Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

--- msz:rec [18. 06. 2012, 11.40:49] – [Cepstrum] typo pitel
+++ msz:rec [05. 09. 2026, 22.39:55] (aktuální) – odstraněno - upraveno mimo DokuWiki (Neznámé datum) 127.0.0.1
@@ Řádek 1: / Řádek 1: @@
-====== Analýza a předzpracování řeči, základní parametry řeči, cepstrum ======
-===== Analýza a předzpracování řeči =====
-==== Spektrální analýza ====
-**Spektrum** reprezentuje signál ve frekvenční oblasti.
-**Spektrální funkce** se dá vyjádřit pomocí [[wp>Fourier transform|Fourierovy transformace]]((<m>X(f) = int{-infty}{infty}{x(t)e^{-j2 pi ft}}</m>)), ovšem __nedá se spočítat__ (nekonečná, integrál, ...) a v praxi ji dokážeme pouze odhadnout pomocí [[wp>Discrete-time Fourier transform|Fourierovy transformace s diskrétním časem (DTFT)]]((<m>X(k) = sum{n=0}{N-1}{x[n]e^{-j2 pi {nk}/N}}</m>)).
-==== Preemfáze ====
-[[wp>Pre-emphasis]]
-Slouží k vyrovnání frekvenční charakteristiky, protože energie řeči ve vyšších frekvencích klesá.
-Implementujeme např. FIR filtrem.
-==== Rámce ====
-Řečový signál je "náhodný". Signál se ale lépe zpracovává když je periodický. Takže ho rozsekáme na krátké úseky (**rámce**) a předpokládáme že v nich periodický je.
-  * Délka by měla být co nejmenší, ale dostatečná pro odhad parametrů. Typicky 20--25 ms.
-  * Rámce se mírně překrývají. To proto, aby mezi nimi nedocházelo k prudkým změnám parametrů. Zpomaluje se tím ale zpracování signálu. Typický překryv je okolo 10 ms.
-===== Základní parametry řeči =====
-==== Energie ====
-  * Detektor řečové aktivity.
-  * Rozlíšení hlások na znělé((a, z, ...)) (velká energie) a neznělé((s, p, t, ...)).
-  * Selhává při zašuměné řeči, ve které zanikají nizkoenergetické hlásky.
-  * Počítá se jako průměr druhých mocnin intenzity.
-==== Průchody nulou ====
-  * Určuje, kolikokrát signál projde nulou.
-  * Tato detekce umožňuje rozlišit hlásky na znělé (málo průchodů) a neznělé (hodně průchodů).
-  * Také je extrémně citlivá na šum a posun stejnosměrné složky
-==== Korelační koeficienty ====
-Udávají podobnost signálu samého se sebou, pokud ho posuneme o //k// vzorků (signál vně rámce je nulový).
-<m>R(k) = sum{n=0}{N-1-k}{s(n)s(n+k)}</m>
-===== Cepstrum =====
-[[wp>Cepstrum]]
-Cepstrum slouží k oddělení buzení a modifikačního ústrojí (artikulační trakt) v řeči, protože buzení nemá žádný význam při rozpoznávaní řeči (je příliš závislé na rečníkovi). Problém je, že buzení je v konvoluci s impulzní odezvou filtru artikulačního traktu (v kmitočtové oblasti v součinu), a ani v jedné z oblastí sa nedají složky od sebe dobře oddělit. Potřebujeme nelinearitu, která převede součin na součet.
-  * Plíce – zdroj energie
-  * Hrtan – buzení (šum nebo periodický signál)
-  * Hlasový trakt (filtrace)
-signal → [FT → abs → square] → log → [FT → abs → square] → power cepstrum

Kalábovi

Uživatelské nástroje

Nástroje pro tento web

Rozdíly

Nástroje pro stránku