English version of this page

Zpět na hlavní stránku | seznam cvičení

Úkoly k vypracování:

• Odhad základní frekvence (základní periody) pro znělý segment řečového signálu.
  Pro vybraný znělý segment řečového signálu muz1-AA-frame.CS0 (vše raw data bez hlavičky, fs=16000 Hz, pro načtení do MATLABu použijte funkci loadbin.m) odhadněte základní frekvenci v následujících krocích:
  • sledujte průběh odhadu autokorelační funkce (vychýlený odhad - xcorr)
  • základní periodu hledejte jako první postranní maximum odhadu autokorelace
  • z nalezené pozice maxima určete základní periodu ve vzorcích (L_0), základní periodu v sekundách (T_0) a hodnotu základního frekvence v Hz (f_0)
  • omezte interval hledání maxima na rozsah, který odpovídá základnímu tónu v rozmezí 60-260 Hz.
  • Výsledek: pro jeden znělý segment muz1-AA-frame.CS0 zobrazte:
    - časový průběh signálu spolu s napočítanou autokorelační funkcí
    - meze pro hledání maxima autokorelace
    - nalezené maximum a z něj určené hodnoty L_0, T_0 a f_0.
  • Výpočet opakujte také pro analogické znělé segmenty od různých mluvčích a sledujte variabilitu signálu i výsledného odhadu:
    - muz2-AA-frame.CS0, muz3-AA-frame.CS0, muz4-AA-frame.CS0, zena1-AA-frame.CS0, zena2-AA-frame.CS0, zena3-AA-frame.CS0 (raw data bez hlavičky, fs=16000 Hz)
  • Výpočet opakujte také pro různé znělé segmenty od dvou různých mluvčích a sledujte variabilitu signálu i i stabilitu odhadu f0 pro jednotlivé mluvčí:
    - muz3-AA-frame.CS0, muz3-EE-frame.CS0, muz3-II-frame.CS0, muz3-OO-frame.CS0, muz3-UU-frame.CS0
    - zena3-AA-frame.CS0, zena3-EE-frame.CS0, zena3-II-frame.CS0, zena3-OO-frame.CS0, zena3-UU-frame.CS0
  • Výpočet opakujte také pro vybraný neznělé segmenty řečového signálu muz1-SS-frame.CS0, zena3-SS-frame.CS0 (raw data bez hlavičky, fs=16000 Hz) a srovnejte zejména rozdílné průběhy signálů v časové oblasti i autokorelační funkce pro neznělou řeč.
  • MOŽNÁ VYLEPŠENÍ: - vypočítejte sami jednostranný odhad autokorelační funkce pro požadované rozmezí základní frekvence
    - zvažte možnost snížení chyby odhadu autokorelace při práci se vzorky vně daného segmentu

• Odhad průběhu základní frekvence v delší promluvě
  • Odhad základního tónu implementujte pro celý signál v jednotlivých krátkodobých segmentech (viz výpočet výkonu na minulém cvičení) a počítejte pro každý frame (rámec) segmentovaného signálu. Délku segmentu volte minimálně 32 ms, posuv segmentu 16 ms (tj. segmentujte s 50% překryvem).
  • Výsledek: Časový průběh signálu a nalezená hodnota f_0 ve všech jednotlivých segmentech pro promluvu SA176S01.CS0 (raw data bez hlavičky, fs=16000 Hz) a pro vámi on-line nahraný signál.

• Aplikace detekce znělých řečových segmentů při výpočtu základního tónu řeči
  • Detekujte neznělé řečové segmenty detekujte na bázi ZCR počítané v jednotlivých analyzovaných segmentech (jako segmenty s velmi vysokou četností průchodů nulou). V tomto případě nastavte hodnotu f_0 = 10 Hz.
  • Detekujte také řečovou pauzu na bázi výpočtu energie (jako segmenty s velmi nízkou energií) a pro neřečové segmenty nastavte hodnotu f_0 = 0 Hz.
  • Výsledek: Časový průběh signálu a nalezená hodnota f_0 pouze pro znělé segmenty v on-line nahraném signálu (je možné i pro analyzovanou promluvu SA176S01.CS0).
  • MOŽNÉ VYLEPŠENÍ - zvažte možnost vyhlazení odhadu f_0 mediánovou filtrací (použijte následující funkci pro mediánovou filtraci - med.m )
  • Výsledek: Pro vámi nahraný signál určete průměrnou hodnotu f_0 vašeho hlasu.

• Další signály ke zpracování
  • mc20bc116016.ils_a - raw data bez hlavičky, fs=44100 Hz,
  • a30650b1.wav - wav format, fs=8000 Hz
  • vaše vlastní promluvy z databáze zreratdb v souborech *.CS0 (fs = 16000 Hz), pro hromadné stažení jsou vaše promluvy k disposici v následujícím archivu zrerat_block200_2024_cs0.zip
  • POZNÁMKA - Pro načtení dat v raw-formátu (bez hlavičky) do MATLABu použijte funkci loadbin.m, pro načtení dat ve wav-formátu použijte standardní funkci MATLABu audioread.