сгенерировать QR код
Открытый доступ
Только для подписчиков
Совершенствование методики измерения показателя точности авторегрессионной модели речевого сигнала
https://doi.org/10.32446/0368-1025it.2022-10-58-63
Аннотация
Рассмотрена задача определения точности авторегрессионной модели речевого сигнала и предложен метод измерений показателя точности в режиме скользящего окна наблюдений. В качестве показателя точности использовано модифицированное значение COSH-расстояния (hyperbolic cosine – функции гиперболического косинуса) авторегрессионной модели относительно одноимённой (однофонемной) периодограммы Шустера в роли опорного спектрального образца. Для изучения возможностей предложенного метода поставлен и проведён натурный эксперимент, в котором объектом исследования служил набор авторегрессионных моделей разных порядков. Указанные модели получены методом Берга для гласных звуков речи контрольного диктора. По результатам выполненных измерений для каждого гласного звука найдены оптимальные значения порядка авторегрессии и соответствующая ему оптимальная авторегрессионная модель. Показано, что данная оптимизация позволила повысить точность авторегрессионной модели речевого сигнала более чем на 60 % в зависимости от звука речи контрольного диктора и особенностей его голосового тракта. Полученные результаты предназначены для использования в системах автоматической обработки и цифровой передачи речи с радикальным сжатием данных на основе коэффициентов линейного предсказания
Об авторе
В. В. Савченко
Национальный исследовательский университет «Высшая школа экономики»
Россия
Россия
Владимир Васильевич Савченко
Н. Новгород
Список литературы
1. Gibson J., Entropy, 2018, vol. 20, no. 10, 7502018. https://doi.org/10.3390/e20100750
2. Savchenko V. V., Radioelectronics and Communications Systems, 2021, vol. 64, no. 11, pp. 592–603. https://doi.org/10.3103/S0735272721110030
3. Савченко А. В., Савченко В. В. Адаптивный метод измерения частоты основного тона с использованием двухуровневой авторегрессионной модели речевого сигнала // Измерительная техника. 2022. № 6. С. 60–66. https://doi.org/10.32446/0368-1025it.2022-6-60-66 [Savchenko V. V., Savchenko A. V., An adaptive method for measuring the pitch frequency using a two-level autoregressive model of a speech signal, Izmeritel’naya tekhnika, 2022, no. 6, pp. 60–66. (In Russ.)].
4. Jaramillo 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
5. Савченко В. В. Исследование стационарности случайных временных рядов с использованием принципа минимума информационного рассогласования // Известия вузов. Радиофизика. 2017. Т. 60. № 1. С. 89–96. [Savchenko V. V., Radiophysics and Quantum Electronics, 2017, vol. 60, no. 1, pp. 89–96. https://doi.org/10.1007/s11141-017-9778-y].
6. 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
7. Ando Sh., The Journal of the Acoustical Society of America, 2019, vol. 146, no. 11, 2846. https://doi.org/10.1121/1.5136873
8. Savchenko V. V., Savchenko А. V., Radioelectronics and Communications Systems, 2019, vol. 62, no. 5, pp. 276–286. https://doi.org/10.3103/S0735272719050042
9. Ding J., Tarokh V., Yang Y., IEEE Transactions on Information Theory, 2018, vol. 64, no. 6, pp. 4024–4043. https://doi.org/10.1109/TIT.2017.2717599
10. Savchenko V. V., Radioelectronics and Communications Systems, 2020, vol. 63, pp. 532–542. https://doi.org/10.3103/S0735272720100039
11. Савченко В. В., Савченко Л. В. Метод измерений показателя разборчивости речевого сигнала в информационной метрике Кульбака-Лейблера // Измерительная техника. 2019. № 9. С. 59–64. https://doi.org/10.32446/0368-1025it.2019-9-59-64 [Savchenko V. V., Savchenko L. V., Measurement Techniques, 2019, vol. 62, no. 9, рр. 832–839. https://doi.org/10.1007/s11018-019-01702-1].
12. Tohyama M., Spectral envelope and source signature analysis, in: Acoustic Signals and Hearing, Academic Press, 2020, pp. 89–110. https://doi.org/10.1016/B978-0-12-816391-7.00013-9
13. Sun P., Mahdi A., Xu J., Qin J., Speech Communication, 2018, vol. 101, pp. 57–69. https://doi.org/10.1016/j.specom.2018.05.006
14. Савченко В. В., Савченко Л. В. Метод авторегрессионного моделирования речевого сигнала на основе его дискретного фурье-преобразования и масштабно-инвариантной меры информационного рассогласования // Радиотехника и электроника. 2021. Т. 66. № 11. С. 1100-1108. https://doi.org/10.31857/S0033849421110085 [Savchenko V. V., Savchenko L. V., Journal of Communications Technology and Electronics, 2021, vol. 66, no. 11, pp. 1266–1273. https://doi.org/10.1134/s1064226921110085].
15. Marple S. L., Digital spectral analysis with applications, 2nd ed., Mineola, New York, Dover Publications, 2019, 432 p.
16. Радиоэлектронные системы. Основы 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. (In Russ.)].
17. Benesty J., Chen J., Huang Y., Linear Prediction, in: Springer handbook of speech processing, Part B, N.Y., Springer, 2008, pp. 111–124. https://doi.org/10.1007/978-3-540-49127-9_7
18. Palaparthi A., Titze I. R., Speech Communication, 2020, vol. 123, pp. 98–108. https://doi.org/10.1016/j.specom.2020.07.003
19. Rabiner L. R., Shafer R. W., Theory and Applications of Digital Speech Processing, Boston, Pearson, 2010, 1060 p.
20. Savchenko A. V., Savchenko V. V., Savchenko L. V., Optimization Letters, 2021, no. 7. https://doi.org/10.1007/s11590-021-01790-5
21. Kumar S., Singh S. K., Bhattacharya S., International Journal of Speech Technology, 2015, vol. 18, pp. 521–527. https://doi.org/10.1007/s10772-015-9296-2
Рецензия
Для цитирования:
Савченко В.В. Совершенствование методики измерения показателя точности авторегрессионной модели речевого сигнала. Izmeritelʹnaya Tekhnika. 2022;(10):58-63. https://doi.org/10.32446/0368-1025it.2022-10-58-63
For citation:
Savchenko V.V. Improving the method for measuring the accuracy indicator of the speech signal autoregressive model. Izmeritel`naya Tekhnika. 2022;(10):58-63. (In Russ.) https://doi.org/10.32446/0368-1025it.2022-10-58-63
Просмотров:
92
Послать статью по эл. почте 