Статья: Оцінювання якості алгоритмів корекції мовленнєвих сигналів
Оцінювання якості алгоритмів корекції мовленнєвих сигналів
Національний
технічний університет України «Київський політехнічний інститут»
Оцінювання
якості алгоритмів корекції мовленнєвих сигналів
Продеус А.М.
, Київ, вул. Політехнічна 16,
тел. (044) 454 90 72mail: aprodeus@gmail.com
В наш час, із поширенням мобільних
комунікаційних пристроїв, актуальною є проблема підвищення стійкості систем
автоматичного розпізнавання мовлення (САРМ) до дії завад шляхом використання
препроцесорів корекції мовленнєвого сигналу (рис. 1).
Рис. 1 - Препроцесор корекції
мовленнєвого сигналу у складі САРМ
Метою даної роботи є, по-перше, порівняння якості п’яти алгоритмів компенсації шумової завади, а по-друге, оцінювання потенційних можливостей дев’яти показників якості, що застосовуються при такому порівнянні.
Розглянуто алгоритми
спектрального віднімання, MMSE, logMMSE
[1], Wiener-TSNR, Wiener-HRNR
[2]. Всі ці алгоритми належать до групи так званих алгоритмів «частотної
корекції», згідно яких корекція спотвореного сигналу 
здійснюється
за співвідношенням
де 
та 
- спектри
потужності сигналу 
та
відновленого сигналу 
, 
- частотна
характеристика фільтра, що коригує. В якості фази відновленого сигналу приймається
фаза сигналу .
Оскільки коректор входить до складу
САРМ, для оцінювання його якості доцільно використовувати показник «точність
розпізнавання слів» [3]:
,
де 
- загальна
кількість слів, що їх розпізнають; 
- кількість помилкових видалень
слів; 
- кількість
замінених слів; 
- кількість
помилково вставлених слів. Недоліком показника Асс% є
необхідність моделювання САРМ, що є досить складним завданням.
Для усунення цього недоліку,
доцільно дослідити можливості «проміжних» показників (рис. 1). Серед таких в
даній роботі розглянуто: сегментне відношення сигнал-шум SSNR,
логарифмічно-спектральне спотворення LSD,
логарифмічне відношення правдоподібності LLR,
дистанція зважених спектральних схилів WSS,
дистанція Ітакури-Саіто, кепстральна дистанція, композитний показник 
,
перцептуальні оцінки якості мовлення BSD та PESQ
[4].
Як і очікувалося, наскрізний
показник Acc% вичерпно характеризує якість алгоритмів корекції мовленнєвих
сигналів у складі САРМ (рис. 2).
Рис. 2 - Залежність Асс% від вхідного відношення сигнал-шум
Серед «проміжних» показників,
що досліджувалися, лише два - LRR та SCI -
непогано узгоджуються із показником Асс% (рис. 3), констатуючи низьку якість
алгоритмів Wiener-TSNR та Wiener-HRNR.
А 
Рис. 3 - Залежність LLR (а)
та SCI (б)
від вхідного відношення сигнал-шум
Але, як бачимо, суттєвим недоліком показників LRR та SCI є те, що одержані за їх допомогою оцінки носять якісний характер. Крім того, показники LRR та SCI, на відміну від Acc%, не спроможні відобразити досить суттєву різницю в ефективності алгоритмів спектрального віднімання, MMSE та logMMSE.
В подальшому є доцільним дослідити причину несподівано низької ефективності алгоритмів Wiener-TSNR та Wiener-HRNR.
алгоритм якість мовленнєвий сигнал
Література
1. Springer Handbook of Speech Processing / Ed. J. Benesty, M. Sondhi, Y. Huang - Berlin Heidelberg: Springer-Verlag, 2008. - 1176 p.
2. Plapous C., Improved Signal-to-Noise Ratio Estimation for Speech Enhancement / C. Plapous, C. Marro, P. Scalart // IEEE Transactions on Audio, Speech, and Language Processing, Vol. 14, Issue 6, Nov. 2006. - P.2098-2108.
. The HTK Book / Ed. S. Young, G. Evermann, M. Gales. - Cambridge: University Engineering Department, 2009. - 375 p.
. Hu, Y. and Loizou, P. Evaluation of objective quality measures for speech enhancement / Y. Hu, P. Loizou // IEEE Transactions on Speech and Audio Processing, 16(1), 2008. - P. 229-238.