Масштабно-инвариантная модификация COSH-расстояния для измерения искажений речевого сигнала в режиме реального времени

Автор(и)

  • Андрей Владимирович Савченко Национальный исследовательский университет «Высшая школа экономики», Нижний Новгород, Russian Federation https://orcid.org/0000-0001-6196-0564
  • Владимир Васильевич Савченко Нижегородский государственный лингвистический университет им. Н.А. Добролюбова, Russian Federation https://orcid.org/0000-0003-3045-3337

DOI:

https://doi.org/10.20535/S0021347021060030

Ключові слова:

цифровая обработка сигналов, речевой сигнал, спектральный анализ, защита от помех, меры расстояний, дивергенция Итакуры-Саито, COSH-расстояние, расстояние Итакуры, дивергенция Кульбака-Лейблера

Анотація

Рассмотрена новая мера искажений звуков речи диктора, инвариантная к коэффициенту усиления речевого сигнала в канале связи. Исследованы ее свойства в сравнении с наиболее близкими из аналогов. Доказан ряд теоретических положений. Показано, что новая мера объединяет в себе преимущества симметричной формы расстояния Итакуры в отношении помехоустойчивости автоматической обработки речи, с одной стороны, и COSH-расстояния в отношении чувствительности к искажениям речевого сигнала, с другой. С использованием авторского программного обеспечения поставлен и проведен эксперимент. Даны оценки зависимости новой меры от отношения сигнал–шум. Показано, что в логарифмическом отображении данная зависимость имеет близкий к линейному характер. Полученные результаты предназначены для использования при разработке новых, и модернизации существующих систем и технологий цифровой обработки сигналов и анализа качества речи в условиях действия шума.

Біографії авторів

Андрей Владимирович Савченко, Национальный исследовательский университет «Высшая школа экономики», Нижний Новгород

Лаборатория алгоритмов и технологий анализа сетевых структур, с.н.с.

Владимир Васильевич Савченко, Нижегородский государственный лингвистический университет им. Н.А. Добролюбова

кафедра математики и информатики, профессор

Посилання

J. Sadasivan, C. S. Seelamantula, N. R. Muraka, “Speech enhancement using a risk estimation approach,” Speech Commun., vol. 116, pp. 12–29, 2020, doi: https://doi.org/10.1016/j.specom.2019.11.001.

В. В. Савченко, “Дивергенция Итакуры–Саито как элемент информационной теории восприятия речи,” Радиотехника и электроника, vol. 64, no. 6, pp. 585–592, 2019, doi: https://doi.org/10.1134/S0033849419060093.

M. A. Bakhshali, M. Khademi, A. Ebrahimi-Moghadam, S. Moghimi, “EEG signal classification of imagined speech based on Riemannian distance of correntropy spectral density,” Biomed. Signal Process. Control, vol. 59, p. 101899, 2020, doi: https://doi.org/10.1016/j.bspc.2020.101899.

А. А. Боровков, Математическая Статистика. Дополнительные Главы. Москва: Наука. Физматлит, 1984.

C. Liu, M. Jiang, “Robust adaptive filter with lncosh cost,” Signal Process., vol. 168, p. 107348, 2020, doi: https://doi.org/10.1016/j.sigpro.2019.107348.

D. Prasetyawan, T. Nakamoto, “Comparison of NMF with Kullback-Leibler divergence and Itakura-Saito divergence for Odor approximation,” in 2019 IEEE International Symposium on Olfaction and Electronic Nose (ISOEN), 2019, pp. 1–3, doi: https://doi.org/10.1109/ISOEN.2019.8823186.

Y. Matsuyama, A. Buzo, R. Gray, “Spectral distortion measures for speech compression. Information Systems Lab., Stanford Electronics Lab., Tech. Rep. 6504-3,” Stanford, California, 1978. uri: https://www.researchgate.net/publication/234252904.

F. Itakura, S. Saito, “Analysis synthesis telephony based on the maximum likelihood method,” in Proc. 6th of the International Congress on Acoustics, 1968, pp. C17–C20, uri: http://www.fon.hum.uva.nl/praat/manual/Itakura___Saito__1968_.html.

R. Gray, A. Buzo, A. Gray, Y. Matsuyama, “Distortion measures for speech processing,” IEEE Trans. Acoust. Speech, Signal Process., vol. 28, no. 4, pp. 367–376, 1980, doi: https://doi.org/10.1109/TASSP.1980.1163421.

S. Kullback, Information Theory and Statistics. New York: Dover Publications, 1997, uri: https://www.amazon.com/Information-Theory-Statistics-Dover-Mathematics/dp/0486696847.

F.-L. Xie, F. K. Soong, H. Li, “Voice conversion with SI-DNN and KL divergence based mapping without parallel training data,” Speech Commun., vol. 106, pp. 57–67, 2019, doi: https://doi.org/10.1016/j.specom.2018.11.007.

A. A. Gharbali, S. Najdi, J. M. Fonseca, “Investigating the contribution of distance-based features to automatic sleep stage classification,” Comput. Biol. Med., vol. 96, pp. 8–23, 2018, doi: https://doi.org/10.1016/j.compbiomed.2018.03.001.

V. V. Savchenko, “A method of measuring the index of acoustic voice quality based on an information-theoretic approach,” Meas. Tech., vol. 61, no. 1, pp. 79–84, 2018, doi: https://doi.org/10.1007/s11018-018-1391-8.

Y. Gu, H.-L. Wei, “A robust model structure selection method for small sample size and multiple datasets problems,” Inf. Sci., vol. 451–452, pp. 195–209, 2018, doi: https://doi.org/10.1016/j.ins.2018.04.007.

F. Mustiere, M. Bouchard, M. Bolic, “All-pole modeling of discrete spectral powers: A unified approach,” IEEE Trans. Audio, Speech, Lang. Process., vol. 20, no. 2, pp. 705–708, 2012, doi: https://doi.org/10.1109/TASL.2011.2163511.

S. Shamila Rachel, U. Snekhalatha, K. Vedhasorubini, D. Balakrishnan, “Spectral analysis of speech signal characteristics: A comparison between healthy controls and Laryngeal disorder,” in Proc. International Conference on Intelligent Computing and Applications, 2018, pp. 333–341, doi: https://doi.org/10.1007/978-981-10-5520-1_31.

B. Wei, J. D. Gibson, “A new discrete spectral modeling method and an application to CELP coding,” IEEE Signal Process. Lett., vol. 10, no. 4, pp. 101–103, 2003, doi: https://doi.org/10.1109/LSP.2003.808550.

A. Ben Aicha, “Machine learning based approach to assess denoised speech,” Procedia Comput. Sci., vol. 159, pp. 698–706, 2019, doi: https://doi.org/10.1016/j.procs.2019.09.225.

M. E. Hossain, M. S. A. Zilany, E. Davies-Venn, “On the feasibility of using a bispectral measure as a nonintrusive predictor of speech intelligibility,” Comput. Speech Lang., vol. 57, pp. 59–80, 2019, doi: https://doi.org/10.1016/j.csl.2019.02.003.

V. V. Savchenko, A. V. Savchenko, “Method for measuring distortions of a speech signal during its transmission over a communication channel to a biometric identification system,” Izmer. Tekhnika, no. 11, pp. 65–72, 2020, doi: https://doi.org/10.32446/0368-1025it.2020-11-65-72.

В. В. Савченко, “Критерий минимума информационного расхождения сигналов с настройкой на голос диктора в задаче автоматического распознавания речи,” Известия вузов. Радиоэлектроника, vol. 63, no. 1, pp. 55–68, 2020, doi: https://doi.org/10.20535/S0021347020010045.

В. В. Савченко, “Метод фонетического декодирования слов с подавлением фонового шума,” Радиотехника и электроника, vol. 62, no. 7, pp. 681–686, 2017, doi: https://doi.org/10.7868/S0033849417070099.

В. В. Савченко, А. В. Савченко, “Критерий регулируемого уровня значимости для выбора порядка спектральной оценки максимума энтропии,” Известия вузов. Радиоэлектроника, vol. 62, no. 5, pp. 276–286, 2019, doi: https://doi.org/10.20535/S0021347019050042.

J. Benesty, J. Chen, Y. Huang, “Linear prediction,” in Springer Handbook of Speech Processing, Berlin, Heidelberg: Springer Berlin Heidelberg, 2008, pp. 121–134.

F. Itakura, “Minimum prediction residual principle applied to speech recognition,” IEEE Trans. Acoust. Speech, Signal Process., vol. 23, no. 1, pp. 67–72, 1975, doi: https://doi.org/10.1109/TASSP.1975.1162641.

E. Estrada, H. Nazeran, F. Ebrahimi, M. Mikaeili, “Symmetric Itakura distance as an EEG signal feature for sleep depth determination,” in ASME 2009 Summer Bioengineering Conference, Parts A and B, 2009, pp. 723–724, doi: https://doi.org/10.1115/SBC2009-206233.

O. Diana, A. Mihaela, “Feature extraction and classification methods for a motor task brain computer interface: A comparative evaluation for two databases,” Int. J. Adv. Comput. Sci. Appl., vol. 8, no. 8, p. 0, 2017, doi: https://doi.org/10.14569/IJACSA.2017.080834.

Геометрическое место точек различных спектральных мер

##submission.downloads##

Опубліковано

2021-06-30 — Оновлено 2021-06-30

Як цитувати

Савченко, А. В., & Савченко, В. В. (2021). Масштабно-инвариантная модификация COSH-расстояния для измерения искажений речевого сигнала в режиме реального времени. Вісті вищих учбових закладів. Радіоелектроніка, 64(6), 350–361. https://doi.org/10.20535/S0021347021060030

Номер

Том 64 № 6 (2021)

Розділ

Оригінальні статті

Ліцензія

Авторське право (c) 2020 Известия высших учебных заведений. Радиоэлектроника

Издатель журнала Известия высших учебных заведений. Радиоэлектроника (сокр. "Известия вузов. Радиоэлектроника"), Национальный технический университет Украины "Киевский политехнический институт", учитывает, что доступ автора к его статье является важным как для самого автора, так и для спонсоров его исследований. Мы представлены в базе издателей SHERPA/RoMEO как зеленый издатель (green publisher), что позволяет автору выполнять самоархивирование своей статьи. Однако важно, чтобы каждая из сторон четко понимала свои права. Просьба более детально ознакомиться с Политикой самоархивирования нашего журнала.

Политика оплаченного открытого доступа POA (paid open access), принятая в журнале, позволяет автору выполнить все необходимые требования по открытому доступу к своей статье, которые выдвигаются институтом, правительством или фондом при выделении финансирования. Просьба более детально ознакомиться с политикой оплаченного открытого доступа нашего журнала (см. отдельно).

Варианты доступа к статье:

1. Статья в открытом доступе POA (paid open access)

В этом случае права автора определяются лицензией CC BY (Creative Commons Attribution).

2. Статья с последующим доступом по подписке

В этом случае права автора определяются авторским договором, приведенным далее.

  • Автор (каждый соавтор) уступает Издателю журнала «Известия высших учебных заведений. Радиоэлектроника» НТУУ «КПИ» на срок действия авторского права эксклюзивные права на материалы статьи, в том числе право на публикацию данной статьи издательством Аллертон Пресс, США (Allerton Press) на английском языке в журнале «Radioelectronics and Communications Systems». Передача авторского права охватывает исключительное право на воспроизведение и распространение статьи, включая оттиски, переводы, фото воспроизведения, микроформы, электронные формы (он- и оффлайн), или любые иные подобные формы воспроизведения, а также право издателя на сублицензирование третьим лицам по своему усмотрению без дополнительных консультаций с автором. При этом журнал придерживается Политики конфиденциальности.
  • Передача прав включает право на обработку формы представления материалов с помощью компьютерных программам и систем (баз данных) для их использования и воспроизводства, публикации и распространения в электронном формате и внедрения в системы поиска (базы данных).
  • Воспроизведение, размещение, передача или иное распространение или использование материалов, содержащихся в статье должно сопровождаться ссылкой на Журнал и упоминанием Издателя, а именно: название статьи, имя автора (соавторов), название журнала, номер тома, номер выпуска, копирайт авторов и издателя "© Национальный технический университет Украины "Киевский политехнический институт"; © автор(ы)".
  • Автор (каждый соавтор) материалов сохраняет все права собственника материалов, включая патентные права на любые процессы, способы или методы и др., а также права на товарные знаки.
  • Издатель разрешает автору (каждому соавтору) материалов следующее:
  1. Право пользоваться печатными или электронными вариантами материалов статьи в форме и содержании, принятыми Издателем для публикации в Журнале. Подробнее см. политики Оплаченного открытого доступа, подписки и самоархивирования.
  2. Право бесплатно копировать или передавать коллегам копию напечатанной статьи целиком или частично для их личного или профессионального использования, для продвижения академических или научных исследований или для учебного процесса или других информационных целей, не связанных с коммерческими целями.
  3. Право использовать материалы из опубликованной статьи в написанной автором (соавторами) книге, монографии, учебнике, учебном пособии и других научных и научно-популярных изданиях.
  4. Право использовать отдельные рисунки или таблицы и отрывки текста из материалов в собственных целях обучения или для включения их в другую работу, которая печатается (в печатном или электронном формате) третьей стороной, или для представления в электронном формате во внутренние компьютерные сети или на внешние сайты автора (соавторов).
  • Автор (соавторы) соглашаются, что каждая копия материалов или любая ее часть, распространенная или размещенная ими в печатном или электронном формате, будет содержать указание на авторское право, предусмотренное в Журнале и полную ссылку на Журнал Издателя.
  • Автор (соавторы) гарантирует, что материалы являются оригинальной работой и представлены впервые на рассмотрение только в этом Журнале и ранее не публиковались. Если материалы написаны совместно с соавторами, автор гарантирует, что проинформировал их относительно условий публикации материалов и получил их подписи или письменное разрешение подписываться от их имени.
  • Если в материалы включаются отрывки из работ или имеются указания на работы, которые охраняются авторским правом и принадлежат третьей стороне, то автору необходимо получить разрешение владельца авторских прав на использование таких материалов в первом случае и сделать ссылку на первоисточник во втором.
  • Автор гарантирует, что материалы не содержат клеветнических высказываний и не посягают на права (включая без ограничений авторское право, права на патент или торговую марку) других лиц и не содержат материалы или инструкции, которые могут причинить вред или ущерб третьим лицам. Автор (каждый соавтор) гарантирует, что их публикация не приведет к разглашению секретных или конфиденциальных сведений (включая государственную тайну). Подтверждением этого является Экспертное заключение (см. перечень документов в Правила для авторов).
  • Издатель обязуется опубликовать материалы в случае получения статьей положительного решения редколлегии о публикации на основании внешнего рецензирования (см. Политика рецензирования).
  • В случае публикации статьи на английском языке в журнале «Radioelectronics and Communications Systems» (Издатель: Аллертон Пресс, США, распространитель Springer) автору (соавторам) выплачивается гонорар после выхода последнего номера журнала года, в котором опубликована данная статья.
  • Документ Согласие на публикацию, который подают русскоязычные авторы при подаче статьи в редакцию, является краткой формой данного договора, в котором изложены все ключевые моменты настоящего договора и наличие которого подтверждает согласие автора (соавторов) с ним. Аналогичным документом для англоязычных авторов является Copyright Transfer Agreement (CTA), предоставляемый издательством Allerton Press.
  • Настоящий Договор вступает в силу в момент принятия статьи к публикации. Если материалы не принимаются к публикации или до публикации в журнале автор (авторы) отозвал работу, настоящий Договор не приобретает (теряет) силу.