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

74 KAPITEL 4. SEGMENTIERUNGSVERFAHREN
% Frames
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25
[dB]
Offset
Schwellwert
¢¡¢£
(a) -Histogramm für ein Sprachsignal mit
hohem Rauschanteil und insgesamt hoher Aussteuerung
% Frames
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25
[dB]
Offset
Schwellwert
¢¡¢£
(b) -Histogramm für ein Sprachsignal mit
niedrigem Rauschanteil und insgesamt hoher
Aussteuerung
Abbildung 4.3: ¢¡¦£ ¥ -Histogramme für verschiedene Sprecher
Dieser erste Durchgang liefert nun eine sehr feine Segmentierung. Selbst bei sehr sorgfältiger
Wahl der Schwellwerte macht dieses Verfahren jedoch noch Klassifikationsfehler:
1. Es bleiben kurze Lücken ( ¢ ¢
) innerhalb von längeren Sprachsegmenten, die eigent-
lich als Sprache klassifiziert werden müßten.
2. Es verbleiben Sprachsegmente ( ¢£¢
), die zu kurz sind, um Wörter zu enthalten.
3. Sprachsegmente werden versehentlich zu spät oder zu früh abgeschnitten.
Deshalb wird die zuvor gewonnene Segmentierung in den Durchgängen 2–4 von diesen
Klassifikationsfehlern befreit. Im Durchgang 2 werden zu kurze Lücken zwischen Sprachsegmenten
entfernt, Durchgang 3 beseitigt zu kurze Sprachsegmente und Durchgang 4 erweitert die
verbleibenden Sprachsegmente um jeweils¦ ¢
in beide Richtungen. Dadurch ergeben sich
größere Pausen- bzw. Sprachsegmente. Die Ausgabe des PBS-Algorithmus enthält für jedes gefundene
Segment den Beginn (in Sek.), die Dauer (in Sek.) und die Klassifikation (0=Pause,
1=Sprache). Die Abbildungen 4.4 und 4.5 verdeutlichen den Ablauf der PBS anhand von Beispieldaten.