Анализ, синтез и восприятие речи - Джеймс Л. Фланаган
Скачать (прямая ссылка):
В восстановленный синтезатором спектр нулевого канала (в основном первая форманта) входит в своем первоначальном виде. Вторая форманта синтезируется отдельной параллельной ветвью путем гетеродинирования нулевого канала в положение, соответствующее измеренному значению частоты второй форманты. Третья форманта получается аналогичным образом. Выходной речевой сигнал получается путем сложения трех параллельных ветвей в соответствии с измеренными амплитудами. Составляющие спектра гетеродинированных полос в общем случае выходят из гармонических соотношений, и частота основного тона в них определяет только расстояние между спектральными линиями. На слух такое ухудшение передачи основного тона менее заметно, чем можно было ожидать, поскольку спектр нулевого канала, воспроизводимый с правильной линейчатой структурой, обеспечивает эффективную маскировку.
8.6. Артикуляторные вокодеры
Весьма заманчивым подходом к решению общей проблемы вокодерной техники является кодирование речи по артикуля-торным параметрам. Подобное описание имеет ряд преимуществ, поскольку здесь непосредственно учитываются физиоло-
350
СИСТЕМЫ СИНТЕТИЧЕСКОЙ ТЕЛЕФОНИИ
гические свойства речевого тракта человека. Непрерывные сигналы, отражающие свойства речевого тракта, могут быть использованы для формирования всех звуков — как согласных, так и гласных.
Передаче подлежит совокупность сведений о меняющихся во времени конфигурациях тракта и о характере его возбуждения. Идею анализа, конечно, не во всей полноте и сложности, можно проиллюстрировать на примере описанной в п. 5.4 аппаратуры согласования артикуляторных и спектральных параметров. В качестве синтезатора может служить управляемая электрическая модель речевого тракта, описанная в п. 6.2, или ей эквивалентное устройство. До настоящего времени полной вокодер-ной системы, основанной на этом принципе, не разработано. Однако сам подход представляется многообещающим и заслуживающим внимания. Успех подобной разработки в сильной степени зависит от точности автоматического определения артикуляторных данных по акустическому сигналу. Как показывает материал гл. V, необходимой основой для анализа может служить вычислительная техника.
8.7. Другие методы сокращения полосы 8.7.1. Ограничение полосы и соотношение сигнал/шум
Для достижения умеренного сокращения полосы пропускания тракта предложен целый ряд методов преобразования сигнала, использующих специфические свойства речевого сигнала, слухового аппарата или лингвистической структуры. Эти методы обычно основаны на том, что в преобразованном сигнале могут оставаться небольшие неустранимые искажения. Однако следует применять такие преобразования, которые не вносят слишком заметных искажений, т. е. преобразования, при которых разборчивость и качество речи сохраняются высокими.
Что касается систем типа «анализ—синтез» в системах синтетической телефонии, то при идеальном выделении параметров возбуждения и передаточной функции применение операций кодирования и синтеза, в принципе, не вносит искажений в восстановленный сигнал. Пожалуй, проще всего дать качественную оценку характера операций анализа—синтеза в рассматриваемых трактах, а в ряде случаев оценить и потенциальные возможности сжатия спектра, выяснив свойства механизма рече-образования, слуха и лингвистической структуры, используемые при кодировании. Чем в большей степени учтены эти свойства, Тем больше, как правило, потенциальные возможности сжатия спектра.
ДРУГИЕ МЕТОДЫ СОКРАЩЕНИЯ ПОЛОСЫ
351
Хотя основное внимание в этой главе уделяется устройствам типа «анализ—синтез» и устройствам, в основном предназначающимся для существенного сокращения полосы частот, тем не менее представляют интерес и такие системы, в которых достигается умеренная экономия полосы частот, но сохраняется хорошее качество и высокая разборчивость речи. В частности, аппаратура, реализующая именно эти методы, отличается компактностью и невысокой стоимостью. Область применения подобных методов довольно широка—от подвижных радиостанций и метеорных систем связи до коммерческих каналов проводной связи. В настоящем разделе описывается несколько характерных систем этого вида. Поскольку имеется множество разнообразных предложений, нельзя претендовать на полноту изложения.
Классическая формула Шеннона для пропускной способности канала связи отражает соотношения взаимности между шириной полосы пропускания и соотношением сигнал/шум. Подобные соотношения на уровне восприятия в некоторых пределах характерны и для речи, передаваемой звуковым давлением. В этом можно убедиться на примере диаграммы для индекса артикуляции, показанной на рис. 7.24. При наличии шума с заданной и одинаковой на всех частотах спектральной плотностью, допустим, равной 30 дб, индекс артикуляции определяется процентным отношением площади «речевой области», не покрытой шумом. Этот индекс артикуляции для всей полосы речевого сигнала, равной 6000 гц, соответствует определенной разборчивости речи (см. рис. 7.25). Если теперь ограничить полосу частот, скажем до 1500 гц, энергетический спектр сигнала следует увеличить по уровню на несколько децибел, чтобы незамаскированная часть речевой области осталась прежней по площади, что, следовательно, приведет к сохранению прежнего индекса артикуляции. В некоторых случаях, когда первостепенное значение имеет экономия полосы частот, а уровень шума може"" хотя бы частично контролироваться, использование подобных соотношений взаимности при жестком ограничении полосы может быть весьма успешным. Границы разборчивости (но не обязательно качества) определяются по рис. 7.21, откуда следует, что разборчивость слов в предложениях сохраняется около 70% даже при соотношении сигнал/шум, равном 0 дб.
