Медицинская Техника / Медицинская техника №5, 2025 / с. 26-28

Технология представления речевых сигналов на основе декомпозиции на эмпирические моды

А.К. Алимурадов, А.Ю. Тычков, З.М. Юлдашев, Д.А. Гулиева

Аннотация

Предложена технология представления речевых сигналов, основанная на адаптивном методе декомпозиции на эмпирические моды и его модификациях. Принцип технологии заключается в том, что каждый новый комбинированный речевой сигнал отражает скрытые структурные особенности исходных данных. Результаты исследования технологии демонстрируют потенциал для повышения эффективности обработки речевых сигналов в задачах фильтрации, сегментации и выделения информативных параметров. Внедрение технологии может стать основой для систем фильтрации, сегментации речь/пауза и медицинской диагностики речевых патологий.

Вернуться к содержанию

Сведения об авторах

Алан Казанферович Алимурадов, д-р техн. наук, профессор,

Александр Юрьевич Тычков, д-р техн. наук, зав. кафедрой, кафедра «Радиотехника и радиоэлектронные системы», ФГБОУ ВО «Пензенский государственный университет», г. Пенза,

Зафар Мухамедович Юлдашев, д-р техн. наук, зав. кафедрой, кафедра «Биотехнические системы», ФГАОУ ВО «Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина), г. С.-Петербург,

Дарья Александровна Гулиева, канд. техн. наук, доцент, кафедра «Ракетно-космическое и авиационное приборостроение», ФГБОУ ВО «Пензенский государственный университет», г. Пенза,

e-mail: alansapfir@yandex.ru

Список литературы

1. Huang N.E., Zheng Sh., Steven R.L. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non- stationary time series analysis // Proceedings of the Royal Society of London. 1998. Art. 454. PP. 903-995.

2. Alimuradov A.K., Tychkov A.Yu., Churakov P.P., Porezanov B.A., Steshkin I.O., Platonov K.E., Baranova A.V., Bofanova N.S. EMD-Based Technique for Revealing Hidden Informative Speech Parameters to Assess Human Psycho-Emotional State / 2022 IEEE Ural Symposium on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT). September 19-21, 2022. Yekaterinburg, Russia. IEEE, 2022. PP. 12-15.

3. Zhang Y. An Improved Variational Mode Decomposition Combined with Empirical Mode Decomposition for Bearing Fault Diagnosis // IEEE Transactions on Instrumentation and Measurement. 2022. Vol. 71. № 12. PP. 1-10.

4. Chen L. Speech Emotion Recognition Using Empirical Mode Decomposition and Deep Learning // IEEE/ACM Transactions on Audio, Speech, and Language Processing. 2022. Vol. 30. № 5. PP. 1234-1245.

5. Kumar S., Panigrah D., Sahu P.K. Denoising of Electrocardiogram Signal Using Empirical Mode Decomposition with Non-Local Mean Technique // Biocybernetics and Biomedical Engineering. 2018. Vol. 38. № 2. PP. 297-312.

6. Chang M., You X., Cao Z. Bidimensional Empirical Mode Decomposition for SAR Image Feature Extraction with Application to Target Recognition // IEEE Access. 2019. Vol. 7. PP. 135720-135731.

7. Jin H., Zhong R., Liu M., Ye Ch., Chen X. Using EEMD mode decomposition in combination with machine learning models to improve the accuracy of monthly sea level predictions in the coastal area of China // Dynamics of Atmospheres and Oceans. 2023. Vol. 102. P. 101370.

8. Chaitanya J., Sunny V. An Overview of Speech Enhancement Based on Deep Learning Techniques // International Journal of Image and Graphics. 2025. Vol. 25. № 01. P. 2550001.

9. Mishra S.P., Warule P., Deb S. Speech emotion recognition using a combination of variational mode decomposition and Hilbert transform // Applied Acoustics. 2024. Vol. 222. P. 110046.

10. Imen H., Lotfi S., Salam L. Voice Pathologies Classification and Detection Using EMD-DWT Analysis Based on Higher Order Statistic Features // IRBM. 2020. Vol. 41. № 3. PP. 161-171.

11. Trentin E., Gori M. Robust combination of neural networks and hidden Markov models for speech recognition // IEEE Transactions on Neural Networks. 2003. Vol. 14. № 6. PP. 1519-1531.