Teza doctorat (pdf) - Universitatea Tehnică

6.3.1. Metoda TD-PSOLA
171
Cap. 6. Metode de sinteză de voce
Numele metodei constituie un acronim pentru Time Domain - Pitch Synchronous
Overlapp and Add, adică metoda în domeniul timp ce foloseşte suprapunerea şi compunerea
formelor de undă sincron cu frecvenţa ([Dut93], [Ver93]).
Metoda comportă două faze principale, care sunt comune şi altor metode: faza de analiză
şi faza de sinteză.
În faza de analiză se împarte semnalul original în segmente de durată mică (de obicei
având ca durată dublul perioadei fundamentale a semnalului 2T0), segmente care nu sunt
separate, ci se suprapun. Aceste segmente se aleg sincron cu frecvenţa (numită pitch). Pentru
aceasta, aici în faza de analiză se aleg nişte indicatori de fecvenţă numiţi pitch marks, ce vor
indica centrul segmentului corespunzător din cadrul semnalului vocal.
În faza de sinteză se calculează durata şi frecvenţa de bază a semnalului din cadrul
segmentului considerat. În funcţie de aceşti parametrii, ţinând cont şi de indicatorii pitch markers
stabiliţi în faza de analiză, segmentul vocal se rearanjează pe axa timpului, modificându-şi
frecvenţa fundamentală, dilatându-se sau contractându-se temporal dacă cum este necesar.
În final semnalul sintetizat rezultă prin compunerea segmentelor vocale ce se suprapun
(Overlap and Add). Aici va trebui avut grijă la îmbinarea segmentelor, pentru a nu apărea
discontinuităţi spectrale deranjante în vorbirea sintetizată.
6.3.1.1. Modelare matematică
Modelul metodei de sinteză TD-PSOLA este ilustrat în figura 6.5.
(x1, p1)
(X1, P1)
(x2, p2)
(X2, P2)
x(n) Extragerea
segmentelor
.
.
.
Mapare
.
.
.
Overlap
X(n)
.
.
(xn, pn)
(Xm, Pm)
ANALIZA
SINTEZA
Segmente suprapuse Segmente mapate
Figura 6.5. Metoda de sinteză TD-PSOLA
Faza de analiză porneşte de la semnalul original x(n), şi printr-un procedeu special de
segmentare, se vor obţine segmentele suprapuse (adică segmente care se intersectează pe axa
timpului): x1, x2, ... xn . Corespunzător fiecărui segment se aleg indicatorii de frecvenţă ( pitch
marks): p1, p2, ... , pn . Indicatorii de frecvenţă se pot alege la mijlocul segmentului sau la
valoarea maximă a intensităţii de semnal.