Registration Number
0826U004301, PhD dissertation
Status
Доктор філософії
Date
09-09-2026
popup.evolution
o
Title
Models and Method for Keyword Recognition in the Voice Signal in Resource-Constrained Computer Systems
Author
Andrii V. Didus,
popup.head Ihor A. Tereikovskyi
popup.opponent Svitlana V. Kazmirchuk
popup.opponent Olexander O. Terentyev
popup.review Yaroslav M. Klyatchenko
popup.review Volodymyr M. Shymkovych
popup.rada
National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute»
Description
Дідус А.В. Моделі та метод розпізнавання ключових слів у голосовому сигналі в компʼютерних системах з обмеженими ресурсами. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 123 Компʼютерна інженерія. – НТУУ «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2026.
Анотація. Дисертація присвячена підвищенню ефективності розпізнавання ключових слів (РКС) у голосовому сигналі для комп'ютерних систем з обмеженими ресурсами на основі принципів динамічного програмування (ДП). Актуальність зумовлена потребою безконтактного голосового керування у вбудованих пристроях, IoT, промислових та оборонних системах в умовах дефіциту обчислювальних ресурсів і відсутності хмарного зв'язку, де глибокі нейронні мережі є занадто ресурсоємними та складними для оперативної адаптації.
Об’єкт дослідження: процеси РКС у голосовому сигналі в комп’ютерних системах з обмеженими ресурсами.
Предмет дослідження: моделі та метод РКС у голосовому сигналі.
Мета дослідження: підвищення ефективності РКС з малого словника за рахунок покращення якості розпізнавання та оперативності адаптації до зміни словника в умовах обмежених ресурсів.
Наукові завдання:
Проаналізувати відомі методи РКС та визначити шляхи підвищення їх ефективності.
Розвинути теоретичні засади РКС з малого словника на основі ДП.
Розробити метод РКС з урахуванням ресурсних обмежень системи.
Розробити та дослідити систему РКС з малого словника.
Наукова новизна та результати:
Вперше розроблено метод РКС, який поєднує адаптивну попередню обробку та процеси запропонованої моделі побудови, забезпечуючи зростання якості РКС та швидкості адаптації до зміни словника.
Вперше розроблено концептуальну модель РКС, яка через системну декомпозицію інтегрального показника ефективності на складові даних, сигналу та моделі дозволила реалізувати адаптивну обробку, врахувати вагомість ознак та детерміністичне зіставлення.
Удосконалено підхід до пріоритезації інформативності ознак через застосування вагових коефіцієнтів при формуванні дискретних еталонних шаблонів та параметризації вхідного потоку.
Удосконалено модель побудови засобів РКС шляхом інтеграції процедур зваженого акустичного фінгерпринтингу та детерміністичного шаблонного зіставлення.
Практичне значення та впровадження:
Розроблено архітектуру системи РКС, придатну для розгортання на комп'ютерних засобах з обмеженими ресурсами.
За метрикою F1 точність зросла в 1.05–1.2 рази порівняно з класичними ДП-методами. Порівняно з нейромережами (при співрозмірній точності) оперативність зросла понад 3 рази, а ресурсоємність зменшилась понад 5 разів.
Результати впроваджено в навчальний процес КПІ ім. Ігоря Сікорського (акт від 30.04.2026).
Структура дисертації:
Вступ: обґрунтовано актуальність, мету, завдання та наукову/практичну цінність.
Розділ 1: аналіз сучасного стану проблеми, порівняння класичних і нейромережевих підходів; обґрунтовано доцільність застосування ДП.
Розділ 2: теоретичні засади, концептуальна модель (векторний функціонал) та підхід до пріоритезації ознак.
Розділ 3: метод РКС, процедури підготовки даних, багатоетапний конвеєр попередньої обробки.
Розділ 4: архітектура системи, експериментальна установка та підтвердження ефективності дисертаційних рішень.
Registration Date
2026-08-05
popup.nrat_date
2026-08-05 / 2026-09-29
