Разработана модель сегментации речи на основе анализа распределения локальных максимумов спектра в частотной области. Характеристики, вид, распределение локальных максимумов для речевых фрагментов и для фрагментов пауз существенно отличаются. Эти отличия проявляются в амплитудно-частотных соотношениях между локальными экстремумами (максимумами). Детальную картину расположения фонем в слове или предложении можно установить, исследуя зависимость энергии сегментов вейвлет-спектра от масштабного коэффициента a. Для исследования используется MHAT-вейвлет. Объектом исследования является речевой сигнал на фоне слабого шума, длительность речевого сигнала составляет 4 с. Для вычисления вейвлет-спектра речевого сигнала используется формула непрерывного вейвлет-преобразования. Вейвлет-анализ речевого сигнала показывает, что гласные фонемы имеют максимальные энергии при средних значениях масштабного коэффициента. Такая закономерность наблюдается при многократном повторении и не зависит от случайных факторов.
A model for the segmentation of speech by analyzing the distribution of local maxima of the spectrum in the frequency domain is worked out. Specifications, appearance, distribution of local maxima for speech fragments and fragments pauses differ greatly. These differences manifest themselves in the amplitude-frequency relationships between local extremes (highs). A detailed picture of the location of phonemes in a word or sentence can be established by examining the dependence of the energy segments of the wavelet spectrum of the scale factor a. For research use MHAT-wavelet. The object of the study is the voice signal on a background of weak noise, the duration of the speech signal is four seconds. To calculate the wavelet spectrum of a speech signal uses the formula continuous wavelet transformation. Wavelet analysis of the speech signal indicates that the vowel phonemes have maximum energy at the average values of the scale factor. This pattern is observed when repeated many times, and does not depend on random factors.
1. Вишнякова О.А., Лавров Д.Н. Алгоритм фонемной сегментации на основе анализа скорости изменения энергии дискретного вейвлет-преобразования // Вестник ОмГУ . 2011. № 4. С. 146–152.
2. Желтов П.В., Желтов В.П., Семенов В.И. Применение вейвлет-преобразования при сегментации речи // Современные проблемы науки и образования. – 2015. – № 1. URL: www.science-education.ru/121-19205 (дата обращения: 03.06.2015)
3. Желтов П.В., Желтов В.П., Семенов В.И. Математическая модель распознавания слитной речи // Вестник ЧГУ. – 2012. – № 3. С. 210–212.
4. Желтов П.В., Семенов В.И., Трофимова А.И., Шурбин А.К. Алгоритмы идентификации фонем и формирования слова в системах распознавания речи на основе вейвлет-преобразования // Вестник ЧГУ. 2014. № 2. С. 98–102.
5. Семенов В.И. Методика определения границ между гласными и согласными звуками речи с применением быстрого непрерывного вейвлет-преобразования / В.И. Семенов, П.В. Желтов // Динамика научных исследований. 2011, Przemysl, 2011.