Teza doctorat (pdf) - Universitatea Tehnică

4.7.3. Segmentarea bazată pe probabilităţi generalizate
4.7.3.1. Algoritmul de bază
122
Cap. 4. Analiza semnalului vocal
Scopul metodei utilizată de Brandt [Bra83] este de a detecta discontinuităţile din
semnalul vocal. Semnalul vocal este constituit dintr-o suma de segmente omogene. Fiecare
segment w este o secvenţă finită w=(yn) de eşantioane care respectă următorul model
autoregresiv:
(4.71)
În ecuaţia (4.71 ), p este ordinul modelului, acelaşi pentru toate segmentele, en este un
zgomot alb Gaussian de medie nulă cu varianţa σ 2 .
Un astfel de segment w este caracterizat de un vector Θ = (a1, … , ap, σ). Fie w0 un
segment având N eşantioane, Θ0 fiind vectorul corespondent. Se urmăreşte să se decidă dacă w0
trebuie împărţit în două subsegmente w1 şi w2 sau nu. Segmentul iniţial se va împărţi în două
dacă există un salt între vectorii Θ1 şi Θ2 corespunzători celor două subsegmente. Pentru a lua
această decizie, se utilizează raţia de probabilitate generalizată ( Generalized Likelihood Ratio
GLR) [Bra83] (presupunând că y1, … , yn sunt gaussiene):
(4.72)
unde:
- r este numărul de eşantioane corespunzător subsegmentului w1,
- şi sunt estimările deviaţiilor standard ale zgomotului pentru modelele caracterizate
de vectorii Θ1 şi Θ2.
Metoda decide dacă apare un salt între vectorii Θ1 şi Θ2 corespunzători subsegmentelor
w1 şi w2 prin compararea valorii maxime a lui DN(r) cu o valoare de prag [And88].
4.7.3.2. Algoritmul ce foloseşte o segmentare iniţială după secvenţa de foneme
Metoda de bază, care are ca scop detectarea discontinuităţilor din semnalul vocal, se
poate adapta pentru cazul în care secvenţa de foneme asociată semnalului este cunoscută. În
acest caz, se obţine mai întâi o segmentare iniţială folosind metoda bazată pe modele Markov
HMM. Pentru fiecare frontieră de segment, se ia un interval pe care se aplică metoda GLR, care
va produce o segmentare mai precisă a regiunilor separate de acea frontieră.
Astfel, presupunem că (U0, U1, … , UL) sunt frontierele segmentării iniţiale. În continuare
U i 1 U
i
se caută o discontinuitate a semnalului între punctele Vi
2
U i U
i1
şi V i1
, cu i în
2
intervalul (1, … , L − 1), prin determinarea punctului care maximizează raţia GLR.
În acest mod se produce o redistribuţie mult mai precisă a frontierelor de segment.