Teza doctorat (pdf) - Universitatea Tehnică
Teza doctorat (pdf) - Universitatea Tehnică Teza doctorat (pdf) - Universitatea Tehnică
24 Cap. 3. Procesarea digitală a semnalului vocal O tehnică des folosită atât ca metodă de compresie, cât şi ca metodă de analiză şi sinteză a semnalului vocal este tehnica predicţiei liniare LPC (Linear Prediction Coding). Tehnica LPC se bazează pe separarea semnalului de excitaţie de semnalul corespunzător tractului vocal, determinarea unor parametri de aproximare numiţi coeficienţi LPC şi transmiterea acestora pe canalul de comunicaţie. La receptor, decodorul va prelua aceşti parametri şi îi va reconverti în forma de undă iniţială. Calitatea obţinută cu această metodă nu este foarte ridicată, tehnica funcţionând cu aproximaţii, dar rata de bit este mult îmbunătăţită. Printre metodele care folosesc tehnica predicţiei liniare amintim : Codorul de semnal vocal folosind predicţia liniară cu cod excitat CELP (Code Excited Linear Prediction) este o tehnică reprezentativă de compresie a vorbirii; este folosită în SUA (Standardul Federal 1016) şi poate comprima vorbirea până la 4,8 kbps. Standardul G.728 se bazează pe o schemă de cuantizare vectorială numită predicţie liniară cu cod excitat de întârziere mică LD-CELP ( Low Delay Code Excited Linear Prediction). Standardul operează la 16 kbps dar lărgimea de bandă este limitată la 3,4 kHz. Aceste metode bazate pe LPC folosesc cuantizarea vectorială cu dicţionare de coduri (code books) atât la transmiţător, cât şi la receptor. În standardul 1016, bazat pe metoda CELP, diferenţa dintre valoarea eşantionului şi cea găsită în dicţionar e comprimată şi transmisă împreună cu indexul valorii din dicţionar. Calitatea standardului e comparabilă cu cea dată de metoda ADPCM. Standardul Federal 1015 al SUA foloseşte versiunea simplă a codării liniar predictive, care poate opera la viteze de 2,4 kbps. Din cauza aproximaţiilor în codare, calitatea este mai slabă decât în cazul metodelor bazate pe CELP. 3.1.2.1. Standarde de compresie a semnalului audio de înaltă fidelitate În ultimii ani au fost create de către diverse firme pe plan internaţional câteva standarde de compresie foarte performante, ce se adresează nu doar semnalului vocal, ci semnalului audio în general. Dintre acestea amintim: TrueSpeech, MPEG, FLAC, Lernot&Hauspie SBC, IMC, Microsoft, Ogg Vorbis, Qdesign, Atrac, Voxware, etc. În concluzie, se poate spune că metodele de procesare a semnalului vocal în vederea analizei sunt diverse şi bine puse la punct de grupuri de lucru şi firme dezvoltate pe plan mondial, atât în ceea ce priveşte codarea semnalului vocal, cât şi metodele de compresie. Nu este exclus însă ca în viitor să apară noi metode şi algoritmi performanţi mai ales în domeniul compresiei, folosind abordări adaptive care să elimine redundanţa inerentă a semnalului vocal, dar care să păstreze integritatea semnalului la parametrii superiori, absolut necesară în procesul sintezei şi recunoaşterii vorbirii.
3.2. Contribuţii în procesarea semnalului vocal 25 Cap. 3. Procesarea digitală a semnalului vocal În continuare se prezintă rezultatele cercetărilor efectuate de autor în domeniul procesării semnalului vocal. Se va prezenta aplicaţia de prelucrare a semnalului prin intermediul căreia a fost efectuată o serie întreagă de experimente asupra unor eşantioane de semnal vocal, precum şi rezultatele acestor experimentări. 3.2.1. Aplicaţia de prelucrare digitală a semnalului vocal SPEA În vederea studierii proprietăţilor semnalului vocal, a fost proiectată o aplicaţie specială numită SPEA – Sound Processing and Enhancement Application (aplicaţie pentru procesarea şi îmbunătăţirea calităţii semnalului vocal). În această fază a proiectării, aplicaţia SPEA prezintă următoarele facilităţi: (1) încărcarea şi vizualizarea semnalului vocal înregistrat în fişiere Wave în diferite formate, (2) creşterea rezoluţiei de afişare pentru vizualizarea formei de undă şi a eşantioanelor de semnal pe diferite scale de mărime , (3) determinarea parametrilor principali ai semnalului vocal, (4) selectarea porţiunii de lucru dintr-un fişier Wave, (5) calculul transformatei Fourier şi vizualizarea spectrelor de amplitudini şi faze a semnalului, (6) posibilitatea de modificare interactivă a componentelor din spectrele de amplitudini şi faze în scopul îmbunătăţirii calităţii acustice a semnalului vocal. Toate aceste facilităţi pot fi selectate interactiv de către utilizator prin intermediul unor meniuri grafice cu butoane (toolbars). De asemenea, parametrii semnalului în domeniul timp, cât şi spectrele din domaniul frecvenţă sunt calculate pe fereastra de selecţie specificată în mod interactiv de utilizator. 3.2.1.1. Facilităţile şi modul de lucru specific aplicaţiei Fereastra aplicaţiei SPEA este prezentată în figura 3.5. Aşa cum se observă din desen, utilizatorul are la dispoziţie două meniuri de tip toolbar pentru a interacţiona cu aplicaţia: meniul orizontal – destinat operaţiunilor generale efectuate asupra fişierului Wave (încărcare în memorie, salvare, selectare/deselectare, etc.), şi meniul vertical, ce permite operaţii specifice aplicate ferestrei de lucru (redare sonoră, mărirea/micşorarea rezoluţiei ferestrei, opţiuni de vizualizare). Fereastra principală a aplicaţiei se împarte în trei zone de lucru: zona de vizualizare a semnalului vocal – în partea de sus a ecranului; zona de vizualizare a spectrului de amplitudini a semnalului – în partea din stânga jos; zona de vizualizare a spectrului de faze – în partea din dreapta jos. În continuare se vor prezentarea facilităţile aplicaţiei SPEA, organizate în cadrul celor două meniuri grafice.
- Page 1: FACULTATEA DE ELECTRONICĂ, TELECOM
- Page 4 and 5: 4. Analiza semnalului vocal .......
- Page 6 and 7: 6. Metode de sinteză de voce......
- Page 9 and 10: Lista de abrevieri ADPCM - Adaptive
- Page 11 and 12: Figura 3.17. Vocala A1. Se observă
- Page 13 and 14: Figura 3.63. Vocala E porţiunea me
- Page 15 and 16: Figura 4.57. Asocierea foneme-regiu
- Page 17: Lista de tabele Tabelul 2.1. Relaţ
- Page 20 and 21: 2 Cap. 1. Introducere Se prezintă
- Page 22 and 23: 4 Cap. 1. Introducere Autorul tezei
- Page 24 and 25: 2. Modalitatea producerii vorbirii
- Page 26 and 27: Faringe nazal Vălul palatin Faring
- Page 28 and 29: 10 Cap. 2. Modalitatea producerii v
- Page 30 and 31: 12 Cap. 2. Modalitatea producerii v
- Page 32 and 33: 14 Cap. 2. Modalitatea producerii v
- Page 34 and 35: 16 Cap. 2. Modalitatea producerii v
- Page 36 and 37: 2.7.1.2. Efectele tractului vocal 1
- Page 38 and 39: 20 Cap. 3. Procesarea digitală a s
- Page 40 and 41: 22 Cap. 3. Procesarea digitală a s
- Page 44 and 45: 3.2.1.1.1. Facilităţi de ordin ge
- Page 46 and 47: 28 Cap. 3. Procesarea digitală a s
- Page 48 and 49: 30 Cap. 3. Procesarea digitală a s
- Page 50 and 51: 1) Analiza spectrală a vocalelor p
- Page 52 and 53: 3) Analiza spectrală a sunetelor e
- Page 54 and 55: Figura 3.25. Cazul A. Semnalul x(t)
- Page 56 and 57: Figura 3.31. Cazul C. Semnal audio
- Page 58 and 59: Figura 3.39. Litera A din cuvântul
- Page 60 and 61: 11) Analiza spectrală a sunetelor
- Page 62 and 63: Figura 3.55. Vocala U -FM. In acest
- Page 64 and 65: 46 Cap. 3. Procesarea digitală a s
- Page 66 and 67: Vocala O : Figura 3.68. Vocala O se
- Page 68 and 69: 50 Cap. 3. Procesarea digitală a s
- Page 70 and 71: 52 Cap. 3. Procesarea digitală a s
- Page 72 and 73: 4. Analiza semnalului vocal După p
- Page 74 and 75: Figura 4.2. Structura spectrală a
- Page 76 and 77: Amplitudinea medie pentru N eşanti
- Page 78 and 79: 4.2.2. Analiza în domeniul frecven
- Page 80 and 81: F0 Excitaţie Figura 4.5. Modelul p
- Page 82 and 83: 64 Cap. 4. Analiza semnalului vocal
- Page 84 and 85: 4.3. Segmentarea semnalului vocal 6
- Page 86 and 87: 68 Cap. 4. Analiza semnalului vocal
- Page 88 and 89: 70 Cap. 4. Analiza semnalului vocal
- Page 90 and 91: 1 BNP mean p( n) (4.23) 20 20 n1
24<br />
Cap. 3. Procesarea digitală a semnalului vocal<br />
O tehnică des folosită atât ca metodă de compresie, cât şi ca metodă de analiză şi sinteză<br />
a semnalului vocal este tehnica predicţiei liniare LPC (Linear Prediction Coding).<br />
Tehnica LPC se bazează pe separarea semnalului de excitaţie de semnalul corespunzător<br />
tractului vocal, determinarea unor parametri de aproximare numiţi coeficienţi LPC şi<br />
transmiterea acestora pe canalul de comunicaţie. La receptor, decodorul va prelua aceşti<br />
parametri şi îi va reconverti în forma de undă iniţială. Calitatea obţinută cu această metodă nu<br />
este foarte ridicată, tehnica funcţionând cu aproximaţii, dar rata de bit este mult îmbunătăţită.<br />
Printre metodele care folosesc tehnica predicţiei liniare amintim :<br />
Codorul de semnal vocal folosind predicţia liniară cu cod excitat CELP (Code Excited<br />
Linear Prediction) este o tehnică reprezentativă de compresie a vorbirii; este folosită în SUA<br />
(Standardul Federal 1016) şi poate comprima vorbirea până la 4,8 kbps.<br />
Standardul G.728 se bazează pe o schemă de cuantizare vectorială numită predicţie<br />
liniară cu cod excitat de întârziere mică LD-CELP ( Low Delay Code Excited Linear<br />
Prediction). Standardul operează la 16 kbps dar lărgimea de bandă este limitată la 3,4 kHz.<br />
Aceste metode bazate pe LPC folosesc cuantizarea vectorială cu dicţionare de coduri<br />
(code books) atât la transmiţător, cât şi la receptor. În standardul 1016, bazat pe metoda CELP,<br />
diferenţa dintre valoarea eşantionului şi cea găsită în dicţionar e comprimată şi transmisă<br />
împreună cu indexul valorii din dicţionar. Calitatea standardului e comparabilă cu cea dată de<br />
metoda ADPCM.<br />
Standardul Federal 1015 al SUA foloseşte versiunea simplă a codării liniar predictive,<br />
care poate opera la viteze de 2,4 kbps. Din cauza aproximaţiilor în codare, calitatea este mai<br />
slabă decât în cazul metodelor bazate pe CELP.<br />
3.1.2.1. Standarde de compresie a semnalului audio de înaltă fidelitate<br />
În ultimii ani au fost create de către diverse firme pe plan internaţional câteva standarde<br />
de compresie foarte performante, ce se adresează nu doar semnalului vocal, ci semnalului audio<br />
în general. Dintre acestea amintim: TrueSpeech, MPEG, FLAC, Lernot&Hauspie SBC, IMC,<br />
Microsoft, Ogg Vorbis, Qdesign, Atrac, Voxware, etc.<br />
În concluzie, se poate spune că metodele de procesare a semnalului vocal în vederea<br />
analizei sunt diverse şi bine puse la punct de grupuri de lucru şi firme dezvoltate pe plan<br />
mondial, atât în ceea ce priveşte codarea semnalului vocal, cât şi metodele de compresie. Nu este<br />
exclus însă ca în viitor să apară noi metode şi algoritmi performanţi mai ales în domeniul<br />
compresiei, folosind abordări adaptive care să elimine redundanţa inerentă a semnalului vocal,<br />
dar care să păstreze integritatea semnalului la parametrii superiori, absolut necesară în procesul<br />
sintezei şi recunoaşterii vorbirii.