Sprachliche Mensch-Maschine-Kommunikation

8.2 Spektralranalyse 109
Klicken Sie jetzt auf Fouriertransform und betrachten Sie das angezeigte
Spektrum. Wenn Ihr Pfeifton ” sauber“ war, dann dürfte im Spektrum
abgesehen von ein paar Wacklern hier und da im wesentlichen nur ein
einziger deutlicher Ausschlag zu erkennen sein.
Die horizontale Achse des Spektrums ist die Frequenzachse. An Ihr können
Sie ablesen, welche Frequenz Ihr Pfeifton hatte.
Machen Sie noch eine Aufnahme, bei der Sie diesmal zwei oder drei Pfeiftöne
hintereinander mit unterschiedlichen Tonhöhen aufnehmen. Im Spektrum
sollten Sie dann zwei oder drei Ausschläge erkennen.
Machen Sie noch ein paar Aufnahmen und betrachten Sie die dazugehörigen
Spektren. Probieren Sie insbesondere einige Vokale und einige Frikative aus
(z.B. ein lautes und deutliches Ah oder ein besonders lautes Sch.)
Machen Sie eine Aufnahme, in der Sie viele verschiedene Laute sprechen,
z.B. einen ganzen Satz.
8.2.1 Langzeitspektrum
Nimmt man eine komplette Aufnahme, die es gilt zu erkennen, also zum
Beispiel ein Wort oder einen Satz, und berechnet das Spektrum dieser
Aufnahme, dann erhält man so etwas ähnliches wie die Überlagerung der
Spektren aller in der Aufnahme vorkommenden Laute. Es ist schon bei
wenigen Lauten kaum möglich, und bei vielen Lauten eigentlich unmöglich,
in so einem Spektrum die ” Teilspektren“ der einzelnen Laute zu identifizieren.
Eine Rekonstruktion der Reihenfolge, in der die Laute artikuliert
wurden, ist unmöglich. Daher eignet sich ein Spektrum, das über einer längeren
Aufnahme berechnet wird, nicht, um darauf Spracherkennung zu machen.
Wir können aber leicht feststellen, daß die Spektren einzelner ” uniformer“
Laute diese Laute oft recht gut charakterisieren. Die naheliegende
Vorgehensweise besteht also darin, nicht ein Spektrum über die gesamte
Aufnahme zu berechnen, sondern viele Spektren über einzelne Teile der
Aufnahme, in denen ein wenigstens einigermaßen stationärer Laut zu hören
ist.
Im übrigen bringen echte Langzeitspektren eine weitere Herausforderung
mit sich. Wenn die Aufnahme aus Tausenden oder gar Hunderttausenden
Abtastwerten besteht, dann ist die Berechnung der diskreten Fouriertransformierten
(DFT) auf einem so langen Vektor extrem aufwendig bis gar nicht
mehr sinnvoll durchführbar. So sind viele Langzeitspektraldarstellung (wie