Teza doctorat (pdf) - Universitatea Tehnică

unde:
unde:
- i este indexul cadrului curent,
- Ks este dat de [Chi00]:
K
s
USS(i)=Ks MS(i) (4.46)
Tstop
L
j
G
S (1
),
Tstop
1,
L j T
fric -1
(1
) ,
T fric
T
stop
- Gs= 8.0, Tstop= 50msec, Tfric=80msec,
L
L
j
T
L
j
j
T
79
stop
T
fric
fric
- Lj lungimea segmentului nesonor j (în milisecunde).
Cap. 4. Analiza semnalului vocal
(4.47)
Cele două valori de prag şi câştigul Gs sunt determinate empiric. Termenul Ks acţionează
ca un factor de scală dependent de durată şi amplifică într-o mare măsură estimarea stopurilor
pentru segmentele nesonore mai scurte de 50msec. Într-o măsură mai mică, Ks atenuează de
asemenea estimarea stopurilor pentru segmente mai lungi de 80msec. Estimarea stopurilor
USS(i) este o valoare în domeniul [0,1]. Dacă USS(i) este mai mare de 1 pentru cadrul respectiv,
atunci este setată la unitate.
[Chi00]:
Estimarea finală a fricativelor nesonore UFS(i) se face pentru fiecare cadru astfel
UFS(i) = HFS(i) (4.48)
unde HFS(i) este scorul frecvenţelor înalte pentru cadrul respectiv.
4.3.4. Detectarea graniţelor dintre segmente
Algoritmul descris în secţiunea 4.3.3 se concentrează în principal asupra caracteristicilor
acustice asociate cadrelor individuale. Pentru segmentarea şi etichetarea vorbirii în categoriile de
segmente descrise anterior, trebuie trasate graniţele dintre segmentele fonematice. Aceasta se
realizează cu doi algoritmi descrişi în subcapitolele următoare. Rezultatele celor doi algoritmi
sunt combinate pentru a determina graniţele finale ale segmentului şi durata acestuia.
4.3.4.1. Detectarea bazată pe graniţa spectrală şi segmentare
Primul algoritm se bazează pe schimbările din spectrul de frecvenţe al semnalului.
Algoritmul dezvoltat de Glass şi Zue [Gla86] măsoară similaritatea dintre cadrul curent şi vecinii
acestuia. Pentru aceasta, se calculează valoarea absolută a răspunsului în frecvenţă al filtrului
generat de coeficienţii LPC din ecuaţiile ( 4.19) şi ( 4.20), pentru fiecare cadru. Distanţa
euclidiană dintre două cadre vecine x şi y se defineşte în felul următor [Chi00]: