Teza doctorat (pdf) - Universitatea Tehnică
Teza doctorat (pdf) - Universitatea Tehnică Teza doctorat (pdf) - Universitatea Tehnică
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.
- 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 42 and 43: 24 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 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
- Page 92 and 93: 74 Cap. 4. Analiza semnalului vocal
- Page 94 and 95: 0, RN( i) T upper EN(i) 1, RN( i)
- Page 96 and 97: 78 Cap. 4. Analiza semnalului vocal
- Page 98 and 99: D(x,y) 255 m0 || H ( e x m j 256 2
- Page 100 and 101: 82 Cap. 4. Analiza semnalului vocal
- Page 102 and 103: 84 Cap. 4. Analiza semnalului vocal
- Page 104 and 105: 86 Cap. 4. Analiza semnalului vocal
- Page 106 and 107: 3. Regiune de tip vocală sonoră (
- Page 108 and 109: 90 Cap. 4. Analiza semnalului vocal
- Page 110 and 111: 92 Cap. 4. Analiza semnalului vocal
- Page 112 and 113: 4.4.2.3.1. Detectarea subregiunilor
- Page 114 and 115: 96 Cap. 4. Analiza semnalului vocal
- Page 116 and 117: 4.4.2.5. Detectarea categoriei Tran
- Page 118 and 119: Detectorul regiunii tranzitorii den
- Page 120 and 121: 102 Cap. 4. Analiza semnalului voca
- Page 122 and 123: Algoritmul de compactare în acest
- Page 124 and 125: 106 Cap. 4. Analiza semnalului voca
- Page 126 and 127: 108 Cap. 4. Analiza semnalului voca
- Page 128 and 129: 110 Cap. 4. Analiza semnalului voca
- Page 130 and 131: Punctul pivot se determină conform
65<br />
Cap. 4. Analiza semnalului vocal<br />
Analiza PLP ( Perceptual Linear Prediction) foloseşte scara perceptuală Bark, fiind o<br />
combinaţie între metodele de analiză Fourier şi LPC. Etapele de analiză în cadrul metodei PLP<br />
cuprind [Her90]:<br />
- calculul spectrului FFT prin transformata Fourier;<br />
- aliniere spectrală după scara Bark;<br />
- aplicarea unui set de filtre dreptunghiulare Bark pentru emularea rezoluţiei<br />
perceptuale a urechii umane;<br />
- preaccentuare pentru stimularea frecvenţelor înalte;<br />
- conversia intensitate-tărie sonoră;<br />
- aplicarea transformatei Fourier inverse pentru obţinerea funcţiei de autocorelaţie;<br />
- calculul coeficienţilor LPC sau cepstrali, numiţi în acest caz coeficienţi PLP.<br />
Coeficienţii PLP de ordin inferior ne dau informaţii despre conţinutul lingvistic al<br />
segmentului considerat (informaţii semantice), pe când coeficienţii de ordin superior sunt utili în<br />
procesul de recunoaştere a identităţii vorbitorului [Lup04].<br />
Analiza cepstrală Mel se aseamănă cu metoda de analiză PLP, folosindu-se în acest caz<br />
scara de frecvenţe Mel. Spre deosebire de cazul anterior, acum se foloseşte un set de filtre<br />
triunghiulare Mel pentru a descompune semnalul pe benzile de frecvenţă asociate cu scara Mel.<br />
Apoi pe fiecare bandă se calculează energia medie şi se aplică transformata cosinus pentru a<br />
obţine un set de coeficienţi numiţi coeficienţi MFCC (Mel Frequency Cepstral Coefficients).<br />
Coeficienţii MFCC au dat bune rezultate în procesul de recunoaştere a vorbirii, mai ales<br />
în combinaţie cu setul de parametri delta specificaţi de către Furui în [Fur01].<br />
În concluzie, putem spune că până în momentul de faţă au fost proiectate mai multe<br />
metode de analiză a semnalului vocal, fiecare prezentând variante specifice şi beneficiind de<br />
aportul a numeroase studii pe plan internaţional. Aceste metode de analiză s-au dovedit utile<br />
pentru extragerea parametrilor caracteristici ai semnalului vocal, atât în procesul sintezei de voce<br />
cât şi în cel al recunoaşterii vorbirii.