Модели и методы обработки аудиосигналов телекоммуникационных систем в сложной помеховой обстановке тема диссертации и автореферата по ВАК РФ 05.12.13, доктор технических наук Кропотов, Юрий Анатольевич

  • Кропотов, Юрий Анатольевич
  • доктор технических наукдоктор технических наук
  • 0, Б.м.
  • Специальность ВАК РФ05.12.13
  • Количество страниц 273
Кропотов, Юрий Анатольевич. Модели и методы обработки аудиосигналов телекоммуникационных систем в сложной помеховой обстановке: дис. доктор технических наук: 05.12.13 - Системы, сети и устройства телекоммуникаций. Б.м.. 0. 273 с.

Оглавление диссертации доктор технических наук Кропотов, Юрий Анатольевич

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. СОВРЕМЕННЫЕ ТРЕБОВАНИЯ И АЛГОРИТМЫ ОБРАБОТКИ АУДИОСИГНАЛОВ В ОПЕРАТИВНО-КОМАНДНЫХ СИСТЕМАХ ТЕЛЕКОМУНИКАЦИЙ

1.1. Современное состояние телекоммуникационных систем аудио обмена информацией

1.2. Требования, предъявляемые к оперативно-командным системам телекоммуникационного обмена речевой информацией

1.2.1. Методы оценки слоговой разборчивости в системах передачи речевых сигналов

1.2.2. Параметры телекоммуникационной системы, влияющие на слоговую разборчивость передачи речевых сообщений

1.2.3. Внешние факторы, влияющие на слоговую разборчивость передачи речевых сообщений, и современные алгоритмы обработки

1.3. Сигналы и помехи в телекоммуникационных системах аудио обмена

1.3.1 Внешние акустические помехи в системах аудио обмена

1.3.2 Речевые сигналы в системах обмена аудио информацией

1.4. Модели аудиосигналов и методы их оценивания

1.5. Модели эхо-сигналов и структуры абонентских устройств в оперативно-командных телекоммуникационных системах ГГС

1.6. Оценки характеристик стационарных сигналов в телекоммуникационных системах передачи речи

1.7. Оценивание нестационарных сигналов в телекоммуникационных системах передачи речи

1.8. Задачи повышения эффективности телекоммуникационных систем обмена речевыми сообщениями

2. ОЦЕНИВАНИЕ ФУНКЦИЙ РАСПРЕДЕЛЕНИЯ СИГНАЛОВ В ДИСПЕТЧЕРСКО-ТЕХНОЛОГИЧЕСКИХ СИСТЕМАХ СВЯЗИ

2.1. Методы оценивания распределения плотности вероятности речевых сигналов и помех

2.2. Регуляризация некорректной задачи оценивания плотности вероятности речевых сигналов и помех

2.3. Методы оценивания параметризованной функции плотности

2.4. Основные выводы по восстановлению плотности распределения

3. КОРРЕЛЯЦИОННЫЕ И СПЕКТРАЛЬНЫЕ ХАРАКТЕРИСТИКИ СИГНАЛОВ В ДИСПЕТЧЕРСКО-ТЕХНОЛОГИЧЕСКИХ СИСТЕМАХ ПЕРЕДАЧИ РЕЧЕВЫХ СООБЩЕНИЙ

3.1. Моментные и спектральные функции сигналов в системах передачи речевых сообщений

3.2. Спектральный анализ сигналов в системах передачи речевых сообщений

3.3. Корреляционные характеристики сигналов в телекоммуникационных системах передачи речевых сообщений

3.4. Общие выводы по корреляционному и спектральному анализу сигналов в диспетчерско-технологических системах обмена речевыми сообщениями

4. ПАРАМЕТРИЧЕСКИЙ АНАЛИЗ И МОДЕЛИРОВАНИЕ СИГНАЛОВ В ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМАХ ПЕРЕДАЧИ РЕЧЕВЫХ СООБЩЕНИЙ

4.1. Вопросы моделирования сигналов в системах передачи

речевых сообщений

4.2. Функции регрессии и метод наименьших квадратов в задачах параметрического моделирования сигналов в системах обмена речевыми сообщениями

4.3. Алгоритм сглаживания данных, представленных выборками речевого сигнала

4.4 Алгоритм идентификации модели помехи с медленно изменяющимися параметрами

4.5 Общие выводы по параметрическому моделированию и идентификации медленно изменяющихся параметров сигналов в телекоммуникационных системах передачи речевых сообщений

3

5. СТАТИСТИЧЕСКИЕ МОДЕЛИ РЕЧЕВЫХ СИГНАЛОВ И ПОМЕХ В

ОПЕРАТИВНО-КОМАНДНЫХ СИСТЕМАХ ТЕЛЕКОММУНИКАЦИЙ

5.1. Модель одномерной функции плотности вероятности речевых сигналов

5.1.1. Алгоритм гистограммной оценки функции плотности вероятности речевого сигнала

5.1.2. Восстановление плотности вероятности речевого сигнала по эмпирическим данным

5.1.3. Алгоритм аппроксимации гистограммы речевого сигнала многочленом по системе экспоненциальных функций

5.2. Автокорреляционные функции речевых сигналов

5.2.1. АКФ речевых сигналов на конечных интервалах

5.2.2. Математическая модель АКФ речевых сигналов

5.3. Модели характеристик внешних помех в системах телекоммуникаций обмена аудио информацией

5.3.1. Модель одномерной функции плотности вероятности внешних шумовых помех в оперативно-командных системах телекоммуникаций

5.3.2. Автокорреляционная функция внешних шумовых помех в системах телекоммуникаций передачи речевых сообщений

5.4. Исследование спектральных характеристик сигналов в системах телекоммуникаций

5.4.1. Спектральные характеристики сигналов на конечных интервалах

5.4.2. Алгоритмы исследования форм спектральной плотности с помощью кратковременного ДПФ

5.4.3. Результаты исследования спектральных характеристик речевых сигналов с помощью алгоритмов кратковременных ДПФ

5.5. Спектральная плотность мощности внешних шумовых помех в системах оперативно-командной связи

5.6. Выводы

6. МЕТОДЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ ОБМЕНА

АУДИОИНФОРМАЦИЕЙ

4

6.1. Исследование влияния отношения сигнал/шум на значение слоговой разборчивости в системе телекоммуникаций обмена

речевыми сообщениями

6.2. Адаптивная линейная фильтрация в задаче повышения отношения сигнал/шум в системах обмена речевой информацией

6.3. Метод рекуррентной адаптивной компенсации эха по конечному числу выборок в пределах скользящего кадра данных

6.4. Метод корреляционно-экстремального оценивания параметров эхо-сигналов

6.5. Выводы

7. РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ, ПОВЫШАЮЩИХ

ЭФФЕКТИВНОСТЬ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ ОБМЕНА

АУДИОИНФОРМАЦИЕЙ

7.1. Адаптивная компенсация и многоканальная обработка эхо-сигналов

7.2. Адаптивный многоканальный алгоритм подавления аддитивных акустических помех

7.3. Оптимизация полос фильтрации по критерию совместной вероятности формантных составляющих и составляющих помех в многоканальных алгоритмах обработки

7.4. Алгоритм адаптивного подавления акустических помех с формантным распределением полос режекции

7.5. Способ и алгоритм адаптивной фильтрации речевых сигналов и подавления акустических помех методами ДПФ

7.6. Сравнительный анализ эффективности предложенных алгоритмов шумоподавления и эхо-компенсации

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ А. АКТЫ ВНЕДРЕНИЯ

Рекомендованный список диссертаций по специальности «Системы, сети и устройства телекоммуникаций», 05.12.13 шифр ВАК

Введение диссертации (часть автореферата) на тему «Модели и методы обработки аудиосигналов телекоммуникационных систем в сложной помеховой обстановке»

ВВЕДЕНИЕ

Актуальность темы диссертации. Современный этап развития дис-петчерско-технологических оперативно-командных систем телекоммуникаций характеризуется существенной интеграцией и повышением их функциональной насыщенности, характеризуется переходом на новые информационные технологии. Современные диспетчерско-технологические системы телекоммуникаций, в том числе оперативно-командные системы громкоговорящей связи (ГГС) получили все более широкое применение на многофункциональных объектах, в системах массового обслуживания. Современные системы телекоммуникаций имеют сетевую распределенную структуру в виде многоканальной системы передачи цифровой информации с увеличенной пропускной способностью сетей с применением высокоскоростных технологий Ethernet или ISDN вследствие требований на значительное число абонентских постов обмена.

Передача информации на стационарных и подвижных многофункциональных объектах может осуществляться множеством способов, но при этом передача аналоговой аудиоинформации, то есть передача речевых сообщений, остается важным средством обеспечения оперативного управления, обеспечения надежного функционирования сложных объектов. Во многих случаях, особенно в чрезвычайных ситуациях, передаваемая аудиоинформация имеет вид коротких управляющих сообщений, что предъявляет повышенные требования к характеристикам систем, таким как разборчивость и корректность понимания смысла сообщения, от которых зависит управляемость объекта в целом. Поэтому оперативно-командные системы аудиообме-на должны быть эффективными, должны обеспечивать достоверное и оперативное доведение командной информации, передаваемые речевые сообщения должны полностью восприниматься абонентом.

В настоящее время такие системы представляют собой объект активных теоретических исследований. Исследователи, используя новый техноло-

гический уровень, обратились к созданию моделей алгоритмов высоких порядков, которые в условиях развития микроэлектроники стали практически реализуемыми.

Исследованиям вопросов повышения эффективности передачи информации речевыми сигналами в системах телекоммуникаций посвящено достаточно большое число работ отечественных и зарубежных авторов. Потребность в таких исследованиях и разработке новых концепций и новых алгоритмов обработки сигналов объясняется наличием факторов, понижающих эффективность функционирования систем телекоммуникаций аудиообмена. К таким факторам относятся внешние акустические помехи, акустические шумы, акустические сосредоточенные помехи, внешние акустические эхо-сигналы, которые характеризуются значительной интенсивностью.

Вопросам разработки теоретических основ создания систем телекоммуникаций передачи речевой информации посвящено достаточно много трудов известных авторов:

- в области исследования речевых сигналов - Сапожков М.А., Фланаган Дж. Л., Вемян Г.В., Покровский П.Б., Михайлов В.Г. и др;

- в области адаптивной фильтрации, компенсации и адаптивного управления - Цыпкин Я.З., Граничин О.Н., Фрадков А.Л., Уидроу Б и др.;

- в области спектрального анализа, цифровой обработки сигналов и временных рядов - Оппенгейм А., Хеннан Э. , Величкин А.И., Гоулд Б. , Ра-бинер Л.Р., Шафер Р.Ф., Назаров М.В., Прохоров Ю.Н. и др.;

- в области построения систем телекоммуникаций обмена аудиоинформацией, систем цифровой речевой связи, реализации систем оперативно-командной связи - Ланнэ A.A., Бабкин В.В., Директоров Н.Ф., Катанович A.A., Нероба Г.С. и др.

Решение многих из приведенных вопросов основано на методах оптимизации, рассмотренных в работах Поляка Б.Т., Нестерова Ю.Е., Вандербер-га Л. и др. С их помощью решаются задачи параметрического анализа, синтеза и интеграции систем. Развитая в работах Катковника В.Я. теория позволя-

ет решать задачи локальной аппроксимации и сглаживания сигналов. Предложенные ими методы делают возможным получение решений при самых общих функциональных ограничениях, налагаемых на сигналы и помехи.

Вместе с тем, известные алгоритмы обработки речевых сигналов на фоне комплекса интенсивных акустических помех не обеспечивают необходимую степень подавления помех. Поэтому вопросы повышения качества систем телекоммуникационного обмена аудиоинформацией, вопросы эффективного подавления внешних акустических помех в системах аудиообмена требуют дальнейших исследований, разработки новых методов и алгоритмов, требуют решения задач создания более точных моделей речевых сигналов, новых методов оценивания параметров помех, новых моделей алгоритмов адаптивного подавления и компенсации, новых алгоритмов обработки и фильтрации.

Объект исследования - системы телекоммуникаций обмена речевыми сообщениями, в том числе системы громкоговорящей связи, обеспечивающие обмен аудиоинформацией в сложной помеховой обстановке.

Предмет исследования - модели сигналов, методы, алгоритмы обработки, повышающие эффективность передачи информации речевыми сообщениями в телекоммуникационных системах аудиообмена.

Цель диссертационной работы - разработка моделей и методов обработки аудиосигналов с целью создания алгоритмов подавления внешних акустических помех и компенсации эхо-сигналов, повышающих эффективность телекоммуникационных систем аудиообмена в сложной помеховой обстановке.

Для достижения сформулированной цели были поставлены и решены следующие задачи:

1. Анализ факторов, влияющих на эффективность обмена аудиоинформацией в системах телекоммуникаций.

2. Анализ требований к оцениванию эффективности систем обмена речевыми сообщениями, систем обмена аудиоинформацией. Разработка реко-

мендаций по применению методов, критериев, параметров, оценивающих эффективность функционирования систем передачи аудиоинформации.

3. Разработка и исследование моделей наиболее характерных внешних помех: акустических шумов, акустических эхо-сигналов, акустических сосредоточенных помех.

4. Разработка и исследование новых моделей речевых сигналов с применением методов оптимизации, локальной аппроксимации, теории случайных процессов.

5. Разработка алгоритмов обработки сигналов с эффективным понижением влияния внешних акустических шумовых и других видов помех на ау-диообмен информацией в системах телекоммуникаций.

6. Исследование вопросов оценивания долговременных параметров модели внешних помех - эхо-сигналов и разработка на основе этой модели алгоритмов эхо-компенсации с более высокими результатами компенсации по сравнению с известными алгоритмами.

Методы исследования базируются на обобщенных методах параметрической оптимизации, локальной аппроксимации, идентификации и адаптивной компенсации помех; математическом аппарате спектрального анализа и цифровой обработки сигналов, теории случайных процессов, интерполяционной и экстраполяционной аппроксимации, на аппарате статистического анализа временных рядов и теории матриц.

Научная новизна и теоретическая значимость полученных результатов заключается в том, что:

1. Установлено, что плотность вероятности речевых сигналов в системах телекоммуникаций аудиообмена наиболее адекватно описывается впервые введенной функцией в виде многочлена третьего порядка по системе экспоненциальных функций, полученной путем решения задачи оптимизации с ограничениями, в рамках которой обеспечивается аппроксимация с более низкой погрешностью по сравнению с известными моделями.

2. Установлено, что плотность вероятности внешних акустических шумов наиболее адекватно описывается впервые введенной функцией в виде многочлена третьего порядка по системе функций гауссовых кривых, основанной на методе локальной аппроксимации, обеспечивающей погрешность аппроксимации менее 4,8 %.

3. Предложен и исследован метод моделирования канала фильтром с АЧХ прямоугольной формы с управляемой частотой низкочастотного среза, позволяющий оценивание эффективности подавления различных внешних акустических шумовых помех алгоритмами линейной фильтрации.

4. Предложен и исследован подход к созданию многоканального алгоритма подавления внешних акустических шумовых помех с применением метода линейной фильтрации, основанный на адаптивном управлении областями режекции и использующий результаты сравнительного анализа вероятностных и спектральных характеристик сигналов.

5. Впервые предложен метод определения полосы пропускания узкополосного фильтра в гребенке фильтров с формантным распределением полос пропускания в многоканальном алгоритме подавления внешних акустических шумовых и других видов помех, основанный на функциональной зависимости значения полосы пропускания канала от совместной вероятности спектральных составляющих речевого сигнала и составляющих помех в соответствующей формантной области.

6. Предложена и исследована новая модель эхо-сигналов, полученная на основе корреляционного оценивания долговременных параметров эха, обеспечивающая возможность выделения значимых каналов, реализующая алгоритм многоканальной компенсации эхо-сигналов с минимизированным числом каналов компенсации, позволившая применить в каналах компенсации адаптивные фильтры с уменьшенным порядком, повысить скорость их настройки и результаты компенсации.

7. Разработан и исследован новый способ многоканального адаптивного подавления акустических шумов и сосредоточенных помех методом

кратковременного ДПФ. По алгоритму, реализующему этот способ обработки сигналов, после оценивания компонент шума или помех в преобразованной области последние адаптивно исключаются. После подавления помех сигналы восстанавливаются с помощью О ДПФ.

Практическая значимость результатов диссертационных исследований

1. Предложен алгоритм гистограммного оценивания функции распределения плотности вероятности оцифрованных речевых сигналов. Представлена табличная функция зависимости погрешности гистограммного оценивания оцифрованных речевых сигналов в зависимости от времени анализа, с помощью которой по заданной погрешности гистограммы оценивания определяется длительность кадра в алгоритмах обработки.

2. Разработан метод оценивания слоговой разборчивости в системах аудиообмена по отношению сигнал/помеха. Для практического оценивания слоговой разборчивости предложена сетчатая функция зависимости величины последней от отношения сигнал/помеха.

3. Разработан многоканальный алгоритм подавления внешних акустических шумов и сосредоточенных помех с формантным распределением полос прозрачности узкополосных фильтров в гребенке фильтров образующих общую АЧХ и с адаптивным управлением областями режекции, применение которого позволило получить подавление внешних акустических шумовых помех до (11-К22) дБ, что на 5-^10,5 дБ больше по сравнению с известными алгоритмами подавления акустических помех.

4. Разработан алгоритм многоканальной компенсации эхо-сигналов с числом каналов компенсации, равным числу выделенных каналов эхо-сигналов со значимыми долговременными задержками, что позволило повысить точность оценки величины задержки, уменьшить время настройки с 0,73 сек. до 0,21 сек., получить более высокое быстродействие компенсации и обеспечить степень подавления эхо-сигналов на (1-4) дБ больше, по сравнению с уровнем подавления известными аналогами эхокомпенсаторов.

5. Предложен алгоритм, реализующий новый способ многоканальной адаптивной обработки речевых сигналов и подавления помех методом кратковременного ДПФ. По данному алгоритму вычисляются составляющие в кадре из N отсчетов; после оценивания компонент шума впреобразованной области, последние адаптивно исключаются и очищенные от помех сигналы восстанавливаются ОДПФ. Степень подавления внешних акустических шумовых и сосредоточенных помех может достигать 15 дБ.

Результаты диссертационной работы внедрены:

в устройствах диспетчерско-технологической связи, разработанных ОАО «Муромский радиозавод» в рамках ОКР «Разработка комплектов приборов громкоговорящей связи для интегрированных мостиковых систем («ПУ-М»);

- при создании изделия ИВА-ЦС в рамках ОКР «Разработка комплекса цифровой оперативно-командной связи»;

- при выполнении ОКР «Модернизация комплекса оперативно-командной корабельной громкоговорящей и телефонной связи «КТС-01 ЦС»;

- при выполнении ОКР на тему «Разработка комплектов комплекса внутри-корабельной связи»;

- в изделиях, разработанных в ОАО НПП «Звукотехника» НИОКР: «Верба», «Чертков», «Чертков 9», «Брусчатник» и других;

- в учебном процессе по специальностям «Вычислительные машины, комплексы, системы и сети», «Программное обеспечение вычислительной техники и автоматизированных систем», в учебном процессе подготовки бакалавров по направлению «Информатика и вычислительная техника» в Муромском институте (филиале) ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых».

Основные положения, выносимые на защиту.

1. Использование метода восстановления распределения плотности вероятности сигналов по критериям минимальной вычислительной сложности

и максимально допустимой погрешности с применением метода локальной аппроксимации:

- позволило получить новую аппроксимацию плотности вероятности речевых сигналов в виде многочлена третьего порядка по системе экспоненциальных функций с погрешностью менее 5 %;

- позволило впервые получить аппроксимацию плотности вероятности сигналов внешних акустических шумовых помех в виде многочлена третьего порядка по системе гауссовых кривых с погрешностью менее 4,8 %.

2. Метод моделирования канала системы телекоммуникаций фильтром с АЧХ прямоугольной формы с управляемой частотой низкочастотного среза, позволяет исследовать эффективность линейной фильтрации в задачах подавления различных внешних акустических шумовых помех. Исследования, выполненные предложенным методом, показали, что линейной фильтрацией можно достичь подавление вышеуказанных помех до 22 дБ.

3. Использование сетчатой функции зависимости слоговой разборчивости от отношения сигнал/акустическая помеха позволяет осуществить практическое оценивание слоговой разборчивости в телекоммуникационной системе аудиообмена, в телекоммуникационной системе громкоговорящей связи; позволяет определить минимально допустимое отношение сигнал/акустическая помеха на выходе системы аудиообмена для обеспечения заданного значения слоговой разборчивости.

4. Формантное распределение полос прозрачности в многоканальном адаптивном фильтре позволяет снизить вычислительную сложность алгоритма обработки за счет резкого уменьшения количества каналов режекции, позволяет минимизировать потери полезного сигнала при формировании областей режекции для подавления компонент помех.

5. Метод адаптивного управления формированием области режекции в многоканальном алгоритме подавления внешних акустических помех, основанный на оценке значения модуля составляющих в канале.

6. Метод создания алгоритмов адаптивной многоканальной компенсации эхо-сигналов, основанных на модели с корреляционным оцениванием долговременных параметров эха, позволяет создать алгоритмы компенсации с минимизированным числом каналов, равным числу выделенных долговременных параметров задержки, позволяет уменьшить порядок адаптивных фильтров в каналах, позволяет увеличить скорость настройки эхо-компенсации, позволяет повысить результаты компенсации эхо-сигналов на 1-4 дБ больше, по сравнению с известными.

7. Предлагается способ многоканальной адаптивной обработки речевых сигналов и подавления помех в частотной области, позволяющий достичь подавления внешних акустических шумовых и сосредоточенных помех до 15 дБ.

Апробация работы. Основные положения диссертационной работы докладывались на международных и Всероссийских конференциях и опубликованы в материалах и сборниках тезисов докладов: конференции Муромского института Владимирского государственного университета (1990-2012); на 16 th — 22 th International Crimean Conference "Microwave & Telecommunication Technology" - Sevastopol, Ukraine, 2006-2012 гг.; на 12-ой Всероссийской конференции «Новые информационные технологии в научных исследованиях и образовании» - г. Рязань, 2007 г.; на 2-ой Всероссийской научной конференции «Сверхширокополосные сигналы в радиолокации, связи и акустике» - г. Муром, 2006 г.; на 4-й международной конференции «4-а международна научна практична конференция, «Научно пространство на Европа — 2008» - г. София, Болгария, 2008 г.; на 3-ей, 4-ой, 5-ой международной научно-технической конференции «Информационные технологии в науке, образовании, производстве» - г. Орёл, 2008-2012 г.; на 1-ой «First Russian Pacific Conference on Computer Technology and Applications» -Vladivostok, Russia, 2010 г.; на I-III Всероссийских научных Зворыкинских чтениях «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России» - г. Муром, 2009-2012 гг.; на междуна-

родной IEEE-сибирской конференции по управлению и связи (SIBCON-2011) - г. Красноярск, 2011 г; на 4-ой международной научно-практической конференции «Актуальные проблемы радиофизики «АПР-2012» - г. Томск, 2012 г.

Диссертационные исследования выполнялись в рамках госбюджетных и научно-исследовательских работ совместно с ОАО «Муромский радиозавод», ОАО НПП «Звукотехника», ОАО «Муромское специальное конструкторское бюро»: ГБ НИР МИ ВлГУ №225/87 «Анализ и синтез радиоэлектронных систем и сигналов методами моделирования на ЭВМ» (Инв. № 09210044552) (н.р. Кропотов Ю.А.); ГБ НИР МИ ВлГУ №264/91 «Анализ и синтез радиоэлектронных систем и сигналов методами моделирования на ЭВМ» (Инв. № 09210044552, № гос. per. 002960007077) (н.р. Кропотов Ю.А.); ГБ НИР МИ ВлГУ № 376/01 «Анализ и синтез электронных устройств, систем и сигналов с применением компьютерных технологий» (Инв. № 02.2004.04934, № гос. per. 01.200.108484) (н.р. Кропотов Ю.А.); ГБ НИР МИ ВлГУ № 376/01 «Анализ и синтез электронных устройств, систем и сигналов с применением компьютерных технологий» (Инв.№ 02.2007.03232, № гос. per. 01.200.108484) (н.р. Кропотов Ю.А.); ГБ НИР МИ ВлГУ № 376/01 «Анализ и синтез электронных устройств, систем и сигналов с применением компьютерных технологий» (Инв.№ 0220.1052978, № гос. per. 012007004452) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Исследование и разработка коммутационной системы громкоговорящей связи" (№2984/03) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Исследование и разработка дистанционного управления командной системы, локальных сетей командной системы и объектов управления" (№ гос. per. 0120.0602602) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Модернизация и разработка командной системы беспроводной передачи речевой информации" (№ гос. per. 0120.0804923) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Разработка корабельной оперативно-командной телекоммуникационной системы связи с использованием сетевых технологий" (№ гос. per.

0120.0809610) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» "Разработка абонентского устройства системы трансляции радиостанций с использованием Интернет-технологий" (№ гос. per. 01201067422) (н.р. Кропотов Ю.А.); ХД НИР с ОАО НПП «Звукотехника» "Разработка программ по преобразованию 3D моделей в 2D представление графической информации и формированию проектной конструкторской документации" (№ гос. Per. 03201150860) (н.р. Кропотов Ю.А.); ХД НИР с ОАО «Муромский радиозавод» «Разработка абонентского устройства телекоммуникационной системы передачи речевой информации с применением беспроводных технологий» (№ гос. per. 4167/11) (н.р. Кропотов Ю.А.); Грант РФФИ №06-0796501- р_центр_офи, 2006 г. (н.р. Кропотов Ю.А.).

Публикации по работе. По результатам выполненных исследований опубликовано 123 работы, в том числе 2 монографии, 24 статьи в журналах из перечня ВАК, 54 статьи в центральных и зарубежных журналах, 34 публикации в материалах и тезисах докладов конференций, 9 патентов.

Структура и объем работы. Диссертационная работа состоит из введения, семи глав, заключения, изложена на 273 страницах, содержит 83 рисунка, 19 таблиц; список литературы состоит из 361-го наименования; приложение содержит акты внедрения диссертационной работы.

1. СОВРЕМЕННЫЕ ТРЕБОВАНИЯ И АЛГОРИТМЫ ОБРАБОТКИ АУДИОСИГНАЛОВ В ОПЕРАТИВНО-КОМАНДНЫХ СИСТЕМАХ ТЕЛЕКОМУНИКАЦИЙ

1.1. Современное состояние телекоммуникационных систем аудио обмена информацией

Современные системы телекоммуникаций, в том числе оперативно-командные системы громкоговорящей связи, имеют сетевую структуру в виде многоканальной системы передачи цифровой информации с увеличенной пропускной способностью сетей вследствие наличия требований на значительное число абонентских постов обмена.

Обобщенная структурная современной оперативно-командной телекоммуникационной системы цифровой передачи и обмена информацией представлена на рис. 1.1 [156].

Рис. 1.1. Современная оперативно-командная телекоммуникационная система цифровой передачи и обмена информацией

Как видно из рис. 1.1, в состав оперативно-командной телекоммуникационной системы связи входят:

- коммутационные центры, представляющие собой маршрутизаторы, основанные на технологии Ethernet, которые обеспечивают коммутацию соединений по соединительным линиям Ethernet (100 Мбит/с). Имеют несколько Ethernet-портов для подключения абонентских устройств, других коммутационных центров, а также цифровой АТС. Обеспечивает возможность организации многозвенной сети коммутационных центров и выбор оптимальных маршрутов для доставки данных от абонента к адресату. Обеспечивает постоянную диагностику сети и в случае обнаружения повреждений линий связи или коммутационных центров обеспечивает передачу данных по резервным маршрутам;

абонентские концентраторы представляющие собой Ethernet-коммутаторы, которые обеспечивают промежуточное объединение по линиям Ethernet абонентских устройств для снижения нагрузки на коммутационные центры, а также для увеличения количества абонентских устройств, подключенных к одному коммутационному центру. Имеют несколько Ethernet-портов для подключения абонентских устройств и один порт для подключения к коммутационному центру. Не обеспечивают выбор оптимальных маршрутов, а передают все данные, не относящиеся к подключенным к ним абонентским устройствам, коммутационному центру.

Важным элементом представленной телекоммуникационной системы являются цифровые абонентские устройства, которые представляют собой оконечные устройства, непосредственно обеспечивающие работу абонентов с системой. В зависимости от аппаратно-программной конфигурации подразделяются на:

- абонентские устройства громкоговорящей связи, обеспечивающие громкоговорящую дуплексную связь с любым абонентом сети или группой абонентов из числа закрепленных при конфигурировании;

- абонентские устройства телефонной связи, обеспечивающие телефонную связь с абонентами через сеть ISDN или аналоговую телефонную сеть при

помощи цифровой АТС, основанной на стандартных протоколах 1Р-телефонии;

- комбинированные цифровые абонентские устройства, обеспечивающие громкоговорящую и телефонную связь;

- абонентские устройства трансляции и оповещения, обеспечивающие воспроизведение аудио-трансляций, речевое оповещение и удаленное конфигурирование линий системы оповещения;

- абонентские устройства дистанционного мониторинга, обеспечивающие удаленный сбор данных (идентификации персонала в помещении по КР-идентификатору или биометрическим данным, видеонаблюдение) и мониторинг состояния систем процессов (например, датчики дыма или газов).

Вышерассмотренная система должна быть эффективной, должна обеспечить достоверное и оперативное доведение командной информации, передаваемая аудиоинформация должна полностью восприниматься абонентом, в том числе в условиях воздействия внешних помех.

Структурная схема комбинированного цифрового абонентского устройства вышепредставленной телекоммуникационной системы обмена информацией имеет вид как на рис. 1.2.

Рис. 1.2. Структурная схема цифрового абонентского устройства современной оперативно-командной системы телекоммуникаций В процессорном модуле абонентского устройства могут применяться как

микропроцессорная система с DSP-архитектурой, так и встраиваемые одноплатные компьютеры. Периферийные устройства могут подключаться по скоростным каналам и шинам расширения. Каналы Gigabit Ethernet позволяют использовать данное абонентское устройство через микропроцессорный стык абонентского доступа в развитой сетевой инфраструктуре системы телекоммуникаций.

Каждое абонентское устройство с микрофонным входом должно быть оборудовано системами обработки сигналов.

1.2. Требования, предъявляемые к оперативно-командным системам телекоммуникационного обмена речевой информацией

Основной функцией оперативно-командных систем телекоммуникаций является аудиообмен, т.е. обмен речевой информацией. Одним из видов обмена речевой информацией является громкоговорящая связь (ГГС). Оперативно-командная система телекоммуникаций должна осуществлять обмен речевой информацией эффективно, то есть понимание абонентом передаваемой речи должно осуществляться без малейшего затруднения [349, 350] и ему гарантированно должна быть доведена передаваемая информация. Как известно, оценкой эффективности передачи речевой информации является слоговая разборчивость S %, в соответствии с ГОСТ Р 50840-95, ГОСТ Р 51061-97, ГОСТ 16600-72, или величина оценки качества речевого сигнала MOS (Mean Opinion Score - средняя субъективная оценка), в соответствии с рекомендациями ITU-T Р.340, Р.800, и PESQ-MOS, в соответствии с Р.862. В соответствии с вышеперечисленными ГОСТ-ами и рекомендациями ITU-T, гарантированное доведение речевой информации до абонента может быть осуществлено при обеспечении системой телекоммуникаций аудиообмена слоговой разборчивости S > 93 % или величиной оценки по шкале MOS > 4,5. Систему телекоммуникаций можно считать эффективной, если понимание абонентом передаваемой речи будет осуществляться без затруднений, такой результат восприятия абонентом речевого сообщения может

быть получен, если такая система аудиообмена обеспечивает слоговую разборчивость речевого сообщения 5^86%-93% [349, 350, 351, 359, 361] или > 3,5 MOS [360, 361].

Таким образом, критерием оценки эффективности передачи аудиоинформации речевым сообщением телекоммуникационной системой обмена информацией, в соответствии с ГОСТ-ами [349, 350, 351] и рекомендациями ITU - Т [360, 361] передачи речи по трактам связи, радиотелефонной связи, передачи речи по цифровым каналам, является слоговая разборчивость S % или оценка качества речи по шкале MOS. Телекоммуникационная система является эффективной, если обеспечивается обмен речевой информацией со слоговой разборчивостью £>(86-93) % или обеспечивается оценка качества речевого сигнала > 3,5*4,5 по шкале MOS [349, 350, 351, 352, 357, 358, 359, 360, 361].

1.2.1. Методы оценки слоговой разборчивости в системах передачи речевых сигналов

Для оценки эффективности системы телекоммуникационного обмена аудиоинформацией, для оценки слоговой разборчивости передачи речевых сообщений в ней разработан и применяется ряд экспериментальных методов, в частности для проведения испытаний по оценке разборчивости используются тональный метод [49, 50, 353] и артикуляционный метод [49, 50, 349, 350], в которых оценки выносятся слушателями-экспертами.

Тональный метод основан на способности человеческого уха достаточно точно улавливать минимальный порог уровня громкости. Речевой сигнал воспроизводится через громкоговоритель в виде отдельных тональных полос. При прослушивании их уровень уменьшается до минимально воспринимаемой громкости. Полученные значения затухания с помощью справочных таблиц, используемых при расчетах слоговой разборчивости речи, пересчитываются и дают численное значение этого параметра.

Артикуляционный метод предусматривает воспроизведение слогов, слов или фраз и восприятие их на слух экспертами. Для проведения испытаний зара-

21

нее составленные в таблицы слоги, записанные профессиональными дикторами, воспроизводятся через звуковой тракт. Эксперты заносят услышанное в свои протоколы. Сопоставляя услышанное с исходным материалом, можно сделать вывод о значении слоговой разборчивости.

Для оценки слоговой разборчивости может быть использован также инструментально-расчетный метод, основанный на результатах экспериментальных исследований [49, 50, 198, 214, 215] и не требующий проведения артикуляционных измерений. Слоговая разборчивость S в этом случае определяется с помощью выражения в виде [84, 255]

4 • Ä1'43, если Я <0,15,

1,1 • [l -1,17 • ехр(- 2,9 -Я)], если 0,15 <R< 0,7, ^ Л)

1,01 • [l - 9,1 • ехр(- 6,9 • R)], если R > 0,7,

где - интегральный индекс артикуляции (понимаемости) речи,

i=i

N- количество октавных полос, N=5 [84],

Ri - спектральный индекс артикуляции речи, то есть информационный вес i-ой спектральной полосы частотного диапазона речи,

N

Я = к.

0,78 + 5,46 • ехр[- 4,3 х10~3 ■ (27,3 -\Е, - А, I)2]

2 1 + 10о,,|£,-,,|

Г0, еслиЕ^А,, [1, если Et > At,

- формантный параметр спектра сигнала в октавной полосе,

- весовой коэффициент октавной полосы частот,

Е[ - октавное отношение сигнал/шум на месте возможного размещения микрофонов, находящееся инструментальным и расчетно-инструментальным методом.

График зависимости слоговой разборчивости Я от интегрального индекса артикуляции представлен на рис. 1.3 [84, 198, 214].

40 30 20 10

1 - английская речь

2 - русская речь

R

0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Рис. 1.3. Зависимость слоговой разборчивости Б от интегрального индекса артикуляции Ы

С появлением цифровых систем кодирования речи, были выявлены специфические шумы и искажения, понижающие величину оценки слоговой разборчивости речевого сигнала по шкале MOS. Для проведения оценки влияния на понижение слоговой разборчивости по шкале MOS в соответствии с рекомендациями Р.48 ITU-T [357] используется метод парных сравнений испытательных фраз. В этом случае испытуемый тракт оценивается путем сравнения с эталонным трактом, в качестве которого используется стандартный аналоговый канал с динамическим микрофоном.

1.2.2. Параметры телекоммуникационной системы, влияющие на слоговую разборчивость передачи речевых сообщений

В ряде трудов показано [49, 50, 198, 215, 248], что интегральный индекс артикуляции и соответствующая слоговая разборчивость речи в значительной степени зависит от воспроизводимых частот в тракте передачи речевой информации системы телекоммуникаций. Зависимость слоговой разборчивости от спектра воспроизводимых частот показана на рис. 1.4 [198]. Из графика на рис. 1.4 видно, что изменение нижней границы воспроизводимых частот от FH=300 Гц до i7«—1000 Гц понижает слоговую разборчивость незначительно. При F„=1000

Гц слоговая разборчивость принимает значение £>94%. Если установить полосу воспроизводимых частот в системе телекоммуникаций в пределах от 300 Гц и до 3400 Гц, слоговая разборчивость будет иметь значение 5-100%.

Рис. 1.4. Зависимость слоговой разборчивости от ограничения полосы воспроизводимых частот

На рис. 1.5. представлена зависимость оценки слоговой разборчивости по шкале М08 от ограничения полосы пропускания тракта передачи речевой информации [49, 50] для случая неуравненных громкостей и для случая уравненных громкостей.

Рис. 1.5. Зависимость оценки передачи речи по шкале MOS от параметров полосы пропускания (кривые 1,3 - получены с уравниванием мощности;

кривые 2,4 - получены без уравнивания) Из графиков зависимостей значений оценки MOS на рис. 1.5 видно, что

при уравненных громкостях при ограничении воспроизводимого частотного

диапазона речевого сигнала снизу до частот fH = 700-1000 Гц оценки MOS прак-

тически не изменяются.

Таким образом, основными параметрами систем телекоммуникаций, влияющими на слоговую разборчивость передачи речевых сообщений, являются воспроизводимая полоса частот спектра речевых сигналов, громкость или звуковое давление и отношение сигнал/шум. Полоса воспроизводимых частот спектра речевых сигналов в системах телекоммуникаций аудио обмена в соответствии с ГОСТ 7153-85 и рекомендациями 1ТИ - Т Р.342 должна быть в пределах 300 Гц-^3400 Гц, при этом без уменьшения слоговой разборчивости допускается увеличение/, с 300 Гц до 500^-1000 Гц [198, 354].

1.2.3. Внешние факторы, влияющие на слоговую разборчивость передачи речевых сообщений, и современные алгоритмы обработки

Внешними факторами, понижающими надежность или эффективность передачи речевых сообщений, понижающими основной критерий оценки эффективности системы телекоммуникаций передачи речевых сообщений - слоговую разборчивость, являются следующие факторы [16, 286]:

- внешние акустические помехи на стороне передачи сообщения,

- внешние акустические помехи на стороне приема сообщения.

Поэтому при проектировании систем телекоммуникаций передачи речевых сообщений вопрос обработки речевых сигналов, включая акустический интерфейс с пользователем, с целью достижения максимальной эффективности передачи речевой информации с учетом всех мешающих факторов, является актуальным.

Обобщенная структурная схема преобразований речевых сигналов в современной цифровой системе связи представлена на рис. 1.6 [15, 16, 21, 227, 284]. Она традиционно состоит из передающей и приёмной частей, разделенных цифровым каналом связи. Каждая из частей, в свою очередь, состоит из ряда устройств с различной функциональностью, которые могут быть использованы как совместно, так и самостоятельно.

акустическим речевой сигнал

акустическим/ шум

1 s 2 N 3

4 Процессорный

модуль

<-

^ Ethernet^

Рис. 1.6. Обобщенная структурная схема преобразований речевых сигналов в

современной системе связи

В передающую и приемную части вышеуказанной системы связи входят функциональные устройства, которые подробно рассматриваются ниже.

1 - микрофонная система с программным управлением диаграммой пространственной направленности. В условиях внешнего акустического шума важную роль приобретают характеристики пространственной направленности микрофона, которые могут формироваться как конструктивно, так и программно, с использованием нескольких микрофонов [34, 316, 359]. В последнем случае можно адаптивно формировать диаграмму направленности с максимумом на источник речевого сигнала или с минимумом в направлении источника помех. Тем самым можно существенно улучшить отношение сигнал/шум на входе системы по сравнению с традиционным решением на базе одного микрофона.

2 - устройство шумопонижения. В условиях внешних акустических шумов наличие последнего необходимо. Однако требуется информация о статистических характеристиках речевых сигналов и акустических шумов, таких как закон распределения вероятности отсчетов сигнала, АКФ, спектральные функции распределения энергии. В случае различий спектральных функций возможна реализация алгоритма адаптивной линейной фильтрации. В случае наличия акустических шумов со спектром, существенно перекрывающимся со спектром речи, используются устройства шумопонижения (ШПУ), построен-

ные на основе нелинейных адаптивных алгоритмов [17, 300, 307, 359]. Необходимым условием таких ШПУ является квазистационарность, аддитивность и статистическая независимость шума и речевого сигнала, что выполняется на практике, например, для шума в машинном отделении движущегося судна.

Алгоритмы шумопонижения могут быть реализованы как во временной области, так и с помощью различных кратковременных преобразований сигнала, чаще всего, в частотной области, с дальнейшей обработкой кратковременного спектра амплитуд сигнала. Основными проблемами построения таких ШПУ являются: способ оценки сглаженных спектральных характеристик шумового сигнала и мгновенных значений спектра амплитуд речевого сигнала на основе анализа аддитивной смеси речи и шума, поиск компромисса между степенью подавления шума и степенью искажения речи. Исследуются также алгоритмы построения ШПУ на основе метода оценки мгновенных значений логарифма спектра амплитуд речевого сигнала по критерию минимума среднеквадратиче-ской ошибки (MMSE-LSA), дополненный статистической оценкой вероятности присутствия речи в шуме [17, 307].

3 - акустический эхокомпенсатор (АЭК). Наличие эхокомпенсатора актуально при проектировании распределенных систем громкоговорящей связи на транспортных объектах (кораблях) при организации обмена (конференций) с несколькими абонентскими постами (корреспондентами). В этом случае наличие эхо-сигналов требует устройства эхоподавления. При реализации проектов эхо-компенсаторов необходимо решать проблемы нелинейных искажений, нестабильности акустического эхо-сигнала, обеспечения скорости сходимости и устойчивости адаптивных фильтров, вычислительной сложности алгоритмов и т.д. Основой для тестирования устройств эхокомпенсации являются рекомендации ITU-T G.131, G.164-G.168 [286, 355, 359].

4 - вокодер, речепреобразующее устройство (РПУ). Он обычно строится на основе алгоритма низкоскоростной компрессии речи. Основными характеристиками вокодеров являются: выходная скорость цифрового потока, качество и разборчивость речи, чувствительность к ошибкам в цифровом канале связи,

чувствительность к акустическим шумам, алгоритмическая задержка обработки сигнала, вычислительная сложность реализации [14, 16, 286, 314]. В качестве базовых характеристик для корабельных систем громкоговорящей связи следует реализовать РПУ с цифровым потоком до скоростей 2-7 кбит/с, оценкой MOS не ниже 3.9, обязательно наличие ШПУ и АЭК.

5 - устройство интерполяции потерянных речевых пакетов (Packet Loss Concealment - PLC). При наличии ошибок в цифровых каналах связи на приёмной стороне возникает задача интерполяции отдельных битовых ошибок или потери пакетов целиком. В первом случае проблема решается совместным использованием схем речевого и канального кодирования в вокодерах путем внесения избыточности для наиболее значимых битов в речевом кадре. Во втором- путем интерполяции потерянных речевых параметров по прошлым и, возможно, будущим кадрам.

6 - адаптивное к внешнему шуму устройство регулировки выходной громкости и частотной характеристики (тембра) речи [284].

Таким образом, создание современных помехоустойчивых телекоммуникационных систем цифровой речевой связи требует комплексного подхода при создании алгоритмов и устройств подавления акустических шумов и устройств акустических эхокомпенсаторов. При этом однозначных решений не существует, поэтому каждый раз требуются новые технические решения в зависимости от конкретных условий функционирования системы передачи информации, в частности, функционирования телекоммуникационных систем громкоговорящей связи.

1.3. Сигналы и помехи в телекоммуникационных системах аудио обмена

1.3.1 Внешние акустические помехи в системах аудио обмена

В зависимости от задачи внешние акустические сигналы, действующие на микрофонный вход и, соответственно, электрические сигналы на выходе микрофона, могут рассматриваться и как носители информации, и как помехи или

шумы [287].

Источниками акустических сигналов являются любые нарушения стационарности в некоторых областях среды, приводящие к распространению волн возмущений в окружающем пространстве [191, 221]. Шумы ветра обусловливаются обтеканием воздушным потоком различных неоднородностей, например, палубные надстройки [191, 232]. Возможны шумы, обусловленные резонансными колебаниями элементов механических конструкций под воздействием ветра, как, например, «пение» натянутых тросов или снастей судна. Подводные шумы обусловливаются термодинамическими и климатическими неоднородностями, неоднородным распределением морских организмов и загрязнений, течениями, внутренними волнами, схлопыванием газовых пузырьков, образующихся при шторме [191].

Причинами шумов аэродинамического и гидродинамического происхождения могут являться как природные явления, например, морское волнение, так и работа различных механизмов и машин. Подобного рода шумы характерны, для таких устройств как воздуходувки, вентиляторы, компрессоры, насосы, турбины, пневматические двигатели и сирены [31, 107, 232]. По своим характеристикам аэрогидродинамические шумы могут значительно отличаться друг от друга.

Уровень акустических шумов механического происхождения, возникающих при работе механизмов и машин, может изменяться в широких пределах [107, 232]. Механические шумы создаются двигателями внутреннего сгорания, электрическими машинами, зубчатыми и цепными передачами, аэродинамическими и гидродинамическими устройствами, турбинами, вентиляторами и насосами. Шумы обусловливаются [107, 191, 221, 232] колебаниями элементов машин и конструкций вследствие силовых воздействий или ударных нагрузок, нарушениями балансировки и наличием резонансов.

По спектральному составу как механические, так и аэрогидродинамические шумы также заметно отличаются друг от друга. В ряде случаев шум может иметь непрерывный характер и сосредоточивается в области до нескольких ты-

сяч герц, в других - до нескольких сотен [191, 232 ]. Спектр может иметь и дискретный характер. Учесть весь комплекс свойств акустического сигнала практически нереально, и можно только определить множество или класс сигналов, которому он принадлежит. При соответствующей постановке задачи оптимизации это множество может рассматриваться как ограничение.

В качестве примера на рис. 1.7 приведено распределение спектральной плотности мощности акустических шумов на малотоннажном судне [232].

1,дБ

t

100 90 80 70 60 50 40

30

63 125 250 500 1000 2000 4000 f, Гц

Рис. 1.7. Октавные уровни шума на судне. 1 - машинное отделение;

2 - мостик; 3 - каюта

Уровень внешних акустических шумов и помех может зависеть от многих условий и изменяется в широких пределах. Источниками мощных акустических помех являются, например, двигательные установки, машины и турбореактивные двигатели. Так, внешние акустические шумы в машинных отсеках корабля могут иметь интенсивности выше 100 дБ [142]. В таких условиях требуется существенная защита микрофонных каналов на стороне передачи сообщения и достаточно высокая мощность сигналов оповещения, необходимая для создания соответствующего отношения сигнал/шум на стороне приема сообщения. Однако в современных системах телекоммуникаций ГГС, находящихся в промышленном производстве, при ее эксплуатации допускается максимальная ин-

тенсивность акустических помех до 85 дБ относительно нулевого уровня

12 2

(/о=10~ Вт/м ) [354], что приводит к затрудненной эксплуатации данного изделия в условиях более интенсивного воздействия внешних помех [142].

Формирование акустического поля зависит от геометрических характеристик озвучиваемой области и происходит в соответствии с законами акустики [28, 107, 220, 233, 308]. В ряде случаев могут иметь место и нелинейные явления [28, 107], которые в рассматриваемых задачах существенны только при формировании звука. Более значимую роль играют вопросы дифракции и самоорганизации, обусловливающие в ряде случаев фрактальную структуру акустического поля [88, 89].

В случае озвучивания открытых площадок формирование поля происходит в основном по законам геометрической акустики и характеризуется значительными задержками в небольшом числе каналов распространения эха от рассеивающих объектов. Если длина волны акустических колебаний заметно меньше характерных размеров замкнутого объема, то указанные законы, в принципе, также применимы (при Р= 300 Гц 3400 Гц, Хтах^ 1,1 0,097 м). Однако в этом случае необходимо дополнительно

иметь в виду явление реверберации, обусловленное множественными отражениями, которые формируют другую форму внешних помех, отраженных акустических сигналов, акустических эхо-сигналов.

Реверберацию можно охарактеризовать непрерывным распределением исходного сигнала по задержке [28, 107, 308], представив ее с помощью выражения

I

Х(0 = (1.1)

е о

Здесь х0 (0 - исходный сигнал, х(£) - наблюдаемый сигнал с учетом реверберации и /г(/, в) - импульсная функция акустического канала с задержкой в. 0 - множество значений задержки.

В рамках лучевой теории сигнал можно также разложить на ряд составляющих, характеризуемых соответствующими задержками и линейными фор-

31

мирующими фильтрами, то есть

г

(1.2)

*=о

Здесь звездочкой обозначена непрерывная или дискретная свертка сигнала х0(?)5 поступающего на громкоговоритель абонентского устройства, и импульсной функции \ (?) к - го канала с задержкой тк.

Более корректно эхо-сигнал в каждом канале представляется интегралом

по мере /л(т), определяющей непрерывное или дискретно-непрерывное распределение сигнала хк (?) по величине задержки. В модели эхо-сигнала непрерывность распределения сигнала (1.3) по задержке вводится с помощью импульсных функций кк (?). Схема, соответствующая выражению (1.2), приведена на

рис. 1.8.

В качестве модели реверберации можно использовать и схему с обратными связями, изображенную на рис. 1.9. Однако она, как правило, может быть представлена более простой моделью рис. 1.8.

Модели, изображенные на рис. 1.8 и 1.9, описываются дискретными передаточными функциями

х

■*(0 = |а4(ґ-г)х0(г)й?//(г)

(1.3)

(1.4)

к=О

и

О е{?) =

Р

НА!)

тг

Рис. 1.8. Схема модели множественных отражений

Рис. 1.9. Схема модели множественных отражений с обратной связью

В приведенных выражениях значения задержек тк считаются кратными периоду дискретизации Т= 1//^, г'1 = ёзТ и ОкТ=Тк. При этом функции Нк(г) и Нск(г) являются нормированными передаточными функциями каналов распространения эха.

Таким образом, введенные модели характеризуются двумя группами параметров: параметрами долговременного запаздывания Ик, ак и параметрами

нормированных фильтров Нк (г), Нс к (г).

Каналы эха при большой излучаемой мощности характерны как для открытого пространства, так и для замкнутых объемов. В случае громкоговорящей связи и оповещения эхо-сигналы являются не только одной из причин

снижения разборчивости, но и приводят в ряде случаев к неустойчивости системы. Причина такой неустойчивости кроется в акустических каналах обратной связи. Примером является система, изображенная на рис. 1.10 [84]. Решение названной проблемы устойчивости для подобных систем, в частности в рамках теории дифференциальных уравнений с запаздыванием [23, 211, 253, 322], требует дальнейшего изучения.

а кг

к'о

—^ --► -м- м—ь [-» -►

К ■4- JCj. „-,-! «- к'ь -т*- Je у. А-г,-3 к'а '4-

> У

к\

Рис. 1.10. Структурная схема (а) и направленный граф (б) системы с акустической обратной связью Матричное уравнение этой системы имеет вид

ОЛ í'.i

КУ

12

Y И

\{21

где

— к1к2(кг + к[к1кхк2ка кгкгкхк2ка), ?12 — к2к1к{, А А

t2■[ = —к2кькх, ¿22 = "Г^Лг+ к1к1кхк2ка — кгкгкхк2ка) и А А

Д = (1 — к]к2какг)(\ — к^к2какг) — кхк2как1к[к2как1. Коэффициенты передачи ка, к'а в приведенных формулах и на рис. 1.4 характеризуют акустические каналы «громкоговоритель - микрофон», кг, к'г - неидеальную балансировку дифференциальных систем (ДС), /с,, к[ представляют

собой передаточные функции трактов передачи соответствующих абонентских устройств, а к2, к'2 - трактов приема, и кь, к'ь являются передаточными функ-

циями соединительной линии [70, 211, 225]. Не помеченные на рис. 1.10 ветви графа имеют единичный коэффициент передачи [63].

Акустическая обратная связь на этой схеме обусловливается неидеальной балансировкой дифференциальной системы на ближнем конце и акустическим каналом - на дальнем. Обратная связь на ближнем конце достаточно просто устраняется с помощью адаптивной компенсации эхо-сигнала [1, 227]. Поскольку длительность импульсного отклика канала на ближнем конце не превышает 30 мс, то требуемый адаптивный фильтр имеет приемлемую длину.

Более сложной является реализация адаптивной компенсации эхо-сигнала, присутствующего на дальнем конце. В этом случае длина фильтра должна иметь величину, соответствующую времени распространения эха в несколько сотен миллисекунд. Такая ситуация возникает во всех случаях озвучивания помещений и территорий, когда микрофон находится в акустическом поле, создаваемым источником.

В рамках подхода, обобщающего теорию Винера на функции нескольких переменных, оценивание случайного акустического поля осуществляется по критерию минимальной дисперсии [208]. Это позволяет получить ряд полезных результатов, одним из которых является ответ на вопрос о размерах оптимальной области наблюдения в многомерном пространстве.

1.3.2 Речевые сигналы в системах обмена аудио информацией

Акустические помехи и шумы в принципе могут считаться стационарными, хотя и с некоторыми оговорками относительно неизменности режима работы оборудования и акустики помещения. В случае же речевого сигнала, принципиально нестационарного, указанные условия стационарности могут выполняться только на интервалах, длина которых зависит от типа звука. Обычно максимальная длина интервала стационарности характерна для вокализованных звуков. По этой причине величина и координаты интервала стационарности являются переменными величинами и, чтобы отследить их изменения, необходимо прибегнуть к сегментации сигнала. В ряде случаев, как, например,

при сжатии речи, упрощенно считается, что стационарность имеет место на интервалах длиной 20 - 30 мс.

По своим характеристикам речевые сигналы значительно отличаются от помех. В число таких характеристик входят одномерные функции распределения, автокорреляционные функции и спектральные плотности мощности, которые, к тому же, в силу нестационарного характера речи зависят от типа звука, что находит отражение в распределениях по формантным частотам [2, 59, 187189, 215, 228-231, 247, 272]. Однако не все характеристики достаточно полно изучены, например, функции плотности вероятности акустических шумов, или известные модели плотности вероятности имеют значительную погрешность.

По литературе известно [50] довольно большое число выражений для одномерной функции плотности вероятности речевого сигнала. Например, известно использование в этих целях гамма - распределения [50, 171, 206] с функцией плотности вероятности вида

/ \ ^ I la_1 -¿М р(х) =-\х\ е 11 ,

2Г {аУ 1

где параметр а > 0 и, аналогично, параметр Я > 0. Г(а) - гамма-функция, удовлетворяющая уравнению аГ(а) - Г (а +1). Дисперсия сигнала при этом

; , а(а +1) равна D{x} =--—.

А

При значении а = 1 распределение становится показательной функцией плотности вероятности (распределение Лапласа) р(х) = с дисперсией

D{x} = 4-.

1 j Я2

Известны и другие выражения для одномерных распределений речи. Так, утверждается [50], что для английской речи наилучшие результаты дает функция плотности вероятности вида

0,6 -fN , 0,4 -jr/ p(x) = -j=-e 1 + е

v2M, -\/2ЛГ u2

а для русской речи - функция

, , 0,25

f 1, , 10, Л

и0

--и

е и° + 10е

V

При этом отмечается, что полученные значения параметров функций распределения зависят также и от качества используемых в эксперименте микрофонов. В качестве же обобщенного выражения для функции плотности вероятности предлагается использовать выражение [50, 171, 206]

РМ- пК

i k V1 __L

2Г (a)u0

v"o у

"о'"' | 1-/7 с 2

л[Ъти0/3

Форма данных выражений во многом обусловлена простотой вычисления их параметров по наблюдаемым данным, однако исследования погрешности [114, 115] рассмотренных выше одномерных распределений речи показали, что их значение не удовлетворяет необходимым требованиям и не создает предпосылок получения эффективных алгоритмов обработки. Очевидно, что в общем случае наблюдаемые данные можно аппроксимировать и другими способами [300, 301, 302], воспользовавшись для этого, например, методами условной оптимизации. При этом то, что плотность вероятности является неотрицательной и нормированной функцией, выступает в качестве естественных ограничений при оптимизации:

со

р(х) > 0 и | р(х)(1х = 1. (1.5)

—со

Подводя итог всему вышесказанному, можно заключить, что вопросы оценивания сигналов, систем аудио обмена, например, вопросы более точного оценивания одномерной плотности вероятности речи, вопросы оценивания одномерной плотности вероятности внешних акустических шумов требуют дальнейшего изучения. Потребность в их решении обусловливается задачами подавления или компенсации помех, задачами идентификации их источников и задачами связи и оповещения.

1.4. Модели аудиосигналов и методы их оценивания

Задачи обработки сигналов в системах аудио обмена обусловливаются потребностями выделения информации, подавления помех, повышения устойчивости систем связи и компенсации эха [312, 314, 318]. К указанным задачам относятся задачи диагностики объектов по излучаемым шумовым сигналам, задачи повышения эффективности систем связи.

В связи с с необходимостью совершенствования методов обработки аудио сигналов можно поставить задачи:

- оценивания и аппроксимации одномерных функций распределения и корреляционных функций по ограниченным наборам данных и, на этой основе, формирования базы априорной информации и выделения интервалов стационарности наблюдаемых сигналов;

- сглаживания и локальной аппроксимации наблюдаемых сигналов и, на этой основе, сегментации нестационарных сигналов;

- обнаружения и оценивания гармонических сигналов, сигналов с дискретным спектром на фоне акустического шума с непрерывным распределением и, на этой основе, диагностики объектов [42-44];

- спектрального анализа наблюдаемых сигналов и, на этой основе, разрешения источников излучения и селекции речевого сигнала и помехи [12, 26, 76, 165, 180, 265];

- формирования модели эхо-сигналов и оценивания ее параметров [39, 51,

53];

- идентификации нестационарных сигналов и создания нестационарных моделей под наблюдаемые данные;

- адаптивной компенсации акустических помех и эхо-сигналов с применением многоканальной и многоскоростной обработки [74, 75].

Одномерные функции распределения являются достаточно простым средством различения сигналов, которым можно воспользоваться в целях различения речи и шума. Аппроксимация функций распределения речи, обсуждаемая в работах [4, 22, 33, 35, 46-48, 72] может быть сформулирована как задача оптимизации с ограничениями (1.5). А именно, как задача минимизации

квадрата нормы [4, 46, 99-101, 104, 288, 293, 341]

/(0)-/||2->min,

ап

Р(х,в)>0, jp(x,0)dx = \. (1.6)

«о

Здесь / - вектор значений гистограммы, характеризующей распределение выборок х наблюдаемого сигнала. Компонентами вектора f{0) являются, соответственно, вероятности, с которыми значения наблюдаемого сигнала попадают в интервалы гистограммы [ак_х ,ак], к = 1,..., п.

ак

То есть fk (в) - Jp(x, 0)dx. При этом Р(х, в) является аппроксимацией

Похожие диссертационные работы по специальности «Системы, сети и устройства телекоммуникаций», 05.12.13 шифр ВАК

Заключение диссертации по теме «Системы, сети и устройства телекоммуникаций», Кропотов, Юрий Анатольевич

6.5. Выводы

1. С помощью разработанной методики исследований влияния отношения сигнал/шум на значение слоговой разборчивости получена табличная функция зависимости Я от значения отношения сигнал/шум, по которой можно сделать вывод, что для получения слоговой разборчивости Я >93 в системе телекоммуникаций аудио обмена должно быть обеспечено отношение сигнал/шум не менее 20 дБ.

2. Результаты исследований показали, что имеющиеся различия спектральных функций речевых сигналов и акустических помех позволяют применять адаптивную подстройку низкочастотного среза фильтра с АЧХ прямоугольной формы для существенного понижения влияния внешних акустических шумовых помех на эффективность систем телекоммуникаций обмена речевыми сообщениями.

3. Разработанный итерационный алгоритм минимизации квадратичных функций потерь по данным в пределах конечного окна для вычисления коэффициентов настройки адаптивных фильтров эхо-компенсатора позволил уменьшить число отводов вышеуказанных фильтров и увеличить скорость настройки.

4. Разработанный алгоритм оценивания долговременных параметров модели акустических эхо-сигналов позволяют создать многоканальный алгоритм эхо-компенсатора с уменьшенным числом каналов компенсации, равным числу выделенных каналов эхо-сигналов со значимыми долговременными задержками.

5. Разработана методика определения параметров долговременных задержек с последующим запоминанием путем применения специального тестового сигнала на этапе отладочных работ на корабле.

7. РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ, ПОВЫШАЮЩИХ ЭФФЕКТИВНОСТЬ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ ОБМЕНА АУДИОИНФОРМАЦИЕЙ

Результаты исследований в предыдущих разделах показали, что в системах телекоммуникаций передачи аудио информации для надежного обмена информацией речевыми аудио сигналами в условиях воздействия внешних помех необходимо создание эффективных алгоритмов подавления внешних помех и компенсации акустических эхо-сигналов методами адаптивной многоканальной обработки.

7.1. Адаптивная компенсация и многоканальная обработка эхо-сигналов

Применение обмена аудио информацией телекоммуникационными системами громкоговорящей связи характеризуется появлением таких внешних помех как эхо-сигналы. Наиболее эффективными методами борьбы с такими помехами являются методы компенсации.

Приведенные в разделах 6.3 и 6.4 алгоритмы оценивания параметров эха и адаптивной компенсации позволяют уменьшить число отводов фильтров и, соответственно, повысить скорость их настройки, повысить результаты компенсации. Выделение кадров, отличающихся по задержке сегментов сигнала эха, осуществляется корреляционно-экстремальным методом по формулам (6.9) или (6.10) и (6.11), (6.12). Алгоритм адаптивной компенсации каждого из указанных кадров описывается формулами (6.5) - (6.7). В совокупности эти алгоритмы образуют многоканальный алгоритм акустического эхокомпенсатора [134, 140, 146, 280].

Порядок реализации алгоритмов оценивания и компенсации приводится в таблицах 7.1 и 7.2.

В таблице 7.1 параметр 0 обозначает величину шага смещения окна данных, в пределах которого осуществляется оценка корреляционных функций.

ЗАКЛЮЧЕНИЕ

Таким образом, проведенные исследования позволили разработать теоретические подходы к созданию более эффективных диспетчерско-технологических систем телекоммуникаций, систем громкоговорящей связи обмена речевыми сообщениями в условиях сложной помеховой обстановки, разработаны методы построения моделей сигналов и моделей алгоритмов обработки, разработаны методы определения параметров систем передачи и обмена речевыми сообщениями, разработаны более эффективные алгоритмы подавления внешних акустических шумов и помех, разработаны более быстродействующие алгоритмы компенсации эхо-сигналов, решены вопросы повышения эффективности передачи информации речевыми сообщениями в распределенных оперативно-командных телекоммуникационных системах на многофункциональных объектах, работающих в условиях воздействия помех интенсивностью до 90 дБ, путем создания устройств подавления внешних акустических помех и устройств адаптивных эхокомпенсаторов, позволивших получить отношение Лис. пом. на выходе системы более 20 дБ и, соответственно, обеспечить слоговую разборчивость обмена речевыми сообщениями Б > 93%, позволивших обеспечить условия для более достоверного восприятия абонентами передаваемой речевой информации системами аудио обмена.

Список литературы диссертационного исследования доктор технических наук Кропотов, Юрий Анатольевич, 0 год

ЛИТЕРАТУРА

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

2. Азаров И.С., Петровский А.А.Вычисление мгновенных гармонических параметров речевого сигнала // Речевые технологии, 2008, № 1, с. 67 - 77.

3. Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание. - М.: Наука, 1977.-224 с.

4. Алгоритмы и программы восстановления зависимостей / Под. ред. В.Н. Вапника. - М.: Наука, 1984. - 816 с.

5. Алексеев В.М., Тихомиров В.М., Фомин C.B. Оптимальное управление. -М.: Физматлит, 2007. - 408 с.

6. Андерсон Т. Статистический анализ временных рядов. - М.: Мир, 1976.

7. Андреев Н.И. Корреляционная теория статистически оптимальных систем. -М.: Наука, 1966.-454 с.

8. Андреев Н.И. Теория статистически оптимальных систем управления. -М.: Наука, 1980.-416 с.

9. Аоки М. Оптимизация стохастических систем. М.: Наука, 1971. - 424 с.

10. Арато М. Линейные стохастические системы с постоянными коэффициентами. Статистический подход. - М.: Наука, 1989. - 304 с.

11. Арнолд III У.Ф., Лауб А.Дж. Алгоритмы и программное обеспечение для решения алгебраических уравнений Риккати на основе обобщенной задачи о собственных значениях // ТИИЭР, т. 72, № 12, 1984, с. 95 - 106.

12. Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук, 1996. Т. 166, №11. С. 1145-1170.

13. Ахмед Н., Pao K.P. Ортогональные преобразования при обработке цифровых сигналов. - М.: Связь, 1980.

14. Бабкин В.В. Помехоустойчивый выделитель основного тона речи. Отчеты DSPA-2005, стр. 175-178.

15. Бабкин В. В., Ланнэ A.A., Шептала B.C. Оптимизационная задача выбора

речевого и канального кодирования. 7-я Международная Конференция и Выставка Цифровая Обработка Сигналов и ее Применение DSPA-2005 Москва 1618 марта 2005 г.

16. Бабкин В.В. Проблемы построения современных систем цифровой речевой связи. // 9-я Межд. Конф. и Выставка «Цифровая обработка сигналов и её применение» (DSPA-2007) 28-30 марта 2007 г., г.Москва.

17. Бабкин В.В. Шумопонижающее устройство для вокодера. // 9-я Межд. Конф. и Выставка «Цифровая обработка сигналов и её применение» (DSPA-2007) 28-30 марта 2007 г., г.Москва.

18. Бабкин В., Ланнэ А. А., Шептала В. С. Помехоустойчивые вокодеры для систем цифровой радиосвязи в КВ и УКВ диапазонах. Отчеты 1-ой межд. НПК "Исследование, разработка и применение высоких технологий в промышленности", стр. 21-22, СПб, 2005 г.

19. Бакушинский А.Б., Гончарский A.B. Некорректные задачи. Численные методы и приложения. -М.: Изд-во Московского университета, 1989. - 199 с.

20. Балакришнан A.B. Прикладной функциональный анализ. - М.: Наука, 1980.-384 с.

21. Басов О.О., Рыболовлев A.A. Анализ степени адаптации современного парка кодеков речи// 9-я Межд. Конф. и Выставка «Цифровая обработка сигналов и её применение» (DSPA-2007) 28-30 марта 2007 г., г.Москва.

22. Бейкер Дж., мл., Грейвс-Моррис П. Аппроксимации Паде. - М.: Мир, 1986.-504 с.

23. Беллман Р., Кук К. Дифференциально-разностные уравнения. - М.: Мир, 1967.-548 с.

24. Бендат Дж., Пирсол А. Прикладной анализ случайных данных. -М.: Мир, 1989.-540 с.

25. Бертсекас Д. Условная оптимизация и методы множителей Лагранжа. -М.: Радио и связь, 1987. - 400 с.

26. Блаттер К. Вейвлет-анализ. Основы теории. - М.: Техносфера, 2006. - 272 с.

27. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов: Пер. с

англ. - М.: Мир, 1989, - 448 е., ил.

28. Блохинцев Д.И. Акустика неоднородной движущейся среды. - 2-е изд. -М.: Наука, 1981.-208 с.

29. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1 и 2. - М.: Мир, 1974. Вып. 1 - 408 с. Вып. 2 - 200 с.

30. Бондаренко М.В., Позняк A.C. Асимптотическая нормальность и оценка скорости сходимости алгоритмов идентификации нестационарных объектов // Автоматика и телемеханика, 1992, №7, с. 44 - 55.

31. Бондаренко М.В., Позняк A.C. Сходимость алгоритмов оценивания нестационарных параметров регрессионно-авторегрессионных объектов при помехах типа скользящего среднего // Автоматика и телемеханика, 1993, № 8, с. 90- 108.

32. Бордовский Г. А., Кондратьев A.C., Чоудери А.Д.Р. Физические основы математического моделирования. - М.: Издательский центр «Академия», 2005. -320 с.

33. Боровков A.A. Математическая статистика. - М.: Наука, 1984. - 472 с.

34. Борьба с шумом на производстве: Справочник / Е.Я. Юдин, JI.A. Борисов, И.В. Горенштейн и др.; Под общ. ред. Е.Я. Юдина. - М.: Машиностроение, 1985.-400 с.

35. Бриллинджер Д. Временные ряды. Обработка данных и теория. - М.: Мир, 1980.-536 с.

36. Бриттингем Дж. Н., Миллер Э.К., Уиллоус Дж. JI. Определение полюсов по измеренным данным в области действительных частот // ТИИЭР, т. 68, №2, 1980, с. 81-93.

37. Брубейкер Т.А., Корнетт А.Т., Помернаки C.JI. Использование методов линейной цифровой фильтрации для автоматизации лабораторных исследований // ТИИЭР, т. 63, №10, 1975, с. 122 - 134.

38. Бухман Н.С. О времени задержки суммарного сигнала системы излучателей // Журнал технической физики, 2005, том 75, вып. 1, с. 3 - 13.

39. Быков С.Ф. Цифровая телефония. Учеб. пособие для вузов / С.Ф. Быков,

В.И. Журавлев, И.А. Шалимов. - М.: Радио и связь, 2003. - 144 с. - Библиогр.: с.137-140. ISBN 5-256-01676-8.

40. Вазан М. Стохастическая аппроксимация. - М.: Мир, 1972. - 296 с.

41. Вайдьянатхан П.П. Цифровые фильтры, блоки фильтров и полифазные цепи с многочастотной дискретизацией: Методический обзор / ТИИЭР, т.78, № 3,1990, с. 77-119.

42. Вайнштейн J1.A., Вакман Д.Е. Разделение частот в теории колебаний и волн. - М.: Радио и связь, 1983. - 288 с.

43. Вайнштейн JI.A., Зубаков В.Д. Выделение сигналов на фоне случайных помех. - М.: Советское радио, 1960. - 448 с.

44. Вакман Д.Е., Вайнштейн J1.A. Амплитуда, фаза, частота - основные понятия теории колебаний // Успехи физических наук, том 123, вып. 4, 1977, с. 657 -682.

45. Ван Трис Г. Синтез оптимальных нелинейных систем управления. - М.: Мир, 1964. - 168 с.

46. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. -М.: Наука, 1979.-448 с.

47. Вапник В.Н. Принципы оценивания плотности распределения вероятности // JI. Деврой, JI. Дьёрфи. Непараметрическое оценивание плотности. Li-подход. - М.: Мир, 1988. - 408 с.

48. Вапник В.Н., Стефанюк А.Р. Непараметрические методы восстановления плотности вероятности // Автоматика и телемеханика, № 8, 1978, с. 38 - 52.

49. Вемян Г.В. Качество телефонной передачи и его оценка. - М.: Связь, 1970.-224 с.

50. Вемян Г. В. Передача речи по сетям электросвязи. - М.: Радио и связь, 1985.-272 с.

51. Венскаускас К.К. Компенсация помех в судовых радиотехнических системах. - Л.: Судостроение, 1989. - 264 с.

52. Винер Н. Нелинейные задачи в теории случайных процессов. - М.: Мир, 1961.- 159 с.

53. Витязев В.В., Витязев C.B., Зайцев А.А. Многоскоростная обработка сигналов: ретроспектива и современное состояние (часть 1) / Цифровая обработка сигналов, № 1, 2008, с. 12-21.

54. Власова М.М. Механизмы опознания неизвестного. - М.: Наука, 1982. -272 с.

55. Волочков Е.Б., Гармаш В.Н. Оценивание числа гармонических сигналов на основе сингулярного разложения матрицы данных // Радиотехника и электроника, 1990, том. 35, вып. 10, с. 2098-2103.

56. Волочков Е.Б. Метод двухмерного углового сверхразрешения когерентных источников излучения на основе оценивания параметров одномерных затухающих гармонических сигналов // Радиотехника и электроника, 1993, том. 38, вып. 7, с. 1291 - 1301.

57. Вольтерра В. Теория функционалов, интегральных и интегро-дифференциальных уравнений. - М.: Наука, 1982. - 304 с.

58. Герр H.J1. Распределение Вигнера третьего порядка // ТИИЭР, т. 76, № 3, 1988, с. 93-95.

59. Гитлин В.Б., Лузин Д.А. Совместный алгоритм выделения основного тона речи по методам GS и автокорреляционной функции спектра // Речевые технологии, 2008, № 3, с. 39 - 49.

60. Голд Б., Рэйдер Ч. Цифровая обработка сигналов. - М.: Советское радио, 1973.-368 с.

61. Голуб Дж., Ван Лоун Ч. Матричные вычисления. - М.: Мир, 1999. - 548 с.

62. Голубев Г.К. Об оценивании временной задержки сигнала при мешающих параметрах // Проблемы передачи информации, том. XXV, вып. 3, 1989, с. 3 - 12.

63. Горовиц A.M. Синтез систем с обратной связью. - М.: Советское радио, 1970.-600 с.

64. Граничин О.Н., Поляк Б.Т. Рандомизированные алгоритмы оценивания и оптимизации при почти произвольных помехах. - М.: Наука, 2003. - 296 с.

65. Граничин О.Н. Оценивание параметров линейной регрессии при произвольных помехах // Автоматика и телемеханика. 2002, №1, с. 30-41.

66. Граничин О.Н. Рандомизированные алгоритмы стохастической аппроксимации при произвольных помехах // Автоматика и телемеханика. 2002, №2, с. 44-55.

67. Граничин О.Н. Неминимаксная фильтрация при неизвестных ограниченных помехах в наблюдениях // Автоматика и телемеханика. 2002, №9, с. 125 — 133.

68. Грешилов A.A. Некорректные задачи цифровой обработки информации и сигналов. - М.: Логос, 2009. - 360 с.

69. Гроп Д. Методы идентификации систем. - М.: Мир, 1979. - 304 с.

70. Турецкий X. Анализ и синтез систем управления с запаздыванием. - М.: Машиностоение, 1974. - 328 с.

71. Д'Анжело. Линейные системы с переменными параметрами. Анализ и синтез. - М.: Машиностроение, 1974. - 288 с.

72. Деврой Л., Дьёрфи Л. Непараметрическое оценивание плотности. Lr подход.-М.: Мир, 1988.-408 с.

73. Демиденко Е.З. Оптимизация и регрессия. - М.: Наука, 1989. - 296 с.

74. Джиган В.И. Многоканальные RLS- и быстрые RLS-алгоритмы адаптивной фильтрации // Успехи современной радиоэлектроники, 2004, №11, с. 48 -76.

75. Джиган В.И. Многообразие алгоритмов адаптивной фильтрации по критерию наименьших квадратов // Современная электроника, 2008, №3, с. 32 - 39.

76. Добеши И. Десять лекций по вейвлетам. - Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. - 464 с.

77. Директоров Н.Ф., Катанович A.A. Современные системы внутрикора-бельной связи. - СПб.: Судостроение, 2001.

78. Дэннис-мл. Дж.Э. Руководство по применению алгоритмов нелинейного программирования // ТИИЭР, т. 72, № 12, 1984, с. 117 - 131.

79. Ермолаев В.А. Интерполяционные восстанавливающие фильтры: определяющие формулы и передаточные функции // Приборы и системы. Управление, контроль, диагностика. 2001, №11, с.35 - 39.

80. Ермолаев В.А. Интерполяционные восстанавливающие фильтры: метод динамической интерполяции // Приборы и системы. Управление, контроль, диагностика. 2002, №2, с.39 - 42.

81. Ермолаев В.А. Нелинейные искажения при восстановлении синусоидального сигнала по значениям его выборок в равноотстоящие моменты времени // Техника средств связи. Серия ТПС. 1986, Вып.З, с.54 - 60.

82. Ермолаев В.А. Вариационный синтез входных сигналов нелинейных фильтров по их отклику в фиксированный момент времени // Радиотехника и электроника, 1987, Вып.6, с. 1199 - 1206.

83. Ермолаев В.А. Об оценивании функций распределения и стабилизации характеристик случайных процессов релейными системами // Приборы и системы управления, 1997, №4, с.36 - 37.

84. Железняк В. К., Макаров Ю. К., Хорев А. А. Некоторые методические подходы к оценке эффективности защиты речевой информации/Специальная техника. - М.: 2000, № 4.

85. Журавлев В. Н., Кабак B.C., Рыбин В.О. Анализ параметров автокорреляционной функции фрагментов фонем в задачах идентификации абонента // Радіоелектроніка. Інформатика. Управління, № 2, 2004, с. 29-33.

86. Заде Л., Дезоер Ч. Теория линейных систем. Метод пространства состояний. - М.: Наука, 1970. - 704 с.

87. Зайцева К.А., Королев В.И. Разрешающие способности локационной системы афалины по различению скорости подвижной цели // Сенсорные системы,

1994, т. 8, №2, с. 25-33.

88. Зосимов В.В., Лямшев Л.М. Фракталы и скейлинг в акустике (обзор) // Акустический журнал, 1994, том 40, № 5, с. 709 - 737.

89. Зосимов В.В., Лямшев Л.М. Фракталы в волновых процессах // УФН,

1995, том 165, № 4, с. 361 - 401.

90. Иванов В.К., Васин В.В., Танана В.П. Теория линейных некорректных задач и ее приложения. - М.: Наука, 1978. - 206 с.

91. Казаков И.Е. Статистическая теория систем управления в пространстве

состояний. - M.: Наука, 1975. - 432 с.

92. Казаков И.Е., Гладков Д.И. Методы оптимизации стохастических систем. -М.: Наука, 1987.-304 с.

93. Казаков И.Е., Мальчиков C.B. Анализ стохастических систем в пространстве состояний. - М.: Наука, 1983. - 384 с.

94. Калман P.E. Идентификация систем с шумами // УМН, 1985, т. 40, вып. 4(244), с. 27-41.

95. Калиткин H.H. Численные методы. Главная редакция физико-математической литературы изд-ва "Наука", М., 1978с.

96. Картер Г.К. Оценивание когерентности и временной задержки // ТИИЭР, т. 75, №2, 1987, с. 64-85.

97. Кассам С.А., Пур Г.В. Робастные методы обработки сигналов: Обзор // ТИИЭР, т. 73, №5, 1985, с. 54 - 110.

98. Катанович A.A., Нероба Г.С. Комплексы и системы связи надводных кораблей. - СПб.: Судостроение, 2006. - 312 е., ил.

99. Катковник В.Я. Методы алгоритмической оптимизации // Методы исследования нелинейных систем автоматического управления. - М.: Наука, 1975. -448 с.

100. Катковник В. Я. Линейные оценки и стохастические задачи оптимизации. -М.: Наука, 1976.-488 с.

101. Катковник В.Я. Непараметрическая идентификация и сглаживание данных: метод локальной аппроксимации. М.: Главная редакция физико-математической литературы, 1985. - 336 с.

102. Кашьяп Р.Л., Pao А.Р. Построение динамических стохастических моделей по экспериментальным данным. - М.: Наука, 1983. - 384 с.

103. Кей С.М., Марпл мл. С.Л. Современные методы спектрального анализа: Обзор//ТИИЭР, т. 69, №11, 1981, с. 5-51.

104. Коллатц Л., Крабе В. Теория приближений. Чебышевские приближения и их приложения. - М.: Наука, 1978. - 272 с.

105. Корноушенко Е.К. Восстановление входных сигналов в дискретных ли-

нейных нестационарных системам по накопленным данным // Автоматика и телемеханика, 1992, № 12, с. 40 - 54.

106. Кохонен Т. Самоорганизующиеся карты. - М.: Бином. Лаборатория знаний, 2008. - 655 с.

107. Красильников В.А., Крылов В.В. Введение в физическую акустику. - М.: Наука, 1984.-403 с.

108. Красовский A.A. Адаптивный оптимальный регулятор с переменными порядком наблюдателя и временем экстраполяции // АиТ, 1994, №11, с. 97 - 112.

109. Красовский A.A. Алгоритмические основы оптимальных адаптивных регуляторов нового класса // АиТ, 1995, №9, с. 104 - 116.

110. Красовский A.A. Синтез полиномиальных автоколебательных систем пятой-седьмой степени // АиТ, 2002, №10, с. 44 - 57.

111.Kpayc М., Вошни Э. Измерительные информационные системы. - М.: Мир, 1975.-312 с.

112. Кренкель Т.Э., Тараторин A.M. О решении задачи восстановления сигналов с ограничениями // Радиотехника и электроника, 1988, т. 33, №6, с. 1148 -1155.

113. Кропотов Ю.А. Временной интервал определения закона распределения вероятности амплитуд речевого сигнала // Радиотехника, 2006, № 6, с.97 - 98.

114. Кропотов Ю.А. Аппроксимация закона распределения вероятности амплитуд речевого сигнала // Proceedings of 16-th International Crimean Conference "Microwave & Telecommunication Tecnology". Sevastopol, Ukraine, 2007, v.l, p. 422 - 425. IEEE Catalog, Namber 06EX1376, ISBN 966-322-006-6.

115. Кропотов Ю.А., Быков A.A. Погрешность при определении закона распределения вероятности амплитуд речевого сигнала // Математическое и программное обеспечение вычислительных систем: Межвуз. сб. науч. тр. / Под ред. А.Н.Пылькина - М.: Горячая линия-Телеком, 2006. - 70 - 74 с.

116. Кропотов Ю.А., Кульков Я.Ю. Аппроксимация закона распределения вероятности амплитуд речевого сигнала // Радиотехника, 2006, №11, с. 63 - 65.

117. Кропотов Ю.А. Исследование вопросов повышения эффективности передачи

информации речевым сигналом // Радиотехника, 2006, № 11, с. 66 - 67.

118. Кропотов Ю.А. Экспериментальные исследования закона распределения вероятности амплитуд сигналов системы передачи речевой информации // Проектирование и технология электронных средств, 2006, №4, с. 37 - 42.

119. Кропотов Ю.А. Алгоритм определения параметров экспоненциальной аппроксимации закона распределения вероятности амплитуд речевого сигнала // Радиотехника, 2007, № 3, с. 44 - 47.

120. Кропотов Ю.А., Быков А.А. Модель закона распределения вероятности амплитуд сигналов в базисе экспоненциальных функций системы передачи речевой информации // Проектирование и технология электронных средств, 2007, № 2, с. 30 - 34.

121. Кропотов Ю.А., Проскуряков А.Ю. Математическая модель закона распределения вероятности амплитуд речевых сигналов в базисе экспоненциальных функций // Proceedings of 17-th International Crimean Conference "Microwave & Telecommunication Technology". Sevastopol, Ukraine. 2007, v.l, p. 364 - 366. IEEE Catalog, Namber 07EX1742, ISBN 978-966-335-014-1.

122. Кропотов Ю.А., Кульков Я.Ю. Анализ факторов снижения разборчивости речи в системах громкоговорящей связи // Известия Орловского ГТУ, сер. «Фундаментальные и прикладные проблемы техники и технологии: информационные системы и технологии», 2008, № 1-3/269 (544), с. 129 - 133.

123. Кропотов Ю.А., Кульков Я.Ю. Разработка системы громкоговорящей связи с высоким уровнем разборчивости речи // Материали за 4-а международна научна практична конференция «Научно пространство на Европа - 2008», София, 15-30 април 2008година. Том 2007,Технологии. - София, «Бял ГАД-БГ», с. 10-13.

124. Кропотов, Ю.А., Ермолаев В.А., Карасёв О.Е. Метод интерполяционной фильтрации в задачах обработки речевых сигналов во временной области // Вестник компьютерных и информационных технологий, 2008, №7, с. 12 - 17.

125. Кропотов Ю.А., Бейлекчи Д.В. Исследование вопросов сжатия информационных потоков речевых сигналов с применением вейвлет-преобразования //

Радиотехника, 2008, № 9, с. 103 - 106.

126. Кропотов Ю.А., Быков A.A. Исследование автокорреляционных функций речевых сигналов // Радиотехника, 2008, № 9, с. 107 - 109.

127. Кропотов Ю.А., Быков A.A. Аппроксимация огибающей энергетического спектра речевого сигнала. 18-я Международная Крымская конференция «СВЧ-техника и телекоммуникационные технологии» (КрыМиКо'2008). Севастополь, Украина, 8-12 сентября 2008 г.: Материалы конф. в 2т. - Севастополь, Украина: Ве-бер.2008. - ISBN 966-322-006-6. - С.305-307.

128. Кропотов Ю.А., Быков A.A., Проскуряков А.Ю. Исследование методов спектрального анализа речевых сигналов // 18-я Международная Крымская конференция «СВЧ-техника и телекоммуникационные технологии» (КрыМи-Ко'2008). Севастополь, Украина, 8-12 сентября 2008 г.: Материалы конф. в 2т. -Севастополь, Украина: Вебер. - 2008. - ISBN 966-322-006-6. - С.308 309. -Библиогр. с.309.

129. Кропотов Ю.А., Ермолаев В.А., Проскуряков А.Ю. Итерационные методы локально-оптимальной обработки сигналов и характеристики чувствительности // 19-я Международная Крымская конференция «СВЧ-техника и телекоммуникационные» (КрыМиКо'2009). Севастополь, 14-18 сентября 2009 г.: Материалы конф. - Севастополь: Вебер, 2009. - 939 е.: ил. С.384-386.

130. Кропотов Ю.А., Быков A.A., Ермолаев В.А. О методах локально-оптимального представления сигналов на конечных интервалах: спектральный анализ и характеристики качества. 19-я Международная Крымская конференция «СВЧ-техника и телекоммуникационные технологии» (КрыМиКо'2009). Севастополь, Украина, 14-18 сентября 2009 г.: Материалы конф. в 2т. - Севастополь, Украина: Вебер.2009. - ISBN 966-322-006-6. - С.387 - 390.

131. Кропотов Ю.А., Быков A.A., Кульков Я.Ю. Измерение разборчивости речи с ограниченным спектром методом индекса артикуляции // Всероссийские научные Зворыкинские чтения - I. Всероссийская межвузовская научная конференция «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России»: сб. тез. докл. В 3 т. Т.1 / Муромский ин-т

Владимирского гос. ун-та, 6 февраля 2009 г. - Муром: И зд.-полиграфический центр МИВлГУ, 2009.-153с.:ил.

132. Кропотов Ю.А., Быков A.A., Ермолаев В.А. Численные алгоритмы локально-оптимальной обработки сигналов и характеристики чувствительности // Методы и устройства передачи и обработки информации: Межвуз. сб. науч. тр. - Вып. 11 / Под ред. В.В. Ромашова, В.В. Булкина. - М.: «Радиотехника». -2009. - С. 46-51. - Библиогр. с.51

133. Кропотов Ю.А., Быков A.A., Ермолаев В.А. Итерационные методы минимизации квадратичных функций потерь на последовательности конечных интервалов // Радиотехника. - 2009. -№11.- С.99-102.

134. Кропотов Ю.А., Ермолаев В.А. О корреляционном оценивании параметров моделей акустических эхо-сигналов // Вопросы радиоэлектроники, Серия ОТ, 2010, вып. 1, с. 46-50.

135. Кропотов Ю.А. Алгоритм вычисления сигнала управления каналом ре-жекции многоканальной системы передачи акустических сигналов // Вопросы радиоэлектроники. Серия ОТ, 2010, вып. 1, с 57 - 59.

136. Кропотов Ю.А., Быков, A.A. Алгоритм подавления акустических шумов и сосредоточенных помех с формантным распределением полос режекции // Вопросы радиоэлектроники. Серия ОТ, 2010, вып. 1, с 60 - 64.

137. Кропотов Ю.А., Белов A.A., Проскуряков А.Ю. Вопросы обработки экспериментальных временных рядов в электронной системе автоматизированного контроля // Вопросы радиоэлектроники. Серия ОТ, 2010, вып. 1, с. 95 - 100.

138. Кропотов Ю.А., Ермолаев В.А., Ерёменко В.Т., Карасёв O.E. Идентификация моделей дискретных линейных систем с переменными, медленно изменяющимися параметрами // Радиотехника и электроника, 2010, том 55, №1, с.57 -62.

139. Кропотов Ю.А. Исследование влияния узкополосных помех на отношение сигнал/помеха в системе передачи акустических сигналов // ГУМеждународная научно-техническая конференция «Информационные системы и технологии» 2010, г. Орел, Орловский ГТУ, 22 апреля 2010. Материалы IV Международной научно-

технической конференции, том 5, с. 72 - 75.

140. Кропотов Ю.А., Ермолаев В.А. Исследование параметров моделей акустических эхо-сигналов методом корреляционного оценивания // Proceedings of 20-th International Crimean Conference "Microwave & Telecommunication Technology". Sevastopol, Ukraine. 2010, v.l, p. 422 - 423. IEEE Catalog, Number CEP10788, ISBN 978-966-335-329-6.

141. Кропотов Ю.А. Об алгоритме вычисления сигнала управления каналом режекции адаптивной многоканальной системы передачи акустических сигналов // Proceedings of 20-th International Crimean Conference "Microwave & Telecommunication Technology". Sevastopol, Ukraine. 2010, v.l, p. 305 - 307. IEEE Catalog, Number CEP10788, ISBN 978-966-335-329-6.

142. Кропотов Ю.А. Статистические параметры сигналов при проектировании оперативно-командных телекоммуникационных систем // В мире научных открытий, 2010, № 6.1 (12), с. 39 - 44.

143. Кропотов Ю.А., Ермолаев В.А. Методы оптимизации в задачах локальной обработки сигналов // В мире научных открытий, 2010, № 6.1 (12), с. 44— 47.

144. Кропотов Ю.А., Ермолаев В.А. Метод внутренней точки в задачах локальной обработки сигналов // В мире научных открытий, 2010, № 6.1 (12), с. 47-50.

145. Кропотов Ю.А., Ермолаев В.А. Вопросы параметрического представления нестационарных сигналов // Проектирование и технология электронных средств, 2010, № 1, с. 31-35.

146. Кропотов Ю.А., Ермолаев В.А. О моделировании акустических эхо-сигналов и электроакустической аналогии // Проектирование и технология электронных средств, 2011, № 1, с. 48 - 51.

147. Кропотов Ю.А. Повышение отношения сигнал/помеха в многоканальной системе передачи акустических сигналов при воздействии узкополосных помех // Информационные системы и технологии, 2011, № 1 (63), с. 102-106.

148. Кропотов Ю.А., Ермолаев В.А. Оценивание акустических тональных сигналов методами линейной и нелинейной регрессии // Радиотехнические и телекоммуникационные системы, 2011, № 1 (1), с. 71 - 73.

149. Кропотов Ю.А., Быков A.A. Аппроксимация закона распределения вероятности отсчетов сигналов акустических помех // Радиотехнические и телекоммуникационные системы, 2011. - №2(2). - С.61-63.

150. Кропотов Ю.А., Быков A.A. Исследование и разработка систем громкоговорящей связи в условиях воздействия акустических помех (монография) // Муром: Изд.-полиграфический центр МИ ВлГУ, 2011. - 107 е.: ил. + 3 табл. -Библиогр.: 156 назв. ISBN 978-5-8439-0288-9

151. Кропотов Ю.А., Быков A.A. Проектирование помехозащищенных систем громкоговорящей связи (монография) // LAP LAMBERT Academic Publishing Gmbh & Со/ KG Dudweiler Landstr/ 99,66123 Saarbrücken, Germany, 2011. - 151 с.

152. Кропотов Ю.А Адаптивная линейная фильтрация в задаче подавления акустических шумов в телекоммуникационных системах // Радиопромышленность, 2012.-Вып. 1.-С. 74-81.

153. Кропотов Ю.А., Ермолаев В.А. Об адаптивном алгоритме наименьших квадратов в задачах компенсации акустического эха // Радиотехнические и телекоммуникационные системы, 2012.- № 2(6).-С. 40-44.

154. Кропотов Ю.А. Повышение отношения сигнал/внешний акустический шум в системе обмена речевой информацией // Информационные системы и технологии, 2013.-№1(75). - С. 113-117.

155. Кропотов Ю.А., Ермолаев В.А. О параметрическом представлении нестационарных акустических сигналов / Y.A. Kropotov, V.A. Ermolaev // Proceedid-ings of International Siberian Conference on Control and Communication. Krasnoyarsk. Russian, September 2011. - (555 p.) P. 316-318

156. Кропотов, Ю.А. Разработка корабельной оперативно-командной телекоммуникационной системы связи с использованием сетевых технологий. Отчет о НИР (заключительный). Н.р. Кропотов Ю.А. Исполнители: Кропотов Ю.А., Ермолаев В.А., Бейлекчи Д.В., Кульков Я.Ю., Быков A.A., Проскуряков А.Ю. № гос. регистрации 01200809610. УДК 621.391. 2008.12.09. 153 с. // Сборник рефератов НИОКР и диссертаций. - М.: ФГНУ ЦИТиС, 2010 г. - Серия 19 №3.-инв. номер 02200805571.

157. Кропотов Ю.А. Исследование влияния отношения сигнал/шум на значение слоговой разборчивости в системе телекоммуникаций // Радиопромышлен-

252

ность, 2012.- №1.- С. 81-89.

158. Кропотов Ю.А. Моделирование адаптивной линейной фильтрации повышения отношения сигнал/внешний акустический шум в системе обмена речевой информацией // Известия высших учебных заведений. Физика, 2012.- №8/2. -С. 35-37

159. Кропотов Ю.А Многоканальный адаптивный алгоритм подавления акустических помех методом ДПФ в системах обмена речевыми сообщениями // Proceedings of 22-th International Crimean Conference "Microwave & Telecommunication Technology". Sevastopol, Ukraine. 2012, v.2, P. 863-864. IEEE Catalog Number CFP12788-PRT, ISBN 978-966-335-374-6.

160. Лоран П.-Ж. Аппроксимация и оптимизация. - M.: Мир, 1975. - 496 с.

161. Лоусон Ч., Хенсон Р. Численное решение задач метода наименьших квадратов. - М.: Наука, 1986. - 232 с.

162. Льюнг Л. Идентификация систем. Теория для пользователя. - М.: Наука, 1991.-432 с.

163. Макс Ж. Методы и техника обработки сигналов при физических измерениях: В 2-х томах. - М.: Мир, 1983. - Том 1.312 с. Том 2. 256 с.

164. Малахов А.Н. Кумулянтный анализ случайных негауссовых процессов и их преобразований. - М.: Советское радио, 1978.

165. Малла С. Вэйвлеты в обработке сигналов. М.: Мир, 2005. - 671 с.

166. Марпл-мл. С.Л. Цифровой спектральный анализ и его приложения. - М.: Мир, 1990.-584 с.

167. Методы исследования нелинейных систем автоматического управления / Под ред. P.A. Нелепина. - М.: Наука, 1975. - 448 с.

168. Методы нелинейных функционалов в теории электрической связи / Б.М. Богданович, Е.В. Задедюрин, Ю.М. Вувуникян, Л.С. Бачило. Под редакцией Б.М. Богдановича. - М.: Радио и связь, 1990. - 280 с.

169. Миргородский В.И., Герасимов В.В., Пешин C.B. О возможности исследования пространственного распределения источников некогерентного излучения с помощью корреляционной обработки // Журнал технической физики, 1996, том 66, вып. 5, с. 196 - 202.

170. Морозов В.А. Регулярные методы решения некорректно поставленных задач. - М.: Наука, 1987. - 240 с.

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

172. Назин A.B., Щербаков П.С. Реализуемый оптимальный алгоритм пассивной стохастической аппроксимации с усреднением вдоль траектории // Проблемы передачи информации, 1994, том 30, вып. 3, с. 68 - 78.

173. Найт У.С., Придэм Р.Г., Кей С.М. Цифровая обработка сигналов в гидролокационных системах // ТИИЭР, т. 69, № 11, 1981, с. 84 - 155.

174. Невельсон М.Б., Хасьминский Р.З. Стохастическая аппроксимация и рекуррентное оценивание. - М.: Наука, 1972. - 304 с.

175. Неймарк Ю.И., Ланда П.С. Стохастические и хаотические колебания. -М.: Книжный дом «Либриком», 2009. - 424 с.

176. Нелинейные системы. Частотные и матричные неравенства / Под ред. А.Х. Гелига, Г.А. Леонова, А.Л. Фрадкова. - М.: Физматлит, 2008. - 608 с.

177. Нестационарные системы автоматического управления: анализ, синтез и оптимизация / Под ред. К.А. Пупкова и Н.Д. Егупова. - М.: Издательство МГТУ им. Н.Э. Баумана, 2007. - 632 с.

178. Нестеров Ю.Е. Введение в выпуклую оптимизацию. - М.: МЦНМО, 2010. -280 с.

179. Никиас Х.Л., Рагувер М.Р. Биспектральное оценивание применительно к цифровой обработке сигналов // ТИИЭР, т. 75, № 7,1987, с. 5 - 30.

180. Новиков И.Я., Протасов В.Ю., Скопина М.А. Теория всплесков. - М.: Физматлит, 2005. - 616 с.

181. Оппенгейм A.B., Шафер Р.В. Цифровая обработка сигналов: Пер. с англ./ Под ред. С.Я. Шаца.-М.:Связь, 1979.-416с.

182. Оппенгейм A.B., Шафер Р.В. Цифровая обработка сигналов. М.: Техносфера, 2009. - 856 с.

183. Ортега Дж., Рейнболдт В. Итерационные методы решения нелинейных систем уравнений со многими неизвестными. - М.: Мир, 1975. - 560 с.

184. Парфенюк М., Петровский A.A. Параунитарные банки фильтров на основе алгебры кватернионов: теория и применение // Цифровая обработка сигна-

лов, № 1,2008, с. 22-36.

185. Пейтел Р.В., Мисра П. Численный алгоритм решения задачи о собственных значениях с помощью обратной связи по состоянию // ТИИЭР, т. 72, № 12, 1984, с. 106-117.

186. Перов В.П. Прикладная спектральная теория оценивания. - М.: Наука, 1982.-432 с.

187. Петровский А., Борович А., Парфенюк М. Обработка речи на основе дискретного преобразования Фурье с неравномерным частотным разрешением // Речевые технологии, 2008, № 3, с. 3 - 15.

188. Петровский А., Борович А., Парфенюк М. Дискретное преобразование Фурье с неравномерным частотным разрешением в перцептуальных системах редактирования шума в речи // Речевые технологии, 2008, № 3, с. 16 - 26.

189. Петровский A.A. Субполосная обработка сигналов: эффективность и применение в речевых технологиях // Речевые технологии, № 1, 2010, с. 13 - 26.

190. Петров Ю.П., Сизиков B.C. Корректные, некорректные и промежуточные задачи с приложениями. - СПб.: Политехника, 2003. - 261 с.

191. Подводная акустика и обработка сигналов. / Под ред. JI. Бьёрнё. - М.: Мир, 1985.-488 с.

192. Позняк A.C., Тихонов С.Н. Сильная состоятельность расширенного метода наименьших квадратов с нелинейным преобразованием невязки // Автоматика и телемеханика, 1990, № 8, с. 119 - 128.

193. Полак Э. Численные методы оптимизации. Единый подход. - М.: Мир, 1974.-376 с.

194. Полак Э., Мейни Д.К., Стимлер Д.М. Применение методов полубесконечной оптимизации для синтеза систем автоматического управления: Обзор // ТИИЭР, т. 72, № 12, 1984, с. 132 - 153.

195. Поляк Б.Т. Введение в оптимизацию. - М.: Наука, 1983. - 384 с.

196. Поляк Б.Т. Новый метод типа стохастической аппроксимации // Автоматика и телемеханика, 1990, № 7, с. 98 - 107.

197. Поляк Б.Т., Щербаков П.С. Алгоритмы матричного оценивания // Авто-

матика и телемеханика, 1995, №11, с. 122-139.

198. Покровский Н.Б. Расчет и измерение разборчивости. - М.: Связьиздат, 1962.-472 с.

199. Применение цифровой обработки сигналов. Под ред. Э. Оппенгейма. -М.: Мир, 1980.-552 с.

200. Пугачев B.C. Теория случайных функций и ее применение к задачам автоматического управления. - М.: Физматгиз, 1960. - 884 с.

201. Пугачев B.C., Синицын И.Н. Стохастические дифференциальные системы. Анализ и фильтрация. - М.: Наука, 1990. - 632 с.

202. Пугачев B.C., Синицын И.Н. Теория стохастических систем. - М.: Логос, 2004.-1000 с.

203. Пупков К.А., Капалин В.И., Ющенко A.C. Функциональные ряды в теории нелинейных систем. - М.: Наука, 1976. - 448 с.

204. Пытьев Ю. П. Методы математического моделирования измерительно-вычислительных систем. — М.: ФИЗМАТЛИТ, 2002. — 384 с.

205. Рабинер Л.Р., Гоулд Б. Теория и применение цифровой обработки сигналов. - М.: Мир, 1975. - 835 е., ил.

206. Рабинер Л. Р., Шафер Р.В. Цифровая обработка речевых сигналов. - М.: Радио и связь, 1981. - 496 с.

207. Радионова Е.А. Анализ звуковых сигналов в слуховой системе: Нейрофизиологические механизмы. - Л.: Наука, 1987. - 272 с.

208. Рамм А. Теория оценивания случайных полей. - М.: Мир, 1996. - 352 с.

209. Pao С.К., Кайлат Т. Регулярные итеративные алгоритмы и их реализация в процессорных матрицах // ТИИЭР, т. 76, № 3, 1988, с. 58 - 69.

210. Рашевский, Я. И. Обзор зарубежных методов определения разборчивости речи. / Рашевский Я. И., Каргашин В. Л. // М.: Специальная техника, № 4, 2002. -С. 37-40.-Биоблиогр.:с.40.

211. Резван В. Абсолютная устойчивость автоматических систем с запаздыванием. - М.: Наука, 1983. - 360 с.

212. Розенвассер E.H., Юсупов P.M. Чувствительность систем управления. -

М.: Наука, 1981.-464 с.

213. Самарский А. А., Вабищевич П. Н. Численные методы решения обратных задач математической физики. - М.: Издательство ЛКИ, 2009. — 480 с.

214. Сапожков, М.А. Речевой сигнал в кибернетике и связи / М.А. Сапожков - М.: Связьиздат, 1962.-452 с.

215. Сапожков М.А., Михайлов В.Г. Вокодерная связь. - М.: Радио и связь, 1983.-248 с.

216. Сверхбольшие интегральные схемы и современная обработка сигналов / Под ред. С. Гуна, X. Уайтхауса, Т. Кайлата. - М.: Радио и связь, 1989. - 472 с.

217. Симанин A.A. Оценивание нестационарных временных задержек при многолучевом приеме // Акустический журнал, том 39, вып. 4, 1993, с. 735 - 742.

218. Системы: декомпозиция, оптимизация и управление / Сост. М. Сингх, А. Титли. - М.: Машиностроение, 1986. - 496 с.

219. Скляр В.М. Оценивание частот суммы синусоид // Радиотехника и электроника, 1991, том. 36, вып. 4, с. 746 - 755.

220. Скучик Е. Основы акустики. Том 1. - М.: Издательство Иностранной литературы, 1958. - 620 с. Том 2 - 1959. - 568 с.

221. Скучик Е. Простые и сложные колебательные системы. - М.: Мир, 1971. - 560 с.

222. Современная теория систем управления / Под ред. К.Т. Леондеса. - М.: Наука, 1970,512 с.

223. Современные методы идентификации систем / Под ред. П. Эйкхоффа. -М.: Мир, 1983.-400 с.

224. Солодов A.B., Петров Ф.С. Линейные автоматические системы с переменными параметрами. - М.: Наука, 1971. - 620 с.

225. Солодов A.B., Солодова Е.А. Системы с переменным запаздыванием. -М.: Наука, 1980.-384 с.

226. Солодовников В.В., Бородин Ю.И., Иоаннисиан А.Б. Частотные методы анализа и синтеза нестационарных линейных систем. - М.: Советское радио, 1972.- 168 с.

227. Сондхи М.М., Беркли Д.А. Методы подавления эха в телефонных сетях // ТИИЭР, т. 68, №8, 1980, с. 5 - 24.

228. Сорока A.M. Комплексная верификация ключевых слов на основе метода опорных векторов // Речевые технологии, № 1, 2010, с. 27 - 34.

229. Сорока A.M. Алгоритм двухэтапного распознавания фонем русского языка // Речевые технологии, № 1, 2010, с. 35 - 41.

230. Сорокин В.Н. Фундаментальные исследования речи и прикладные задачи речевых технологий // Речевые технологии, 2008, № 1, с. 18-48.

231. Сорокин В.Н., Цыплихин А.И. Верификация диктора по спектрально-временным параметрам речевого сигнала // Информационные процессы, 2010, Том 10, №2, с. 87- 104.

232. Справочник по технической акустике / Под ред. М.Хекла и Х.А. Мюллера. - Л.:Судостроение, 1980. - 440с.

233. Стретт Дж.В. (Лорд Рэлей). Теория звука. В 2-х томах. - М.: Гос. изд. технико-теоретической литературы, 1955. Том I - 504 с. Том II - 476 с.

234. Тараканов А.Н. Построение комбинированного адаптивного алгоритма эхокомпенсации с пониженной вычислительной сложностью. // 9-я Межд. Конф. и Выставка «Цифровая обработка сигналов и её применение» (DSPA-2007) 28-30 марта 2007 г., г.Москва.

235. Тараторин A.M. О регуляризации итерационных алгоритмов восстановления сигналов // Радиотехника и электроника, 1986, т. 31, №7, с. 1316 - 1322.

236. Теребиж В.Ю. Введение в статистическую теорию обратных задач. - М.: Физматлит, 2005. - 376 с.

237. Тихонов А.Н., Арсенин В .Я. Методы решения некорректных задач. - М.: Наука, 1979.-288 е..

238. Тихонов А.Н., Гончарский A.B., Степанов В.В., Ягола А.Г. Численные методы решения некорректных задач. - М.: Наука, 1990. - 232 с.

239. Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем - М.: Радио и связь, 1991. - 608с

240. Троян В.Н., Соколов Ю.М. Методы аппроксимации геофизических данных

на ЭВМ. - JL: Издательство Ленинградского университета, 1989. - 304 с.

241. Турчин В.Ф., Козлов В.П., Малкевич М.С. Использование методов математической статистики для решения некорректных задач // Успехи физических наук, т. 102, вып. 3, 1970, с. 345 - 386.

242. Тюкин И.Ю., Терехов В.А. Адаптация в нелинейных динамических системах. - М.: Издательство ЛКИ, 2008. - 384 с.

243. Уидроу Б., Стирнз С. Адаптивная обработка сигналов. - М.: Радио и связь, 1989.

244. Уилкс С. Математическая статистика. - М.: Наука, 1967. - 632 с.

245. Уорден К. Новые интеллектуальные материалы и конструкции. Свойства и применение. - М.: Техносфера, 2006. - 224 с.

246. Устойчивость адаптивных систем / Андерсон Б., Битмид Р., Джонсон К. и др. - М.: Мир, 1989. - 263 с.

247. Фельдштейн И.В. Кросскорреляционный интеграл. Некоторые особенности и применение в задачах выявления нестационарностей во временных рядах // Журнал технической физики, 2000, том 70, вып. 6, с. 1-5.

248. Фланаган Дж. Л. Анализ, синтез и восприятие речи. Пер. с англ. под ред. Пирогова A.A. - М.: Связь, 1968. - 396с.

249. Формалев В.Ф., Ревизников Д.Л. Численные методы. - М.: Физматлит, 2004. -400с. ISBN 5-9221-0479-9.

250. Френке Л. Теория сигналов. - М.: Советское радио, 1974. - 344 с.

251.Хайкин С. Нейронные сети: Полный курс. - М.: Издательский дом «Вильяме», 2006. - 1104 с.

252. Хардле В. Прикладная непараметрическая регрессия. - М.: Мир, 1993. -349 с.

253. Хейл Дж. Теория функционально-дифференциальных уравнений. - М.: Мир, 1984.-421 с.

254. Хеннан Э. Многомерные временные ряды. - М.: Мир, 1974. - 576 с.

255. Хорев, A.A. К оценке эффективности защиты акустической (речевой) информации / A.A. Хорев, Ю.К. Макаров // Специальная техника. - 2000, -№5.

256. Хорн Р., Джонсон Ч. Матричный анализ. - М.: Мир, 1989. - 655 с.

257. Хьюбер П. Робастность в статистике. - М.: Мир, 1984. - 304 с.

258. Цыпкин Я.З. Адаптация и обучение в автоматических системах. - М.: Наука, 1968.-400 с.

259. Цыпкин Я.З. Информационная теория идентификации. - М.: Наука. Физ-матлит, 1995. - 336 с.

260. Цыпкин Я.З. Новые классы дискретных периодических систем управления // Автоматика и Телемеханика, 1994, №12, с. 76 - 92.

261. Цыпкин Я.З. Теория линейных импульсных систем. - М.: Физматлит, 1963. 968 с.

262. Цыпкин Я.З. Релейные автоматические системы. - М.: Наука, 1974. - 576 с.

263. Цыпкин Я.З., Попков Ю.С. Теория нелинейных импульсных систем. - М.: Наука, 1973.-416 с.

264. Чуй К. Введение в вэйвлеты. - М.: Мир, 2001.-412 с.

265. Шалыгин A.C., Палагин Ю.И. Прикладные методы статистического моделирования. - JL: Машиностроение. Ленинградское отделение, 1986. - 320 с.

266. Шафер Р.У., Мерсеро P.M., Ричарде М.А. Итерационные алгоритмы восстановления сигналов при наличии ограничений // ТИИЭР, 1981, №4, с. 34 - 55.

267. Шахтарин Б.И. Фильтры Винера и Калмана. - М.: Гелиос АРВ, 2008. - 408 с.

268. Шетсен М. Моделирование нелинейных систем на основе теории Винера // ТИЭЭР, Том 69, № 12, 1981, с. 44 - 62.

269. Эйкхофф П. Основы идентификации систем управления. - М.: Мир, 1975. -688 с.

270. Яглом A.M. Корреляционная теория стационарных случайных функций. -Л.: Гидрометеоиздат, 1981. - 280 с.

271. Янушевский Р.Т. Теория линейных оптимальных многосвязных систем управления. - М.: Наука, 1973. - 464 с.

272. Янь Цзинбинь, У Ши, Сорока A.M., Трус A.A. Классификация аудиосигналов с использованием одноклассового метода опорных векторов для систем поиска информации в мультимедиаархивах // Речевые технологии, 2008, № 4,

с. 15-24.

273. Пат. 67364 Российская Федерация, МПК7 H04L27/26 (2006.01). Устройство понижения информационного потока оцифрованного речевого сигнала / Ю.А. Кропотов, А.А.Быков. Заявители и патентообладатели Ю.А. Кропотов, А.А.Быков. -№ 2007115103; заявл. 20.04.2007; опубл. 10.10.2007.

274. Пат. 69361 Российская Федерация, МПК7 Н04В13/00 (2006.01). Система внутрикорабельной громкоговорящей связи / Ю.А. Кропотов, Я.Ю. Кульков. Заявители и патентообладатели Кропотов Ю.А., Кульков Я.Ю -№ 2007130589/22; заявл. 09.08.2007; опубл. 10.12.2007. Бюл. №34.

275. Пат. 68208 Российская Федерация, МПК7 H03G5/16 (2006.01). Устройство автоматического управления формой спектра речевого сигнала в системах громкоговорящей связи / Ю.А. Кропотов, Я.Ю. Кульков. Заявители и патентообладатели Кропотов Ю.А., Кульков Я.Ю - №2007126688/22; заявл. 12.07.2007; опубл. 10.11.2007. Бюл. №31.

276. Пат. 68680 Российская Федерация, МПК7 G01B15/02 (2006.01). Устройство измерения характеристик акустических сигналов / Ю.А. Кропотов, Я.Ю. Кульков. Заявители и патентообладатели Кропотов Ю.А., Кульков Я.Ю -№ 2007131142/22; заявл. 15.08.2007; опубл. 27.11.2007. Бюл. №33.

277. Пат. 70000 Российская Федерация, МПК7 G01R17/02 (2006.01). Устройство кодирования речевого сигнала в системах громкоговорящей связи / Ю.А. Кропотов, Д.В. Бейлекчи. Заявители и патентообладатели Кропотов Ю.А., Бейлекчи Д.В. -№ 2007134691/22; заявл. 17.09.2007; опубл. 10.01.2008. Бюл. №1.

278. Пат. 72373 Российская Федерация, МПК7 H04L 27/26 (2006.01), Н04М 11/06 (2006.01). Двуполосное устройство понижения информационного потока оцифрованного речевого сигнала / Ю.А. Кропотов, А.А.Быков, А.Ю. Проскуряков. Заявители и патентообладатели Ю.А. Кропотов, А.А.Быков, А.Ю. Проскуряков. -№ 2007141218; заявл. 06.11.2007; опубл. 10.04.2008. Бюл. №10.

279. Пат. 76534 Российская Федерация, МПК7 H04L 27/26 (2006.01). Устройство понижения информационного потока оцифрованного речевого сигнала / Ю.А. Кропотов, А.А.Быков, А.Ю. Проскуряков, Д.Б. Митрофанов. Заявители и патентообла-

датели Ю.А. Кропотов, А.А.Быков, А.Ю. Проскуряков, Д.Б. Митрофанов. -№ 2008107458; заявл. 26.02.2008; опубл. 20.09.2008. Бюл. №26

280. Пат. 91437 Российская Федерация, МПК7 G01R17/02 (2006.01). Устройство компенсации акустических эхо-сигналов в системах громкоговорящей связи. / Быков А.А., Ермолаев В.А., Кропотов Ю.А. Заявители и патентообладатели Быков А.А., Ермолаев В.А., Кропотов Ю.А. - №2009139045/22; заявл. 22.10.2009; опубл. 10.02.2010. Бюл. №4.

281. Пат. 91490 Российская Федерация, МПК7 Н04В1/10 (2006.01). Устройство подавления сосредоточенных акустических помех. / Быков А.А., Ермолаев В.А., Кропотов Ю.А., Лазарев Л.С., Проскуряков А.Ю. Заявители и патентообладатели Быков А.А., Ермолаев В.А., Кропотов Ю.А., Лазарев Л.С., Проскуряков А.Ю. -№ 2009135220/22; заявл. 21.09.2009; опубл. 10.02.2010. Бюл. №4.

282. Пат. 2477533 Российская Федерация, МПК51 G10L 19/06 (2013.01), Н04В 1/10 (2006.01). Способ многоканального адаптивного подавления акустических шумов и сосредоточенных помех и устройство для его осуществления. / Кропотов Ю.А.. Заявитель и патентообладатель Кропотов Ю.А. - №2011116625/08; заявл. 26.04.2011; опубл. 10.03.2013. Бюл. №7.

283. Заявка на изобретение №2011141099/07(061450) от 15.11.2011. Устройство адаптивного подавления акустических шумов и акустических сосредоточенных помех. / Кропотов Ю.А., Ермолаев В.А.

284. Al-Hussaini Е.К., El-Gayaar M.S. Robust generalized crosscorrelator filters used in time delay estimation / IEE Proceedings, Vol. 134, Pt. F, No. 4,1987, pp. 394 - 400.

285. Apolinario Jr. J.A. QRD-RLS adaptive filtering. New York, Springer, 2009. -350 p.

286. Babkin V.V., Ivanov V.N., Lanne A.A., Pozdnov I.B. Internet Telephony Vocoders, Proc. Second European DSP E&R Conference, Paris, Sept. 1998, p.83-87.

287. Benesty J., Chen J., Huang Y., Cohen I. Noise reduction in speech processing. Heidelberg, Springer-Verlag, 2009. - 230 p.

288. Ben-Tal A., Nemirovski A. Lecture on modern convex optimization. Analysis, Algorithms and engineering applications. Philadelphia: SLAM, 2001. - 504 p.

289. Ben-Tal A., Ghaoui L.E., Nemirovski A. Robust optimization. Princeton and

Oxford, Princeton University Press, 2009. - 564 p.

290. Bjorck Ake. Numerical methods for least squares problems. - Philadelphia: SIAM, 1996.-408 p.

291. Breining C. et al. Acoustic echo control. An application of very-high-order adaptive filters. Signal Processing Magazine, IEEE, Vol. 16, Issue 4, Jul 1999, pp. 42 - 69.

292. Boll S. Suppression of acoustic noise in speech using spectral subtraction. IEEE Transactions on Acoustics, Speech, and Signal Processing, Volume 27, Issue 2, Apr. 1979, pp. 113-120.

293. Boyd S., Vandenberghe L. Convex optimization. Cambridge University Press, 2004.-718 p.

294. Brillinger D.R. A study of second- and third-order spectral procedures and maximum likelihood in the identification of bilinear systems // IEEE Trans, on Acoustics, Speech and signal processing, vol. 38, No. 7, pp. 1238 - 1245, 1990.

295. Bubnicki Z. Identification of control plants. - Warszawa, Amsterdam, Oxford, New York: PWN - Polish scientific publishers, 1980. - 312 p.

296. Camastra F., Vinciarelli F. Machine learning for audio, image and video analysis. London, Springer-Verlag, 2008. - 494 p.

297. Cappe O. Elimination of the musical noise phenomenon with the Ephraim and Mlnoise suppressor, IEEE Trans. Speech and Audio Processing, Vol. 2, No. 1, pp. 345-349, April 1994.

298. Clement P.R. Laguerre functions in signal analysis and parameter identification // J. Franklin Inst., Vol. 313, No.2, 1982, p. 85 - 95.

299. Cohen I. On speech enhancement under signal presence uncertainty. ICASSP-2001, pp.167-170.

300. Davenport W. B. "An Experimental Study of Speech-wave Probability Distributions," J Acoust. Soc. Am., Vol. 24, pp. 390-399, July 1952.

301. Dembinski H.P. On interpolation of univariate distributions // arXiv: 1101.3266vl [physics.data-an] 17 Jan 2011. P. 1 - 5.

302. Diniz P.S.R. Adaptive filtering algoriths and practical implementation. New York, Springer, 2008. - 627 p.

303. Ephraim Y. and Malah D. Speech enhancement using a minimum mean-square error log-spectral amplitude estimator, IEEE Trans. ASSP-33, No. 2, pp. 443445, 1985.

304. Giannakis G.B., Tsatsanis M.K. Signal detection and classification using matched filtering and higher order statistics // IEEE Trans, on Acoustics, Speech and signal processing, vol. 38, No. 7, pp. 1284 - 1296, 1990.

305. Giri F., Bai E-W. Blok-oriented nonlinear system identification. - Berlin -Heidelberg: Springer, 2010. - 425 p.

306. Gomez W., Ramirez H. A filter algorithm for nonlinear semidefinite programming //

307. Hakansson L. et al. Noise canceling headsets for speech communication. Chapter in the book "Noise Reduction in Speech Applications", CRC press, 2002, pp. 305-327.

308. Hansler E., Schmidt G. (Eds.) Topics in acoustic echo and noise control: Selected methods for the cancelation of acoustic echoes, the reduction of background noise, and speech processing. - Berlin, Heidelberg, Springer, 2006. - 642 p.

309. Hero A.O., Schwartz S.C. Poisson models and mean-squared error for correlated estimators of time delay / IEEE Transactions on information theory, vol. 34, No. 2, 1988, pp. 287-303.

310. Hwang C., Guo T.-Y. Parameter identification of a class of time-varying systems via orthogonal shifted Legendre polynomials // J. Franklin Inst., Vol. 318, No.l, 1984, p. 59-69.

311. Kabal P., Ramachandran R.P. The computation of line spectral frequencies using Chebyshev polynomials // IEEE Trans. Acoustic Speech Signal Process. - 198028.

312. Kingsbury N.G. Robust 8000 bit/s sub-band speech coder // IEE Proceedings, Vol. 134, Pt. F. No. 4, July 1987, pp352-366.

313. Ko C.C. Tracking performance of a broadband tapped delay line adaptive array using the LMS algorithm // IEE Proseedings, vol. 134, Pt. F, No. 4, pp. 295 - 304,1987.

314. Kondoz A.M. Digital Speech. Coding for low bit rate communication systems.

J.Wiley & Sons, 2004.

315. Kropotov, Ju. A. Identification of Models for Discrete Linear Systems with Variable, Slowly Varying Parameters / V.A. Ermolaev, V.T. Eremenko, O.E. Karasev, Ju.A. Kropotov // Journal of Communications Technology and Electronics New York - 2010 - vol.55, №1 - p. 52-57.

316. Kropotov, Y.A. Management of the chanel suppression hindrances in multichannel systems of transfer acoustic signals / Y.A. Kropotov // Proceedings of First Russia and Pacific Conference on Computer Technology and Applications (RPC 2010), 6-9. September 2010, Vladivostok (Russia).- Vladivistok: IACP FEB RAS, 2010.-P. 399-400.

317. Ku Y.H. Theory of nonlinear systems // J. of The Franklin Institute, Vol. 315, N. 1, January, 1983, p. 1-26.

318. Lu W-S. Design of signal-adapted biorthogonal filter banks using second-order cone programming //

319. Mandic D.P., Goh V.S.L. Complex valued nonlinear adaptive filters: Noncircu-larity, widely linear and neural models. - Chichester, John Wiley & Suns, 2009. -324 p.

320. Martin R, Heute U., Antweiler C., Advances in Digital Speech Transmission, John Wiley and Son, 2008. - 572 p.

321. Martin R., D. Malah, R.V. Cox, A. J. Accardi. A Noise Reduction Preprocessor for Mobile Voice Communication. EURASIP Journal of Applied Signal Processing, 2004, №8, pp. 1046-1058.

322. Michiels W., Niculescu S. Stability and stabilization of time-delay systems : an Eigenvalue-based approach. - Philadelphia: SIAM, 2007. - 399 p.

323. Mouroutsos S.G., Paraskevopoulos P.N. Identification of time-varying linear systems using orthogonal functions // J. Franklin Inst., Vol. 320, No.5, 1985, p. 249 - 258.

324. Mulgrew B. Kalman filter techniques in adaptive filtering // IEE Proseedings, vol. 134, Pt. F, No. 3, pp. 239 - 243, 1987.

325. Nelles O. Nonlinear system identification: From classical approaches to neural networks and fuzzy models. - Berlin, Heidelberg, New York: Springer, 2001. - 785 p.

326. Nordholm, I. Claesson, Grbic N. Optimal and adaptive microphone arrays for speech input in automobiles. Chapter in the book "Microphone Arrays: Signal Processing Techniques and Applications", Springer, 2001.

327. Ogunfunmi T. Adaptive nonlinear system: The Volterra and Wiener model approaches. - Santa Clara: Springer, 2007. - 230 p.

328. Paez M.D. , Glisson T. H. Minimum Mean Squared-Error Quaniization in Speech. IEEE Trans. Comm., Vol. Com-20tpp. 225-230, April 1972.

329. Picinbono B., Duvaut P. Optimal linear-quadratic systems for detection and estimations // IEEE Trans, on Inform. Theory, vol. 34, No. 2, pp. 304 - 311,1988.

330. Rubio J.E., Wilson D.A. Hilbert-Schmidt systems with finite-dimensional state spaces // J. Franklin Inst., Vol. 313, No.2, 1982, p. 73 - 76.

331.Rugh W.J. Nonlinear system theory: The Volterra/Wiener approach. - The Johns Hopkins University Press, 1981 (2002). - 330 p.

332. Schetzen M. Multilinear theory of nonlinear networks // J. of The Franklin Institute, Vol. 320, N. 5, November, 1985, p. 221 - 247.

333. R.N. Sharma, A.K. Chaturvedi, G. Sharma. Multipath Delay Estimation for Acoustic Echo Channel. Proc. IEEE TENCON 2004, vol. 1, pp. 21 - 24, Nov. 2004.

334. R.N. Sharma, A.K. Chaturvedi, G. Sharma. Tracking Behaviour of Acoustic Echo Canceller Multiple sub-filters. Proc. IEEE TENCON 2004, vol. 1, pp. 21 - 24, Nov. 2005.

335. Sharma R.N., Chaturvedi A.K., Sharma G. Tracking behavior of acoustic echo canceller using multiple sub-filters. Eusipco 2006 - 14th European Signal Processing Conference. September 2006.

336. Sayed Ali H. Adaptive filters. New Jersey, John Wiley & Sons Inc., 2008. - 786 p.

337. Speech processing in modern communication. Challenges and perspectives. Cohen I., Benesty J., Cannot S. (red.). Berlin, Heidelberg, Springer, 2010. - 342 p.

338. Spanias A., Painter T., Atti V., Audio Signal Processing and Coding, Wiley-Interscience,2007.-P.468.

339. Speech Enhancement (Signals and Communication Technology). Editors: Benesty J., Makino S., Chen J. Springer, 2005, 406 pages.

340. Vapnik V.N. The nature of statistical learning theory. - Berkeley, Springer, 1999.-332 p.

341. Vapnik V.N. Statistical learning theory. - New York / Chichester / Weinheim / Brisbane / Singapore / Toronto, John Wiley & Sons, 1998. - 740 p.

342. Vary P., Martin R. Digital Speech Transmission: enhancement, coding and error concealment. Wiley & Sons, 2006.

343. Vaseghi S.V. Advanced digital signal processing and noise reduction. Chichester, John Wiley & Sons, Ltd, 2006. - 453 p.

344. White L.B., Boashash B. Cross spectral analysis of nonstationary processes // IEEE Trans, on Inform. Theory, vol. 36, No. 4, pp. 830 - 835, 1990.

345. Zhao Y., Atlas L.E., Marks R.J. The use of cone-shaped kernels for generalized time-frequency representations of nonstationary signals // IEEE Trans, on Acoustics, Speech and signal processing, vol. 38, No. 7, pp. 1084- 1091, 1990.

346. bibliotekazvukov.ru [Электронный ресурс]: bibliotekazvukov- Электрон, текстовые дан., [2009].- Режим доступа: http://www.bibliotekazvukov.ru, свобод-ный.-Загл. с экрана.

347. findsounds.com [Электронный ресурс]: FindSounds - Электрон, текстовые дан., [2009].- Режим доступа: findsounds.com, свободный.-Загл. с экрана.

348. footage.3dn.ru [Электронный ресурс]: Aootage - Электрон, текстовые дан., [2009].- Режим доступа: footage.3dn.ru, свободный.-Загл. с экрана.

349. ГОСТ Р 50840-95. Передача речи по трактам связи. Методы оценки качества, разборчивости и узнаваемости.

350. ГОСТ 16600-72. Передача речи по трактам радиотелефонной связи. Требования к разборчивости речи и методы артикуляционных измерений.

351. ГОСТ Р 51061-97. Система низкоскоростной передачи по цифровым каналам. Параметры качества речи и методы измерений.

352. ГОСТ 7153-85. Аппараты телефонные общего применения.

353. ГОСТ 8031-78. аппараты телефонные. Тональный метод измерения разборчивости речи

354. OCT В4 ГО.005.004. Редакция 1-72. Связь громкоговорящая для стацио-

нарных и подвижных объектов. Общие технические требования.

355. ITU-T Recommendation G.131. Эхо говорящего и управление этим эхом. (11/2003).

356. ITU-T Recommendation G.723.1. Dual rate speech coder for multimedia communications transmitting at 5.3 and 6.3 kbit/s. (05/2006).

357. ITU-T Recommendation P.48. Telephone transmission quality. Specification for an intermediate reference system.

358. ITU-T Recommendation P.340. Transmission characteristics and speech quality parameters of hands-free terminals. (05/2000).

359. ITU-T Recommendation P.342. Transmission characteristics for telephone band (300 - 3400 Hz) digital loudspeaking and hands-free telephony terminals. (08/1996).

360. ITU-T Recommendation P.800. Methods for subjective determination of transmission quality.

361. ITU-T Recommendation P.862. Perceptual Evaluation of Speech Quality. (02/2001).

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.