Analýza řečového signálu: Porovnání verzí

 
(Není zobrazeno 7 mezilehlých verzí od jednoho dalšího uživatele.)
Řádek 1: Řádek 1:
[[File:Hola voz masculina.jpg|thumb|Příklad oscilogramu.]]
+
[[File:Hola voz masculina.jpg|300px|thumb|Příklad oscilogramu.]]
  
 
== Oscilogram ==
 
== Oscilogram ==
Řádek 5: Řádek 5:
 
* skutečný obraz zvukového vlnění
 
* skutečný obraz zvukového vlnění
  
 +
== Převod analogového signálu na digitální ==
 +
 +
* postup má dvě části - '''vzorkování''' (provádí se na časové / vodorovné ose signálu) a '''kvantizaci''' (provádí se na amplitudové / svislé ose signálu)
 +
 +
=== Vzorkování ===
 +
 +
* '''vzorkovací frekvence''' (fs) udává, kolikrát za 1 sekundu provádíme měření
 +
* např. CD je vzorkováno na 44,1 kHz, řeč na 16 nebo 32 kHz
 +
* '''vzorkovací teorém''' - fs musí být vyšší než dvojnásobek nejvyšší frekvencní složky signálu
 +
: - na jednu periodu nejvyšší harmonické musejí připadnout alespoň dva vzorky
 +
: - pokud by to tak nebylo, některé vrcholy nebo propady by při vzorkování nebyly zohlednené = '''aliasování''' (zkreslování signálu)
 +
 +
=== Kvantizace ===
 +
 +
* počet (velikost) intervalů amplitudy - čím jsou intervaly menší, tím je měření přesnejší - je možné škálu rozdělit do více stupňů)
 +
* udává se v '''bitech'''
 +
** 8bitové rozlišení poskytuje 256 možných intervalů amplitudy, 16bitové až 65536 intervalů
  
 
== Spektrogram ==
 
== Spektrogram ==
Řádek 24: Řádek 41:
 
== Fouriérova transformace ==
 
== Fouriérova transformace ==
  
[[File:Voice waveform and spectrum.png|thumb|Převod časového zobrazení na frekvenční.]]
+
[[File:Voice waveform and spectrum.png|300px|thumb|Převod časového zobrazení na frekvenční.]]
  
 
* přepíná z oscilogramu na spektrogram (časové → frekvenční zobrazení)
 
* přepíná z oscilogramu na spektrogram (časové → frekvenční zobrazení)
 
  
 
=== Fouriérův teorém ===
 
=== Fouriérův teorém ===
Řádek 33: Řádek 49:
 
* každá periodická složka je rozložitelná na sinusovky, cosinusovky (tzn. složité vlny na jednodušší)
 
* každá periodická složka je rozložitelná na sinusovky, cosinusovky (tzn. složité vlny na jednodušší)
 
* problémy:
 
* problémy:
 +
 
: 1) řeč není periodická – řeší se replikací okna do nekonečna → trvání okna se stává periodou
 
: 1) řeč není periodická – řeší se replikací okna do nekonečna → trvání okna se stává periodou
 
: 2) v počítači je řeč binární (digitální), ne analogická → algoritmus DFT (diskrétní Fouriérova transformace) – analýza binárního signálu
 
: 2) v počítači je řeč binární (digitální), ne analogická → algoritmus DFT (diskrétní Fouriérova transformace) – analýza binárního signálu
Řádek 38: Řádek 55:
 
* výsledkem je '''amplitudové spektrum'''
 
* výsledkem je '''amplitudové spektrum'''
  
 +
* podstata – počítá se korelace mezi složenou vlnou a SIN / COS
 +
: - máme jednoduchou složenou vlnu a zajímá nás, jaký má vztah k SIN
 +
: - korelace se počítá tak, že se vynásobí hodnoty vln, které jsou přesně nad sebou a podle toho, jestli jsou na stejné nebo odlišné straně od nuly se jim dá buď plus, nebo mínus
 +
: → dostaneme, nakolik se ty vlny shodují (ta složená a ta SIN)
 +
: - počítá se vlastně čárové spektrum ve všech frekvencích, i různě fázově posunuté
 +
: - pomocí toho děláme z vlny spektrogram – ta korelace nám říká, jak silná (co do intenzity) je ta vlna v určité frekvenci → takové ty černé fleky ve spektrogramu v Praatu
 +
 +
* Fouriérovo spektrum není úplně přesné ← moc „kopečků“ → musí se vyhlazovat:
 +
* 1) '''metoda LPC''' (linear predictive coding) – lineární predikce
 +
: - statistická metoda
 +
: - říká, že n-tý vzorek x(n) je nějakou lineární kombinací vzorků předcházejících
 +
: - chceme najít křivku, která to spektrum co nejefektivněji proloží
 +
: - když chci najít funkci 10. řádu, LPC z toho udělá vlnu s 10 vrcholy a propady (to je jeden úsek, pak se to asi překlopí dolů a jede to jako SIN s víc vrcholkama)
 +
: - musím vědět, kolik formantů chci najít a do jaké frekvence a LPC si podle toho spočítá ten řád
 +
* 2) Fouriérova transormace od sebe oddělí jednotlivé složky vlny – udělá ze složené hodně jednoduchých – když na ty oddělené aplikujeme Fouriérovu transformaci ještě jednou, měla by oddělit jednotlivé složky spektra (a vrátit se zpět do časového zobrazení) – hlavní složky jsou '''filtr vokálního traktu''' a '''hlasivkový signál'''
 +
* → tak vznikne [[Analýza_řečového_signálu#Kepstrum|kepstrum]] (← spektrum) – oddělený filtr a hlasivkový signál → signál umažeme, zbyde filtr → znovu Fouriérovu tranformaci a vznikne už jen vyhlazené spektrum
 +
: - je to vlastně Fouriérova transformace logaritmu Fouriérovy transformace
  
 +
 +
=== Vlnková transformace ===
 +
 +
* nekoreluje se sinusovkami a cosinusovkami, ale s vlnkami
 +
* jsou různé druhy vlnek – různě vysoké a široké kopečky ve vlnce
 +
* vlnka je časově definovaná – když mám takhle dlouhé okno, program vezme stejně dlouhou vlnku
 +
* je to kombinace „krátkého“ a „dlouhého“ pohledu, je ve vývoji
 +
 +
 +
== Autokorelace ==
 +
 +
* základní algoritmus, který se používá i v Praatu
 +
* = '''korelace''' (porovnávání) '''vlny samy se sebou''', ale s nějakým fázovým posunem
 +
: - kdyby se neposouvala → maximální korelace, ale potřebujeme najít max. korelaci pro nenulový posun → základní perioda a základní frekvence F0
 +
* násobíme jednotlivé vzorky a pak sečteme (jako u Fouriéra)
 +
* dělá chyby – např. může za F0 prohlásit frekvenci dvojnásobnou nebo poloviční = oktávové skoky
 +
* silný první F může také narušit detekci
 +
 +
== Kepstrum ==
 +
 +
* metoda získání vyhlazeného spektra
 +
* časová reprezentace
 +
* většinou se vyjadřuje ve vzorcích
 +
* T0 = ten nejvyšší vrcholek někde uprostřed = '''základní perioda''' (udává se v ms)
 +
* levá část nějakým způsobem popisuje formanty, ale neví se, jak
 +
* jediným jasným výsledkem je právě perioda
 +
* původně navrženo pro získání F0 (až pak se zjistilo, že když F0 odfiltrujeme, získáme vyhlazené spektrum)
 +
* vymýšlejí se stále nové metody na získávání F0 – stále neexistuje spolehlivá metoda
  
 
== Reference ==
 
== Reference ==
 +
 
<references />
 
<references />
 
* Palková, Z. (1994): Fonetika a fonologie češtiny. Praha: Karolinum. (vybrané části)  
 
* Palková, Z. (1994): Fonetika a fonologie češtiny. Praha: Karolinum. (vybrané části)  
Řádek 47: Řádek 110:
 
* Stevens, K. N. (1998): Acoustic phonetics. Cambridge, Massachusetts: MIT Press. (vybrané části)  
 
* Stevens, K. N. (1998): Acoustic phonetics. Cambridge, Massachusetts: MIT Press. (vybrané části)  
 
* Harrington, J. - Cassidy, S. (1999): Techniques in speech acoustics. Dordrecht: Kluwer. (vybrané části)
 
* Harrington, J. - Cassidy, S. (1999): Techniques in speech acoustics. Dordrecht: Kluwer. (vybrané části)
 +
  
 
Zpět na rozcestník: [[Akustika|Akustika]] | [[Portál:Fonetika|Fonetika]]
 
Zpět na rozcestník: [[Akustika|Akustika]] | [[Portál:Fonetika|Fonetika]]
 +
[[Kategorie: Akustika|*]]
 +
[[Kategorie: Fonetika|*]]

Aktuální verze z 20. 1. 2015, 00:59

Příklad oscilogramu.

Oscilogram

  • skutečný obraz zvukového vlnění

Převod analogového signálu na digitální

  • postup má dvě části - vzorkování (provádí se na časové / vodorovné ose signálu) a kvantizaci (provádí se na amplitudové / svislé ose signálu)

Vzorkování

  • vzorkovací frekvence (fs) udává, kolikrát za 1 sekundu provádíme měření
  • např. CD je vzorkováno na 44,1 kHz, řeč na 16 nebo 32 kHz
  • vzorkovací teorém - fs musí být vyšší než dvojnásobek nejvyšší frekvencní složky signálu
- na jednu periodu nejvyšší harmonické musejí připadnout alespoň dva vzorky
- pokud by to tak nebylo, některé vrcholy nebo propady by při vzorkování nebyly zohlednené = aliasování (zkreslování signálu)

Kvantizace

  • počet (velikost) intervalů amplitudy - čím jsou intervaly menší, tím je měření přesnejší - je možné škálu rozdělit do více stupňů)
  • udává se v bitech
    • 8bitové rozlišení poskytuje 256 možných intervalů amplitudy, 16bitové až 65536 intervalů

Spektrogram

  • akustický korelát kvality zvuku
  • nezobrazuje úplně přesně
  • ← dá se nastavit – např. 100 Hz bude 0 a spektrogram jako šedou zobrazí např. jen všechno o 50 Hz nižší, ostatní je bílá
  • možnost úpravy dynamiky
  • spektrogram (i oscilogram, prostě analýza) počítá s tím, že zvuk je v nějakém okamžiku stacionární → počítá se průměr
  • okno = analyzuje se jen část signálu, zleva a zprava se ořízne → pak se počítají průměry okna
  • typy okénkových funkcí:
- obdélníkové okno – normálně vyřízlé zprava a zleva (→ může být problém s navazováním, pokud se musí replikovat)
- křivka – řeší ↑ problém – začíná jakoby na nule, pak stoupá a zase klesá k nule (takový cibulky za sebou) → lépe navazuje (nula na nulu)
- Hammingovo (a Hannovo) okno
- Gaussovo okno (používá se v Praatu)


Fouriérova transformace

Převod časového zobrazení na frekvenční.
  • přepíná z oscilogramu na spektrogram (časové → frekvenční zobrazení)

Fouriérův teorém

  • každá periodická složka je rozložitelná na sinusovky, cosinusovky (tzn. složité vlny na jednodušší)
  • problémy:
1) řeč není periodická – řeší se replikací okna do nekonečna → trvání okna se stává periodou
2) v počítači je řeč binární (digitální), ne analogická → algoritmus DFT (diskrétní Fouriérova transformace) – analýza binárního signálu
z počátku velice časově náročná → 1965? vynalezena FFT (fast Fouriér transform) – v okně je vždy počet vzorků odpovídající mocnině dvou → rychlejší
  • výsledkem je amplitudové spektrum
  • podstata – počítá se korelace mezi složenou vlnou a SIN / COS
- máme jednoduchou složenou vlnu a zajímá nás, jaký má vztah k SIN
- korelace se počítá tak, že se vynásobí hodnoty vln, které jsou přesně nad sebou a podle toho, jestli jsou na stejné nebo odlišné straně od nuly se jim dá buď plus, nebo mínus
→ dostaneme, nakolik se ty vlny shodují (ta složená a ta SIN)
- počítá se vlastně čárové spektrum ve všech frekvencích, i různě fázově posunuté
- pomocí toho děláme z vlny spektrogram – ta korelace nám říká, jak silná (co do intenzity) je ta vlna v určité frekvenci → takové ty černé fleky ve spektrogramu v Praatu
  • Fouriérovo spektrum není úplně přesné ← moc „kopečků“ → musí se vyhlazovat:
  • 1) metoda LPC (linear predictive coding) – lineární predikce
- statistická metoda
- říká, že n-tý vzorek x(n) je nějakou lineární kombinací vzorků předcházejících
- chceme najít křivku, která to spektrum co nejefektivněji proloží
- když chci najít funkci 10. řádu, LPC z toho udělá vlnu s 10 vrcholy a propady (to je jeden úsek, pak se to asi překlopí dolů a jede to jako SIN s víc vrcholkama)
- musím vědět, kolik formantů chci najít a do jaké frekvence a LPC si podle toho spočítá ten řád
  • 2) Fouriérova transormace od sebe oddělí jednotlivé složky vlny – udělá ze složené hodně jednoduchých – když na ty oddělené aplikujeme Fouriérovu transformaci ještě jednou, měla by oddělit jednotlivé složky spektra (a vrátit se zpět do časového zobrazení) – hlavní složky jsou filtr vokálního traktu a hlasivkový signál
  • → tak vznikne kepstrum (← spektrum) – oddělený filtr a hlasivkový signál → signál umažeme, zbyde filtr → znovu Fouriérovu tranformaci a vznikne už jen vyhlazené spektrum
- je to vlastně Fouriérova transformace logaritmu Fouriérovy transformace


Vlnková transformace

  • nekoreluje se sinusovkami a cosinusovkami, ale s vlnkami
  • jsou různé druhy vlnek – různě vysoké a široké kopečky ve vlnce
  • vlnka je časově definovaná – když mám takhle dlouhé okno, program vezme stejně dlouhou vlnku
  • je to kombinace „krátkého“ a „dlouhého“ pohledu, je ve vývoji


Autokorelace

  • základní algoritmus, který se používá i v Praatu
  • = korelace (porovnávání) vlny samy se sebou, ale s nějakým fázovým posunem
- kdyby se neposouvala → maximální korelace, ale potřebujeme najít max. korelaci pro nenulový posun → základní perioda a základní frekvence F0
  • násobíme jednotlivé vzorky a pak sečteme (jako u Fouriéra)
  • dělá chyby – např. může za F0 prohlásit frekvenci dvojnásobnou nebo poloviční = oktávové skoky
  • silný první F může také narušit detekci

Kepstrum

  • metoda získání vyhlazeného spektra
  • časová reprezentace
  • většinou se vyjadřuje ve vzorcích
  • T0 = ten nejvyšší vrcholek někde uprostřed = základní perioda (udává se v ms)
  • levá část nějakým způsobem popisuje formanty, ale neví se, jak
  • jediným jasným výsledkem je právě perioda
  • původně navrženo pro získání F0 (až pak se zjistilo, že když F0 odfiltrujeme, získáme vyhlazené spektrum)
  • vymýšlejí se stále nové metody na získávání F0 – stále neexistuje spolehlivá metoda

Reference

  • Palková, Z. (1994): Fonetika a fonologie češtiny. Praha: Karolinum. (vybrané části)
  • Kent, R. D. - Read, C. (1992): The acoustic analysis of speech. San Diego: Whurr Publishers.
  • Johnson, K. (2003): Acoustic and auditory phonetics. Oxford: Blackwell Publishing.
  • Stevens, K. N. (1998): Acoustic phonetics. Cambridge, Massachusetts: MIT Press. (vybrané části)
  • Harrington, J. - Cassidy, S. (1999): Techniques in speech acoustics. Dordrecht: Kluwer. (vybrané části)


Zpět na rozcestník: Akustika | Fonetika