Основы параметрического кодирования речи

При кодировании формы сигнала практически не учитываются свойства артикуляционного аппарата человека и особенности его слухового восприятия. В то же время именно здесь заключен значительный ресурс избыточности речевого сигнала (РС). На использовании этого ресурса избыточности основывается широко распространенное параметрическое представление речевого сигнала. Параметрическое представление РС основывается в первую очередь на данных о механизмах речеобразования, т.е. используется своего рода модель голосового тракта, что привело к разработке систем типа анализ-синтез, получившим название вокодерных систем или вокодеров (сокращение от voice coder).

Можно сказать, что когда человек говорит, он производит спектраль­но-временную модуляцию широкополосного сигнала, генерируемого голосо­выми складками и представляющего своего рода несущую. Полезная инфор­мация в этой несущей есть только в интонации (изменении частоты основно­го тона) и в смене вида спектра с тонального на шумовой и наоборот.

В русском языке 42 фонемы: 6 гласных звуков, остальные - согласные. Чтобы закодировать их номера нужно 6 бит. Человек произносит в секунду около 10 звуков. То есть от центральной нервной системы к речевому аппа­рату сигналы управления передаются со скоростью

10[log₂42] = 60 БИТ/c

Линейная модель речеобразования представляет речь как систему, со­стоящую из генератора сигнала возбуждения (генераторная функция) и ли­нейной системы с медленно изменяющимися параметрами (фильтровой функции), которая им возбуждается.

Описание первого вокодера было опубликова­но Г. Дадли более 60 лет назад. Восстановленная речь была достаточно раз­борчивой, но звучала ненатурально.

Вокодеры можно разделить на два класса:

· речеэлементные;

· параметрические.

В первых при передаче распознаются произнесенные элементы речи (например, фонемы) и передаются только их номера. На приеме эти элемен­ты создаются по правилам речеобразования или берутся из памяти устройст­ва. Область применения фонемных вокодеров - линии командной связи, ре­чевое управление и говорящие автоматы информационно-справочной служ­бы. В таких вокодерах происходит скорее автоматическое распознавание слуховых образов нежели определение параметров речи.

В параметрических вокодерах из речевого сигнала выделяют два типа параметров и по этим параметрам на приеме синтезируют речь:

- параметры, характеризующие огибающую спектра речевого сигнала (фильтровую функцию);

- параметры, характеризующие источник речевых колебаний (генера­торную функцию) - частота основного тона, ее изменение во времени, моменты появления и исчезновения основного тона, шумового сигнала.

По принципу определения параметров фильтровой функции речи различают вокодеры:

- полосные (канальные);

- формантные;

- ортогональные;

- липредеры (с линейным предсказанием речи).

В полосных вокодерах спектр речи делится на 7 - 20 полос (каналов) аналоговыми или цифровыми полосовыми фильтрами. Большее число каналов в вокодере дает большую натуральность и разборчивость. С каждого по­лосового фильтра сигнал поступает на детектор и фильтр низких частот с
частотой среза 25 Гц. Таким образом, сигналы на выходе каждого канала из­меняются с частотой менее 25 Гц. Их передача возможна в аналоговом или цифровом виде.

В формантных вокодерах огибающая спектра речи описывается ком­бинацией формант (резонансных частот голосового тракта). Основные пара­метры формант - центральная частота, амплитуда и ширина.

В ортогональных вокодерах огибающая мгновенного спектра раскла­дывается в ряд по выбранной системе ортогональных базисных функций. Вычисленные коэффициенты этого разложения передаются на приемную сторону. Распространение получили гармонические вокодеры, использую­щие разложение в ряд Фурье.

Дата добавления: 2013-12-13