Sprachliche Mensch-Maschine-Kommunikation

21.5 Adaptionsmethoden 367
tion B1(f) zu verwenden, bei der die Frequenz f1 auf B0(f0) abgebildet wird.
Nun lassen sich Filterbankfunktionen prinzipiell beliebig kompliziert
gestaltet. In der Praxis genügt es aber für die VTLN eine einfache Transformation
v zu definieren, die aus zwei linearen Abbildungen zusammengesetzt,
so daß B0(v(f1)) ≈ B0(f0):
f · a für f ≤ q
v(f) = 1 − p p − q
f ·
1 − q
+
1 − q
für f ≥ q
(21.8)
Abb. 21.6 zeigt, wie die Funktion v(f) und der dazugehörende Effekt
auf die Filterbankberechnung aussieht. Wenn der Vokaltrakt des Sprechers
überdurchschnittlich lang ist (l > 1) dann wird für p ein Wert größer q
gewählt, so daß v lang , die obere der dargestellten Kurven, verwendet wird.
Für die Filterbänke bedeutet das, daß den oberen Frequenzen stärker zusammengestaucht
werden und somit mehr Spektralkoeffizienten auf denselben
Filterbankkoeffizienten abgebildet werden. Und die unteren Frequenzen
werden gedehnt, so daß weniger Information aus diesen Bereichen, in denen
der Sprecher bevorzugt spricht, in den Filterbankkoeffizienten erhalten
bleiben. Für unterdurchschnittlich kurze Vokaltrakte (l < 1) ergibt sich das
entsprechende gegenteilige Bild.
1.0
v(f)
v lang
l > 1
l = 1
vkurz l < 1
q 1.0
Abb. 21.6. Einfache VTLN-Filterbanktransformation
p
f
l > 1 l < 1
p
Filterbänke Filterbänke
für l > 1 für l < 1
Bleibt noch die Frage zu klären, wie geeignete Werte für q und p gefunden
werden. In der Praxis hat sich gezeigt, daß durch einer Verkomplizierung
der Funktion v kaum Gewinne für die Erkennungsgenauigkeit erzielt werden
können. So spielt es auch nur eine kleine Rolle, welcher Wert für q gewählt