Teza doctorat (pdf) - Universitatea Tehnică

106
Cap. 4. Analiza semnalului vocal
4.4.5. Concluzii privitoare la segmentarea semnalului vocal în clase de
regiuni
Aşa cum am văzut, segmentarea în clase de regiuni este o etapă a analizei semnalului
vocal utilizată atât în sinteza, cât şi în recunoaşterea vorbirii. Pentru sinteza bazată pe corpus în
general, şi pentru sinteza bazată pe concatenarea unităţilor, este de mare importanţă segmentarea
şi adnotarea corpusului vorbit, respectiv crearea unei baze de date cu unităţi acustice, într-un
mod cât mai eficient. Segmentarea automată a semnalului vocal în clase de regiuni împlineşte
aceste necesităţi, alături de segmentarea fonematică - ce va fi prezentată în capitolul următor.
Algoritmul propus de autor realizează segmentarea automată a semnalului vocal în 10
clase de regiuni. Abordarea este în domeniul timp al analizei, deşi detectarea unor clase
particulare a necesitat şi calcule în domeniul frecvenţelor. Algoritmul împarte mai întâi semnalul
vocal în 4 categorii de bază : linişte, sonoră, nesonoră, respectiv tranziţie, apoi realizează
clasificarea în cele 10 clase distincte de regiuni: linişte, consoană nesonoră, vocală sonoră,
linişte-nesonoră, de tip salt, neregulată, tranzitorie, tranzitorie densă, discontinuă de tip R şi
discontinuă de tip G.
Avantajul algoritmului faţă de alte abordări este rapiditatea derivată din efectuarea
calculelor în domeniul timp şi detectarea categoriilor de bază dintr-o singură parcurgere a
eşantioanelor de semnal. De asemeni, diferitele tipuri de regiuni sunt detectate în principal pe
baza parametrilor obţinuţi în prima fază a algoritmului.
În această etapă s-au proiectat:
- un algoritm de determinare a punctelor de zero, minim şi maxim din semnalul vocal în
domeniul timp;
- o metodă de detecţie a segmentelor S/U/V (Silence/Voiced /Unvoiced) şi clasificare în
tipuri de regiuni a semnalului vocal, metodă ce cuprinde :
- 4 detectori pentru categoriile de bază (linişte, sonoră, nesonoră, tranziţie) ;
- 8 clasificatori pentru clasele de regiuni propriu-zise (linişte, consoană nesonoră, vocală
sonoră, linişte-nesonoră, de tip salt, neregulată, tranzitorie, tranzitorie densă);
de tip G);
- 2 detectori pentru determinarea subregiunilor (discontinuitate de tip R şi discontinuitate
- un algoritm de compactare a regiunilor pentru gruparea regiunilor similare şi reducerea
numărului de regiuni.