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

4.1. PAUSENBASIERTE SEGMENTIERUNG (PBS) 73
% Frames
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
Offset
Schwellwert
0
0 5 10 15 20
0.5 * x [dB]
25 30 35 40
(a) Energie-Histogramm für ein Sprachsignal
mit hohem Rauschanteil und insgesamt hoher
Aussteuerung
% Frames
0.3
0.25
0.2
0.15
0.1
0.05
Offset
Schwellwert
0
0 5 10 15 20 25 30 35 40 45
0.5 * x [dB]
(b) Energie-Histogramm für ein Sprachsignal
mit niedrigem Rauschanteil und insgesamt hoher
Aussteuerung
Abbildung 4.2: Energie-Histogramme für verschiedene Sprecher
rechnet, welches mit einem 3-Punkt FIR-Average-Filter geglättet wird. Das resultierende Histogramm
hat im allgemeinen eine bimodale Verteilung; es besitzt zwei mehr oder weniger weit
auseinander liegende Spitzenwerte. Abbildung 4.2 zeigt Beispiele von Energie-Histogrammen,
die für zwei verschiedene Sprecher ermittelt wurden. Der erste (am weitesten links liegende)
Spitzenwert korrespondiert zu den Hintergrundgeräuschen, der zweite Spitzenwert zur Sprache.
Der erste Spitzenwert wird aus dem Histogramm ermittelt und dient fortan zur Festlegung eines
Schwellwertes, der Hintergrundgeräusche und Sprache trennt. In Abhängigkeit der Stärke
der Hintergrundgeräusche wird ein Offset zum ermittelten Hintergrundgeräuschpegel addiert. Ist
dieser
Pegel hoch ), wird ein Offset von addiert, andernfalls ein Offset von . ¨¢ ¡
Anhand dieses Schwellwertes und der ¨ ¥ des Frames wird nun entschieden, ob der Frame
¨¢ ¨¢ (¤
Sprache oder Hintergrundgeräusche enthält. Hier setzt nun die oben erwähnte Modifikation des
Ansatzes an. In der Arbeit von ARONS wird als Schwellwert für die Nulldurchgangsrate ein
fester Wert von 2500 zcr/s verwendet [4]. Da der Hintergrundgeräuschpegel von Aufnahme zu
Aufnahme stark variieren kann und der Schwellwert für die Nulldurchgangsrate nicht von mal
zu mal manuell angepasst werden soll, wurde der Algorithmus für diese Arbeit modifiziert. Aus
¡
¥ den -Werten aller Frames wird ein Histogramm erstellt. Dieses Histogramm hat nur einen,
¨
dafür aber sehr ausgeprägten Spitzenwert. Dieser Spitzenwert und die hiermit korrespondierende
Nulldurchgangsrate wird zur Schwellwertbestimmung herangezogen. Zu diesem Wert wird noch
ein Offset von hinzuaddiert. Dieses Verfahren hat den Vorteil, daß es adaptiv ist. Es ist nicht
nötig, den Schwellwert für die Nulldurchgangsrate manuell an das Sprachsignal anzupassen.
¡
Abbildung 4.3 zeigt Beispiele ¨ ¥ von -Histogramme, die für zwei verschiedene Sprecher ermittelt
wurden.
¨¢