| Περίληψη |
Η ποιότητα της φωνής είναι ένα σύνθετο χαρακτηριστικό, αλλά ένας σημαντικός παράγοντας προκύπτει από την ομαλότητα και τη διάρκεια τηης φάσης που οι φωνητικές χορδές παραμένουν κλειστές από κύκλο σε κύκλο. Ο προσδιορισμός του κλειστού αυτού διαστήματος απαιτεί την ακριβή ανίχνευση της στιγμής κλεισίματος (GCI) και της στιγμής ανοίγματος (GOI) της γλωττίδας. Στη βιβλιογραφία, πολλές μέθοδοι έχουν διεξαχθεί προς αυτή την κατεύθυνση που χρησιμοποιούν είτε το Ηλεκτρογλωττογραφικό (EGG) σήμα ή το σήμα φωνής. Η εργασία αυτή παρουσιάζει ένα αξιόπιστο αλγόριθμο για την ανίχνευση των γλωττιδικών στιγμών από το EGG σήμα και μια μελέτη σχετικά με την αλληλεπίδραση μεταξύ της Διαμόρφωσης του Πλάτους και της Συχνότητας του σήματος φωνής με τις γλωττιδικές φάσεις.
Ο προσδιορισμός των γλωττιδικών στιγμών είναι πολύ άμεσος χρησιμοποιώντας τα Ηλεκτρογλωττογραφικά σήματα. Η παράγωγος του EGG στο χρόνο προσφέρει έναν απλό τρόπο για τον εντοπισμό των σημαντικών στιγμών κατά τη διάρκεια της παραγωγής του λόγου: των στιγμών κλεισίματος και ανοίγματος της γλωττίδας. Στην παρούσα εργασία προτείνουμς μια εναλλακτική μέθοδο από την απλή παράγωγο, η οποία βασίζεται στις φασματικές μεθόδους. Οι φασματικοί μέθοδοι παρέχουν έναν καλαίσθητο τρόπο για τον υπολογισμό της πρώτης και μεγαλύτερων τέξςων παραγώγων για δεδομένα σχετικά με διακριτό χρόνο, με υψηλή ακρίβεια.
Επιπλέον, συστήνουμε έαν νέα τρόπο για την διαφόριση του EGG σήματος ως προς την εκτίμηση των κύριων γλωττιδικών στιγμών. Η κλίση του EGG σήματος προσεγγίζεται με μια μέθοδο που αναφέρεται ως "Slope Filtering". Αυτή η προσέγγιση δείχνει να είναι αξιόπιστη στην αποκάλυψη των κυρίων κορυφών του 'slope' φιλτραρισμένου EGG σήματος, ακόμη και σε περιπτώσεις όπου η ποιότητα των EGG καταγρφών δεν είναι καλή. Σε αντίθεση με την απλή παράγωγο του EGG σήματος, οι κορυφές μπορεί να διακρίνονται ξεκάρα κ να ορίζονται μοναδικά στο 'slope' φιλτραρισμένο σήμα. Η προτεινόμενη μέθοδος παρουσιάζει υψηλή ακρίβεια στα έμφωνα, συμπεριλαμβανομένων και των περιοχών της έμβασης (onset) και έκβασης (offset) των περιοχών αυτών.
Η παραγωγή γλωττιδικών φάσεων από το σήμα ομιλίας έχει ιδιαίτερο ενδιαφέρον, μιας και πρόκειται για μη επεμβατική μέθοδο. Μια νέα προσέγγιση προτείνεται, η οποία στηρίζεται στο σήμα ομιλίας και βασίζεται στο περίπου Αρμονικό μοντέλο (QHM). Ο προσαρμοστικός QHM αλγόριθμος παρέχει εκτιμήσεις των στιγμιαίων ΑΜ-FM συνιστωσών του σήματος ομιλίας. Τα στοιχεία που εξάγονται, τα οποία χρησιμοποιούνται για την ανακατασκευή του σήματος, συκγκρίνονται με τις γλωττιδικές φάσεις που παράγονται από το EGG σήμα. Η διαμόρφωση κατά πλάτος (ΑΜ) ακολουθεί ένα σταθερό πρότυπο για κάθε γλωττιδική φάση, ενώ η διαμόρφωση κατά συχνότητα (FM) δείχνει μικρές διαφοροποιήσεις απο ομιλητή σε ομιλητή.
|
Determining glottal closure and opening instants in speech
