Дослідження ефективності вейвлет-аналізу мовних сигналів для розпізнавання мовців згортальними нейронними мережами

Abstract

Магістерську кваліфікаційну роботу присвячено дослідженню ефективності вейвлет-аналізу мовних сигналів для розпізнавання мовців згортальними нейронними мережами. Розглянуто методи виділення первинних інформативних ознак мовних сигналів, які використовуються для ідентифікації мовців. Приведена класифікація нейронних мереж, розглянуті алгоритми, які необхідні для функціонування системи розпізнавання мовців. Розроблено алгоритми попередньої оброки мовного сигналу, виділення інформативних ознак та процесу класифікації для системи розпізнавання мовців, а також UML-діаграми варіантів використання, діяльності, послідовності та станів. Проведено дослідження ефективності вейвлет-аналізу мовних сигналів.

Master’s qualification work is devoted to the study of the effectiveness of wavelet analysis of speech signals for the speaker’s recognition by convolutional neural networks. The work covers existing methods of calculating primary characteristics of the speech signals, which using for speaker identification. Presented classification of neural networks, considered algorithms for functioning speaker’s identification system. Were developed the algorithms of the pre-processing the speech signal, the allocation of informative features and the classification process for the speech recognition system, also were designed the USE-CASE diagram, UML-diagrams of the activity, sequence and statechart. Also, were studied the effectiveness of wavelet analysis of speech signals for the speaker’s recognition.