ДонНТУ


Портал магистров ДонНТУ


Магистр ДонНТУ Кулибаба Ольга Владимировна

Кулибаба Ольга Владимировна

Факультет: Компьютерные науки и технологии

Кафедра: Автоматизированные системы управления

Специальность: Информационные управляющие системы и технологии

Тема выпускной работы:

Разработка компьютеризированной системы контроля доступа с использованием аутентификации по голосу

Научный руководитель: к.т.н., доцент Привалов Максим Владимирович

ССЫЛКИ ПО ТЕМЕ ВЫПУСКОНОЙ РАБОТЫ


Материалы Магистров ДонНТУ

1.  http://masters.donntu.ru/2008/kita/kravchenko/diss/index.htm

Методы и алгоритмы СКС аутентификации пользователей ЛВС по тембру голоса
Автор: Кравченко Д.А.

Данная работа посвящена проблеме обеспечения безопастности внутрисетевых информационных ресурсов путем ограничения доступа к ним по биометрической характеристике: тембру голоса


Признаки для аутентификации по голосу и методы их выделения

2.  http://dsp-book.narod.ru/books.html

Литература по цифровой обработке сигналов

Подборка литературы по цифровой обработке сигналов


3.  http://www.cognitive.ru/innovation/sbornic/rozanov.doc

Методы выделения периодов основного тона в речевом сигнале
Авторы: Арлазаров В.Л., Богданов Д.С., Розанов А.О., Финкельштейн Ю.Л.

Описание алгоритмов и методов выделения основного тона в речевом сигнале


4.  http://www.nsu.ru/matlab/MatLab_RU/signalprocess/book1/index.asp.htm

Консультационный центр MATLAB компании Softline. Раздел «Обработка сигналов и изображений\Signal Processing Toolbox»

Список функций Signal Processing Toolbox


5.  http://www.auditech.ru/article/cntrid/click.php?action=download&id=21

Верификация и идентификация говорящего, С-Петербургский государственный университет, 2007
Автор: В.И. Галунов

Описывается процесс идентификации и верификации дикторов, текстозависимые и текстонезависимые системы, а также индивидуальные особенности речи голоса


6.  http://www.auditech.ru/article/cntrid/click.php?action=download&id=21

Методы оценивания частоты основного тона

Методы определения основного тона можно разделить на следующие группы: амплитудная селекция, корреляционные методы, частотная селекция. В данной работе рассматриваются некоторые алгоритмы по каждой из указанных групп.


7.  http://wiki.oszone.net/index.php/Биометрия._Голос

Биометрия. Голос.

На сегодняшний день существует два подхода к идентификации человека по голосу, построенные на учёте структуры речевого сигнала. Индивидуальные различия распределения мощности сигнала по спектру положены в основу первой категории систем биометрической идентификации по голосу. Они строятся на базе гребёнки узкополосных фильтров, выделяющих из голоса колебания разных частот. Второй подход - Использование аппарата линейного предсказания.


8.  http://m.habrahabr.ru/post/64681/

Голосовой тракт, слуховой тракт

В данной статье рассматривается структура голосового и слухового тракта, процесс образования звуков. Дается определение вокализированных и невокализированных звуков


9.  http://www.nbuv.gov.ua/portal/Natural/VDU/a/2008_2/Control%20systems/9_Shariy.pdf

О проблеме параметризации речевого сигнала в современных системах распознавания речи, Вісник Донецького національного університету, Сер. А: Природничі науки, № 2, 2008
Автор: Т.В. Шарий

Рассматривается архитектура современных систем распознавания речи. Описываются различные алгоритмы параметризации речевого сигнала.


10.  http://window.edu.ru/window_catalog/files/r59082/bis-10.pdf

Речевые командные системы

Рассматривается внутреннее устройство речевых командных систем. Дается подробное описание преобразования звука в речевую форму. Приводятся алгоритмы извлечения акустических параметров.


11.  http://www.keldysh.ru/papers/2001/prep87/prep2001_87.html

Нейросетевой анализ и сопоставление частотно-временных векторов на основе краткосрочного спектрального представления и адаптивного преобразования Эрмита
Авторы: Жирков A.О., Корчагин Д.Н., Лукин А.С., Крылов А.С., Баяковский Ю.М.

В данной работе рассматривается метод распознавания речи/дикторов на основе представления речевой информации в виде потока двухмерных частотно-временных векторов. Классификация векторов осуществляется нейронной сетью, на вход к которой поступают низкочастотные двумерные вейвлет-преобразования участков спектрограмм. Исходными представлениями звука являются сонограммы краткосрочного преобразования Фурье и адаптивного преобразования Эрмита. Проведено сравнение этих представлений в задачах диктор-независимого распознавания речи и контекстно-независимого распознавания диктора.


12.  http://soft.mail.ru/journal/pdfversions/20714.pdf

MATLAB и преобразование Фурье
Автор: А.Б. Сергиенко

В статье дается подробное описание дискретного и быстрого преобразования Фурье


13.  http://revolution.allbest.ru/programming/d00062927.html

Разработка программного канального вокодера

Описывается устройство вокодера. Предлагается интересная информация о банке фильтров


14.  http://www.iai.dn.ua/public/JournalAI_2005_3/Razdel7/02_Alekseev_Fedorov.pdf

Количественный анализ систем признаков и методов идентификации, Штучний інтелект, Институт проблем искусственного интеллекта, г. Донецк, № 3, 2005
Авторы: А.С. Алексеев, Е.Е. Федоров

Для создания системы идентификации диктора был проведен количественный анализ системы признаков, основанной на линейном предсказании, и системы признаков, основанной на нормированном количестве импульсов равной длины, которые используются в методе, базирующемся на мере различимости Атала, и алгоритме DTW.


15.  http://matlab.exponenta.ru/signalprocess/book1/16/lpc.php

Расчет коэффициентов линейного предсказания автокорреляционным методом

Дается подробное описание метода расчета коэффициентов предсказания


16.  http://www.nsu.ru/matlab/MatLab_RU/ml/book2/chapter8/corrcoef.asp.htm

«Справочник по MATLAB» Анализ и обработка данных
Автор: В.Г. Потемкин

Приведен алгоритм определения коэффициентов корреляции


17.  http://www.nbuv.gov.ua/portal/natural/mms/2008_1/01_2008_Krivodubskiy.pdf

Моделирование особенностей речи диктора, «Математичні машини і системи», №1, 2008
Авторы: О.А. Криводубский, Е.Е. Федоров

Для создания системы верификации диктора в статье была предложена методика верификации на основе шипящих звуков, которая использует авторские методы, осуществляющие обобщенную классификацию звуков посредством дискретного и непрерывного вейвлет-преобразования. Для шипящих звуков, выделенных этими методами, проведен количественный анализ систем признаков, основанных на линейном предсказании, нормированном количестве импульсов равной длины и мел- частотных кепстральных коэффициентах (MFCC). Полученные признаки используются в методе верификации, основанном на алгоритме DTW.


18.  http://www.ee.ic.ac.uk/hp/staff/dmb/voicebox/doc/voicebox/melcepst.html

Мел-частотные кепстральные коэффициенты

Функции для вычисления мел-частотных кепстральных коэффициентах (MFCC) в среде MATLAB


19.  http://www.hydromech.kiev.ua/rus/AV-HTML/AV-007/3/PDF/AV-07-3(55-64).PDF

Новый подход к вычислению линейных спектральных частот речевых сигналов, основанный на свойстве межфреймовой упорядоченности
Автор: В.Ю. Семенов

Рассмотрена актуальная задача поиска линейных спектральных частот, являющихся альтернативной формой представления полюсной модели голосового тракта.


20.  http://dsp-book.narod.ru/491.pdf

Signal Analysis: Wavelets, Filter Banks, Time-Frequency Transforms and Applications
Авторы: John Wiley & Sons Ltd

Рассмотрена структура и вычисление банков фильтров


21.  http://logic.pdmi.ras.ru/~sergey/teaching/asr/notes-06-features.pdf

Признаки, кепстральные коэффициенты, MFCC
Автор: С. Николаенко

Рассмотрен процесс выделения различных признаков


22.  http://www.studfiles.ru/dir/cat32/subj116/file1579/view2470.html

Вейвлет-преобразование в задачах цифровой обработки сигналов
Авторы: В.В. Геппенер, Д.А. Черниченко, С.А. Экало

Содержит основные теоретические сведения о новых методах цифровой обработки сигналов, основанных на использовании wavelet-преобразования. Описываются непрерывное, дискретное wavelet-преобразование. а также разложение по wavelet-пакетам. Рассмотрены применение wavelet-преобразования для анализа нестационарных сигналов, сжатия и шумоочистки сигналов. Приведены сведения об использовании средств пакета программ MATLAB для обработки сигналов с использованием wavelet-преобразования.


23.  http://cnx.org/content/m11716/latest/

Examples and Code
Автор: Gareth Middleton

На данном сайте предлагаются примеры и программы алгоритма расчёта длительности и высоты основного тона


Классификаторы и кластеризаторы

24.  http://www.tspu.tula.ru/ivt/old_site/lcopy/Matlab_RU/fuzzylogic/book1/12.asp.htm

Введение в теорию нечетких множеств и нечеткую логику
Автор: С.Д. Штовба

Рассматривается четкая и нечеткая кластеризация. Базовый алгоритм нечетких c-средних


25.  http://www.statsoft.ru/HOME/TEXTBOOK/modules/stneunet.html

Нейронные сети

В статье приводится описание, что такое нейронные сети. Дается базовая искусственная модель. Применение нейронных сетей. Описываются некоторые нейронные сети.


26.  http://generation6.narod.ru/glossary_r1.htm

Сеть радиальных базисных функций (RBF-сеть)

Определение и структура сети радиальных базисных функций.


27.  http://generation6.narod.ru/glossary_v1.htm

Вероятностные нейронные сети (PNN-сети)

Определение и структура вероятностных нейронных сетей.


28.  http://www.statsoft.ru/home/portal/applications/neuralnetworksadvisor/adv-new/MultilayerPerceptrons.htm

Многослойный персептрон (МП)

Описание архитектуры сети многослойный персептрон. Рассказывается об обучении многослойного персептрона. Приводится алгоритм обратного распространения.


29.  http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.68.390&rep=rep1&type=pdf

Neurofuzzy Modelling
Автор: Jan Jantzen

В статье приводится алгоритм кластеризация на основе Fuzzy c-means алгоритма


30.  http://matlab.exponenta.ru/statist/book2/14/kmeans.php

Кластеризация объектов по внутригрупповым средним

В статье приводится алгоритм кластеризация на основе k-means алгоритма


31.  http://www.philippovich.ru/Persons/Neyskiy/Article2_Neiskiy.pdf

Классификация и сравнение методов кластеризации
Автор: Нейский И.М.

В статье приводится классификация методов кластерного анализа и описание алгоритмов кластеризации


32.  http://www.basegroup.ru/library/analysis/clusterization/som/

Самоорганизующиеся карты Кохонена – математический аппарат

Рассматривается структура и алгоритм применения самоорганизующихся карт Кохонена


33.  http://www.victoria.lviv.ua/html/oio/html/theme7_rus.htm

Классификация известных нейросетей по основным категориям применения

Поскольку все искусственные нейронные сети базируются на концепции нейронов, соединений и передаточных функций, существует сходство между разными структурами или архитектурами нейронных сетей. Большинство отличий зависит разных правил обучения. В данной статье рассмотрены некоторые известные модели искусственных нейросетей.


34.  http://www.statsoft.ru/home/portal/applications/NeuralNetworksAdvisor/Adv-new/PNN.htm

Вероятностная нейронная сеть

Описание и сфера применения вероятностной нейронной сети


35.  http://window.edu.ru/window_catalog/pdf2txt?p_id=29679&p_page=5

Сети GRNN

Создание и исследование моделей радиальных ба- зисных сетей с оптимальным количеством нейронов в системе MATLAB.


36.  http://www.mathworks.com/access/helpdesk/help/toolbox/nnet/index.html

Neural Network Toolbox

Описание вероятностной нейронной сети (PNN)


Шумоочистка и сжатие речевых сигналов

37.  http://matlab.izmiran.ru/help/toolbox/wavelet/wden.html

Функция wden

Описание и алгоритм работы функции удаления шума wden в среде MATLAB


38.  http://www.zlux.com.ua/publications/articles/article3.rtf

Шумоочистка речевых сигналов – проблемы и решения
Авторы: Г. Зубов, С. Коваль, М. Столбов

Главной целью шумоочистки, применительно к задачам обеспечения безопасности, является доведение качества и разборчивости речевого сигнала до уровня, приемлемого для его последующего комфортного прослушивания и понимания, при сохранении идентификационно-значимых свойств и характеристик речи диктора, что позволило бы в предельно сжатые сроки установить смысловое или дословное содержание речевой информации, источник речевой информации и его индивидуальные характеристики, а также обстоятельства получения информации.


Речевые технологии

39.  http://frolov-lib.ru/books/hi/ch05.html

Синтез и распознавание речи. Современные решения
Авторы: А.В. Фролов, Г.В. Фролов

Эта книга посвящена современным технологиям и средствам распознавания и синтеза речи, приобретающим в последнее время все большую популярность. Авторы рассказывают о том, как устроены органы речи и слуха человека, а также рассматривают детали образования речи, такие как лингвистические уровни и фонетические процессы. Рассмотрены способы и средства, предназначенные для ввода и вывода звуковой информации, а также для ее предварительной обработки. Читателю дается возможность провести собственные исследования речи при помощи доступных средств. Это осциллографические исследования и спектральный анализ. Приводится информация по нейронным сетям, методам распознавания и синтеза речи. В книге также есть обзор современных программ и систем, в которых применяются речевые технологии.


40.  http://offline.computerra.ru/1997/226/937/

Речевые технологии – проблемы и перспективы
Автор: А. Чекмарев

Дается характеристика систем распознавания речи. Описываются проблемы и перспектива речевых технологий


41.  http://www.stel.ru/speech/

СТЭЛ

Официальный сайт фирмы «СТЭЛ – Компьютерные Сиcтемы», которая разрабатывает системы автоматической обработки речи


42.  http://www.illidiy.orel.ru/Pub/publ3.htm

Об использовании относительных просодических и спектральных характеристик в задаче криминалистической идентификации личности по звучащей речи
Автор: Каганов А.Ш.

Описанный в статье инструментальный анализ характеристик в задаче криминалистической идентификации личности диктора включает в себя выявление тех относительных параметров основного тона, которые выступают в качестве устойчивых идентификационных признаков, характеризующих источник возбуждения речевого сигнала; получение устойчивых критериев оценки акустического качества звуков речи индивидуума с помощью формантных соотношений; сравнительный анализ «веса» абсолютных и относительных просодических и формантных показателей, выступающих в качестве идентификационных признаков говорящего.


43.  http://www.dancom.ru/rus/AIA/Archive/RUI_SPIRIT_SPCHTECH_R.pdf

Речевые технологии в биометрике: верификация и идентификация диктора
Автор: В.А. Свириденко

В статье приводится описание систем верификации и идентификации дикторов компании SPIRIT Corp


44.  http://www.chip-news.ru/archive/chipnews/200710/Article_12.pdf

Состояние и перспективы голосовой биометрии
Авторы: Г.Н. Зубов, М.В. Хитров

В данной статье приведен сравнительный анализ различных биометрических систем, и выявлены перспективы развития голосовой биометрии


45.  http://www.dancom.ru/rus/AIA/Archive/RUII_SPIRIT_DOKLAD_R.pdf

Системы верификации и идентификации диктора от SPIRIT Corp
Авторы: В.А. Свириденко, П.В. Мартынович

Данная статья посвящена описанию систем верификации и идентификации дикторов компании SPIRIT Corp


46.  http://oursecurity.ru/sredstva/36-kontrol-po-golosu.html

Контроль по голосу

Рассмотрены проблемы аутентификации по голосу важными вопросами с точки зрения безопасности


47.  http://speech-soft.ru/index.php?a=stat&stat=view&id_rds=1181017747&id_stat=1181199334

Идентификация пользователей вычислительных систем

В статье рассмотрены проблемы идентификации личности по голосу, дается анализ алгоритмов и методов построения систем идентификации дикторов по голосу.


48.  http://www.biometrics.ru/document.asp?group_id=11&nItemID=1693&sSID=

Идентификация по голосу: скрытые возможности

Рассмотрены преимущества систем идентификации по голосу


49.  http://cnx.org/content/m14200/latest/

Key Problems in Speaker Identification
Автор: Chris Pasich

Приведены ответы на часто задаваемые вопросы по идентификации дикторов


50.  http://ditelo.itc.it/people/falavi/IdVe.html

Speaker identification and verification

Приведены описания текстозависимых и текстонезависимых систем идентификации и верификации дикторов. Рассмотрены методы, которые используют данные системы.


ДонНТУ >> Портал магистров ДонНТУ
Автобиография| Реферат| Библиотека| Ссылки| Отчет о поиске| Индивидуальное задание