В статье рассматривается сингулярная модель оценивания частоты основного тона речевого сигнала, а также ее программная реализация. Применение модели сингулярного оценивания частоты основного тона позволяет уменьшить вычислительную сложность алгоритмов анализа речевого сигнала путем аппроксимации края сингулярного спектра и обеспечить меньшее количество ошибок оценивания частоты основного тона за счет использования сингулярной модели вокализированного сегмента речи, учитывающей нестационарные параметры основного тона с помощью собственных чисел. Программная реализация модели используется в модуле расчетов комплекса программ речевой реабилитации онкологических больных после резекции гортани.
Ключевые слова: оценивание частоты основного тона речевого сигнала, сингулярный спектральный анализ речи, модель, программная реализация.
Сингулярный спектральный анализ (ССА) является сравнительно новым методом анализа временных рядов. ССА представляет особый интерес в приложении к анализу нестационарных, коротких и зашумлённых рядов. Одной из слабых сторон метода является то, что простые гармонические колебания, как и более сложные компоненты, анализируемого временного ряда раскладываются на более чем одну компоненту, что приводит к необходимости группировки связанных компонент для дальнейшего анализа. Данная проблема частично рассматривается в работе Александрова и Голяндиной (2005), преимущественно в приложении к проблеме идентификации чистых гармонических колебаний.
В данной работе предлагается более гибкий и обобщённый алгоритм для автоматической группировки компонент (а также его модификация), позволяющий группировать не только компоненты, соответствующие гармоническим колебаниям, но и компоненты, соответствующие амплитудно-модулированным колебаниям, затухающим колебаниям и др. Алгоритм был апробирован на искусственных наборах данных, содержащих в себе следующие распространенные формы компонент: гармоническое, амплитудно-модулированное и экспоненциально-затухающее колебания, сумма двух кривых Гаусса, а также их различные аддитивные комбинации. Экспериментально получены оценки качества группировки и показано, что показатели качества группировки у предложенных алгоритмов в среднем лучше на 26%, чем показатели известного алгоритма.
Сингулярный спектральный анализ (ССА) является относительно новым методом анализа нестационарных временных рядов. Слабой стороной ССА является отсутствие аналитического модельного представления ряда, например, в виде суммы простых функций, компактное аналитическое представление которых могло бы быть нагляднее и доступнее для интерпретации, чем совокупность большого количества компонент. В настоящей работе описан оригинальный метод вариативного моделирования, позволяющий устранить отмеченную слабую сторону ССА путем совместного использования его и метода моделетеки для получения компактного и легко интерпретируемого модельного представления изучаемого временного ряда с желаемым уровнем его адекватности ряду, цели и условиям идентификации. Первый этап предлагаемого метода заключается в разложении исходного временного ряда на компоненты с помощью ССА. Разложение исходного ряда завершается выделением интересующих исследователя компонент. На втором этапе компоненты идентифицируются моделями из априори сформированной моделетеки согласно целям идентификации. Результатом является результирующая модель исходного временного ряда в аддитивной или аддитивно-мультипликативной форме. Применимость метода рассматривается на примерах идентификации искусственного ряда и реальных ежедневного данных изменения мутности воды в реке в г. Челябинске за 2005 г. Первый этап предлагаемого метода заключается в разложении исходного временного ряда на компоненты с помощью ССА. Разложение исходного ряда завершается выделением интересующих исследователя компонент. На втором этапе компоненты идентифицируются моделями из априори сформированной моделетеки согласно целям идентификации. Результатом является результирующая модель исходного временного ряда в аддитивной или аддитивно-мультипликативной форме. Применимость метода рассматривается на примерах идентификации искусственного ряда и реальных ежедневного данных изменения мутности воды в реке в г. Челябинске за 2005 г.
1 - 3 из 3 результатов