350 руб
Журнал «Электромагнитные волны и электронные системы» №3 за 2014 г.
Статья в номере:
Декомпозиция на эмпирические моды с комбинированным алгоритмом поиска экстремумов
Ключевые слова: декомпозиция на эмпирические моды параболическая интерполяция комбинированный алгоритм метод неравенств
Авторы:
А.Л. Приоров - д.т.н., доцент, кафедра «Динамика электронных систем», Ярославский государственный университет им. П.Г. Демидова П.О. Павловичев - аспирант, кафедра «Динамика электронных систем», Ярославский государственный университет им. П.Г. Демидова А.И. Топников - к.т.н., ассистент, кафедра «Динамика электронных систем», Ярославский государственный университет им. П.Г. Демидова
Аннотация:
Рассмотрена декомпозиция на эмпирические моды как метод анализа и обработки сигналов. Внимание уделено одному из этапов декомпозиции - поиску экстремумов сигнала. Выявлены и изучены особенности параболической интерполяции. Предложена модификация интерполяции - комбинированный алгоритм. Проведено сравнение комбинированного алгоритма с методом неравенств.
Страницы: 31-37
Список источников

  1. Bron A., Raz S., Malah D. Wavelet-based denoising of speech // Proc. 22nd IEEE Convention of Electrical and Electronics Engineers in Israel. Tel-Aviv. 2002. P. 1−3.
  2. Parajuli A., DeBrunner V. Speech enhancement using perceptual wavelet thresholding with the ephraim and Malah noise suppressor and auditory masking // Conference Record of the Thirty-Ninth Asilomar Conference on Signals, Systems and Computers. 2005. P. 301−304.
  3. Савватин А.И., Новоселов С.А., Приоров А.Л. Применение банков фильтров для построения системы защищенной передачи речевой информации // Электросвязь. 2011. № 9. С. 48−51.
  4. Huang, etc. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis // Proc. R. Soc. Lond. A. TheRoyalSociety, GreatBritain. 1998. V. 454. P. 903−995.
  5. Клионский Д.М. Декомпозиция на эмпирические моды с параболической интерполяцией огибающих в задачах очистки сигналов от шума // Докл. 13-й межд. конф. «Цифровая обработка сигналов и ее применение». Россия. Москва. 2011. Т. 1. С. 120−123.
  6. Klionsky D.M., Oreshko N.I., Geppener V.V. Applications of empirical mode decomposition for processing non-stationary signals // Pattern Recognition and Image Analysis. 2008. V. 13, № 3. P. 390−399.
  7. Клионский Д.М., Неунывакин И.В., Орешко Н.И., Геппенер В.В. Декомпозиция на эмпирические моды и ее применение для идентификации информативных компонент и прогнозирования сигналов с использованием нейронных сетей // Нейроинформатика. Ч. 2. 2010. С. 69−80.
  8. Клионский Д.М., Орешко Н.И., Геппенер В.В. Декомпозиция на эмпирические моды и ее использование при анализе дробного броуновского движения // Цифровая обработка сигналов. 2008. № 3. С. 37−45.
  9. Donghoh Kim, Hee­Seok Oh. EMD: A package for empirical mode decomposition and Hilbert spectrum // The R Journal. 2009. V. 1. № 1. P. 40−46.
  10. Suraj S. Sheth. Extraction of pitch from speech signals using Hilbert Huang transform: thesis. Roll №: 07010245 / Indian Institute of Technology. India, Guwahati. 2011. 36 p.
  11. Ke Gong. Speech processing using the empirical mode decomposition and the Hilbert transform: thesis / Concordia university. Canada. Montreal. 2004. 71 p.
  12. Ringeval F., Chetouani M. Hilbert-Huang transform for non-linear characterization of speech rhythm // NOLISP. Spain. 2009. 10 p.
  13. Schlotthauer G., Torres M.E., Rufiner H.L. Pathological voice analysis and classification based on empirical mode decomposition // Development of multimodal interfaces: Active listening and synchrony. 2010. V. 5967. P. 364−381.
  14. Jian­Da Wu, Yi­Jang Tsai. Speaker identification system using empirical mode decomposition and an artificial neural network // Expert system with applications. 2011. V. 38. P. 6112−6117.
  15. Kuo­Hao Wu, Chia­Ping Chen. Empirical mode decomposition for noise-robust automatic speech recognition: poster // 11th Annual Conference of the International Speech Communication Association. Japan. Makuhari. 2010. P. 2074−2077.
  16. Jan T., Wang W. Empirical mode decomposition for joint denoising and dereverberation // 19th European Signal Processing Conference. Spain. Barcelona. 2011. P. 206−210.
  17. Mijović B., etc. Source separation from single-channel recordings by combining empirical mode decomposition and independent component analysis // IEEE Transactions on Biomedical Engineering. 2010. V. 57, № 9. P. 2188−2196.
  18. Mijović B., De Vos M., Gligorijević I., Van Huffel S. Combining EMD with ICA for extracting independent sources from single channel and two-channel data // 32nd Annual International Conference of the IEEE EMBS. Argentina. Buenos Aires. 2010. P. 5387−5390.
  19. Deger E. Noise-thresholding with empirical mode decomposition for low distortion speech enhancement: thesis / The University of Tokyo. Japan. Tokyo. 2008. 80 p.
  20. Павловичев П.О., Пикунова Т.М. Параболическая интерполяция при эмпирической модовой декомпозиции речевого сигнала // Сб. докл. XIII межвуз. научно-практ. конф. «Проблемы развития и применения средств ПВО в современных условиях». Россия. Ярославль. 2013. С. 62−66.
  21. Алдошина И. Основы психоакустики. Ч. 17: Слух и речь // Звукорежиссер. 2002. № 1. 16 с.
  22. Туровский Я.А., Кургалин С.Д., Вахтин А.А. Обработка сигнала электроэнцефалограммы на основе анализа частотных зависимостей и вейвлет-преобразования // Биомедицинская радиоэлектроника. 2012. № 12. С. 39−45.