Teza doctorat (pdf) - Universitatea Tehnică

82
Cap. 4. Analiza semnalului vocal
Odată stabilite estimările medii pentru toate segmentele necunoscute, pentru fiecare
segment j se stabilesc la început două etichete L1(j) şi L2(j). Prima etichetă este caracteristica cu
estimarea medie cea mai bună. A doua etichetă o reprezintă caracteristica cu a doua estimare
medie cea mai bună.
Există cazuri când etichetarea trebuie să ţină seama şi de coarticularea segmentelor, când
algoritmul de segmentare spectrală poate schimba categoria din care face parte segmentul.
Se pot defini astfel estimările robuste pentru L1(j) şi L2(j).
Estimarea robustă R1(j) pentru L1(j) este definită ca estimarea medie pentru categoria de
segment corespunzătoare lui L1(j), împărţită la suma tuturor estimărilor medii pentru acest
segment. De exemplu, dacă segmentul este sonor şi L1(j) este nazală, atunci R1(j) este dată de
[Chi00]:
ENmed
( j)
R1(
j)
(4.53)
EV ( j)
ESV
( j)
EN
( j)
EBS
( j)
EFS
( j)
med
med
med
Dacă segmentul este nesonor şi scorul corespunzător lui L1(j) dă o fricativă nesonoră,
atunci R1(j) este dată de [Chi00]:
UFSmed
( j)
R1(
j)
(4.54)
UFS ( j)
USS
( j)
med
În mod asemănător e definită şi estimarea robustă R2(j) pentru L2(j), ca estimarea medie
pentru categoria de segment corespunzătoare lui L2(j) împărţită la suma tuturor estimărilor medii
pentru acel segment.
Dacă R2(j) > R1(j), iar scorul corespunzător lui L1(j) are valori mai mici decât o valoare
de prag TS (TS ~ 0.5), atunci categoria de segment poate fi schimbată de la L1(j) la L2(j).
4.3.7. Rezultate şi concluzii privind metoda generică de segmentare
Metoda prezentată în acest capitol, propusă de Childers în [Chi00], poate detecta trei
categorii principale din semnalul vocal: linişte (silence), sonor (voiced) şi nesonor (unvoiced), pe
care le clasifică în 9 clase de regiuni: linişte, vocală, consoană sonoră, semivocală, nazală, bandă
sonoră, fricativă sonoră, fricativă nesonoră şi stop nesonor. Astfel, în categoria sonor ( voiced)
intră clasele: vocală, semivocală, consoană sonoră, nazală, fricativă sonoră şi bandă sonoră. În
categoria nesonor (unvoiced) avem clasele: stop nesonor şi fricativă nesonoră. În categoria linişte
(silence) există o singură clasă: linişte.
Pentru fiecare clasă s-a definit câte un detector sau estimator de caracteristică, care
calculează un scor al caracteristicii respective pe semnalul din cadrul curent. Cadrul se
etichetează cu caracteristica având scorul cel mai mare, iar cadrele succesive care sunt etichetate
la fel se grupează în regiuni. În faza finală se reevaluează cadrele singulare şi se ajustează
graniţele de segment. În figura 4.11 se prezintă rezultatele segmentării pentru un semnal vocal
rostit în limba engleză.
med
med
med