СРАВНИТЕЛЬНАЯ ХАРАКТЕРИСТИКА ПРОГРАММНЫХ КОМПЛЕКСОВ ДЛЯ АНАЛИЗА И ОБРАБОТКИ РЕЧЕВЫХ СИГНАЛОВ С ИСПОЛЬЗОВАНИЕМ ВЕЙВЛЕТОВ

Цель. Данная статья посвящена проблеме обработки и анализа речевых сигналов на основе ставшего одним из наиболее актуальных в последнее время метода вейвлет-преобразования.

Метод. Растущая актуальность и несомненная практическая ценность стала причиной появления большого количества программных комплексов, позволяющих осуществлять обработку речевых сигналов на базе данного метода. Однако каждый из этих комплексов имеет существенные различия в интерфейсе, предоставляемых инструментах обработки, функциях, обладает рядом достоинств и недостатков. На данный момент написано большое количество пособий и рекомендаций по работе с конкретными программными комплексами, но эти материалы носят разрозненный и бессистемный характер.

Результат. Предпринята попытка систематизации теоретического материала и описания сходств и различий, достоинств и недостатков трёх наиболее популярных программных комплексов: 1) Пакет расширения систем MATLAB 6.0/6.1/6.5 Wavelet Toolbox 2/2.1/2.2; 2) Программный комплекс Mathcad; 3) Wavelet Explorer системы Mathematica.

Вывод. Данная статья будет полезна специалистам, занимающимся проблемой обработки речевых сигналов с использованием метода вейвлет-пре-образования, так как содержит материал, имеющий практическую ценность, а также позво-лит в определенной мере облегчить работу специалиста, связанную с выбором оптимального для реализации конкретной задачи программного комплекса.

1. Малла С. Вейвлеты в обработке сигналов. – М: Мир. 2005. – С. 92-98.

2. Штарк Г. Применение вейвлетов для ЦОС. – М: Техносфера, 2007. – С. 78-81.

3. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. – М.: ДМК-Пресс. – 2005. – С. 45-46.

4. Дьяконов В.П. Вейвлеты. – М: Солон-Р, 2010. – С. 32-36.

5. Дворянкин С.В., Клочкова Е.Н., Калужин Р.В. Маскирование речевых сообщений на основе современных компьютерных технологий. // М.: Специальная техника, 2001. – № 3. С. 92-94.

6. Дьяконов В.П. Вейвлеты. От теории к практике. - М.: СОЛОН-Р, 2002. – С. 18-28.

7. T. Aach. New criteria for shift variance and wide-sense cyclostationarity in multirate filter banks. In Proc. IEEE Int. Workshop on Spectral Methods and Multirate Signal Proc., pages 7–13, Florence, Italy, 2006.

8. T. Aach. Comparative analysis of shift variance and cyclostationarity in multirate filter banks. IEEE Trans. Circ. and Syst., 54(5):1077–1087, May 2007.

9. N. I. Akhiezer and I. M. Glazman. Theory of Linear Operators in Hilbert Spaces, volume 1. Frederick Ungar Publishing, 1966.

10. S. Akkarakaran and P. P. Vaidyanathan. Bifrequency and bispectrum maps: A new look at multirate systems with stochastic inputs. IEEE Trans. Signal Proc., 48(3):723–736, March 2000.

11. M. Antonini, M. Barlaud, P. Mathieu, and I. Daubechies. Image coding using wavelet transform. IEEE Trans. Image Proc., 1(2):205–220, April 1992.

12. P. Auscher. Wavelets: Mathematics and Applications, chapter Remarks on the local Fourier bases, pages 203–218. CRC Press, 1994

13. M. G. Bellanger and J. L. Daguet. TDM-FDM transmultiplexer: Digital polyphase and FFT. IEEE Trans. Commun., 22(9):1199–1204, September 1974.

14. J. J. Benedetto and M. C. Fickus. Finite normalized tight frames. Adv. Comp. Math., sp. iss. Frames, 18:357–385, 2003.

15. B. G. Bodmann, P. G. Casazza, and G. Kutyniok. A quantitative notion of redundancy for finite frames. In Journ. Appl. and Comput. Harmonic Analysis, 2010.

16. C. Herley and M. Vetterli. Biorthogonal bases of symmetric compactly supported wavelets. In M. Farge and et al., editors, Proc. Wavelets, Fractals and Fourier Transforms. Oxford Univ. Press, 1991.

17. C. Herley and M. Vetterli. Wavelets and recursive filter banks. IEEE Trans. Signal Proc., August 1993.

18. C. Herley and M. Vetterli. Orthogonal time-varying filter banks and wavelet packets. IEEE Trans. Signal Proc., 42(10):2650–2663, October 1994.