2. Обнаружение и кодированию пауз на основе технологии vad

В качестве исследуемой фразы была выбрана: «Жизнь - веселый карнавал».

Алгоритм обнаружение и кодированию пауз на основе технологии VAD:

1. Загружаем речевой сигнал

2. Задать начальные параметры:

2.1 Длину анализируемого отрезка N (значение подобрать эмпирически, исходя из предварительного анализа длительности звуков и пауз в речевых сигналах

2.2 Начальное значение энергетического порога Н, которое должно быть максимальным

3. Считаем энергию сигнала по формуле

4. Сравнивать величину энергии с пороговым значением, т.е. проверять условие P<H

4.1 Вычислить усредненное значение энергии Р_ср (с учетом значений предыдущих отрезков анализа);

4.2 Вычислить значение порога, уточненное по среднему значению энергии

Н = КР_ср

(здесь К – коэффициент определенный эмпирически);

4.3 Кодировать паузу (запоминать номер начального отсчета и длину паузы);

4.4 Удалить отрезок паузы из исходного вектора;

5. Сохраняем получившиеся сигналы и строим графики

2.1 Исследование на примере речи диктора – мужчины

2.1.1 Обнаружение и кодированию пауз на основе технологии vad

Рисунок 2.1 – График исходного сигнала

Рисунок 2.2 – График сигнала с удалёнными паузами при длине окна 50

Рисунок 2.3 – График сигнала с восстановленными паузами при длине окна 50

Рисунок 2.4 – График сигнала восстановленный и исходный при длине окна 50

Критерии оценки сигналов:

5 – качество звука практически не изменилось.

4 – заметны незначительные изменения в качестве звучания речи.

3 – плохое качество звучания речи, слова полностью разборчивы, наблюдаются различного рода шипения.

2 – низкое качество звучания, полная неразборчивость речи.

Вывод:

Речь разборчива, но качество низкое. Слышится высокий уровень шума. Голос диктора не распознаваем.

Рисунок 2.5 – График сигнала с удалёнными паузами при длине окна 100

Рисунок 2.6 – График сигнала с восстановленными паузами при длине окна 100

Рисунок 2.7 – График сигнала восстановленный и исходный при длине окна 100

Вывод:

Качество записи лучше. Уровень шума ниже, диктора можно узнать.

Рисунок 2.8 – График сигнала с удалёнными паузами при длине окна 200

Рисунок 2.9 – График сигнала с восстановленными паузами при длине окна 200

Рисунок 2.10 – График сигнала восстановленный и исходный при длине окна 200

Вывод:

Качество записи лучше. Уровень шума ниже, диктора можно узнать.

Рисунок 2.11 – График сигнала с удалёнными паузами при длине окна 300

Рисунок 2.12 – График сигнала с восстановленными паузами при длине окна 300

Рисунок 2.13 – График сигнала восстановленный и исходный при длине окна 300

Вывод:

Речь практически без помех, но шум на восприятие звучит слишком резко.

Рисунок 2.14 – График сигнала с удалёнными паузами при длине окна 500

Рисунок 2.15 – График сигнала с восстановленными паузами при длине окна 500

Рисунок 2.16 – График сигнала восстановленный и исходный при длине окна 500

Вывод:

Качество практически не отличается от исходного

Таблица 1 - Оценка качества преобразованных сигналов на слух

Наименование	Оценка
Сигнал 50	1
Сигнал 100	2
Сигнал 200	3
Сигнал 300	4
Сигнал 500	5

2.1.2 Сигнал+ шум различной интенсивности

Рисунок 2.17 – График исходного сигнала с добавленным шумом

Рисунок 2.14 – График сигнала + шум при q=7 с удалёнными паузами при длине окна 50

Рисунок 2.15 – График сигнала + шум при q=7 с восстановленными паузами при длине окна 50

Рисунок 2.16 – График сигнала+ шум при q=7 восстановленный и исходный при длине окна 50

Вывод:

Речь разборчива, качество низкое. Слышится высокий уровень шума. Голос диктора распознаваемый.

Рисунок 2.17 – График сигнала+ шум при q=7 с удалёнными паузами при длине окна 500

Рисунок 2.18 – График сигнала+ шум при q=7 с восстановленными паузами при длине окна 500

Рисунок 2.19 – График сигнала+ шум при q=7 восстановленный и исходный при длине окна 500

Вывод:

Речь разборчива, качество записи лучше.. Слышится высокий уровень шума. Голос диктора распознаваемый.

Критерии оценки сигналов:

5 – качество звука практически не изменилось.

4 – заметны незначительные изменения в качестве звучания речи.

3 – плохое качество звучания речи, слова полностью разборчивы, наблюдаются различного рода шипения.

2 – низкое качество звучания, полная неразборчивость речи.

Увеличим

Таблица 2.2 - Оценка качества преобразованных сигналов на слух при q=7

Наименование	Оценка
Сигнал 50	3
Сигнал 500	3

Рисунок 2.20 – График сигнала+ шум при q=8 с удалёнными паузами при длине окна 50

Рисунок 2.21 – График сигнала+ шум при q=8 с восстановленными паузами при длине окна 50

Рисунок 2.22 – График сигнала+ шум при q=8 восстановленный и исходный при длине окна 50

Рисунок 2.23 – График сигнала+ шум при q=8 с удалёнными паузами при длине окна 500

Рисунок 2.24 – График сигнала+ шум при q=8 с восстановленными паузами при длине окна 500

Рисунок 2.25 – График сигнала+ шум при q=8 восстановленный и исходный при длине окна 500

.Вывод:

Речь разборчива, качество записи плохое . Слышится высокий уровень шума. Голос диктора распознаваемый.

Критерии оценки сигналов:

5 – качество звука практически не изменилось.

4 – заметны незначительные изменения в качестве звучания речи.

3 – плохое качество звучания речи, слова полностью разборчивы, наблюдаются различного рода шипения.

2 – низкое качество звучания, полная неразборчивость речи.

Увеличим

Таблица 2.3 - Оценка качества преобразованных сигналов на слух при q=8

Наименование	Оценка
Сигнал 50	3
Сигнал 500	3