Главная Учебники - Разные Лекции (разные) - часть 45
УЧРЕЖДЕНИЕ ОБРАЗОВАНИЯ
“БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ”
кафедра Сетей и устройств телекоммуникаций
На тему:
«Пороги и методы фильтрации речевого сигнала в вейвлет области»
МИНСК, 2008
Жесткий порог фильтрации речевого сигнала.
Жесткий порог фильтрации устанавливается для каждого уровня вейвлет разложения. Данный порог реализуется следующим образом: - на i-м уровне разложения вычисляется уровень порога по формуле где В процентном соотношении данное выражение имеет вид где - поэлементное сравнение всех ненулевых элементов N-го уровня с заданным порогом Достоинства данного метода пороговой обработки: - самая маленькая вычислительная сложность из рассмотренных методов. Недостатки данного метода пороговой обработки: - возможность полной потери полезного сигнала при высоком уровне шума; - возможность потери полезного сигнала также и при малом уровне шума. Блок схема алгоритма фильтрации с жестким порогом представлена на рис. 1.
Рис. 1. Блок схема алгоритма фильтрации с жестким порогом На рис. 2 слева представлены графики двух уровней вейвлет-разложения речевого сигнала (первого и второго детализирующего уровня и второго аппроксимационного уровня), а справа – графики вейлет-коэффициентов после пороговой обработки. Гибкий порог фильтрации речевого сигнала.
При данном виде фильтрации для задания порога используется количественная оценка вейвлет-коэффициентов на каждом уровне разложения. Данный метод заключается в следующем: - на i-м уровне разложения вычисляется количество ненулевых вейвлет-коэффициентов - вычисляется количество где - устанавливается порядок обнуления вейвлет-коэффициентов: удаление элементов с минимальной или максимальной амплитудой. Достоинства данного метода пороговой обработки: - возможность достижения компромисса между качеством речевого сигнала и вычислительной сложностью; - гибкость фильтрации зашумленного речевого сигнала. Недостатки данного метода пороговой обработки: - невозможность точно определить границы сигнала и шума. Блок схема алгоритма фильтрации с гибким порогом представлена на рис. 3. Рис. 3. Блок схема алгоритма фильтрации с гибким порогом На рисунке 4 слева представлены графики двух уровней вейвлет-разложения речевого сигнала (первого и второго детализирующего уровня и второго аппроксимационного уровня), а справа – графики вейлет-коэффициентов после пороговой обработки. Статистический метод фильтрации речевого сигнала.
Предложен эффективный метод фильтрации речевого сигнала, использующий статистику распределения амплитуды вейвлет-коэффициентов на каждом i-м уровне разложения. Суть реализация метода заключается в следующем: - определение на i-м уровне вейвлет-коэффициента с одинаковой амплитудой (с или без учета знака) и максимальной частотой повторения; - обнуление данных коэффициентов на каждом i
-м уровне разложения; - повторение предыдущих шагов с учетом достижения требуемого коэффициента сжатия при сохранении приемлемого качества восстановленного речевого сигнала. Достоинства данного метода пороговой обработки: - улучшение коэффициента сжатия и качества восстановленного речевого сигнала; - наименьшая потеря полезного сигнала; - возможность эффективного устранения избыточности в частотной области; - эффективность фильтрации шумов, с большой длительностью. Недостатки данного метода пороговой обработки: - высокая вычислительная сложность. Блок схема алгоритма фильтрации статистическим методом представлена на рис. 5. Рис. 5. Блок схема алгоритма фильтрации статистическим методом На рис. 6 слева представлены графики двух уровней вейвлет-разложения речевого сигнала (первого и второго детализирующего уровня и второго аппроксимационного уровня), а справа – графики вейлет-коэффициентов после пороговой обработки. Оценка качества восстановленного речевого сигнала.
Оценка качества речевого сигнала является важной задачей. Отношение сигнал/шум (ОСШ
), являющееся одной из наиболее распространенных объективных мер для оценки качества фильтрации зашумленного речевого сигнала, задается выражением где s
(
n
)
и Данное ОСШ
является интегральной мерой качества восстановления речи. Более точной мерой, учитывающей присутствие в речевом сигнале низко амплитудных компонент, является сегментное ОСШ
(СЕГОСШ
), основанное на вычислении кратковременного ОСШ
для каждого N
-точечного сегмента речи где L
и N
– число сегментов и отсчетов в сегменте речевого сигнала соответственно; i
– номер сегмента речевого сигнала;M
=
LN
– число отсчетов речевого сигнала, состоящего из L
сегментов с N
отсчетами. Так как операция усреднения осуществляется после логарифмирования, то СЕГОСШ
более точно оценивает качество фильтрации нестационарного речевого сигнала. На рис. 7 представлен график зависимости ОСШ
сигнала и коэффициента сжатия при фильтрации речевого сигнала статистическим методом. Из рис. 7 видно что ОСШ
экспоненциально убывает с увеличением коэффициента сжатия. Например при коэффициенте сжатия 3 ОСШ
равно 3,2. Рис. 7. График зависимости ОСШ
сигнала и коэффициента сжатия при фильтрации речевого сигнала статистическим методом Обзор методов повышения качества и разборчивости зашумленных речевых сигналов показывает, что существует много различных подходов к обработке зашумленной речи. Такое разнообразие методов обусловлено как важностью проблемы так и отсутствием достаточно надежных методов ее решения. Объективное сравнение этих методов и выбор наиболее приемлемых сделать весьма затруднительно, так как перед системами коррекции речевых сигналов ставятся различные задачи. Например, можно в качестве главного критерия использовать повышение разборчивости речи, допуская при этом возможность искажений в тембре голоса или появление артефактов в виде структурированного шума. Можно поставить целью понижение утомляемости аудитора или сохранение натуральности голоса диктора, что достигается в основном за счет повышения качества речевого сигнала. Наконец, могут быть известны заранее важные априорные сведения, например тип или параметры шума, характеристики голоса диктора, наконец, гипотезы о произносимом тексте, что также может определяющим образом повлиять на выбор метода фильтрации. Важно отметить, что универсальных методов обработки, которые одинаково хорошо боролись бы с существенно нестационарными и стационарными, аддитивными и мультипликативными шумами, существенно повышали бы качество и одновременно разборчивость речи, сейчас нет, и возможно не будет. Как типичная (за редкими, указанными в обзоре исключениями, наблюдается обратная тенденция: если сравнивать системы обработки зашумленной речи по двум показателям - повышению качества звучания речевых сигналов и повышению разборчивости, то системы, повышающие качество и натуральность звучания, скорее всего снижают разборчивость и наоборот, повышение разборчивости приводит к понижению качества и натуральности звучания. Поэтому, многие из названных методов фильтрации нужно рассматривать как взаимодополняющие, и в идеальном случае нужно иметь библиотеку из нескольких методов фильтрации. Рассматривая последние тенденции в области обработки зашумленных сигналов, следует особенно выделить высокие результаты, полученные за счет использования математических моделей речевых сигналов, а также использование нейроподобных структур для фильтрации аддитивных стационарных шумов, хотя первые результаты в этом направлении проигрывают более традиционным методам типа минимальной среднеквадратической оценки. Литература
1. Шелухин О.И., Лукьянцев Н.Ф. Цифровая обработка и передача речи.- М.: Радио и связь, 2000. 2. Рабинер Л.Р., Шафер Р.В. Цифровая обработка речевых сигналов.-М.: Радио и связь, 20011. 3. Секунов Н.Ю. Обработка звука на PC.- СПб.: БХВ-Петербург, 2001. 4. Нейрокомпьютеры в системах обработки изображений. – М.: Радиотехника, 2003.
|