Разработка критериев и алгоритмов сегментации речевого сигнала на участки "ТОН/НЕ ТОН" для метода выделения основного тона в информационно-измерительных системах речевой технологии

• Автор: Архипов, Игорь Олегович
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Ижевск
• Количество страниц: 152 с. : ил.

СОДЕРЖАНИЕ
СОДЕРЖАНИЕ
СПИСОК СОКРАЩЕНИЙ
ВВЕДЕНИЕ
ГЛАВА 1. МЕТОДЫ ВЫДЕЛЕНИЯ ОСНОВНОГО ТОНА РЕЧЕВОГО СИГНАЛА
1Л. Общие сведения
1.2. Классификация методов выделения основного тона
1.3. Предварительная обработка речевого сигнала
1.4. Временные методы выделения основного тона
1.5. Спектральные методы выделения основного тона
1.5. Комбинированные методы выделения ОТ
1.6. Выделение интервалов вокализованных и невокализованных звуков
1.6.1. Классификация выделителей "ТОШ НЕ ТОН"
1.6.2. Методы принятия решения Т/НТ на основе
частоты пересечений нуля сигналом
1.6.3. Методы принятия решения Т/НТ на основе энергетического критерия
1.6.4. Методы принятия решения Т/НТ на основе
линейного предсказания речи
1.6.5. Методы принятия решения Т/НТ по оценке
общей периодичности речевого сигнала
1.6.6. Методы принятия решения Т/НТ по изменению периодичности, получаемой при выделении ОТ
1.6.7. Методы принятия решения Т/НТ
на основе теории статистических решений
1.6.8. Принятие решения Т/НТ на основе многомерного анализа
1.7. Сравнение методов выделения основного тона
1.8. Выводы
1.9. Постановка задачи 38 ГЛАВА 2. ФОРМИРОВАНИЕ ПРИЗНАКА ТОН/НЕ ТОН СИНХРОННО
С ОСНОВНЫМ ТОНОМ
2.1. Методика исследования признаков классификации
2.2. Классификация речи по нормированному коэффициенту корреляции с единичной задержкой
2.2.1 Выбор параметров добавляемого шума
2.3 Классификация речи по энергии в полосе частот
2.3.1. Оценка частоты среза ФНЧ при формировании
функции энергии речевого сигнала в полосе частот
2.4 Классификация речи по частоте пересечения
нулевого уровня
2.5. Формирование обобщенного признака Т/НТ
2.6. Окончательное формирование признака Т/НТ
2.7 Скорость формирования обобщенного признака Т/НТ
2.8 Выводы 82 ГЛАВА 3. ВЫДЕЛИТЕЛЬ ОСНОВНОГО ТОНА ПО СЬ-МЕТОДУ
3.1 Предварительная обработка входного сигнала
3.1.1. Оценка частоты среза ФНЧ
3.2 ОЬ-метод
3.3 Настройка выделителя основного тона включая вЗ-метод
и алгоритм принятия решения Т/НТ
3.4 Быстродействие выделителя основного тона по йЬ-методу
3.5 Выводы 109 ГЛАВА 4. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ВЫДЕЛИТЕЛЕЙ ОСНОВНОГО
ТОНА. ВНЕДРЕНИЕ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ
4.1 Типовые выделители основного тона
4.2 Визуальное сравнение методов выделения ОТ
4.3 Влияние сглаживания на форму контура ОТ
4.4 Попарное сравнение выделителей основного тона
4.5 Сравнение выделителей основного тона по ресинтезированной речи
4.6 Некоторые применения предложенных алгоритмов обработки сигналов
4.6.1 Компрессия речи
4.6.2 Обеспечение устойчивости ковариационного метода линейного предсказания
4.6.3 Информационно-измерительная система анализа и обработки акустических сигналов
4.7 Выводы ЗАКЛЮЧЕНИЕ СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ Акты об использовании результатов диссертационной работы

Считается, что гласные обладают большей асимметрией, чем согласные. Но этот алгоритм не обеспечивает надежного принятия решения Т/НТ [30].
Оценить соответствие какого-либо процесса гауссовскому процессу можно путем вычисления одномерной функции распределения процесса и последующей ее проверки на соответствие гауссовскому закону.
Для проверки на соответствие гауссовскому закону можно использовать критерий у2. Величина ошибки классификации данным методом составляет
23,8 % [30].
О соответствии сигнала невокализованных звуков гауссовскому закону распределения можно говорить лить приближенно, поскольку шум невокализованных согласных окрашен. Необходимо также учитывать отклонения от гауссовского закона распределения, вызываемые линейными и нелинейными искажениями в тракте передачи и обработки. Отклонения сигнала невокализованных согласных от гауссовского закона распределения приводят к появлению корреляции между отсчетами сигнала [40].
1.6.8. Принятие решения Т/НТ на основе многомерного анализа
Повысить надежность принятия решения Т/НТ можно путем увеличения количества признаков, по которым принимают решение. Повышение надежности возможно в том случае, когда признаки независимы или, по крайней мере, слабо коррелированны относительно ошибок принятия решения Т/НТ. Если решение Т/НТ принимают в многомерном пространстве признаков, то процедура принятия решения существенно усложняется, отсутствует наглядность представления распределений признаков, необходимо увеличение обучающей выборки [14], [48]. Для упрощения этой процедуры можно использовать методы теории распознавания образов. Выбранная система признаков должна в совокупности обеспечить необходимую надежность принятия решения при минимальной стоимости принятия решения.