Обнаружение пауз в речевых сигналах

Обработка речевой информации является на сегодняшний момент достаточно актуальной задачей и находит применение в различных сферах инженерной деятельности [1,2]. В данной статье, хотелось бы рассмотреть тему обнаружения пауз в речевых сигналах.

Длительность пауз в речи колеблется в широких пределах и может доходить до 3 с и более, имеет случайный характер. Но все же вероятность появления пауз длительностью свыше 2 с мала. Как правило, паузы разделяют на короткие (примерно до 40 мс) между элементами речи (например, на смычных звуках) и более длинные, обусловленные смысловым содержанием речи и ее ритмической структурой [4]. До сих пор в системах сжатия речевой информации и системах связи практический интерес представляло статистическое распределение вторых.

Однако, если проанализировать общую статистику для пауз, то наибольшей плотность вероятности распределения (ПВР) пауз по длительности оказывается в интервале 5…50 мс и вне этого интервала быстро убывает [3]. речь детектор акустический Очевидно, интерес только к длинным паузам был вызван подходом к реализации устройств, их обнаруживающих. Реализация существующих алгоритмов обнаружения пауз базируется на предположении, что речь — нестационарный сигнал, форма спектра речи изменяется обычно через короткие отрезки времени (около 20−30 мс). Фоновый шум считают стационарным на более длинном отрезке времени. Уровень фонового шума находится ниже уровня речевого сигнала [5]. Речь обычно делят на отрезки длительностью 16−32 мс, и анализируют уровень энергии сигнала на каждом интервале, а также количество переходов сигнала через ноль. В том случае, когда временной интервал определяется обнаружителем как пауза, перед окончательным принятием решения, что сигнал отсутствует, системе необходимо последовательно продетектировать ещё несколько фреймов (в системе GSM 5−6). Таким образом, существующие на сегодняшний день способы определения активности речи позволяют выявить паузы, длительность которых значительно превышает 40 мс.

Для проведения эксперимента была выбрана тестовая фраза: «Продолжение отладки устройства». На рис. 1 представлена осциллограмма данной фразы и результаты обработки отрезка речи для указанной выше фразы одним из существующих детекторов активности речи, осуществляющих разделение на активные участки речи и паузы посредством разделения входного акустического сигнала на интервалы по 20 мс и сравнения кратковременной энергии каждого окна с предварительно вычисленным пороговым значением [6,7]. Разделение на активные участки речи и паузы начинается при длине пауз больше 60 мс, первые 40 мс паузы детектируются как речь.

Рис. 1. Осциллограмма тестовой фразы и результаты обработки речевого сигнала одним из существующих детекторов активности речи

Таким образом, обнаружение коротких пауз и установление более точных границ для длинных пауз становятся важными задачами, решению которых и посвящена данная работа.

В настоящей работе предложен обнаружитель пауз в речевых сигналах, который обеспечивает «существенное повышение вероятности правильного разделения речевых сигналов на периоды активной речи и паузы» [10].

Структурная схема предлагаемого детектора изображена на рис. 2.

Рис. 2. Структурная схема предлагаемого детектора активности речи

Принцип работы предлагаемого детектора подробно описан в [8−10].

На рис. 3а представлена осциллограмма данной фразы и результаты обработки речевого сигнала для указанной последовательности слов.

Общее время записи сигнала — 5 с, а суммарное время активной речи составило 2,21 с (44,2%). Правильное детектирование активных участков речи и пауз начинается при отношении сигнал-шум 7−10 дБ.

На рис. 3б показано определение пауз в начале слова «отладки». Пауза между звуками «о» и «т» 60 мс. Пауза между звуками «т» и «л» 6 мс.

а) б).

Рис. 3. Осциллограмма тестовой фразы и сигнала с выхода обнаружителя (а), определение пауз в начале слова «отладки» (б)

Был проведен эксперимент, где в интервалы, в которых находились паузы, записывался комфортный шум, параметры которого соответствовали параметрам шума, присутствовавшего в исходной записи. Качество полученного речевого сигнала практически не отличалось от исходного. Слова были хорошо различимы, речь легко воспринималась на слух.

Таким образом, в заключении можно сделать вывод, что разработан новый способ обнаружения пауз в речи, который позволяет существенно повысить точность разделения на активные участки речи и паузы. При этом качество восстанавливаемой речи остается практически на том же уровне.

• 1. Астапов К. А. Применение вейвлет-преобразования для сокращения области значения искусственных нейронных сетей на примере задачи распознавания речи [Электронный ресурс] // «Инженерный вестник Дона», 2009, № 1. — Режим доступа: http://www.ivdon.ru/magazine/archive/n1y2009/105 (доступ свободный) — Загл. с экрана. — Яз. рус.
• 2. Марьев А. А. Метод интерпретации результатов измерений параметров речевого сигнала в задачах диагностики психоэмоционального состояния человека по его речи [Электронный ресурс] // «Инженерный вестник Дона», 2011, № 4. — Режим доступа: http://www.ivdon.ru/magazine/archive/n4y2011/538 (доступ свободный) — Загл. с экрана. — Яз. рус.
• 3. Вахитов Ш. Я. Акустика: Учебник для вузов [Текст] / Ш. Я. Вахитов., Ю. А. Ковалгин, А. А. Фадеев, Ю. П. Щевьев; Под ред. профессора Ю. А. Ковалгина. — М.: Горячая линия-Телеком, 2009. — 660 с.: ил.
• 4. Михайлов В. Г. Измерение параметров речи [Текст] / В. Г. Михайлов, Л. В. Златоустова; Под ред. М. А. Сапожкова. — М.: Радио и связь, 1987. — 168 с.: ил.
• 5. Шелухин О. И., Лукьянцев Н. Ф. Цифровая обработка и передача речи [Текст] / Под ред. О. И. Шелухина. — М.: Радио и связь, 2000. — 456 с.
• 6. Sohn J. A voice activity detector employing soft decision based noise spectrum adaptation [Текст] / J. Sohn and W. Sung // Proceedings of the IEEE International Conference on Acoustics, Speech, and Signal Processing / Seattle, WA, 1998. — Vol. 1. — pp. 365−368.
• 7. Kondoz A.M. Digital Speech. Coding for Low Bit Rate Communication Systems. [Текст] - John Wiley & Sons, Ltd. 2004. — 442 p.
• 8. Пат. 2 436 173 Российская Федерация, МПК G10L 15/00, G10L 11/02, Способ обнаружения пауз в речевых сигналах и устройство его реализующее [Текст] / Витязев В. В., Розов В. И., Волченков В. А.; заявитель и патентообладатель Рязанский государственный радиотехнический университет. — № 2 010 124 342/08, заяв. 15.06.10; опубл. 10.12.11, Бюл. 34.
• 9. Волченков В. А. Методы и алгоритмы детектирования активности речи [Текст] / Волченков В. А., Витязев В. В. // Цифровая обработка сигналов. 2013. № 1. С. 54−60.
• 10. Волченков В. А. Детектор активности речи [Текст] / Волченков В. А., Витязев В. В. // Труды РНТОРЭС им. А. С. Попова. Серия: Цифровая обработка сигналов и её применение. Выпуск: XIII — 2. / Москва: РНТОРЭС им. А. С. Попова, 2011. С. 256 — 258.