Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Методы обработки речевых сигналов в задаче распознавания
Содержание
- 1. Методы обработки речевых сигналов в задаче распознавания
- 2. Содержание Теория сэмплирования Линейные фильтры
- 3. Речевой сигналwav-файл, 8000Hz, 16 bit (106 kbyte)Представление речевого сигнала во временной областиTime
- 4. Теория сэмплированияПеред дискретизацией сигнал необходимо отфильтровать. Теоретически,
- 5. Линейные фильтрыФильтры с конечной импульсной характеристикой Yn
- 6. Линейные фильтрыФильтры с конечной импульсной характеристикой Импульсная
- 7. Линейные фильтрыФильтры с конечной импульсной характеристикой Импульсная
- 8. Линейные фильтрыФильтры с бесконечной импульсной характеристикой Фильтры
- 9. Линейные фильтрыАнализ банка фильтров - частота в
- 10. Кратковременный анализ ФурьеДискретное преобразование Фурье (ДПФ) Где
- 11. Кратковременный анализ ФурьеСвойства ДПФ Линейность Временной сдвиг Частотный сдвиг Свертка
- 12. Применение оконПрямоугольное окноОкно ХэммингаВид окна во временной
- 13. Применение оконНаиболее часто используемые окна Прямоугольное
- 14. Применение оконДанное окружение подходит в большинстве задач
- 15. Кодирование речи Речь может быть закодирована
- 16. Кодирование речи Кодировщики подобластей Использует неравномерную
- 17. Кодирование речи Вокодеры линейного предсказания Для
- 18. Спасибо за внимание
- 19. Скачать презентанцию
Содержание Теория сэмплирования Линейные фильтры Анализ кратковременного преобразования Фурье Применение окон Кодирование речи
Слайды и текст этой презентации
Слайд 1Лекция 14.
Методы обработки речевых сигналов в задаче распознавания
Докладчик Симончик К.
Группа 0382
Слайд 3Речевой сигнал
wav-файл, 8000Hz, 16 bit (106 kbyte)
Представление речевого сигнала во
временной области
Time
Слайд 4Теория сэмплирования
Перед дискретизацией сигнал необходимо отфильтровать. Теоретически, максимальная воспроизводимая частота
является половиной частоты дискретизации
Частота дискретизации
Разрешение дискретизации
В телефонии
использована частота дискретизации 8 кГц. 16 кГц обычно считается достаточным для распознавания и синтеза речи. Нормальное качество достигается при 16 битах из которых 12 – значащие
Слайд 5Линейные фильтры
Фильтры с конечной импульсной характеристикой
Yn = b0 xn
+ b1 xn-1 + b2 xn-2 + ... + bq
xn-qФильтр с конечной импульсной характеристикой (КИХ) вычисляет выходное значение y(n), как взвешенную сумму текущего входного значения и предыдущих входных значений.
Блок-схема КИХ-фильтра
Передаточная характеристика КИХ-фильтра
Слайд 6Линейные фильтры
Фильтры с конечной импульсной характеристикой
Импульсная характеристика фильтра нижних
частот
Амплитудно-частотная характеристика фильтра нижних частот
Сигнал после НЧ фильтрации
Слайд 7Линейные фильтры
Фильтры с конечной импульсной характеристикой
Импульсная характеристика фильтра высоких
частот
Амплитудно-частотная характеристика фильтра высоких частот
Сигнал после ВЧ фильтрации
Слайд 8Линейные фильтры
Фильтры с бесконечной импульсной характеристикой
Фильтры с бесконечной импульсной
характеристикой (БИХ) производят выходное воздействие, y(n), как взвешенную сумму текущего
и предыдущих входных воздействий, x(n), и предыдущих выходных воздействий.Обычные типы фильтров
Блок-схема БИХ-фильтра
Слайд 9Линейные фильтры
Анализ банка фильтров
- частота в спектре, Гц, а
- частота в новом пространстве, mel
Информативность различных частей линейного
спектра неодинакова: в низкочастотной области содержится больше информации чем в высокочастотной. Поэтому для предотвращения излишнего расходования ресурсов, необходимо уменьшать число элементов, получающих информацию с высокочастотной области, или, что то же самое, сжать высокочастотную область спектра в пространстве частот. Наиболее распространенный метод – логарифмическое сжатие или приведение к mel шкале:Mel-шкала
Банк фильтров
Слайд 10Кратковременный анализ Фурье
Дискретное преобразование Фурье (ДПФ)
Где θ = 2
π f T = 2 π f / fs ,T
– период дискретизации, fs – частота дискретизации.Обратное преобразование Фурье
Сигнал звука «а» в t-области
Сигнал звука «а» в частотной области
Слайд 12Применение окон
Прямоугольное окно
Окно Хэмминга
Вид окна
во временной области
Сигнал после
наложения окна
Спектр
сигнала
Умножение сигнала на функцию окна во временной области равносильно свертке
сигнала в частотной области 
Слайд 13Применение окон
Наиболее часто используемые окна
Прямоугольное
Треугольное
Хэмминга
Блэкмана
Блэкмана-Харриса
Ханна
Чебышева
ГауссаКайзера
Слайд 14Применение окон
Данное окружение подходит в большинстве задач фильтрации, где фильтр
может зависеть от времени и анализируемого сигнала
Метод перекрывания и
добавления в линейной фильтрации Метод перекрывания и добавления во временной области
Слайд 15Кодирование речи
Речь может быть закодирована на многих
уровнях
Низкий Bit-rates достигается путем наложения больших ограничений на
механизм получения речи.Качество уменьшается с уменьшением bit-rate
Waveform кодеры
Импульсная кодовая модуляция (PCM)
Требуется, чтобы частота дискретизации, fs, была больше частоты Найквиста (в два раза большая, чем максимальная частота сигнала)
Дифференцированная импульсная кодовая модуляция (DPCM)
Предсказывает следующий отсчет, основываясь на нескольких отсчетах, декодированных последними
Минимизирует среднеквадратичную ошибку остатка предсказания – использует LP-кодирование.
Адаптивная дифференцированная импульсная кодовая модуляция (АDPCM)
Адаптируется предсказатель
Предшествующая адаптация: новые значения предсказания уточняются из входных данных
Последующая адаптация: используются значения предсказателя, вычисленные из недавно декодированного сигнала
wav-файл (106kbyte)
vox-файл (26kbyte)
Слайд 16Кодирование речи
Кодировщики подобластей
Использует неравномерную частотную чувствительность
слуховой системы.
Каждая подобласть кодируется со свойственной ей разрешением
– например 4 бита на отсчет в низкочастотной подобласти и 2 бита на отсчет в высокочастотной подобласти.Также может использоваться слуховое маскирование – используется меньше бит если соседняя подобласть намного громче.
Основа для стандарта MPEG-audio (сжатие 5:1 с CD качеством звука без заметной деградации).
Пример: MP3 32, 64, 128, 256, 320 kbit/sec
Слайд 17Кодирование речи
Вокодеры линейного предсказания
Для каждого фрейма
необходимо закодировать:
- Представление LP-фильтра
- Мощность
- Затухание голоса
- Высоту (если есть
голос)Большинство битов идет на LP-параметры
Обычно используют «LP-коэффициенты» или «Линейные спектральные пары» для представления LP-параметров:
CELP кодеры
Основан на базисном LP-кодере
Применяется долговременный предсказатель для устранения избытка повторяемости
Кодирование требует намного больших вычислительных затрат чем декодирование (нужен поиск в codebook).
Результирующий bit-rate около 4 kbps.
Кодеры, возбуждаемые кодами линейного предсказания (Code Excite Linear Prediction)
G.729 (8 kbit/sec)
ICELP (4.8 kbit/sec)
MMBE (2.4 kbit/sec)
LBRAMR (1.2 kbit/sec)
