hrvatski

Mjere udaljenosti u obradi govornog signala

Objektivno određivanje sličnosti dvaju govornih signala vrlo je složen problem. Kako bi se pronašla matematička udaljenost koja približno odgovara subjektivnom dojmu ljudskog uha potrebno je pronaći i usporediti samo fonetski značajne parametre govora. Korištenje spektra govornog signala u mjerenju udaljenosti daje loše rezultate jer, osim fonetski značajne prijenosne funkcije vokalnog trakta, spektar uključuje i pobudni signal koji unosi neželjenu i fonetski beznačajnu informaciju. U svrhu odvajanja prijenosne funkcije vokalnog trakta od signala pobude učinkovitima su se pokazali all-pole modeliranje govora pomoću linearnog prediktivnog kodiranja te kepstralna reprezentacija govora. S obzirom na logaritamsku percepciju glasnoće zvuka kod ljudi, logično je i da se većina učinkovitih mjera udaljenosti temelji na razlikama kepstara ili logaritama spektara govornih signala. Neke od najčešće korištenih simetričnih mjera su udaljenosti logaritama spektara, kepstralna udaljenost i težinska kepstralna udaljenost. Druga porodica mjera udaljenosti temelji se na vjerodostojnosti i uključuje Itakura-Saito mjeru udaljenosti, COSH mjeru udaljenosti, Itakurinu mjeru udaljenosti te mjeru udaljenosti temeljenu na omjeru vjerodostojnosti.

govor; udaljenost; LPC; kepstar; Itakura

nije evidentirano