Jürgen Dick - Lehrstuhl Algorithmen & Datenstrukturen, Institut für ...
Jürgen Dick - Lehrstuhl Algorithmen & Datenstrukturen, Institut für ...
Jürgen Dick - Lehrstuhl Algorithmen & Datenstrukturen, Institut für ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
50 KAPITEL 3. EXTRAKTION VON AUDIO-FEATURES<br />
Frequenzanteile enthält. Dieses Maß kann zusammen mit der short-term energy zur Endpunkt-<br />
Detektion eingesetzt werden. Das Problem, die Endpunkte einer diskreten Aussage zu bestimmen,<br />
ist ein wichtiges Problem in vielen Sprachverarbeitungsanwendungen. Bei der Erkennung von<br />
Wörtern durch Vergleichen des akustischen Signals mit einer "Vorlage" ist es beispielsweise notwendig,<br />
das zu erkennende Wort von "nichtsprachlichen" Bereichen zu befreien, die Fehler bei<br />
der Erkennung hervorrufen können. Auf den ersten Blick scheint dies relativ einfach zu sein.<br />
In der Praxis hat sich herausgestellt, daß dies nur bei sehr hohen signal-to-noise-ratio-Werten<br />
der Fall ist [9]. Ein verwandtes Problem stellt die Klassifikation von Sprache in stimmhafte und<br />
stimmlose Bereiche dar. Will man beispielsweise wissen, wann die Bestimmung der Pitch nötig<br />
ist, kann die short-term zero crossing rate in Verbindung mit der short-term energy dazu herangezogen<br />
werden, um mögliche stimmhafte Bereiche zu bestimmen. Während die short-term<br />
energy üblicherweise in stimmhaften Segmenten größer ist, ist die short-term zero crossing rate<br />
dagegen in stimmlosen Segmenten größer. Viele Pitch-Detektions-<strong>Algorithmen</strong> verwenden diese<br />
Maße zur Klassifikation des Sprachsignals. Einige dieser Pitch-Detektions-<strong>Algorithmen</strong> werden<br />
in den folgenden Abschnitten vorgestellt. ZHANG, KUO nutzen die short-term zero crossing rate<br />
auch zur Klassifikation von Umgebungsgeräuschen [40][41].<br />
Formal läßt sich die short-term zero crossing rate wie folgt definieren:<br />
Definition 3.4 Sei eine Signalfolge der Länge , die zum Zeitpunkt endet. Dann<br />
läßt sich die short-term zero crossing rate durch<br />
mit<br />
¨<br />
¡<br />
¥<br />
¡ <br />
berechnen. Hierbei stellt<br />
¡©£ §<br />
¡<br />
<br />
¨<br />
<br />
© <br />
eine Window dar.<br />
¨<br />
© <br />
¦<br />
¦ <br />
<br />
(3.15)<br />
<br />
<br />
¨<br />
<br />
<br />
©<br />
¢ (3.16)<br />
<br />
<br />
§ ¢<br />
<br />
Für wird in den meisten Fällen ein Rechteck-Fenster verwendet. Abbildung 3.5 zeigt den<br />
zeitlichen Verlauf der short-term zero crossing rate anhand eines Beispiels aus [24].<br />
3.4 Fundamentalfrequenz (Pitch) ¢ ¢<br />
Der Verlauf der Pitch und damit die Satzmelodie einer Äußerung ist <strong>für</strong> diverse Anwendungen<br />
und Probleme der Sprachverarbeitung von großer Bedeutung. Er ist beispielsweise nützlich <strong>für</strong><br />
die Sprechererkennung und gibt wertvolle Einblicke in die Natur der Anregungsquelle <strong>für</strong> die<br />
Sprachproduktion. In dieser Arbeit soll mit Hilfe von Betonungen versucht werden, einen aufgezeichneten<br />
Vortrag in inhaltliche Teilabschnitte zu segmentieren. Hintergrund dessen ist die Feststellung,<br />
daß es eine hohe Korrelation von Tonhöhenvariabilität und der Einführung<br />
neuer Themengebiete gibt. Es zeigte sich, daß ein Anstieg der Pitch ein guter Indikator hier<strong>für</strong><br />
ist [15][17]. Betonungen sind oft verbunden mit einem Anstieg der Pitch.