Xreferat.com » Рефераты по кибернетике » Машины, которые говорят и слушают

Машины, которые говорят и слушают

построить для слова соответствующий контур ударения.

5. Модуль "Звук-2" использует правила перевода букв (графем) в звуки для порождения фонетической последовательности, если модуль "Декомпозиция" не смог полностью превратить слова в пос­ледовательность лексических морфем. После превращения последова­тельности букв в последовательность фонетических символов этот модуль использует полный набор правил лексического ударения, опре­деляющих контур ударности для этого слова (эти правила, нап­ример, определяют Правильность произношения аффикса ate в словах eyatematio и eyetemeUze).

При синтезе речи используется набор модулей, обеспечивающих порождение входной речевой водны:

- модуль "Просодика"» определяющий для каждой фонемы форми­руемого предложения частоту основного тона, длительность и интен­сивность (ударность);

68

- модуль "Синтез", используя фонетические метки и проводи-ивокую ш«формацию, каждые б мо порождает параметры, достаточные •ля управления цифровой модель» речевого тракта, формирующей от-очеты речевой волны. Модуль "Синтез" - ато большая программа, мализуккцая алгоритм фонетического синтеза речи по правилам с дополнительным наложением просодического контура;

- модуль "Речь" превращает полученную последовательность десантных отсчетов в речевую волну, используя цифроаналоговый Преобразователь.

В [133] рассмотрена интерактивная система исследования ре­чи tiK; , чозвояяищая в диалоговом режиме изучать и модернн-ащювать правила преобразования "текст - фонема", что дает воз­можность получать более качественную синтетическую речь. Система spy использует три вида правил преобразования (рис.1.4):

1) правила модификации текста, модифицирующие начальную тек-стоьуь строку и связанные с ней признаки;

2) правила конверсии, формирующие цепочку фонем и связанную в ней матрицу признаков на основе информации, имеющейся в мо­дифицированной текстовой строке;

3) правила модификации признаков, которые изменяют матрицу признаков, формируемую правилами конверсии.

Рассмотрим алгоритм преобразования "текст-фонема",реализован­ный в [I33J , на примере преобразования слова.

На вход программы преобразования поступает слово, каждой бук­ве которого соответствует присоединенный признак, определяющий глаонке или согласные звуки, соответствующие етим буквам:

с буква

согл..


(символы)

(присое­диненные)

признаки


a r L п д

буква буква букяа буква буква

глад. оогл. глао. согл. глас.

На аерьом уровне текстовая цепочка и связанная о ней матрица Признаков модифицируются множеством правил модификации текста. б»н аравиле могут устранять, добамнгь и заменять символы,а так-*• делать соответствуххцие ыодифхнации матрицы признаков. Правила ч^дифинации •мжста, например, вводят символ е*' после гласного, »» которым следует один или два согласных, и перед суффиксами Ing .

69

Текст и признаки

Правила модификации текста (ТМ-правила)

Модифицированный текст и признаки

Правила конверсии (С-правила)

Фонемы и признаки


( W-правила)


Правила модификации признаков Модифицированные признаки

Рис. 1.4. Три уровня правил преобразования "текст-фонема1' сис­темы SRS

sharing

+s/?are+. ing+

Ce] [C]


Правила модификации текста I. 0---e+/l/c[?,2L{ed|^}

Пракиха конверсии

И. а—р/_с[* соп}е^

Правила модификации признаков

3. [tfns—-[-tens'] /_ [+ ret]

Применение ТМ-оравмя к сяоэу carlna дает:

< с а г е + i n (f буква буква букм буква буква буква буква соги. глас. согя. гяас. пас. согя. согд.

Таким обозом, эти аравияа вводят новую букву е , а также опредедяшт границу модемы "+" и суффикса " •". (Введенные си»»-воям служ*»т важной частью иравия контекста, которые исоояьауются С- и / М-правияами.)

Модифицированный текст и связанные с ним признаки далее обрабатываются С-оравмяаыи, которые формируют фонетическую це­почку из последовательности буке, полученных на предыдущем ваге. С-иравияо (рис. 1.Ь ), например, показывает, что буква "а" произносится, как "е", когда она предшествует одиночной согяас-ной, за которой сявдует эаканчиваиаая морфему буква "е". (Это

70

Оравию применяется к "а" в w»e Bathing,гд,» звуки " th " проиэ. косятся как один согяасный, но не к "а" в слове taxina , где •х'1 произносится как два согласных.) Результат применения всех оравил конверсии к сдову carinq позвояяет пожучить ояедующгю вались:

9

согл. взрывной,

подъема, альвеолярный велярный, передний звонкий

+ А- е г -+. I n согл. гдас. согя. глас. con. взрывной, среднего ретро- верхнего назальный, велярный, пид-ьеыа, Фявчсный подъема, гяухой передний

Если правила модификации текста изменяют текстовую цепочку не­посредственно, то С-правила формируют ноаую цепочку (фонем) на основе tm{iupuaiyiH. заключенной в текстовой цепочке, F/И-пра-

•ила модифицируют фонетическую цепочку, применяя прарила кон­текстной зависимости х матрице признаков и включая или устра­няя соот катет йущяв сегменты. Так. ГМ -правило устанавливает, что напряженный гласный становится напряженным перед ретрофлексными звуками. Другии /^"дравидом яуяяетая правило объединения п и д , когда произносится п . Все эти правила использовались сов­местно с английскими правилами порождения параметров, соответ­ствующих фонемам, для похучения речевой волны.

В [%] рассматривается математическое обеспечение одно­кристальной микроЭВМ модели <»20, преднааначенной для обработки сигналов. Благодаря наличию аналоговых входных и выходных схем М высокому быстродействию она легко может быть перестроена для синтеза речи. На атой микроЭВМ можно реализовывать различий способы синтеза речи. Описаны программы, моделирующие работу ге­нератора голосовых импульсов (программа формирует ряд асимметрич­ных треугольных импульсов), а также генератор шумового сигнала, который моделируется при помощи генератора псевдослучайных чи~ Св*. Для моделирования передаточных функций речеобразумаего тра-«»а разработаны программы модификации выходных значений сигна-

*ов, поступающих с выхода генератора голосовых импульсов и гене-Р»тора шумовых сигналов. Для втого применяют моделирование рекур­сивных фильтров с переменными временными параметрами и ыиогоавен-чах. В [96] приведена типичная программа для одного звена ччогозввнного фнютра, управляемого параметром, который иивет раз-чые значения для различных звеньев. Отмечается, что для пос-•Ровния типичного синтезатора речи требуется два микропроцессора ®20; первый обеспечивает работу генератора воабуадаицих сигна-

71

лов и моделирование нескольких первых звеньев многозвенного фидьтра, а второй - для остальных звеньев этого фильтра. Для построения форматного синтезатор»» достаточно воспользоваться од­ним микропроцессором 2920. Речевой тракт моделируется здесь пос­ледовательностью рекурсивных фильтров второго порядка (в [96] при» водится программа такого фильтра). Для удовлетворительного син­теза последовательно включают не менее трех звеньев,моделирую­щих три форманта.

1.4.6. Отечественные системы автоматического речевого вывода. Основные работы по автоматическому синтезу речи связаны с пос­троением параметрических синтезаторов [6,43, 48-50, 53, 70, 75]. Некоторые из систем речевого вывода информации из ЭВМ внедрены в опытную эксплуатацию [43,48] , другие - близки к внедрению [6, 70,78] , третьи - используются в экспериментальных установ­ках [50, 56] .

Развитие работ по построению систем автоматического рече­вого вывода ведется в нашей стране в широком диапазоне - от фо" немных синтезаторов до словесных и даже фразовых временных компиляторов.

Если в работах первого направления, при которых фонема рассматривается как набор заданной последовательности движения артикулятороа в артикулчторной программе, стремятся к компакт­ности представления генерируемого речевого сообщения и универсаль­ности, обеспечивающей речевое отображение произвольной текстовой информации, то в компилятивных временных синтезаторах второго направления делается упор на разборчивость и естественность скомпилированных высказываний (в ущерб универсальности и ком­пактности представления сигнала).

Одним из наиболее типичных синтезаторов параметрического типа является ортогональный синтезатор речи [48] . Синтезатор предназначен для выцачи голосом из ЭВЫ в телефонный канал сче­тов-справок о стоимости состоявшихся междугородных переговоров городской телефонной сети. Речевой сигнал (слово ограниченного по объему словаря) представлен временными изменениями параметров сигнала - логарифмов огибающей амплитудных спектров. Речевые от­веты (фразы) вначале формируются в виде списков номеров слоя, речевые эквиваленты которых затем посегментно объединяются и выво­дятся на синтезатор. Отмечается, что разборчивость синтезируе­мых фраз близка к 100%, скорость вывода речевого сигнала на син­тезатор равна 12 бит/с.

При артикуяяторно-форматном синтезе речи по печатному тек­сту L6.^] в качестве минимального артикуяяторного компдйкса

72

используется элементарный слог, представленный набором артикуля-торных команд способа и места образования входящих в него фонем. Процесс реализации слога делится на три основные фазы: переход­ная фаза от предыдущего слога к данному, фаза реализации соглас­ной фонемы и фаза реализации гласной. Синтезатор учитывает про­содические характеристики естественной речи, а также то обстоя­тельство. что в ней могут встретиться сочетания согласных и гласных фон-эы. Система синтеза в последнем случае вводит фик­тивные согласные и гласные, разбивая речевой поток не слоги,при­чем фиктивным звукам приписывается длительность, равная нулю. Для автоматического задания интонационных характеристик фраз в син­тезируемой текстовой информации выделяются ранжированные единицы:

фраза, синтагма, фонетическое слово, слог. При автоматической об­работке синтезируемого текста определяется число единиц ранга К в единице ранга K-I, номер логически выцеденной единицы ранга К, а также тип интонации.

Для моделирования алгоритмов синтеза использовалась универ­сальная мини-ЭВМ, обдацаищая быстродействием 200 тыс. операций в I с и оперативной памятью 16 кбайт. Объем программ нодедм синтеза речи составляет 1200 32-разрядных команд. В настоящее вре­мя принципы технической реализации артикуляционного синтезатора легли в основу разработки стандартного устройства речевого вы­вода с микропроцессорным управлением для ЕС ЭВМ [б] . Поя­вились первые синтезаторы, основанные на параметрах линейного предсказания [55,78].

В нашей стране и за рубежом появляется также интерес к уст­ройствам речевого вывода, основанным на компиляции речевого сиг­нала, соответствующего фразам, из более мелких отрезков рече­вой волны: слов, слогов, аллофонов ['44,96]. Подобные синтеза-Юры предназначены для информирования пользователей ограничен­ным количеством типов фраз, часто вполне достаточным. Большие же затраты памяти для хранения в цифровом виде элементов, из кото­рых формируются фразы, не так страшны, потому что новые виды запоминающих устройств (например, на цилиндрических магнитных до-хенах) позволят хранить в малых объемах десятки мегабайт. В СССР работы по компиаятивному выводу ориентированы на использо­вание в качестве основного элемента синтеза как слов, так и схо-^в. Предполагается, что такой синтезатор компилятивного типа ^УДет изготовлен серийно.

Зак.480


ГОВОРЯЩИЕ и понимающие речь машины строятся сей­час на основе ЭВМ, которые включают, как правило, микропроцес­соры и другие большие интегральные схемы. А ЭВМ работают с числами, перерабатывают цифровую информацию. Лучше сказать так: все, что перерабатывает вычислительная машина, должно быть представлено в виде чисел. В понятие «все» входят, в частности, сигналы, получаемые с датчиков. Сюда относят сигналы, получае­мые медиками (кардиограммы, энцефаллограммы), и различные тех­нические шумы, например шумы двигателя, по которым ЭВМ может определить причину его неисправности, геофизические (шумы под­земных недр и моря), биологические шумы (разговоры дельфинов, пение птиц, мяуканье кошек и лай собак, кваканье лягушек), раз­личные двумерные сигналы (изображения). Сюда же относят и че­ловеческую речь. В этом разделе рассмотрим, как речь (речевой сигнал) превращается в набор чисел и какие превращения с эти­ми числами происходят до того, как «умная» машина произнесет нужную фразу или поймет с'!ысл высказывания.

Но мы должны помнить, что основные приборы и способы об­работки сигналов, превращенных в набор чисел, можно использо­вать и для работы с любыми сигналами, поступающими с соответ­ствующих датчиков информации, сигналами не обязательно речевой природы. Цифровые методы анализа открывают поистине безгранич­ные возможности вычислительной техники. Ученые показали, что если у непрерывно изменяющегося во времени сигнала брать доста­точно близко расположенные друг к другу цифровые отсчеты, то последовательность этих отсчетов будет почти полностью отражать все свойства этих сигналов. При обратном преобразовании этих цифр в речь она будет слышна без искажений. Это значит, что достаточно представить речевой сигнал в цифровом виде, в виде,

64

удобном для машинной обработки, и можно применять всю мощь программных средств ЭВМ для расшифровки смысла речевого со­общения в системах, понимающих речь. В говорящих же машинах используют обратное преобразование: «цифры — речевой сигнал». Полученную программно в виде последовательности чисел речь пропускают через специальные преобразователи «цифровая после­довательность—электрическое напряжение» («цифра—аналог»). Далее речевой сигнал можно подавать на наушники или динамиче­ский громкоговоритель, преобразующие электрический сигнал в колебание мембраны, или рупоры (диффузора) динамика, которые колеблют воздух в соответствии с электрическим сигналом, по­ступающим на вход.

Напомним, что сам речевой сигнал изменяется во времени до­статочно быстро. Это объясняется особенностями его образова­ния — фильтрацией сигналов возбуждения импульсов воздушного давления, толчков воздуха, поступающих с голосовых связок при их колебании, т. е. через открытые голосовые связки из легких при выдохе через резонансную систему (артикуляторные органы — гор­тань. язык, полости рта и носа). Свойства же речеобразующего тракта из-за его инерционности меняются медленно. И в вычисли­тельной машине в цифровой форме крайне желательно получать и хранить медленно меняющиеся параметры голосового тракта и ис­точника — частоты основного тона, формантные частоты, определя­ющие характер самого речевого сигнала. Поэтому здесь рассмот­рим и способы получения параметров речеобразующего тракта — формант и различных связанных с ними характеристик, которые иногда будем называть информативными параметрами. Изменение главного параметра голосового источника — частоты основного то­на—относится к просодическим характеристикам речи, некоторые методы его получения уже были рассмотрены.

Если по информативным параметрам и их изменениям во вре­мени (используя модели речеобразования) можно восстановить ре­чевую волну или распознать ее смысл (на основе модели речевос-приятия), то, кроме как с параметрами, вроде бы ни с чем и ра­ботать не надо. Параметры эти очень удобны, слабо меняются во времени, поэтому их гораздо меньше, чем цифровых отсчетов са-'

5 Заказ № 901


65



мого сигнала. Значит, меньший объем памяти можно занять под высказывание, которое анализируется или генерируется. Значит, меньше времени потребует машинная обработка при распознава­нии. Значит, меньшими машинными ресурсами можно снабдить систему автоматического распознавания или синтеза речи и тем сильно снизить ее стоимость. Но как автоматически получить эти параметры (признаки, лежащие в основе машинных моделей рас­познавания и синтеза речи)? Ведь при построении понимающих речь машин, например, мы имеем на входе машины лишь речевой сигнал. Как от него перейти к параметрам? Только создав аппара­туру, которая их выделяет и позволяет вводить в ЭВМ в цифро­вой форме, или разработав алгоритмы и соответствующие програм­мы, которые по оцифрованному речевому сигналу или по спектру позволяют получать эти параметры программным способом. В свя­зи с этим вводить в ЭВМ информацию о речевом сигнале в циф­ровой форме можно тремя способами. Первый способ осуществля­ется с помощью универсального прибора-преобразователя «ана­лог—цифра», который дает возможность вводить в память ЭВМ отдельные отсчеты речевого сигнала в виде последовательности чисел.

Второй способ включает сложный преобразователь, позволяю­щий вводить в ЭВМ информацию о спектре сигнала за относитель­но короткие временные интервалы. Обычно такая информация вво­дится с гребенки аналоговых полосовых фильтров, каждый из ко­торых пропускает лишь ограниченный диапазон частот. Вместе же фильтры гребенки перекрывают весь частотный диапазон речевого сигнала, прошедшего через технические устройства (микрофон и микрофонный усилитель). Использование устройств речевого ввода этого типа позволяет получать в памяти ЭВМ в цифровом виде картинку так называемой «видимой речи», динамическую спектро­грамму, которая раньше создавалась с помощью спектроанали-заторов, сонографов-приборов, сыгравших большую роль в изу­чении речи и ее параметров лингвистами. В настоящее время ин­формация о кратковременном спектре может быть получена с по­мощью специализированных БИС и СБИС цифровой обработки

66

сигналов, которые реализуют гребенку фильтров цифровыми ме­тодами.

И, наконец, третий способ — это устройства ввода в ЭВМ вы­деляемых аналоговым способом непосредственно из речевой волны главных параметров речеобразующего тракта, а также просодиче­ских параметров — формантных частот, усредненной мгновенной частоты, усредненной интенсивности сигнала, частоты основного тона и некоторых других признаков. Все эти параметры или их эквиваленты, вообще говоря, можно получить программно по оциф­рованной речи аналого-цифровым преобразователем или по спектру сигнала. Устройства ввода третьего типа позволяют получать эти параметры аналоговым способом в процессе произнесения предло­жения.

В связи с широким распространением микропроцессоров и ми­кроЭВМ, которые становятся основным инструментом анализа речи, и появлением микропроцессорных систем, обеспечивающих обработ­ку оцифрованных речевых сигналов (введенных с универсальных аналого-цифровых преобразователей) с огромной скоростью, дости­гающей сотен миллионов операций в секунду, далее будут рассмот­рены методы первичной цифровой обработки речи. Эти методы ле­жат в основе современных систем автоматического распознавания и синтеза речи и связаны с получением текущей автокорреляции сиг­нала, энергетического спектра, параметров линейного предсказания, гомоморфной обработки, а также клиппированной речи. Будет обра­щено внимание на использование специализированных устройств ввода в ЭВМ информации об информативных признаках речевого сигнала.

2.1. УСТРОЙСТВА ВВОДА РЕЧЕВОЙ ИНФОРМАЦИИ В ЭВМ

Аналого-цифровое преобразование. Преобразователь типа «аналог—цифра» — это устройство, дающее возможность вводить в ЭВМ дискретные отсчеты речевого Сигнала, представлять непрерыв­ную речевую волну последовательностью чисел, сохраняя все ос­новные свойства сигнала. Как правило, такой ввод применяется,

5*


67



когда не хотят пользоваться аналоговой аппаратурой выделения речевых параметров и когда анализ сигнала не обязательно осущест­влять в реальном масштабе времени. Работа с оцифрованным рече­вым сигналом, вводимым непосредственно с аналого-цифрового преобразователя, обеспечивает более гибкую последующую обра­ботку речи в ЭВМ программными методами.

Теорема отсчетов, связывающая дискретные отсчеты аналогового сигнала и сохранение частотных составляющих сигнала, была пред­ложена еще в 1933 году В. А. Котельниковым: если сигнал x(t) не содержит частотных составляющих выше Fc Гц, то его можно пол­ностью определить собственными значениями в моменты, отстаю­щие друг от друга на 1/2 Fc секунд. Интуитивное подтверждение этой теоремы состоит в том, что если сигнал x(t) не содержит час­тот выше критической частоты Fc, то он не может существенно из­менить свое значение за время, меньше половины периода наивыс­шей частоты. Согласно теореме отсчетов, таким образом, сигнал как функцию времени можно восстановить по значениям в точках отсчета х(кТ), если частота отсчета Ро==1/Г не меньше удвоенной критической частоты Fc. Предположение теоремы отсчетов о суще­ствовании критической частоты не является сильным ограничением, так как все физические устройства в принципе не допускают про­извольно высоких частот, не пропуская их, обрезая. Во всех реаль­ных технических приложениях всегда исходят из того, что сущест­вует некая Fc для любых аналоговых сигналов.

При вводе в ЭВМ дискретных отсчетов речевого сигнала поль­зуются, как правило, стандартными преобразователями «аналог— код». Действия аналого-цифровых преобразователей основаны на электрическом преобразовании дискретизированных аналоговых сигналов в соответствующую последовательность двоичных чисел. Это преобразование выполняется различными способами, включая линейную импульсно-кодовую модуляцию, дифференциальную им-пульсно-кодовую модуляцию, дельта-модуляцию, адаптивную дель­та-модуляцию и другие методы, о чем можно прочесть в специаль­ных книгах по аналого-цифровым преобразователям.

Наиболее распространенными в настоящее время аналого-циф-ровыми преобразователями являются преобразователи, использую­

68

щие линейную импульсно-кодовую модуляцию. На входе системы (рис. 2.1) стоит фильтр нижних частот /, ослабляющий высоко­частотные компоненты сигнала, лежащие выше критической частоты Fc. Аналого-цифровое преобразование сигнала включает два этапа. На первом этапе значение аналогового напряжения в момент из­мерения запоминается на некоем «аналоговом» запоминающем эле­менте, в качестве которого используется обычный электрический конденсатор. На втором этапе напряжение, «запоминаемое» на кон­денсаторе, измеряется с определенной точностью, и двоичный код числа, наиболее близкий напряжению на конденсаторе, передается в память ЭВМ.

Сигнал, пройдя через низкочастотный фильтр ./, в определен­ный момент запоминания сигнала поступает на электрический кон­денсатор 2. который быстро заряжается до величины напряжения, равного значению напряжения на выходе фильтра. Далее заряжен­ный конденсатор отключается от питающей, входной цепи на вре­мя измерения «запоминаемого» на емкости напряжения и хранит его в течение всего времени измерения, не разряжаясь. Аналоговая схема 3 сравнивает напряжение сигнала, хранящееся на емкости, с калибровочным, «компенсирующим» напряжением. Это напряже­ние автоматически получается на выходе схемы 4, которая преоб­разует некий код, двоичное число на входе в аналоговое напря­жение, являясь таким образом цифроаналоговым преобразова­телем.

В формировании двоичного кода на входе схемы 4 основную роль играет схема 5, которая называется регистром запоминания последовательных аппроксимаций. Попытаемся разобраться, что это

69

за схема. В вычислительной технике понятие «регистр» является одним из основных понятий. Регистр — это узел ЭВМ, состоящий из нескольких параллельно соединенных двоичных электронных запо­минающих элементов — триггеров. Каждый из триггеров хранит только один разряд двоичного числа. Если регистр состоит из 10 триггеров, то можно сказать, что он может запоминать только десятиразрядное двоичное число. Различают старший разряд запо­минающего регистра, где хранится старший разряд кода, соответ­ствующего двоичному числу, и последующие младшие разряды. Вес каждого разряда в два раза меньше веса соседнего, стоящего слева разряда регистра.

Аналого-цифровой преобразователь устроен так, что на запо­минающем регистре вначале (во время цикла измерения напря­жения на емкости) старший разряд триггера устанавливается принудительно в единичное состояние. Это означает, что значение «компенсирующего» напряжения, вырабатываемого схемами 4 и 5, в два раза меньше, чем возможное напряжение на емкости.

Если напряжение на емкости выше, чем напряжение на выхо­де цифроаналогового преобразователя, то схема сравнения 3 выра­батывает такой сигнал, что в единичное состояние устанавливает­ся соседний, стоящий рядом со старшим разряд регистра 5. А это уже означает, что на следующем шаге сравнения двоичного числа с напряжением на емкости / компенсирующее напряжение будет составлять 3/4 от максимально возможного напряжения на запоми­нающей емкости. Если же при первом сравнении напряжение на емкости ниже, чем компенсирующее напряжение, поступающее с выхода схемы 4, то старший разряд регистра 5 обнуляется, а со­седний все равно устанавливается в единичное состояние, означа­ющее, что на втором шаге сравнения компенсирующее напряжение будет составлять 1/4 от максимального значения, которое может за­поминать емкость /. Такое сравнение продолжается до тех пор, пока не будут опрошены все разряды регистра 5, до самого млад­шего. Понятно поэтому, почему регистр 5 называется регистром последовательных аппроксимаций,—мы последовательно приближа­емся ко все более точному измерению напряжения на емкости. После того, как произошла проверка самого младшего разряда, на

70

регистре хранится число, наиболее точно аппроксимирующее сигнал, хранящийся на емкости ./. Этот двоичный код и пересылается в ЭВМ, после чего переходим к измерению следующего отсчета сиг­нала, поступающего на емкость с выхода фильтра / в момент под­ключения его к запоминающему конденсатору 2. Такой способ ана-лого-цифрового преобразования называют поразрядным взвеши­ванием.

Отметим, что большие перспективы в использовании универ­сальных аналого-цифровых преобразователей открываются в связи с мультипроцессорной реализацией различных методов цифровой обработки сигналов — дискретного преобразования Фурье, линейного предсказания, цифровой фильтрации и др. Для исследовательских целей этот тип ввода речевых сигналов в ЭВМ наиболее применим и в настоящее время, так как он достаточно гибок и позволяет сохранять все частотные составляющие речевых сигналов. Применя­ют аналого-цифровые преобразователи и в тех случаях, когда необ­ходимо использовать фильтры с такими характеристиками, которые трудно реализовать на реальных физических элементах, а также в случаях, когда требуется частое изменение параметров фильтра, ис­пользуемого при анализе сигнала, или подбор характеристик филь­тра и когда реальный масштаб времени анализа не обязателен. Кроме того, ввод с аналого-цифрового преобразователя может ока­заться целесообразным (и единственно возможным), когда ставит­ся задача поиска информативных речевых параметров (не обяза­тельно чисто спектральных) на значительном статистическом мате­риале, собираемом в архиве речевых произнесений в цифровой форме.

Ввод сигнала с гребенки аналоговых фильтров. Второй тип ввода речевых сигналов в ЭВМ — это ввод сигналов с гребенки аналоговых полосовых фильтров, перекрывающих частотный диапа­зон речи, прошедшей через технические устройства (микрофон—ми­крофонный усилитель— (возможно) канал передачи). Информация с гребенки фильтров о медленно меняющихся огибающих сигнала с каждого фильтра поступает на электронный коммутатор (переклю­чатель), который обеспечивает последовательное подключение напря­жения с выхода каждого фильтра к аналого-цифровому преобра-

71

зователю. Коды с аналого-цифрового преобразователя (информация на выходе гребенки) с более низкой, чем при первом типе ско­ростью ввода, определяемой частотой опроса гребенки (частотой квантования), поступают в ЭВМ (рис. 2.2).

Достоинство этого способа заключается в том, что в памяти ЭВМ после ввода сигнала находится уже непосредственно динами­ческая спектрограмма речевого сигнала (картина «видимой речи»), и нет необходимости тратить машинное время на цифровое моде­лирование фильтров. Современные практические системы автомати­ческого распознавания речи широко используют этот способ ввода информации о речевом сигнале, позволяющий автоматически анали­зировать полученные аналоговым способом медленно меняющиеся параметры тракта речеобразования.

72

. Этот тип устройств ввода речи обладает рядом недостатков. Что во-первых, то, что в них трудно изменить характеристики (Ьильтров (их средние частоты и полосы пропускания)—если они однажды вычислены и реализованы «в железе», то перейти к (Ьильтрам с другими характеристиками весьма непросто. Во-вторых, с гребёнки полосовых фильтров поступает много избыточной инфор­мации, что не только чрезмерно загружает память ЭВМ, но и при­водит к тому, что программы надежного выделения основных пара­метров речеобразующего тракта, а также просодических параметров .достаточно сложны. Иногда формантные параметры мгновенную частоту основного тона, среднюю интенсивность (громкость) отно­сят к наиболее информативным параметрам в отличие от парамет­ров, представляющих просто энергию в полосах частот общего спектра сигнала. Гребёнка фильтров дает слишком много информа­ции, так как энергия в полосах частот характеризует не только звуки речи, но и индивидуальные особенности речеобразующего тракта, эмоциональное состояние человека и т. д.

В связи с этим гребёнку фильтров используют, как правило, в дикторозависимых системах автоматического распознавания речи, работающих с предварительной настройкой на голос диктора и на­бор слов—рабочий словарь. Иногда такие системы называют адап­тивными. В системах, работающих без предварительной настройки на голос конкретного диктора, которые иногда называют неадаптив­ными, используют гребенку для получения параметров следующего уровня распознавания речи, более независимых от дикторского произношения. Однако для систем автоматической диагностики за­болеваний органов речеобразования, распознавания эмоционального состояния диктора и его индивидуальности использование гребёнки полосовых фильтров как первичного анализатора оказывается весь­ма эффективным. Для неадаптивных же систем автоматического' распознавания смысла сообщения, работающих от голоса произ­вольного диктора, полосовые фильтры, как правило, являются вспо­могательными средствами первичного анализа.

Еще раз отметим, что алгоритмы автоматического распознава­ния смысла произнесенного только по картине видимой речи ока­зываются достаточно сложными. К тому же использование только

73.

гребенки фильтров не позволяет эффективно анализировать такие звуки речи, как глухие взрывные, длительность которых сравнима <: временем нарастания энергии на фильтре.

Ввод в ЭВМ информативных речевых параметров. Следствием развития системы ввода

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: