[논문 리뷰] An Interesting Property of LPCs for Sonorant Vs Fricative Discrimination

T. Ananthapadmanabha, A. G. Ramakrishnan외 1명|arXiv (Cornell University)|2014. 11. 05.

Speech and Audio Processing참고 문헌 24인용 수 5

한 줄 요약

이 논문은 음성 신호에서 경음과 탈음음을 구분하기 위해 선형 예측 계수(LPC)의 합의 아 tangent를 정의한 Sonorant-Fricative Discrimination Index(SFDI)를 제안한다. TIMIT 및 NTIMIT 데이터베이스에서 임계값 기반 분류를 사용하여, 청소된 음성에서는 99.07%의 정확도를 달성하며, 0 dB SNR에서도 뛰어난 내성성을 유지하여 이분류 작업에서 최신 기술을 능가하거나 겨냥한다.

ABSTRACT

Linear prediction (LP) technique estimates an optimum all-pole filter of a given order for a frame of speech signal. The coefficients of the all-pole filter, 1/A(z) are referred to as LP coefficients (LPCs). The gain of the inverse of the all-pole filter, A(z) at z = 1, i.e, at frequency = 0, A(1) corresponds to the sum of LPCs, which has the property of being lower (higher) than a threshold for the sonorants (fricatives). When the inverse-tan of A(1), denoted as T(1), is used a feature and tested on the sonorant and fricative frames of the entire TIMIT database, an accuracy of 99.07% is obtained. Hence, we refer to T(1) as sonorant-fricative discrimination index (SFDI). This property has also been tested for its robustness for additive white noise and on the telephone quality speech of the NTIMIT database. These results are comparable to, or in some respects, better than the state-of-the-art methods proposed for a similar task. Such a property may be used for segmenting a speech signal or for non-uniform frame-rate analysis.

연구 동기 및 목표

• 연속된 음성에서 경음과 탈음음을 구분하기 위한 단순하고 효과적인 음향 특징을 식별하기 위해.
• 음운학적 분류 분리에 대한 스칼라 특징으로서 LPC의 합(A(1))의 분류 능력을 평가하기 위해.
• 덧셈 백색 잡음과 전화 품질 음성과 같은 열악한 조건에서 이 특징의 내성성을 시험하기 위해.
• SFDI가 음성 신호 분할 및 비균일 프레임 속도 분석에 어떻게 효과적으로 활용될 수 있는지 탐색하기 위해.

제안 방법

• 예비강화, 평균 제거, 헨닝 윈도우 적용된 20 ms 음성 프레임(5 ms 이격)에 대해 자동상관법을 사용해 선형 예측 계수(LPC)를 계산한다.
• z=1에서 역전이극 필터의 이득인 A(1)를 계산하며, 이는 LPC의 합과 동일하다: A(1) = 1 + a₁ + a₂ + ... + aₘ.
• Sonorant-Fricative Discrimination Index(SFDI)를 T(1) = arctan(A(1))로 정의하며, 이는 스펙트럼 기울기 민감도를 가진 스칼라 특징이다.
• SFDI에 임계값을 적용하여 프레임을 경음(낮은 SFDI) 또는 탈음음(높은 SFDI)으로 분류한다.
• 저에너지 프레임의 SFDI를 0으로 설정함으로써 에너지 기반의 침묵 제거를 적용하여 분할을 정밀화한다.
• 다양한 SNR 조건(0~20 dB)에서 전체 TIMIT 및 NTIMIT 데이터베이스에서 성능을 검증한다.

실험 결과

연구 질문

• RQ1 LPC의 합(A(1))은 음성 신호에서 경음과 탈음음을 구분하기 위한 신뢰할 수 있는 스칼라 특징으로 기능할 수 있는가?
• RQ2 SFDI 특징은 전화 품질 음성에서의 백색 잡음과 대역폭 감소에 대해 얼마나 내성적인가?
• RQ3 SFDI 기반 분류가 기존 최신 기술보다 경음-탈음음 또는 V/U 분류 작업에서 더 높은 정확도를 달성하는가?
• RQ4 SFDI는 음운학적 분류로의 거친 음성 분할에 효과적으로 활용될 수 있는가?
• RQ5 관찰된 구분 성질의 배경이 되는 스펙트럼 에너지와 LPC 합 간의 관계는 무엇인가?

주요 결과

• 청소된 음성에서 전체 TIMIT 데이터베이스를 사용하여 SFDI는 99.07%의 화소 수준 분류 정확도를 달성하며, 대부분의 이전 방법보다 뛰어나다.
• 0 dB SNR에서 TIMIT에서는 91.3%의 정확도, NTIMIT에서는 80.4%의 정확도를 유지하여 소음에 대한 강력한 내성성을 입증한다.
• 개발 세트와 전체 데이터베이스 간에 SFDI 분류의 임계값이 일관되며, 안정적인 일반화를 나타낸다.
• SFDI 기반 분할은 특히 탈음음과 경음 전이에서 수동으로 라벨링된 음운 경계와 매우 유사하다.
• MFCC, 도함수, SVM 등을 사용하는 복잡한 특징 세트를 사용한 최신 기술과 비교해도 SFDI의 성능은 유사하거나 뛰어나다.
• 이 연구는 LPC의 합(A(1))가 경음과 탈음음 간의 기본적인 스펙트럼 기울기 차이를 포착하며, 최소한의 계산으로도 고정확도의 구분을 가능하게 한다는 것을 밝혀냈다.