Method for converting speech signal to improve speech intelligibility

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The task of improving the speech intelligibility in communication systems is considered. The acute problem of speaker voice recognition when using known methods for solving it is pointed out. To overcome this problem, new method for converting a speech signal is proposed. It based on an autoregressive model of the vocal tract and on the principle of frequency-selective amplification of the main formants. An example of the practical implementation of a new method based on the fast Fourier transform is considered. Estimates of computational costs and its performance are given. A full-scale experiment was set up and carried out. Based on its results, the positive effect achieved by applying the proposed method was established, namely: increasing the intelligibility of the speech of the control speaker while maintaining a sufficiently high degree of recognition of his voice. The results obtained are intended for use in the development of new and modernization of existing voice communication systems, including a mobile communication and VoIP-systems.

Sobre autores

V. Savchenko

Editorial office “Radiotehnika and Electronika”

Email: vvsavchenko@yandex.ru
Mokhovaya Str., 11, build. 7, Moscow, 125009 Russian Federation

L. Savchenko

National Research University “High School of Economics”

Bol’shaya Pecherskaya Str., 25, Nizhny Novgorod, 603155 Russian Federation

Bibliografia

  1. Rabiner L.R., Schafer R.W. // Foundations and Trends in Signal Processing. 2007. V. 1. № 1–2. P. 1.
  2. Mehrish A., Majumder N., Bharadwaj R. et al. // Information Fusion. 2023. V. 99. Article No. 101869.
  3. Sankar M.S., Sathidevi P.S. // Circuits Systems Signal Process. 2023. V. 42. P. 3437.
  4. Anselam A.S., Pillai S.S., Sreeni K.G. Advances Communication Systems and Networks. Selected Proceedings of ComNet2019/Eds. by J. Jayakumari, G. K. Karagiannidis, M. Ma, S. A. Hossain. Singapore: Springer, 2020. P. 625.
  5. Togawa T., Otani T., Suzuki K., Taniguchi T. // APSIPA Trans. on Signal and Information Processing. 2015. V. 4. Article No. e14.
  6. Narendra N.P., Alku P. // Speech Commun. 2019. V. 110. P. 47.
  7. O’Shaughnessy D. // IEEE Trans. 2024. V. HMS-54. № 1. P. 110.
  8. Ngo Th., Kubo R., Akagi M. // Speech Commun. 2021. V. 135. P. 11.
  9. Zheng C., Zhang H., Liu W. et al. // Trends in Hearing. 2023. V. 27. Article No. 23312165231209913
  10. Jolad B., Khanai R. // Int. J. Speech Technology. 2023. V. 26. P. 287.
  11. Kolbæk M., Tan Z.H., Jensen S.H., Jensen J. // IEEE/ACM Trans. 2020. V. ASLP-28. P. 825.
  12. Deng F., Bao Ch. // Speech Commun. 2016. V. 79. P. 30.
  13. Cавченко В.В., Савченко Л.В. // РЭ. 2021. Т. 66. № 11. C. 1100.
  14. Cавченко В.В., Савченко Л.В. // РЭ. 2024. Т. 69. № 4. С. 339.
  15. Gibson J. //Information. 2019. V. 10. № 5. P. 179.
  16. Cавченко В.В., Савченко Л.В. // РЭ. 2023. Т. 68. № 7. С. 660.
  17. Ternström S. // Appl. Sciences. 2023. V. 13. № 6. P. 3514.
  18. Cавченко В.В., Савченко Л.В. // Измерительная техника. 2024. № 5. С. 54.
  19. Ito M., Ohara K., Ito A., Yano M. // Proc. 11th Annual Conf. Int. Speech Commun. Association (INTERSPEECH 2010). Makuhari. 26–30 Sept. N.Y.: Curran Associates, Inc., 2011. V.4. P. 2494.
  20. Cавченко А.В., Савченко В.В. // РЭ. 2022. T. 67. № 3. C. 286.
  21. Palaparthi A., Titze I.R. // Speech Commun. 2020. V. 123. P. 98.
  22. Cавченко В.В., Савченко Л.В. // Измерительная техника. 2024. № 2. C. 55.
  23. Tohyama M. Acoustic Signals and Hearing. A Time-Envelope and Phase Spectral Approach. L.: Academic Press, 2020. P. 89.
  24. Alku P., Kadiri S.R., Gowda D. // Computer Speech & Language. 2023. V. 81. Article No. 101515.
  25. Kathiresan Th., Maurer D., Suter H., Dellwo V. // J. Acoust. Soc. Amer. 2018. V. 143. № 3. P. 1919.
  26. Tokuda I.T. Oxford Research Encyclopedia of Linguistics. Oxford: Univ. Press, 2021. P. oxfordre.com/linguistics/view/10.1093/acrefore/9780199384655.001.0001/acrefore-9780199384655-e-894
  27. Kim H.S. Linear Predictive Coding is All-Pole Resonance Modeling. Stanford Univ. Center for Computer Research in Music and Acoustics, 2023. 7 p. ccrma.stanford.edu/~hskim08/lpc/lpc.pdf
  28. Jesus L., Castilho S., Ferreira A., Costa M.C. // J. Phonetics. 2023. V. 97. Article No. 101223.
  29. Gustafsson Ph.U., Laukka P., Lindholm T. // Speech Commun. 2023. V. 146. P. 82. https://doi.org/10.1016/j.specom.2022.12.001
  30. Savchenko V.V. // Radioelectronics and Communications Systems. 2021. V. 64. № 11. P. 592.
  31. Corey R.M., Kozat S.S., Singer A.C. Signal Processing and Machine Learning Theory/Ed. by P.S.R. Diniz. L.: Academic Press. 2024. P. 689.
  32. Marple S.L.Jr. Digital Spectral Analysis with Applications. Mineola: Dover Publications. 2019.
  33. Kuhn K., Kersken V., Reuter B. et al.// ACM Trans. on Accessible Computing. 2024. V. 16. № 4. Article No. 25
  34. Palani S. Principles of Digital Signal Processing. Cham: Springer 2022.
  35. Cавченко В.В. // Измерительная техника. 2023. № 10. С. 63.
  36. Cавченко В.В., Савченко А.В. // РЭ. 2020. Т. 65. № 11. С. 1101.
  37. Omer D.S., Hussein M.A. & Mina L.M. // J. Engineering. 2020. V. 26. № 10. P. 135.
  38. Esra A.J.S., Sukhi Y. // Computer Speech & Language. 2024. V. 84. Article No. 101554.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».