Открытый доступ
Только для подписчиков
Адаптивный метод измерения частоты основного тона с использованием двухуровневой авторегрессионной модели речевого сигнала
https://doi.org/10.32446/0368-1025it.2022-6-60-66
Аннотация
Рассмотрена задача определения частоты основного тона речевого сигнала в условиях действия белого гауссова шума. Предложен метод измерений данной частоты, который учитывает периодическую структуру спектра мощности вокализованных фреймов речи и основан на принципе накопления энергии гармоник в частотной области. Для этого в алгоритм обработки речевого сигнала введена процедура выравнивания огибающей спектра мощности с использованием двухуровневой авторегрессионной модели наблюдений: в пределах одного периода основного тона и в интервале нескольких таких периодов. При этом предусмотрена адаптация порядка авторегрессии нижнего уровня под наблюдаемый фрейм. Рассмотрен пример практической реализации адаптивного метода на базе метода Берга. Основные достоинства адаптивного метода по сравнению с известными аналогами – высокое быстродействие и повышенная помехоустойчивость – подтверждены результатами проведённого натурного эксперимента. В результате применения адаптивного метода получен выигрыш в пороговых сигналах 5–10 дБ.
Об авторах
А. В. Савченко
Национальный исследовательский университет «Высшая школа экономики»
Россия
Россия
Андрей Владимирович Савченко
Нижний Новгород
В. В. Савченко
Нижегородский государственный лингвистический университет
Россия
Россия
Владимир Васильевич Савченко
Нижний Новгород
Список литературы
1. Rabiner L. R., Shafer R. W., Theory and Applications of Digital Speech Processing, Boston, Pearson, 2010, 1060 p.
2. Schenkman B. N., Gidla V.K., Applied Acoustics, 2020, vol. 163, 107214. https://doi.org/10.1016/j.apacoust.2020.107214
3. Souza G. V., Duarte J. M., Viegas F. et al, Journal of Voice, 2020, vol. 34, no. 4, pp. 641–648. https://doi.org/10.1016/j.jvoice.2018.12.007
4. Smith S. R., The Journal of the Acoustical Society of America, 2021, vol. 150, A113. https://doi.org/10.1121/10.0007806
5. Савченко А. В., Савченко В. В. Метод измерения частоты основного тона речевого сигнала для систем акустического анализа речи // Измерительная техника. 2019. № 3. С. 59–63. https://doi.org/10.32446/0368-1025it.2019-3-59-63 [Savchenko А. V., Savchenko V. V., Measurement Techniques, 2019, vol. 62, no. 3, рр. 282–288. https://doi.org/10.1007/s11018-019-01617-x].
6. Yadav I. C., Shahnawazuddin S., Pradhan G., Digital Signal Processing, 2019, vol. 86, pp. 55–64. https://doi.org/10.1016/j.dsp.2018.12.013
7. Savchenko V. V., Radioelectron. Commun. Syst., 2020, vol. 63, pp. 532–542. https://doi.org/10.3103/S0735272720100039
8. Gibson J. D., Information, 2016, vol. 32, no. 7. https://doi.org/10.3390/info7020032
9. Gu Yu., Wei H. L., Information Sciences, 2018, vol. 451–452, pp. 195–209. https://doi.org/10.1016/j.ins.2018.04.007
10. Cui S., Li E., Kang X., IEEE International Conference on Multimedia and Expo (ICME), London, United Kingdom, 2020, pp. 1–6. https://doi.org/10.1109/ICME46284.2020.9102765
11. Savchenko V. V., Savchenko A. V., Journal of Communications Technology and Electronics, 2020, vol. 65, no. 11, pp. 1311–1317. https://doi.org/10.1134/S1064226920110157
12. Savchenko V. V., Savchenko А. V., Radioelectron. Commun. Syst., 2019, vol. 62, no. 5, pp. 276–286. https://doi.org/10.3103/S0735272719050042
13. Savchenko V. V., Radioelectron. Commun. Syst., 2021, vol. 64, no. 11, pp. 592–603. https://doi.org/10.3103/S0735272721110030
14. Kashani H. B., Sayadiyan A., Computer Speech & Language, 2018, vol. 50, pp. 105–125. https://doi.org/10.1016/j.csl.2017.12.008
15. Gibson J., Information, 2019, vol. 179, no. 10. https://doi.org/10.3390/info10050179
16. Markel J. D., Gray A. H., Fundamental Frequency Estimation. In: Linear Prediction of Speech. Communication and Cybernetics, Springer, Berlin, Heidelberg, 1976, vol. 12. https://doi.org/10.1007/978-3-642-66286-7_8
17. Esfandiari M., Vorobyov S. A., Karimi M., Signal Processing, 2020, vol. 171, 107480. https://doi.org/10.1016/j.sigpro.2020.107480
18. Jaramillo A. E., Nielsen J. K., Christensen M. G., 27th European Signal Processing Conference (EUSIPCO), 2019, pp. 1–5. https://doi.org/10.23919/EUSIPCO.2019.8902763
19. Palaparthi A., Titze I. R., Speech Communication, 2020, vol. 123, pp. 98–108. https://doi.org/10.1016/j.specom.2020.07.003
20. Ширман Я. Д. и др. Радиоэлектронные системы. Осно- вы построения и теория: Справочник. Под ред. Я. Д. Ширмана. Изд. 2-е, перераб. и доп. М.: Радиотехника, 2007. 657 c. [Radioelektronnye sistemy. Osnovy postroeniya i teoriya. Spravochnik, Ed. Ya. D. Shirman, 2nd ed., Moscow, Radiotekhnika Publ., 2007, 657 c.].
21. Sinha R., Shahnawazuddin S., Computer Speech & Language, 2018, vol. 48, pp. 103–121. https://doi.org/10.1016/j.csl.2017.10.007
22. Oppenheim A. V., Schafer R. W., IEEE Signal Processing Magazine, 2004, vol. 21, no. 5, pp. 95–106. https://doi.org/10.1109/MSP.2004.1328092
23. Parlak C., Altun Yu., Mathematical Problems in Engineering, 2021, vol. 2021, 6658951. https://doi.org/10.1155/2021/6658951
24. Marple S. L., Digital spectral analysis with applications, 2nd ed., Mineola, New York, Dover Publications, 2019.
25. Levkov D. G., Panin A. G., Tkachev I. I., arXiv:2010.15145v4 [astro-ph.HE], 2021. https://arxiv.org/abs/2010.15145
26. Савченко Л. В., Савченко А. В. Метод измерений показателя динамики эмоционального состояния пользователя по его речевому сигналу в режиме реального времени // Измерительная техника. 2021. № 4. С. 72–79. https://doi.org/10.32446/0368-1025it.2021-4-49-57 [Savchenko L. V., Savchenko A. V., Measurement Techniques, 2021, vol. 64, no. 12. https://doi.org/10.1007/s11018-021-01935-z].
27. Deng B., Jouvet D., Laprie Y., Steiner I. and Sini A., IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2017, pp. 5605–5609. https://doi.org/10.1109/ICASSP.2017.7953229
28. Akçay M. B., Oğuz K., Speech Communication, 2020, vol. 116, pp. 56–76. https://doi.org/10.1016/j.specom.2019.12.001
Рецензия
При поддержке: Исследование выполнено при финансовой поддержке Российского научного фонда (проект № 20-71-10010).
Для цитирования:
Савченко А.В., Савченко В.В. Адаптивный метод измерения частоты основного тона с использованием двухуровневой авторегрессионной модели речевого сигнала. Измерительная техника. 2022;(6):60-66. https://doi.org/10.32446/0368-1025it.2022-6-60-66
For citation:
Savchenko A.V., Savchenko V.V. An adaptive method for measuring the pitch frequency using a two-level autoregressive of a speech signal. Izmeritel`naya Tekhnika. 2022;(6):60-66. (In Russ.) https://doi.org/10.32446/0368-1025it.2022-6-60-66
Просмотров: 26
Послать статью по эл. почте 