293018033

16 2.2. Algorytmy detekcji artefaktów

2.2. Algorytmy detekcji artefaktów

Jak wspomniano w rozdziale 2.1 najważniejszą częścią aplikacji jest algorytm wykrywający artefakty „yyy” oraz „eee”. Zaprojektowanie tego algorytmu wymagało szeregu analiz próbek dźwiękowych zawierających szukane dźwięki, wielu testów oraz następnie przeniesienie go z wersji testowej do produkcyjnej, działającej w aplikacji.

Pierwszym etapem prac było zebranie próbek dźwięków zawierających szukane artefakty. Ważne było w tym wypadku zapewnienie niezależności mówców od siebie. Niespełnienie tego warunku mogłoby doprowadzić do dostrojenia algorytmu do cech jednej osoby, a to spowodowałoby bezużyteczność algorytmu dla innych użytkowników. Zebranych zostało ponad 80 próbek od 10 niezależnych mówców. Wśród nich było 6 mężczyzn oraz 4 kobiety. Każda wypowiedź trwała około 4-5 minut oraz dostarczała ok. 8 artefaktów. Taka baza dźwięków została uznana za wystarczającą do przeprowadzenia badań oraz opracowania algorytmu. Na początku ze zgromadzonych próbek zostały wybrane te, które były interesujące z punktu widzenia algorytmu. Już w tej fazie pracy nad algorytmem udało się zaobserwować na przebiegach, że wartości amplitud fragmentów dźwięku utrzymują się w większości na stałym poziomie (rysunek 2.3). Następnie próbki zostały poddane analizie czasowo-częstotliwościowej. Na rysunku 2.4 został zaprezentowany spektrogram fragmentu wypowiedzi zawierający artefakty. Zostały one zaznaczone kolorem czerwonym.

Rysunek 2.3: Przebieg fragmentu mowy zawierający artefakt

Jak można zauważyć fragmenty poszukiwane jako artefakty wykazują też specyficzne właściwości na spektralne. Można je dostrzec na wykresie nie przeprowadzając żadnej głębszej analizy. Widać wyraźnie powtarzające się prążki częstotliwości na całej długości artefaktu. Wnioski te stanowiły podstawę pod dalsze rozważania nad algorytmem. Po wstępnej analizie należało dokonać pewnej modyfikacji założeń programu. Otóż okazuje się, że zawieszenie dźwięku jakim jest artefakt „yyy” czy „eee” w analizie czasowo-amplitudowej oraz czasowo-częstotliwościowej wyglada tak samo jak pozostałe dźwięki. Nie jest zatem możliwe wykrycie która z głosek dźwięcznych pojawiła się w wypowiedzi jako artefakt korzystając z podstawowej analizy częstotliwościowej. Równie dobrze może to być artefakt „ooo”, „uuu”

T. Balawajder Aplikacja mobilna ułatwiająca eliminację nawyku mówienia „yyyy” podczas prezentacji.

Wyszukiwarka

Podobne podstrony:
img164 12. METODY GRAFOWE Jak wspomniano w rozdziale 9, gramatyki grafowe są mocniejszym narzędziem
img164 12. METODY GRAFOWE Jak wspomniano w rozdziale 9, gramatyki grafowe są mocniejszym narzędziem
321 (25) 524 Jak wspomniano w rozdziale XII.11, w stopniu regulacyjnym luk zasilania jest zmienny za
Untitled 16 3.2.    Algorytmy całkowania [2 s. 2-30] Do dyspozycji użytkownika jest k
0000039 (13) Licznik scyntylacyjny. Wadą licznika G-M jest stosunkowo mała wydajność detekcji promie
img057 (29) 62 Istotnym problemem wiążącym się z wykorzystaniem algorytmu iteracji prostej, jak równ
IMG112 (16) Metrologia Katrani detali m aasn pitiM się jak nfkęnegi dostępu da mierzonych
img016 16 dl a 0,1 M an    (14) gdzie 0,1 na jest, jak poprzednio, najmniejszą długoś
16.6. Dwa zwoje dnitu o promieniu R ustawionych tak jak na rysunku odległych o d tak, że ich os
16 właściwy sposób kształtowania pojęć naturalnych takich jak „choroba” czy „ptak”, matrycowych
ORTOGRAFIA PIERWSZOKLASISTY (16) Połącz punkty od 1 do 25, a zobaczysz, jak wygląda panna młoda. Prz

więcej podobnych podstron