Zobrazení zdroje stránky Analýza řečového signálu

[[File:Hola voz masculina.jpg|300px|thumb|Příklad oscilogramu.]]

== Oscilogram ==

* skutečný obraz zvukového vlnění


== Převod analogového signálu na digitální ==

* postup má dvě části - '''vzorkování''' (provádí se na časové / vodorovné ose signálu) a '''kvantizaci''' (provádí se na amplitudové / svislé ose signálu)


=== Vzorkování ===

* '''vzorkovací frekvence''' (fs) udává, kolikrát za 1 sekundu provádíme měření
* např. CD je vzorkováno na 44,1 kHz, řeč na 16 nebo 32 kHz
* '''vzorkovací teorém''' - fs musí být vyšší než dvojnásobek nejvyšší frekvencní složky signálu
: - na jednu periodu nejvyšší harmonické musejí připadnout alespoň dva vzorky
: - pokud by to tak nebylo, některé vrcholy nebo propady by při vzorkování nebyly zohlednené = '''aliasování''' (zkreslování signálu)


=== Kvantizace ===

* počet (velikost) intervalů amplitudy - čím jsou intervaly menší, tím je měření přesnejší - je možné škálu rozdělit do více stupňů)
* udává se v '''bitech'''
: - 8bitové rozlišení poskytuje 256 možných intervalů amplitudy, 16bitové až 65536 intervalů


== Spektrogram ==

* akustický korelát kvality zvuku
* nezobrazuje úplně přesně
* ← dá se nastavit – např. 100 Hz bude 0 a spektrogram jako šedou zobrazí např. jen všechno o 50 Hz nižší, ostatní je bílá
* možnost úpravy dynamiky

* spektrogram (i oscilogram, prostě analýza) počítá s tím, že zvuk je v nějakém okamžiku stacionární → počítá se průměr
* '''okno''' = analyzuje se jen část signálu, zleva a zprava se ořízne → pak se počítají průměry okna
* typy okénkových funkcí:
: - '''obdélníkové okno''' – normálně vyřízlé zprava a zleva (→ může být problém s navazováním, pokud se musí replikovat)
: - '''křivka''' – řeší ↑ problém – začíná jakoby na nule, pak stoupá a zase klesá k nule (takový cibulky za sebou) → lépe navazuje (nula na nulu)
: - '''Hammingovo (a Hannovo) okno'''
: - '''Gaussovo okno''' (používá se v Praatu)


== Fouriérova transformace ==

[[File:Voice waveform and spectrum.png|300px|thumb|Převod časového zobrazení na frekvenční.]]

* přepíná z oscilogramu na spektrogram (časové → frekvenční zobrazení)


=== Fouriérův teorém ===

* každá periodická složka je rozložitelná na sinusovky, cosinusovky (tzn. složité vlny na jednodušší)
* problémy:

: 1) řeč není periodická – řeší se replikací okna do nekonečna → trvání okna se stává periodou
: 2) v počítači je řeč binární (digitální), ne analogická → algoritmus DFT (diskrétní Fouriérova transformace) – analýza binárního signálu
: z počátku velice časově náročná → 1965? vynalezena FFT (fast Fouriér transform) – v okně je vždy počet vzorků odpovídající mocnině dvou → rychlejší
* výsledkem je '''amplitudové spektrum'''

* podstata – počítá se korelace mezi složenou vlnou a SIN / COS
: - máme jednoduchou složenou vlnu a zajímá nás, jaký má vztah k SIN
: - korelace se počítá tak, že se vynásobí hodnoty vln, které jsou přesně nad sebou a podle toho, jestli jsou na stejné nebo odlišné straně od nuly se jim dá buď plus, nebo mínus
: → dostaneme, nakolik se ty vlny shodují (ta složená a ta SIN)
: - počítá se vlastně čárové spektrum ve všech frekvencích, i různě fázově posunuté
: - pomocí toho děláme z vlny spektrogram – ta korelace nám říká, jak silná (co do intenzity) je ta vlna v určité frekvenci → takové ty černé fleky ve spektrogramu v Praatu

* Fouriérovo spektrum není úplně přesné ← moc „kopečků“ → musí se vyhlazovat:
* 1) '''metoda LPC''' (linear predictive coding) – lineární predikce
: - statistická metoda
: - říká, že n-tý vzorek x(n) je nějakou lineární kombinací vzorků předcházejících
: - chceme najít křivku, která to spektrum co nejefektivněji proloží
: - když chci najít funkci 10. řádu, LPC z toho udělá vlnu s 10 vrcholy a propady (to je jeden úsek, pak se to asi překlopí dolů a jede to jako SIN s víc vrcholkama)
: - musím vědět, kolik formantů chci najít a do jaké frekvence a LPC si podle toho spočítá ten řád
* 2) Fouriérova transormace od sebe oddělí jednotlivé složky vlny – udělá ze složené hodně jednoduchých – když na ty oddělené aplikujeme Fouriérovu transformaci ještě jednou, měla by oddělit jednotlivé složky spektra (a vrátit se zpět do časového zobrazení) – hlavní složky jsou '''filtr vokálního traktu''' a '''hlasivkový signál'''
* → tak vznikne [[Analýza_řečového_signálu#Kepstrum|kepstrum]] (← spektrum) – oddělený filtr a hlasivkový signál → signál umažeme, zbyde filtr → znovu Fouriérovu tranformaci a vznikne už jen vyhlazené spektrum
: - je to vlastně Fouriérova transformace logaritmu Fouriérovy transformace


=== Vlnková transformace ===

* nekoreluje se sinusovkami a cosinusovkami, ale s vlnkami
* jsou různé druhy vlnek – různě vysoké a široké kopečky ve vlnce
* vlnka je časově definovaná – když mám takhle dlouhé okno, program vezme stejně dlouhou vlnku
* je to kombinace „krátkého“ a „dlouhého“ pohledu, je ve vývoji


== Autokorelace ==

* základní algoritmus, který se používá i v Praatu
* = '''korelace''' (porovnávání) '''vlny samy se sebou''', ale s nějakým fázovým posunem
: - kdyby se neposouvala → maximální korelace, ale potřebujeme najít max. korelaci pro nenulový posun → základní perioda a základní frekvence F0
* násobíme jednotlivé vzorky a pak sečteme (jako u Fouriéra)
* dělá chyby – např. může za F0 prohlásit frekvenci dvojnásobnou nebo poloviční = oktávové skoky
* silný první F může také narušit detekci


== Kepstrum ==

* metoda získání vyhlazeného spektra
* časová reprezentace
* většinou se vyjadřuje ve vzorcích
* T0 = ten nejvyšší vrcholek někde uprostřed = '''základní perioda''' (udává se v ms)
* levá část nějakým způsobem popisuje formanty, ale neví se, jak
* jediným jasným výsledkem je právě perioda
* původně navrženo pro získání F0 (až pak se zjistilo, že když F0 odfiltrujeme, získáme vyhlazené spektrum)
* vymýšlejí se stále nové metody na získávání F0 – stále neexistuje spolehlivá metoda




== Reference ==
<references />
* Palková, Z. (1994): Fonetika a fonologie češtiny. Praha: Karolinum. (vybrané části) 
* Kent, R. D. - Read, C. (1992): The acoustic analysis of speech. San Diego: Whurr Publishers. 
* Johnson, K. (2003): Acoustic and auditory phonetics. Oxford: Blackwell Publishing. 
* Stevens, K. N. (1998): Acoustic phonetics. Cambridge, Massachusetts: MIT Press. (vybrané části) 
* Harrington, J. - Cassidy, S. (1999): Techniques in speech acoustics. Dordrecht: Kluwer. (vybrané části)


Zpět na rozcestník: [[Akustika|Akustika]] | [[Portál:Fonetika|Fonetika]]