ОБ АЛГОРИТМЕ РАСПОЗНАВАНИЯ ЗВУКОВ НА ОСНОВЕ КОСИНУС ПРЕОБРАЗОВАНИЯ
Данная статья посвящена решению задачи распознавания различных звуков в окружающей среде, что широко применяется в системах наблюдения и контроля и позволяет идентифицировать объекты различной природы, например, автомобиль, катер, самолет, животных, птиц и др. В работе предложен алгоритм распознавания звуков в звуковом сигнале на основе анализа частотных составляющих сигнала, соответствующих коэффициентам дискретного косинус преобразования фрагментов исследуемого сигнала. Дискретное косинус преобразование обеспечивает в отличие от преобразования Фурье разложение сигнала на вещественные частотные составляющие, что позволяет снизить вычислительные затраты при реализации алгоритма. В разработанном алгоритме на основе частотного анализа звукового сигнала, в качестве примера, определяются ноты различных октав. На этапе предварительной обработки в исходном сигнале выделяются фрагменты, соответствующие паузам, и формируются информативные фрагменты звукового сигнала, при анализе которых на следующем этапе алгоритма осуществляется распознавание нот. Вычислительные эксперименты с модельным звуковым сигналом продемонстрировали работоспособность разработанного алгоритма.
Урсол Д.В., Болгова Е.В., Черноморец Д.А., Черноморец А.А. Об алгоритме распознавания звуков на основе косинус преобразования // Научный результат. Информационные технологии. – Т.7, №4, 2022. – С. 67-75. DOI: 10.18413/2518-1092-2022-7-4-0-8
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
1. Абрамов Г.В., Коробова Л.А., Ивашин А.Л., Матыцина И.А. Анализ и использование математических методов для распознавания звуковых сигналов // Вестник Воронежского государственного университета инженерных технологий. 2015. № 2 (64). С. 61-65.
2. Данилов В.В., Салех Х.М. Исследование неисправностей беспилотных летательных аппаратов на основе распознавания звука агрегатов // Решение. 2018. Т. 1. С. 126-129.
3. Митянок В.В., Коновалова Н.В. Применение фазового анализа звуков речи для распознавания человека по его голосу // Техническая акустика. 2013. Т. 13. С. 4.
4. Припадчев А.А., Черный Е.В. Разработка системы для автоматизированного распознавания звуков критических ситуаций в потоке аудиосигнала / В сборнике: Альманах научных работ молодых ученых университета ИТМО. в 5 томах. 2016. С. 188-190.
5. Васильев Д.Е. Повышение эффективности распознавания звуков специального назначения с использованием искусственного интеллекта / В сборнике: Современные тенденции развития науки и мирового сообщества в эпоху цифровизации. Сборник материалов VII Международной научно-практической конференции. Редколлегия: Бабаева З.Ш. [и др.]. Москва, 2022. С. 143-145.
6. Балабаев С.А., Лупин С.А. Ускорение работы метода определения голосов птиц / В сборнике: Передовое развитие современной науки как драйвер роста экономики и социальной сферы. Сборник II Всероссийской научно-практической конференции. Петрозаводск, 2020. С. 51-56.
7. Иванов А.Н., Киселев А.М. Защита аудиофайлов методом цифрового маркирования на основе дискретного косинусного преобразования и дискретного вейвлет-преобразования // Ученые заметки ТОГУ. 2019. Т. 10. № 3. С. 42-52.
8. Ракицкий В.А. Дискретное косинусное преобразование как средство компьютерной обработки информации // Проблемы информатизации и управления. 2019. Т. 2. № 62. С. 52-56.
9. Черноморец А.А., Болгова Е.В., Черноморец Д.А. Обобщенный субполосный анализ на основе унитарных преобразований // Научные ведомости Белгородского государственного университета. Серия: Экономика. Информатика. 2015. № 7 (204). С. 97-104.
10. Новиков К.Д. Программа для осуществления дискретного косинусного преобразования средствами GPU / Свидетельство о регистрации программы для ЭВМ 2021611111, 21.01.2021. Заявка № 2021610330 от 13.01.2021.
11. Бумагин А.В., Гондарь А.В., Прудников А.А., Стешенко В.Б. Устройство для вычисления дискретного косинусного преобразования // Патент на изобретение RU 2430407 C1, 27.09.2011. Заявка № 2010115396/08 от 20.04.2010.
12. Паршин Б.Я., Жуков Д.О. Сравнение дискретного преобразования Фурье и модифицированного косинус-преобразования при сжатии аудиоинформации // Вестник компьютерных и информационных технологий. 2010. № 5 (71). С. 12-18.
13. Жиляков Е.Г. Вариационные методы анализа и построения функций по эмпирическим данным: моногр. / Е.Г. Жиляков. – Белгород: Изд-во БелГУ, 2007. – 160 с.
14. Жиляков Е.Г., Черноморец А.А., Болгова Е.В. О субинтервальных матрицах на основе унитарных преобразований // Научный результат. Информационные технологии. 2017. Т. 2. № 1. С. 55-63.
15. Лапаев Н.Г., Седов А.Н., Шевченко О.В. Определения параметров сигналов с использованием дискретного преобразования Фурье и вейвлет-преобразования // Методы и устройства передачи и обработки информации. 2004. № 6. С. 140-148.
16. Конев А.А., Онищенко А.А., Костюченко Е.Ю., Якимук А.Ю. Автоматическое распознавание музыкальных нот // Научный вестник Новосибирского государственного технического университета. 2015. № 3 (60). С. 32-47.ф