Epochenextraktion aus Sprachsignalen

Die Epoche ist der Moment der signifikanten Erregung des Sprachtraktsystems während der Sprachproduktion. Bei den meisten gesprochenen Sprachäußerungen findet die signifikanteste Erregung um den Moment des glottalen Verschlusses statt. Die Extraktion von Epochen aus Sprache ist eine herausfordernde Aufgabe aufgrund der zeitvariierenden Eigenschaften der Quelle und des Systems. Die meisten Methoden zur Epochenextraktion versuchen, die Eigenschaften des Sprachtraktsystems zu entfernen, um die Erregungseigenschaften im Rest zu betonen. Die Leistung solcher Methoden hängt kritisch von unserer Fähigkeit ab, das System zu modellieren. In diesem Papier schlagen wir eine Methode zur Epochenextraktion vor, die nicht kritisch von den Eigenschaften des zeitvariierenden Sprachtraktsystems abhängt. Die Methode nutzt die Natur der impulsartigen Erregung. Die vorgeschlagene null Resonanzfrequenzfilterausgabe bringt die Epocheneinträge mit hoher Genauigkeit und Zuverlässigkeit hervor. Die Leistung der Methode wird anhand der CMU-Arctic-Datenbank demonstriert, wobei die Epochendaten vom Elektrogottograph als Referenz verwendet werden. Die vorgeschlagene Methode schneidet signifikant besser ab als die derzeit verfügbaren Methoden zur Epochenextraktion. Der interessante Teil der Ergebnisse ist, dass die Epochenextraktion durch die vorgeschlagene Methode anscheinend robust gegenüber Verschlechterungen wie weißem Rauschen, Geschwätz, Hochfrequenzkanälen und Fahrzeuggeräuschen ist.