Ўзбекистон республикаси ахборот технологиялари ва коммуникацияларини ривожлантириш вазирлиги муҳаммад ал-хоразмий номидаги

разделить на три области: частотная, временная и частотно-временная. 
Методы обработки во временной области заключаются в определении характерных 
точек речевого сигнала с последующим использованием их для анализа. С точки зрения 
технической реализации в качестве характерных точек могут быть выбраны явные 
максимумы (минимумы) и моменты пересечения нулевой оси времени функцией сигнала. 
Главный недостаток методов обработки во временной области заключается в 
неоднозначности выделения характерных точек, вызванной шумами и смещениями 
нулевого уровня. 
Методы обработки в частотной области заключаются в использовании всех 
отсчетов данных, зарегистрированных в речевом сигнале. Многие речевые сигналы имеют 
специфический частотный состав и занимают характерные спектральные области. 
Использование методов в частотной области позволяет обрабатывать речевые сигналы с 
достаточно высокой точностью. К недостаткам обработки в частотной области относятся 
низкая адаптивность к локальным свойствам сигналов, недостаточно высокое 
спектральное разрешение и сравнительно большие вычислительные затраты. 
Методы обработки речевых сигналов 
Проведенный обзор известных методов обработки речевых сигналов и собственные 
исследования выявили, что в зависимости от обработки методы следует разделить на 
группы, реализованные различными видами анализа: 
✓ с использованием преобразования Фурье(ПФ); 
✓ с использованием вейвлет-преобразования(ВП); 
✓ с использованием декомпозиции на эмпирические моды (ДЭМ) и преобразования 
Гильберта – Хуанга(ПГХ); 
✓ с использованием кепстра (кепстральный анализ –КА); 
✓ с использованием линейного предсказания(ЛП); 
✓ с использованием корреляционной функции (корреляционный анализ –КрА); 
✓ с использованием нейронных сетей(НС); 
✓ с использованием скрытых марковских моделей(СММ); 
✓ с использованием динамического трансформирования времени(ДТВ). 
Приведенные в классификации методы нашли широкое применение в системах 
распознавания речи. 
Высокий уровень развития вычислительных средств позволяет решать задачи 
построения систем распознавания речи (СРР), с использованием большого числа 
параметров и методов, которые ориентированы на детальное изучение структуры речевого 
сигнала. Однако по прежнему осталась необходимость разрешения противоречивых 
требований для СРР: обеспечения высокой надежности распознавания для больших 
словарей объектов, что требует привлечения большого числа параметров (признаков) и, 

---

379 
соответственно, большого времени их обработки; выполнение обработки с минимальными 
временными затратами.