Teza doctorat (pdf) - Universitatea Tehnică

Teza doctorat (pdf) - Universitatea Tehnică Teza doctorat (pdf) - Universitatea Tehnică

users.utcluj.ro
from users.utcluj.ro More from this publisher
15.06.2013 Views

64 Cap. 4. Analiza semnalului vocal Analiza cepstrală ne oferă informaţii atât despre excitaţia sonoră, permiţând estimarea frecvenţei fundamentale a semnalului, cât şi despre influenţa tractului vocal, ducând la calculul spectrului netezit al semnalului vocal. Componentele cepstrale inferioare (corespunzătoare unui segment de timp de la 0 la 2ms) permit estimarea frecvenţei fundamentale prin determinarea maximului funcţiei cepstrale pe acest segment de timp. Pentru calculul spectrului netezit se folosesc componentele cepstrale superioare, cărora li se aplică din nou transformata Fourier. De asemenea, se mai poate calcula un set de parametrii numiţi coeficienţi cepstrali LPC, derivaţi direct din coeficienţii LPC. Formulele de calcul pentru aceşti parametrii sunt [Fur01]: c c c 1 n n a 1 n k a n a kc n k k n n p 1 ( 1 ) , 1 1 n k a kc n k n n p 1 ( 1 ) , k 1 unde: ak sunt coeficienţii LPC calculaţi până la ordinul p; cn sunt coeficienţii cepstrali LPC. (4.16) Coeficienţii cepstrali s-au dovedit a fi un set de parametrii mai robuşti decât coeficienţii simpli LPC, utilizănd-se cu succes mai ales în procesul de recunoaştere a vorbirii sau a vorbitorului [Lup04]. E. Analiza perceptuală Acest mod de analiză este adaptat după modul de funcţionare al sistemului perceptual auditiv al omului, şi anume după faptul că sesizarea diferitelor tonalităţi ale sunetelor se face pe o scară logaritmică în interiorul urechii, proporţional cu frecvenţa fundamentală a sunetului. Astfel, răspunsul urechii umane este neliniar în raport cu frecvenţa, ea detectând diferenţe mici de frecvenţă mai uşor la frecvenţe joase decât la frecvenţe înalte [Lup04]. Din acest motiv au fost adoptate diferite scări neliniare de frecvenţă, pentru care se va calcula spectrul semnalului. Cele mai cunoscute sunt scara de frecvenţă Bark şi scara Mel. Ambele sunt scări cu comportare logaritmică obţinute prin studii realizate asupra percepţiei umane. Există două metode de lucru în cadrul analizei perceptuale: analiza PLP şi analiza cepstrală Mel.

65 Cap. 4. Analiza semnalului vocal Analiza PLP ( Perceptual Linear Prediction) foloseşte scara perceptuală Bark, fiind o combinaţie între metodele de analiză Fourier şi LPC. Etapele de analiză în cadrul metodei PLP cuprind [Her90]: - calculul spectrului FFT prin transformata Fourier; - aliniere spectrală după scara Bark; - aplicarea unui set de filtre dreptunghiulare Bark pentru emularea rezoluţiei perceptuale a urechii umane; - preaccentuare pentru stimularea frecvenţelor înalte; - conversia intensitate-tărie sonoră; - aplicarea transformatei Fourier inverse pentru obţinerea funcţiei de autocorelaţie; - calculul coeficienţilor LPC sau cepstrali, numiţi în acest caz coeficienţi PLP. Coeficienţii PLP de ordin inferior ne dau informaţii despre conţinutul lingvistic al segmentului considerat (informaţii semantice), pe când coeficienţii de ordin superior sunt utili în procesul de recunoaştere a identităţii vorbitorului [Lup04]. Analiza cepstrală Mel se aseamănă cu metoda de analiză PLP, folosindu-se în acest caz scara de frecvenţe Mel. Spre deosebire de cazul anterior, acum se foloseşte un set de filtre triunghiulare Mel pentru a descompune semnalul pe benzile de frecvenţă asociate cu scara Mel. Apoi pe fiecare bandă se calculează energia medie şi se aplică transformata cosinus pentru a obţine un set de coeficienţi numiţi coeficienţi MFCC (Mel Frequency Cepstral Coefficients). Coeficienţii MFCC au dat bune rezultate în procesul de recunoaştere a vorbirii, mai ales în combinaţie cu setul de parametri delta specificaţi de către Furui în [Fur01]. În concluzie, putem spune că până în momentul de faţă au fost proiectate mai multe metode de analiză a semnalului vocal, fiecare prezentând variante specifice şi beneficiind de aportul a numeroase studii pe plan internaţional. Aceste metode de analiză s-au dovedit utile pentru extragerea parametrilor caracteristici ai semnalului vocal, atât în procesul sintezei de voce cât şi în cel al recunoaşterii vorbirii.

64<br />

Cap. 4. Analiza semnalului vocal<br />

Analiza cepstrală ne oferă informaţii atât despre excitaţia sonoră, permiţând estimarea<br />

frecvenţei fundamentale a semnalului, cât şi despre influenţa tractului vocal, ducând la calculul<br />

spectrului netezit al semnalului vocal. Componentele cepstrale inferioare (corespunzătoare unui<br />

segment de timp de la 0 la 2ms) permit estimarea frecvenţei fundamentale prin determinarea<br />

maximului funcţiei cepstrale pe acest segment de timp. Pentru calculul spectrului netezit se<br />

folosesc componentele cepstrale superioare, cărora li se aplică din nou transformata Fourier.<br />

De asemenea, se mai poate calcula un set de parametrii numiţi coeficienţi cepstrali LPC,<br />

derivaţi direct din coeficienţii LPC. Formulele de calcul pentru aceşti parametrii sunt [Fur01]:<br />

c<br />

c<br />

c<br />

1<br />

n<br />

n<br />

a<br />

1<br />

n k<br />

a<br />

n <br />

a<br />

kc<br />

n k<br />

k n<br />

n<br />

p<br />

1<br />

( 1 ) ,<br />

1<br />

1<br />

n k<br />

a<br />

kc<br />

n k<br />

n<br />

n p<br />

1<br />

( 1 ) ,<br />

k 1<br />

unde: ak sunt coeficienţii LPC calculaţi până la ordinul p;<br />

cn sunt coeficienţii cepstrali LPC.<br />

(4.16)<br />

Coeficienţii cepstrali s-au dovedit a fi un set de parametrii mai robuşti decât coeficienţii<br />

simpli LPC, utilizănd-se cu succes mai ales în procesul de recunoaştere a vorbirii sau a<br />

vorbitorului [Lup04].<br />

E. Analiza perceptuală<br />

Acest mod de analiză este adaptat după modul de funcţionare al sistemului perceptual<br />

auditiv al omului, şi anume după faptul că sesizarea diferitelor tonalităţi ale sunetelor se face pe<br />

o scară logaritmică în interiorul urechii, proporţional cu frecvenţa fundamentală a sunetului.<br />

Astfel, răspunsul urechii umane este neliniar în raport cu frecvenţa, ea detectând diferenţe mici<br />

de frecvenţă mai uşor la frecvenţe joase decât la frecvenţe înalte [Lup04].<br />

Din acest motiv au fost adoptate diferite scări neliniare de frecvenţă, pentru care se va<br />

calcula spectrul semnalului. Cele mai cunoscute sunt scara de frecvenţă Bark şi scara Mel.<br />

Ambele sunt scări cu comportare logaritmică obţinute prin studii realizate asupra percepţiei<br />

umane.<br />

Există două metode de lucru în cadrul analizei perceptuale: analiza PLP şi analiza<br />

cepstrală Mel.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!