1 Савин Александр Николаевич, кандидат физико-математических наук, доцент кафедры дискретной математики и инфор-мационных технологий, Саратовский государственный университет им. Н. Г. Чернышевского, savinan@info.sgu.ru 2 Тимофеева Надежда Евгеньевна, ассистент кафедры дискретной математики и информационных технологий, Саратов-ский государственный университет им. Н. Г. Чернышевского, timofeevane@yandex.ru 3 Гераськин Алексей Сергеевич, кандидат педагогических наук, доцент кафедры теоретических основ компьютерной без-опасности и криптографии, Саратовский государственный университет им. Н. Г. Чернышевского, gerascinas@mail.ru 4 Мавлютова Юлия Альбертовна, студентка кафедры теоретических основ компьютерной безопасности и криптографии, Саратовский государственный университет им. Н. Г. Чернышевского, yuliyamav@yandex.ru Приведены результаты разработки эффективных алгоритмов потокового распознавания речи с помощью стохастических моделей, основанных на использовании скрытых марковских моделях. В статье приводятся основные теоретические сведения для скрытой марковской модели дискретной системы, выделяются параметры, необходимые для ее опреде-ления, также рассмотрены три основные задачи, которые должны быть решены для успешного применения скрытой марковской модели в системах распознавания речи. Приводятся алгоритмы метода Баума -Велша, направленного на уточнение параметров модели и метода Витерби, подбора наиболее вероятной последовательности состояний системы.Эти два метода реализованы в среде графического программирования LabVIEW в виде программных модулей, реали-зующих построение скрытых марковских моделей отдельных слов с использованием метода Баума -Велша и распозна-вание этих слов на основе метода Витерби. Предполагается использование данных модулей для реализации потоковой фильтрации аудиоконтента в цифровых системах связи. ВВЕДЕНИЕВажными задачами при разработке систем передачи информации являются математическое мо-делирование их узлов и процессов, происходящих при передаче информации. Одной из таких задач является моделирование сигналов, с помощью которых осуществляется передача информации [1].Сигналы по своей природе могут быть непрерывными (например, фрагменты речи, музыка и т. п.) или дискретными (символы конечного алфавита и т. п.). Если статистические свойства сигналов не изменяются во времени, то такие сигналы являются стационарными, а в противном случае -неста-ционарными [2]. Сигналы в системах передачи информации, как правило, искажаются различными шумами и помехами от других источников [1]. В этом случае модель сигнала можно использовать для создания системы, оптимально удаляющей эти шумы и искажения. В случае, когда получение сигнала от реального источника затруднительно, хорошая модель сигнала позволяет имитировать источник и соответственно разрабатывать оптимальные системы приёма информации для таких источников.Математические модели сигналов широко используются также в системах передачи информации для решения задач идентификации, предсказания, распознавания и т. д. [3].Для описания свойств некоторого...

Приведены результаты разработки программных модулей, реализующих систему распознавания речи на основе скрытых Марковских моделей отдельных слов и использования линейного предсказания при кодировании признаков звукового сигнала. Обосновывается структура системы распознавания речи, использующая скрытые марковские модели отдельных слов, состоящая из четырех модулей: модуль выделения слов из звукового потока, модуль анализа признаков слова, модуль обучения скрытых марковских моделей и модуль распознавания слов. Приводятся алгоритмы формирования скрытых марковских моделей с лево-правой топологией для отдельных слов требуемого словаря команд системы управления объекта, основанные на кодировании признаков звукового сигнала, использующего линейные предсказания. Приведены результаты оценки достоверности последовательности наблюдений, соответствующих отдельным словам, получаемым с помощью предложенного алгоритма обработки. Разработанные программные модули позволяют эффективно подготавливать необходимые исходные данные и формировать таким образом требуемый словарь команд системы управления объекта, строить скрытые марковские модели отдельных слов, проводить их обучение с помощью алгоритма Баума-Велша. Построенные словари команд предполагается использовать в интеллектуальных системах управления различными объектами.