वाक् इंटेलीजेंस माप: एक मॉड्यूलेशन दृष्टिकोण

स्पीच इंटेलीजेंस पर पिछले लेखों में, मैंने वस्तुनिष्ठ तरीकों और एक फॉर्मेंट दृष्टिकोण की जांच की। यह विषय अंतिम होगा, और हम संचार प्रणालियों के साथ-साथ घर के अंदर इंटेलीजेंस को मापने के लिए एक मॉड्यूलेशन दृष्टिकोण पर विचार करेंगे।

मॉड्यूलेशन विधि के जन्म को 1970 माना जा सकता है। टी। होडगैस्ट और जी। स्टीनकनेर ने एक प्रणाली विकसित की जो एक आयताकार लिफाफे के साथ निश्चित आवृत्ति संकेत द्वारा आयाम में संग्राहक शोर के रूप में एक परीक्षण संकेत का उपयोग करती थी। वाहक शोर का स्पेक्ट्रम लंबी अवधि के भाषण के स्पेक्ट्रम के समान था। परिणामस्वरूप, जब समझदारी का मूल्यांकन किया जाता है, तो शोर, क्लिपिंग और reverb के प्रभावों को ध्यान में रखना संभव था। इसके बाद, एक विशेष रूप से डिज़ाइन किए गए डिवाइस ने स्पीच ट्रांसमिशन इंडेक्स एसटीआई (स्पीच ट्रांसमिशन इंडेक्स) को मापना संभव बना दिया।

एसटीआई

एसटीआई एक ऐसा मूल्य है जो भाषण की समझदारी पर एक पथ के प्रभाव को निर्धारित करता है। यह इस तरह के चैनल विशेषता के साथ निकटता से संबंधित है जैसे कि एमटीएफ मॉड्यूलेशन ट्रांसफर फ़ंक्शन। एमटीएफ एक माप है कि किसी सिग्नल के आयाम को कितनी अच्छी तरह से एक विशेष पथ में संरक्षित किया जाता है, जब इसे इनपुट से आउटपुट में स्थानांतरित किया जाता है।

हम भौतिक औचित्य और सैद्धांतिक गणनाओं के जंगल में नहीं जाएंगे। मुझे लगता है कि केवल एमटीएफ की गणना करने के लिए अभिव्यक्ति देना पर्याप्त है:



एफ मॉड्यूलेशन आवृत्ति है;
टी - प्रारंभिक पुनर्जन्म समय;
डीबी में एस / एन - सिग्नल-टू-शोर अनुपात;

पहला कारक reverb के प्रभाव को ध्यान में रखता है, दूसरा - शोर का प्रभाव। लेकिन सादगी के विपरीत, मुझे यह सूत्र पसंद नहीं है, अगर केवल इसलिए कि यह गणितीय मॉडल के उपयोग के माध्यम से प्राप्त किया जाता है। इसलिए, मुझे लगता है कि श्रोएडर फॉर्मूले का उपयोग करके MTF की गणना करना अधिक समीचीन होगा:





h _e (t) सिस्टम की आवेग प्रतिक्रिया है;
h _k (t) ऑक्टेव फिल्टर की आवेग प्रतिक्रिया है;

अब हमारे पास छोटे कमरे में एक सरलीकृत तकनीक का उपयोग करके एसटीआई का मूल्यांकन करने के लिए सब कुछ है:

1. हम केंद्र आवृत्तियों के साथ प्रत्येक सात गुच्छ बैंड में से प्रत्येक में मॉडुलन आवृत्ति के 14 मूल्यों (एफ = 0.63; 0.8; 1; 1.25; 2; 2.5; 3. 4; 5; 6.3; 8; 10; 12.5 हर्ट्ज) के लिए 98 एमटीएफ मूल्यों का अनुमान लगाते हैं। 125; 250; 500; 1k; 2k; 4k; 8k हर्ट्ज। विभिन्न मॉड्यूलेशन आवृत्तियों के साथ गणना प्रत्येक व्यक्ति के भाषण तंत्र की विशिष्टता से निर्धारित होती है।
2. प्रत्येक MTF मान एक प्रभावी सिग्नल-टू-शोर अनुपात (SNR) में परिवर्तित होता है:
   
   
   
   
   
   
   
   
   
   
3. हम प्रत्येक ऑक्टेव बैंड के लिए औसत SNR अनुमान लगाते हैं:
   
   
   
   
   
   
4. हम भारित औसत मूल्य की गणना करते हैं:
   
   
   
   
   
   डब्ल्यू _के = 0.13; 0.14; 0.11; 0.12; 0.19; 0.17; 0.14।
   
5. नीचे दिए गए अनुपात का उपयोग करके एसटीआई की गणना करें:
   
   
   
   
   
   

RASTI और STITEL

RASTI (रैपिड एसटीआई) एसटीआई पद्धति का एक सरलीकृत संस्करण है, जो 500 हर्ट्ज और 2 किलोहर्ट्ज़ के केंद्र आवृत्तियों के साथ केवल दो ऑक्टेव बैंड के मॉड्यूलेशन ट्रांसमिशन में योगदान को ध्यान में रखता है। इस स्थिति में, मॉड्यूलेशन फ़्रीक्वेंसीज़ मान 1 लेती हैं; 2; 4; 500 हर्ट्ज के केंद्र आवृत्ति के साथ एक ऑक्टेव बैंड के लिए 8 हर्ट्ज, और 0.7; 1.4; 2.8; 5.6; 11.2 हर्ट्ज 2 kHz ऑक्टेव बैंड के लिए। इन आवृत्तियों और बैंडों के लिए एमटीएफ की गणना करने के बाद, फिर गणना एल्गोरिथ्म के समान की जाती है।

STITEL (दूरसंचार प्रणालियों के लिए एसटीआई) एसटीआई का एक सरलीकृत संस्करण है, जो सात ऑक्टेव बैंडों में से प्रत्येक में केवल एक मॉडुलन आवृत्ति का उपयोग करता है। प्रत्येक ऑक्टेव बैंड के लिए वाहक शोर में अर्ध-ऑक्टेव स्पेक्ट्रम चौड़ाई होती है (आसन्न बैंड को प्रभावित करने से बचने के लिए) और इसे प्रत्येक आवृत्ति बैंड में एक साथ उत्सर्जित किया जाता है। सरलीकरण के कारण, यह विधि reverb और गैर-रेखीय विकृति के प्रभावों को ध्यान में नहीं रखती है।

लगभग अंत

और अब पकड़: उपरोक्त भाषाओं के पश्चिमी परिवार पर लागू होता है, विशेष रूप से अंग्रेजी भाषण के लिए। इसका कारण यह है: अंग्रेजी भाषण की समझदारी को मापने के लिए एसटीआई और कई व्यक्तिपरक आकलन के परिणामों के बीच एक अच्छा समझौता है। रूसी / यूक्रेनी भाषण के मामले में, कोई अच्छा संयोग नहीं है। इसलिए, निम्नलिखित तकनीक का उपयोग करना सबसे अधिक उचित है:



(एस / एन) _{एफएफ के} - प्रत्येक आवृत्ति बैंड के लिए प्रभावी सिग्नल-टू-शोर अनुपात का औसत अनुमान;
p _k , k- वें फ़्रीक्वेंसी बैंड में फॉर्मेंट के रहने की संभावना है;

आगे के चरणों को विषय में कुछ विस्तार से माना जाता है, जो फॉर्मेंट दृष्टिकोण के लिए समर्पित था। यह अधिक सटीक परिणाम प्राप्त करने के लिए कुछ उपायों का भी वर्णन करता है।

अब यह निश्चित रूप से अंत है

तहखाना

1. भाषण संचार चैनलों की ध्वनिक परीक्षा। मोनोग्राफ / डिडकोव्स्की वी.एस., डिडकोव्स्काया एम.वी., प्रोडेस ए.एन. - कीव, 2008.420।
2. डीबी कील, जूनियर।, टाइम डिले स्पेक्ट्रोमेट्री, टेक्रॉन, डिव के उपयोग द्वारा रूम स्पीच ट्रांसमिशन इंडेक्स और मॉड्यूलेशन ट्रांसफर फ़ंक्शन का मूल्यांकन। क्राउन इंटरनेशनल, इंक।, एल्खर्ट, इंडियाना, 46517, यूएसए

संबंधित सामग्री

• भाषण इंटेलीजेंसी माप: व्यक्तिपरक तरीके
• वाक् इंटेलीजेंस माप: सूत्र दृष्टिकोण