Detektory řečové aktivity na bázi perceptivní kepstrální analýzy

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03147129" target="_blank" >RIV/68407700:21230/08:03147129 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Detektory řečové aktivity na bázi perceptivní kepstrální analýzy

Popis výsledku v původním jazyce

Tento článek se zabývá popisem a implementací detektoru řečové aktivity (VAD) založeného na perceptivní kepstrální analýze řečového signálu. Kepstrální detek- tory vykazují zvýšenou robustnost vůči šumovému pozadí řeči v porovnání s jed- noduššími algoritmy, např. energetickými. Perceptivní analýza řečového signálu realizovaná použitím vhodné banky filtrů s nelineární frekvenční osou pak lépe extrahuje příznaky řečového signálu použitelné pro tuto detekci. Článek popisuje jednotlivé kroky algoritmu detekce s podrobnějším popisem významných bloků a jejich implementacemi v prostředí MATLAB. Práce srovnává použitý detektor se standardním algoritmem používaným v hlasovém kodeku G.729. V závěru je diskutována možnost využití detektoru v různých aplikacích spříkladem použití detektoru v úloze robustního rozpozná- vání řeči, které přineslo zlepšení úspěšnosti rozpoznání řeči téměř o 50%.

Název v anglickém jazyce

Voice Activity Detection Based on Perceptual Cepstral Analysis

Popis výsledku anglicky

This contribution deals with the description and implementation of Voice Activity Detector (VAD) based on perceptual cepstral analysis of speech signal. Cepstral detectors are more robust in noisy enviroment in comparison to simpler algorithms, e.g. energy-based systems. Moreover, perceptual analysis of speech signal extracts the speech features that better describe the signal for the purposes of speech detection by applying filterbank for non-linear frequency scaling. The paper describes particular steps of the detection algorithm together with more detailed description of the most important blocks and their implementation in MATLAB. The work compares the proposed algorithm with standard detection procedure used in voice codec G729. Also possible utilization of the detector based on different algorithms is discussed. Experiments on using proposed VAD algorithms in speech recognition task led to the decrease in recognition error by cca 50%.

Druh

D - Stať ve sborníku

CEP obor

JA - Elektronika a optoelektronika, elektrotechnika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Technical Computing Prague 2008

ISBN

978-80-7080-692-0

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

—

Název nakladatele

Humusoft

Místo vydání

Praha

Místo konání akce

Praha

Datum konání akce

11. 11. 2008

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—