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

ABBILDUNGSVERZEICHNIS 9
3.8 "Gefenstertes" Sinus-Signal und dessen AKF . . . . . . . . . . . . . . . . . . . . . 56
3.9 Effiziente Berechnung der AKF mittels FFT . . . . . . . . . . . . . . . . . . . . . . 57
3.10 Blockdiagramm des AUTOC Pitch-Detektors [28] . . . . . . . . . . . . . . . . . . . 58
3.11 Ausschnitt aus einem Pitch-Verlauf, der mit dem AUTOC-PDA berechnet wurde. . . . . 59
3.12 Blockdiagramm des PDAs nach BOERSMA [5] . . . . . . . . . . . . . . . . . . . . . 60
3.13 Blockdiagramm des ModifiedACF-PDAs. . . . . . . . . . . . . . . . . . . . . . . . 61
3.14 Ausschnitte aus Pitch-Verläufen, die mit dem ModifiedACF-PDA (a) ohne Postprocessing,
(b) mit Postprocessing erzeugt wurden. . . . . . . . . . . . . . . . . . . . . . . 64
3.15 Blockdiagramm eines AMDF Pitch-Detektors [28] . . . . . . . . . . . . . . . . . . . 65
3.16 Ein Ausschnitt eines Sprachsignals und die Cepstra für (a) ein stimmhaftes Segment, (b)
ein stimmloses Segment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.17 Berechnung der stRC mittels DFT . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.18 Blockdiagramm eines CEP Pitch-Detektors [28] . . . . . . . . . . . . . . . . . . . . 69
4.1 Schematische Darstellung des pausenbasierten Segmentierungsverfahrens . . . . . . . . 72
4.2 Energie-Histogramme für verschiedene Sprecher . . . . . . . . . . . . . . . . . . . . 73
4.3 ¢¡¤£¦¥ -Histogramme für verschiedene Sprecher . . . . . . . . . . . . . . . . . . . . 74
4.4 Beispiel für den Ablauf der PBS (Teil 1) . . . . . . . . . . . . . . . . . . . . . . . . 75
4.5 Beispiel für den Ablauf der PBS (Teil 2). (0=Stille, 1=Sprache) . . . . . . . . . . . . . 76
4.6 Pitch-Histogramme für Dozenten (a) männlichen, (b) weiblichen Geschlechts . . . . . . 79
4.7 Berechnung der Pitch-Aktivität . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.8 Ausgabe des EDBS-Algorithmus für einen 15-minütigen Ausschnitt aus einer Sprachdatei. 81
4.9 Beispiel für den Ablauf der Emphasis-Detektion (Teil 1) . . . . . . . . . . . . . . . . 82
4.10 Beispiel für den Ablauf der Emphasis-Detektion (Teil 2) . . . . . . . . . . . . . . . . 83
5.1 Beispiele für die Schwierigkeit der Ermittlung von Topic Beginnings bei der Emphasis-
Detektion. Die Zeitfenster haben im Diagramm (a) eine Länge von §©¨ ¡ und im
Diagramm (b) eine Länge von §¨ ¡§¦ . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.2 Pausen-Histogramme; hierzu wurde ermittelt, wie lange die Pausen vor den tatsächlichen
Topic Beginnings sind, sofern sie vom Algorithmus gefunden wurden. . . . . . . . . . 93
5.3 Recall/Presision-Diagramme für die Ergebnisse aus Kapitel 5.3.1 . . . . . . . . . . . . 101