1. Построить гистограммы для всех вычисленных в лабораторной работе №1 признаков, включая обобщенный. Для просмотра гистограммы можно сохранять в текстовые файлы и открывать в Excell для построения графика гистограммы.
2. В отчете изобразить гистограммы всех признаков, включая обобщенный. Попытайтесь по форме гистограмм определить, гистограммы для которых будет ниже вероятность ошибки классификации.
3. По гистограмме обобщенного признака автоматически найти локальный минимум, соответствующий порогу классификации 
.
4. В программу, написанную для вычисления обобщенного признака внести изменения так, чтобы после вычисления обобщенного признака формировался признак Т/НТ по следующему правилу
Последовательность значений Т/НТ и будет результатом работы программы.
5. Для демонстрации работоспособности программы необходимо подать на её вход тестовые фразы, записанные в п.1, и убедиться, что выбранное в п.4 пороговое значение p обеспечивает правильное принятие решения в большинестве случаев. Естественно, что в части случаев принятое решение не будет верным. Причины этого описаны в главе 2. Но предлагаемый алгоритм при правильном выборе порогового значения p позволяет свести к минимуму количество ошибок принятия решения.
6. В отчете отобразить обучающий сигнал (по которому производилась настройка порога), все признаки принятия решения и признак Т/НТ. На данных изображениях отметить ошибки принятия решения Т/НТ.
7. В отчете отобразить тестовые сигналы (по которым не производилась настройка порога), все признаки принятия решения и признак Т/НТ. На данных изображениях также отметить ошибки принятия решения Т/НТ. В данном случае количество ошибок принятия решения Т/НТ должно возрасти. Постарайтесь обосновать увеличение количества ошибок принятия решения в данном случае.
Содержание отчета
1. Титульный лист
2. Цель работы (см. введение)
3. Краткое изложение теории
4. Листинг программы
6. Результаты экспериментов
7. Заключение
8. Список используемой литературы
Заключение
При выполнении лабораторных работ изучены варианты предварительной обработки речевых сигналов, а также методика классификации сигналов по пороговому критерию на примере речевых сигналов. Даны рекомендации по подбору порога классификации. Рассмотрен способ объединения нескольких критериев классификации в обобщенный критерий.
Литература
1. Архипов И.О., Гитлин В.Б. Добавление шума при сегментации речи на тональные участки. // Труды научно-молодежной школы “Информационно-измерительные системы на базе наукоемких технологий”. - Ижевск, изд. ИПМ УрО РАН 1997 с. 63-69.
2. Архипов И.О., Гитлин В.Б. Сегментация речи по первому коэффициенту линейного предсказания синхронно с основным тоном. // Труды научно-молодежной школы “Информационно-измерительные системы на базе наукоемких технологий”. - Ижевск, изд. ИПМ УрО РАН 1998 с.17-19.
3. Вокодерная телефония. Под ред. Пирогова А.А. - М.: Связь, 1974. - 536 с.
4. Гитлин В.Б. Основной тон речевого сигнала / Деп. В ВИНИТИ, 1998. - № 1206-В98. - 739с.
5. Маркел Дж. Д., Грэй А.Х. Линейное предсказание речи. - М.: Связь, 1980. -308с.
6. Сапожков М.А. Речевой сигнал в кибернетике и связи. - М.: Связьиздат, 1963. - 472с.
7. Сапожков М.А., Михайлов В.Г. Вокодерная связь.-М.: Радио и связь, 1983.-248с.
8. Сорокин В.Н. Теория речеобразования. -М.: Радио и связь, 1985.-312с.
9. Фант Г. Акустическая теория речеобразования. М.: Наука, 1964. - 284с.
10. Фланаган Дж. Анализ, синтез и восприятие речи. - М.: Связь, 1968. - 395с.
11. Atal B.S., Rabiner L.R. A pattern recognition approach to voiced-unvoiced-silence classification with application to speech recognition // IEEE Trans. Acoust., Speech and Signal Process. - 1976. - 24. -N 3. -p. 201-202.