Análisis de la voz – Parametrización (página 2)

Donde sgn() es la función signo definida por:

Tasa de cruces por cero Indica la relación entre la energía a baja y alta frecuencia. Las señales sonoras dan un tasa menor que las señales sordas. Tasa de cruces por cero de “Hipotenusa” h i p o t e n u s a

Aplicaciones E, M y Tcc Entre las principales aplicaciones se encuentran: Clasificación de sonidos Sonoros/Sordos, etc…

Detector de actividad (VAD: Voice Activity Detector) Uso en codificación: Ej. GSM: para reducir interferencias y ahorrar batería. Uso en reconocimiento: Mayor eficiencia y evitar reconocimientos erróneos.

Detector de actividad: ¿E[m] ó M > Umbral? ¿Tcc[m] > Umbral? Voz Ruido Si Si No No

Autocorrelación Rm[k]: Autocorrelación

Propiedades: Es una función par Tiene un máximo en k=0, i.e.:

Para desplazamientos de k igual al periodo de la señal la autocorrelación tiene máximos locales La autocorrelación de una señal periódica es periódica

En una señal de voz: Los máximos locales de la autocorrelación corresponden con el pitch (frecuencia fundamental, f0) y los formantes del tracto vocal.

Estimación del Pitch A partir de la correlación Es el mayor máximo local de la autocorrelación (excluyendo el máximo global) Segmento Sonoro Segmento Sordo

Problema: No siempre el mayor máximo local corresponde con el pitch

Para facilitar su localización emplearemos una función de recorte

Esta función eliminará toda la señal de entrada que no sobrepase un determinado umbral

Función de recorte:

Autocorrelación de la señal recortada

AMDF, Average Magnitude Difference Function Estima del pitch empleando la Magnitud en vez de la correlación Menor complejidad y coste computacional En este caso en vez de buscar máximos se deben buscar mínimos

AMDF, Average Magnitude Difference Function

Análisis localizado en frecuencia Para realizar un análisis localizado en frecuencia basta con calcular la TF de un segmento de señal enventanado.

Espectrogramas También denominados Sonogramas Representan la evolución del espectro con el tiempo Estas variables son inversas Al ganar resolución en una de ellas, la perdemos en la otra

Tipos de espectrogramas: Banda ancha Banda estrecha

Banda ancha (poca resolución en frecuencia) Ventanas temporales cortas

Banda estrecha (poca resolución en el tiempo) Ventanas temporales largas

Análisis Homomórfico: Cepstrum Utilidad: Permite separar la señal de excitación de la respuesta del filtro del tracto vocal

Un segmento sonoro es la convolución entre: La señal de excitación glotal e[n] El filtro del tracto vocal h[n]

La convolución en el tiempo es una multiplicación en frecuencia

Aprovechando las propiedades de los logaritmos:

Si ahora regresamos al “tiempo”: Cepstrum (Gp:) s[n] (Gp:) FFT (Gp:) Log (Gp:) IFFT (Gp:) c[n]

El cepstrum puede ser real o complejo: Cepstrum complejo: tomamos logaritmos del espectro completo (con la fase desenrollada, unwrapped)

Cepstrum real: sólo aplicamos el logaritmo al módulo del espectro

El cepstrum complejo se puede deshacer, el real no al no contener información de fase

Para voz se suele emplear el cepstrum real