А.К. Алимурадов1, Б.А. Порезанов2, А.Ю. Тычков3, Д.С. Чернышов4, М.А. Евдокимова5, М.Р. Гамидуллаева6, К.М. Гаджиев7, М.Я. Карибов8

1,3,4,5,7 Пензенский государственный университет (г. Пенза, Россия)

2 АО «Центр специальных инженерных сооружений» (г. Пенза, Россия)

6 Первый Московский государственный медицинский университет им. И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет) (Москва, Россия)

8 Дагестанский государственный технический университет (г. Махачкала, Россия)

1 alansapfir@yandex.ru, 2 bogdan.porezanov@yandex.ru, 3 tychkov-a@mail.ru, 4 chernyshov.ds@mail.ru, 5 m.evdok007@gmail.com, 6 madi2707@yandex.ru, 7 gadzhievkkk@gmail.com, 8 dstu-u831@mail.ru

Постановка проблемы. Сегментация речевого сигнала на участки «речь/пауза» – критически важный этап предварительной обработки, определяющий точность последующих алгоритмов в таких областях, как распознавание речи, идентификация диктора и биомедицинский анализ голоса. Существующие частотные и временные методы сегментации часто демонстрируют недостаточную достоверность в условиях естественной изменчивости речи и наличия фоновых шумов, что ограничивает их применение в медицинской диагностике, особенно при анализе голосовых нарушений.

Цель. Провести усовершенствование частотных и временных способов сегментации на основе различных модификаций декомпозиции на эмпирические моды, суть которого заключается в преобразовании исходного речевого сигнала в набор модовых сигналов посредством классической, множественной и улучшенной декомпозиции для дальнейшей сегментации «речь/пауза».

Результаты. Выполнено сравнение исходного речевого сигнала и сигналов, восстановленных из выбранных модовых составляющих, полученных с помощью различных модификаций декомпозиции на эмпирические моды. Показано, что для всех методов декомпозиции наилучший результат обеспечила комбинация первого, второго и четвертого модовых сигналов. Отмечено, что в соответствии с результатами исследования все методы декомпозиции повысили достоверность сегментации по сравнению с исходным сигналом. Установлено, что наилучший результат достигается при улучшенной полной множественной декомпозиции – ошибки первого и второго родов составили 0,93% и 1,76% соответственно, а их сумма – 2,69% против 5,92% для исходного сигнала.

Практическая значимость. Разработанные усовершенствованные способы сегментации могут быть эффективно применены в системах биомедицинского анализа голоса. В частности, высокая точность выделения речевых фрагментов является критически важной для объективной оценки нарушений голосовой функции, возникающих вследствие осложнений после хирургических вмешательств на органах шеи.

Алимурадов А.К., Порезанов Б.А., Тычков А.Ю., Чернышов Д.С., Евдокимова М.А., Гамидуллаева М.Р., Гаджиев К.М., Карибов М.Я. Совершенствование частотных и временных способов сегментации речевого сигнала на основе ДЭМ // Биомедицинская радиоэлектроника. 2026. Т. 29. № 6. С. 63−71. DOI: https://doi.org/10.18127/j15604136-202606-12

1. Tseng C.-Y., Chang C.-H. Pause or No Pause? Prosodic Phrase Boundaries Revisited // Tsinghua Science and Technology. 2008. V. 13. № 4. P. 500–509.
2. Prasetio B.H., Widasari E.R., Tamura H. Automatic Multiscale-based Peak Detection on Short Time Energy and Spectral Centroid Feature Extraction for Conversational Speech Segmentation // Proceedings of the 2021 International Conference on Sustainable Information Engineering and Technology. New York: ACM, 2021. P. 44–49. DOI: 10.1145/3479645.3479675.
3. Endah S.N., Fadlilah N., Kusumaningrum R., Adhy S. Continuous Speech Segmentation Using Dynamic Thresholding of Short-Term Features // Journal of Engineering Science and Technology. 2022. V. 17. № 4. P. 2919–2935.
4. Ait Mait H., Aboutabit N. Unsupervised VAD Method Based on Short-Time Energy and Spectral Centroid in Arabic Speech Case // International Journal of Computer Applications in Technology. 2024. V. 74. № 3. P. 158–170. DOI: 10.1504/IJCAT.2024.141931.
5. Алимурадов А.К., Тычков А.Ю., Чураков П.П., Дудников Д.С. Новый подход сегментации речевых сигналов на основе частотно-временного анализа // Измерение. Мониторинг. Управление. Контроль. 2022. № 4. С. 80–92. DOI: 10.21685/2307-5538-2022-4-11.
6. Алимурадов А.К., Тычков А.Ю., Симакова О.С., Мамонова А.А., Юлдашев З.М., Темирова Д.А. Технология сегментации «сигнал/пауза» на основе анализа уровня смешивания фрагментов речевых сигналов // Биомедицинская радиоэлектроника. 2025. Т. 28, № 2. С. 38–43 DOI: https://doi.org/10.18127/j15604136-202502-06.
7. Алимурадов А.К. Повышение эффективности сегментации речевых сигналов на основе энергетического оператора Тигера // Измерения. Мониторинг. Управление. Контроль. 2021. № 3. С. 80–92. DOI: 10.21685/2307-5538-2021-3-10.
8. Kaiser J.F. On a Simple Algorithm to Calculate the Energy of a Signal // 1990 International Conference on Acoustics, Speech, and Signal Processing. Piscataway: IEEE, 1990. V. 1. P. 381–384. DOI: 10.1109/ICASSP.1990.115702.
9. Huang N.E., Shen Z., Long S.R., Wu M.C., Shih H.H., Zheng Q., Yen N.-C., Tung C.C., Liu H.H. The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis // Proceedings of the Royal Society of London. Series A. 1998. V. 454, № 1971. P. 903–995.
10. Wu Z., Huang N.E. Ensemble Empirical Mode Decomposition: A Noise-Assisted Data Analysis Method // Advances in Adaptive Data Analysis. 2009. V. 1. № 1. P. 1–41.
11. Colominas M.A., Schlotthauer G., Torres M.E. Improved Complete Ensemble EMD: A Suitable Tool for Biomedical Signal Processing // Biomedical Signal Processing and Control. 2014. V. 14. P. 19–29. DOI: 10.1016/j.bspc.2014.06.009.