Jürgen Dick - Lehrstuhl Algorithmen & Datenstrukturen, Institut für ...

3.2. SHORT-TERM ENERGY UND SHORT-TERM POWER 47
Der Leistungstest für einen Kurzzeit-Schätzer besteht in der Genauigkeit mit der er das Langzeit-
Äquivalent schätzen kann, vorausgesetzt bleibt stationär, das heißt den Grad für den gilt:
¥ ¥
¡
Diese Approximation steht in direkter Beziehung zur Wahl des Windows bei der Analyse. Wie
oben erwähnt, müssen zwei Dinge bei der Wahl eines Windows betrachtet werden: der Typ und
die
¡
. Für ein festes ergeben sich zwei konkurrierende Faktoren für die Wahl des
Typs: einerseits dürfen die ausgewählten Samples nicht verändert werden, andererseits müssen
Länge
die abrupten Übergänge an den Fenstergrenzen geglättet werden. Für die Wahl Länge der bei
gegebenem Typ gibt es wiederum zwei konkurrierende Faktoren. Die von Vergrößerung verbessert
die spektrale Auflösung, indem mehr Information zur Berechnung zur Verfügung gestellt
wird. Wenn das Window nun zeitlich wandert, werden aber Ereignisse im Sprachsignal nicht
so gut aufgelöst. Die von Wahl ist problemabhängig. Sprache beispielsweise kann für einen
kurzen von¦
¢
Zeitraum als stationär angenommen werden, so daß Länge die entsprechend
gewählt werden kann.
¡
(3.10)
In diesem Kapitel wurde das Windowing/Frame-Konzept eingeführt. Mit Hilfe dieser Technik
können nun kurze Ausschnitte eines Audiosignals auf verschiedene Eigenschaften hin untersucht
werden. Hierbei wird angenommen, daß diese kurzen Ausschnitte stationäre Signale darstellen.
Nur unter dieser Annahme können die in den folgenden Abschnitten vorgestellten Operatoren angewendet
werden. Diese Operatoren, die im folgenden Audio-Features genannt werden sollen,
sind zur Bestimmung von high level-Informationen sehr hilfreich.
3.2 Short-term energy und short-term power
Im Abschnitt 2.3.3 wurden Energie und Leistung eines zeitlich unbegrenzten Signals definiert.
Nun sollen mit Hilfe des Windowing-Konzepts Signale mit endlicher Dauer untersucht
werden. Die zwei folgenden Definitionen der short-term energy und der short-term power erlauben
die Bestimmung der Energie und der Leistung auf endlichen Intervallen. Die beiden Maße
können zu verschiedenen Aufgaben herangezogen werden. Man benutzt sie beispielsweise zur
Unterscheidung von Stille und hörbaren Geräuschen, wenn das Verhältnis von Nutz- zu Rauschsignal
(engl: signal-to-noise-ratio) hoch ist. Zudem können sie in der Sprachanalyse zusammen
mit der Nulldurchgangsrate, die im nächsten Abschnitt vorgestellt wird, zur Bestimmung
von Wortgrenzen (Endpunkt-Detektion) eingesetzt werden. Die Energie-/Leistungswerte für
stimmlose Segmente sind im allgemeinen signifikant kleiner als die von stimmhaften Segmenten,
so daß die Energie-/Leistungswerte eine erste, grobe Klassifikation des Signals ermöglichen. Mit
Hilfe der Nulldurchgangsrate können dann Wortgrenzen genauer bestimmt werden. In Kapitel
4.1 wird ein Verfahren zur pausenbasierten-Segmentierung erläutert, das ausschließlich auf der
Grundlage von Energie/Leistung und Nulldurchgangsrate operiert.