusli pomexlarni filtirlash juda muhim sanaladi. Masofaga uzatilayotgan barcha axborotlar signal ko’rinishda ifodalanadi. Signallarni masofaga jo’natishda yoki qabul qilishda signallarga vaqt sohasida dastlabki ishlov berish (filtrlash, siqish) masalalarining sonli usullarini Matlab tizimining imkoniyatlaridan foydalangan holda qayta ishlash uzatilayotgan axborotlarning sifatini oshirishga xizmat qiladi.
Nazorat Savollari
1.Signallarga ishlov berishda segmentlash va freymlash ahamiyati nimada?
2. Noldan o’tuvchi nuqtalar vazifasi
3.signallarga raqamli ishlov berish deganda nimani tushunasiz?
4.Qisqa vaqtli Furye darajasi qaysi formula yordamida aniqlanadi?
5.Tasodifiy o’zgaruvchining normal taqsimoti deb nimaga aytiladi va qaysi formula orqali hisoblanadi?

Adabiyotlar:

1. D. V.P., MATLAB 6.5 SP1/7 + Simulink 5/6. Qayta ishlash, Moskva: M.: SOLON-press,

2005, p. 576 bet.
2. S. A. B., Raqamli signalni qayta ishlash: darslik. universitetlar uchun, Sankt-Peterburg: Peter, 2003,
p. 604 bet.
3.“https://ru.wikipedia.org/wiki/Window_Fourier_transform#Window_Hanna_(Henninga)” [Onlayn].
4. S.B.D.a. P. Mermelstein, "Parametrik tasvirlarni solishtirish", IEEE Trans. yoqilgan
Akustika, nutq va signallarni qayta ishlash, №. jild. 28, bet. pp. 357-366, 1980 yil.