从语音信号中检测声门闭合时刻：定量综述
声音
2020-01-03 v1 计算与语言
音频与语音处理
摘要
浊音语音的伪周期性可在若干语音处理应用中加以利用。然而，这要求声门闭合时刻（GCIs）的精确位置可用。本文的重点是评估直接从语音波形中自动检测 GCI 的方法。使用六个不同的数据库（以同步的声门电图记录作为真值，包含多名说话人数小时的语音）对五种最先进的 GCI 检测算法进行比较。所比较的五种技术是基于 Hilbert 包络的检测（HE）、基于零频谐振器的法（ZFR）、动态规划相位斜率算法（DYPSA）、利用残差激励与基于均值的信号的语音事件检测（SEDREAMS）以及又一种 GCI 算法（YAGA）。首先从可靠性和准确性两方面在干净语音上评估这些方法的有效性，还评估了它们对加性噪声和混响的鲁棒性。本文的另一贡献是在一个具体的语音处理应用——语音的因果-反因果分解上评估它们的性能。结果表明，对于干净语音，SEDREAMS 和 YAGA 在识别率和准确性方面均为表现最佳的技术。ZFR 和 SEDREAMS 也表现出对加性噪声和混响更优的鲁棒性。
引用
@article{arxiv.2001.00473,
title = {Detection of Glottal Closure Instants from Speech Signals: a Quantitative Review},
author = {Thomas Drugman and Mark Thomas and Jon Gudnason and Patrick Naylor and Thierry Dutoit},
journal= {arXiv preprint arXiv:2001.00473},
year = {2020}
}