Введение
1. Применение ИНС в задачах обработки сигналов 11
1.1. ИНС, основные понятия 11
1.1.1. Узлы искусственных нейронных сетей 11
1.1.2. Топологии нейронных сетей 12
1.2. Классификация образов при помощи ИНС 13
1.2.1. Вероятностные классификаторы 15
1.2.2. Пшершюскостные классификаторы (Hyperplane Classifiers) 15
1.2.2.1. Сеть прямого распространения (многослойный персептрон) 15
1.2.2.1.1. Обучение 18
1.2.2.2. Классифицирующие деревья 26
1.2.2.3. Сети высокого порядка 27
1.2.3. Ядерные классификаторы (Kernel Classifiers) 28
1.2.3.1. Классификаторы с радиальными базисными функциями 29
1.2.4. Классификаторы по образцу 29
1.2.4.1. Карты признаков 30
1.2.4.2. Обучающиеся векторные квантователи 31
1.2.4.3. Гиперсферные классификаторы 31
1.2.5. Выбор классификатора 31
1.3. Приложения ИНС в задачах обработки сигналов 32
1.3.1. Фильтрация 34
1.3.2. Фазовая автоподстройка частоты 36
1.3.3. Определение типа модуляции 36
1.3.4. Детектирование 36
1.3.5. Распознавание речи 38
1.4. Выводы 40
2. Применение ИНС в задаче детектирования фонем без сегментирования речевого сигнала 42
2.1. Определение размеров нейросетевого классификатора 44
2.2. Формирование набора параметров сигнала для распознавания фонем 45
2.2.1. Коэффициенты линейного предсказания 46
2.2.2. Частотно-временной анализ (банк фильтров) 47
2.2.3. Кепстральные коэффициенты 47
2.2.4. Коэффициенты вейвлет-преобразования 48
2.3. Влияние способа параметризации на эффективность распознавания 49
2.4. Анализ пространств признаков речевого сигнала 52
2.5. Распознавание фонем без сегментирования речевого сигнала 54
2.5.1. Обучение, не требующее сегментации 54
2.5.2. Экспериментальное применение метода обучения без сегментации 55
2.6. Выводы 59
3. Применение ИНС в задачах обнаружения и детектирования модулированных сигналов в условиях непостоянства параметров 60
3.1. Детектирование фазоманипулированных сигналов 61
3.1.1. Нейросетевой метод детектирования 61
3.1.2. Символьная синхронизация 64
3.1.3. Определение параметров сети 64
3.1.4. Выбор способа параметризации сигнала
3.1.5. Формирование выборки для обучения, исследование устойчивости к шуму и сдвигу частоты 69
3.1.6. Влияние полосы пропускания на эффективность детектирования 72
3.2. Детектирование частотно-манипулированных сигналов 74
3.3. Обнаружение фазоманипулированных сигналов 77
3.4. Выводы 80
4. Реализация нейросетевых алгоритмов и эксперимент на реальных сигналах 82
4.1. Реализация нейросетевых алгоритмов обработки сигналов 82
4.1.1. Метод ускорения обучения с минимизацией энтропии ошибки 82
4.1.2. Исследование метода обучения и результаты 84
4.2. Эксперимент на реальных сигналах 85
Заключение 89
