用于语音信号中精确共振峰跟踪的时变准闭相分析
音频与语音处理
2023-09-01 v1 计算与语言
声音
信号处理
摘要
在本文中，我们提出了一种利用时变准闭相（TVQCP）分析对语音信号中的共振峰进行精确估计与跟踪的新方法。传统的共振峰跟踪方法通常采用两阶段估计与跟踪策略：首先利用短时分析（如10–50 ms）估计一组初始共振峰候选，随后基于动态规划或线性状态空间模型进行跟踪阶段。这些方法的主要缺点之一是，无论跟踪阶段多么良好，都无法改善第一阶段共振峰估计的精度。所提出的TVQCP方法提供了一种将估计与跟踪阶段合二为一的单阶段共振峰跟踪。TVQCP分析结合三种方法来改进共振峰估计与跟踪：（1）它使用时变加权的准闭相分析来推导声道的闭相估计，从而减少激励源的干扰；（2）它利用优化增加残差稀疏性；（3）它在长时间窗（如100–200 ms）上使用时变线性预测分析，以对声道模型从而也对共振峰轨迹施加连续性约束。对多种合成与自然语音信号的共振峰跟踪实验表明，所提出的TVQCP方法优于传统且流行的共振峰跟踪工具，如Wavesurfer和Praat（基于动态规划）、KARMA算法（基于卡尔曼滤波）以及DeepFormants（基于以监督方式训练的深度神经网络）。所提方法的Matlab脚本可在 https://github.com/njaygowda/ftrack 获取。
引用
@article{arxiv.2308.16540,
title = {Time-Varying Quasi-Closed-Phase Analysis for Accurate Formant Tracking in Speech Signals},
author = {Dhananjaya Gowda and Sudarsana Reddy Kadiri and Brad Story and Paavo Alku},
journal= {arXiv preprint arXiv:2308.16540},
year = {2023}
}