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.
6 INHALTSVERZEICHNIS<br />
3 Extraktion von Audio-Features 40<br />
3.1 Windowing / Frames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
3.1.1 Windowing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
3.1.2 Frames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44<br />
3.1.3 Extraktion von Audio-Features . . . . . . . . . . . . . . . . . . . . . . . 44<br />
3.2 Short-term energy und short-term power . . . . . . . . . . . . . . . . . . . . . . 47<br />
3.3 Short-term zero crossing rate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48<br />
3.4 Fundamentalfrequenz (Pitch) ¢¡<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . 50<br />
3.4.1 Pitch-Detektion mit Hilfe der Autokorrelation . . . . . . . . . . . . . . . 55<br />
3.4.2 Pitch-Detektion mit Hilfe der Average Magnitude Difference<br />
Function (AMDF) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63<br />
3.4.3 Pitch-Detektion mit Hilfe des reellen Cepstrums . . . . . . . . . . . . . 65<br />
3.4.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68<br />
4 Segmentierungsverfahren 70<br />
4.1 Pausenbasierte Segmentierung (PBS) . . . . . . . . . . . . . . . . . . . . . . . . 70<br />
4.1.1 Der Pausen-Detektions-Algorithmus . . . . . . . . . . . . . . . . . . . . 71<br />
4.2 Emphasis-Detection-basierte Segmentierung (EDBS) . . . . . . . . . . . . . . . 77<br />
4.2.1 Der Emphasis-Detection-Algorithmus . . . . . . . . . . . . . . . . . . . 78<br />
4.2.2 Anwendungsmöglichkeiten des Emphasis-Detection-Algorithmus . . . . 81<br />
5 Evaluation 85<br />
5.1 Messgrößen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87<br />
5.2 Pausenbasierte Segmentierung . . . . . . . . . . . . . . . . . . . . . . . . . . . 90<br />
5.2.1 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90<br />
5.2.2 Interpretation der Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . 92<br />
5.3 Emphasis-Detection-basierte Segmentierung . . . . . . . . . . . . . . . . . . . . 95<br />
5.3.1 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96<br />
5.3.2 Interpretation der Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . 101<br />
6 Zusammenfassung und Ausblick 104<br />
A Beispiel einer Text-Transkription 106