Teza doctorat (pdf) - Universitatea Tehnică

84
Cap. 4. Analiza semnalului vocal
4.4. Contribuţii aduse în procesul segmentării automate a semnalului
vocal
Aşa cum s-a precizat în paragraful anterior, găsirea unei metode optime de segmentare a
semnalului vocal reprezintă o operaţie absolut necesară în procesul de construire a bazei de date
vocale. În acest paragraf este prezentată metoda proiectată de autor, care este capabilă să
detecteze automat componentele S/U/V ale semnalului ( Silence – linişte, Unvoiced – nesonor,
Voiced – sonor), să împartă aceste componente în regiuni şi subregiuni cu anumite proprietăţi, iar
apoi să pună în corespondenţă aceste regiuni cu o secvenţă cunoscută de foneme (figura 4.12):
Semnal vocal
Segmentare S/U/V
Detecţie regiuni
Compactare
Segmentare fonematică
Subregiuni
Figura 4.12. Metoda de segmentare automată propusă de autor
Algoritmul propus utilizează analiza în domeniul timp a semnalului vocal. După o filtrare
trece-jos a semnalului, se detectează mai întâi punctele de trecere prin zero Zi din forma de undă.
Apoi se calculează punctele de valoare minimă mi şi maximă Mi dintre două puncte de zero.
Separarea linişte/vorbire se realizează utilizând o valoare de prag Ts aplicată asupra
amplitudinii semnalului vocal. În segmentele de linişte (silence), toate punctele mi şi Mi trebuie
să fie mai mici decât Ts .
Pentru fiecare segment din semnalul vocal se calculează apoi distanţa dintre două puncte
de zero adiacente Di . Se ia decizia de segment sonor (voiced) dacă această distanţă este mai mare
decât o valoare de prag V.
Un segment este considerat nesonor (unvoiced) dacă distanţa Di dintre punctele de zero
adiacente este mai mică decât un prag U.
Se definesc de asemeni segmente tranzitorii, acestea fiind segmentele pentru care
condiţiile de mai sus nu sunt îndeplinite.
În urma operaţiei de segmentare S/U/V (detectarea segmentelor de tip silence/ unvoiced
/voiced), va avea loc o împărţire a semnalului vocal în clase de regiuni distincte, în scopul
determinării proprietăţilor semnalului pe regiuni şi punerii în corespondenţă cu setul de foneme
prezent la intrare.
După o primă aplicare a algoritmului de mai sus, va fi generat un număr mare de regiuni.
În timp ce regiunile sonore sunt determinate corect de la început, regiunile nesonore sunt