Time-regularized linear prediction for noise-robust extraction of the spectral envelope of speech

Manu Airaksinen, Lauri Juvela, Okko Räsänen, Paavo Alku

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

7 Sitaatiot (Scopus)
264 Lataukset (Pure)

Abstrakti

Feature extraction of speech signals is typically performed in short-time frames by assuming that the signal is stationary within each frame. For the extraction of the spectral envelope of speech, which conveys the formant frequencies produced by the resonances of the slowly varying vocal tract, an often used frame length is within 20-30 ms. However, this kind of conventional frame-based spectral analysis is oblivious of the broader temporal context of the signal and is prone to degradation by, for example, environmental noise. In this paper, we propose a new frame-based linear prediction (LP) analysis method that includes a regularization term that penalizes energy differences in consecutive frames of an all-pole spectral envelope model. This integrates the slowly varying nature of the vocal tract as a part of the analysis. Objective evaluations related to feature distortion and phonetic representational capability were performed by studying the properties of the mel-frequency cepstral coefficient (MFCC) representations computed from different spectral estimation methods under noisy conditions using the TIMIT database. The results show that the proposed time-regularized LP approach exhibits superior MFCC distortion behavior while simultaneously having the greatest average separability of different phoneme categories in comparison to the other methods.
AlkuperäiskieliEnglanti
OtsikkoProceedings of Interspeech
KustantajaInternational Speech Communication Association (ISCA)
Sivut701-705
Sivumäärä5
DOI - pysyväislinkit
TilaJulkaistu - 2 syysk. 2018
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaInterspeech - Hyderabad International Convention Centre, Hyderabad, Intia
Kesto: 2 syysk. 20186 syysk. 2018
http://interspeech2018.org/

Julkaisusarja

NimiInterspeech - Annual Conference of the International Speech Communication Association
KustantajaInternational Speech Communication Association
ISSN (elektroninen)2308-457X

Conference

ConferenceInterspeech
Maa/AlueIntia
KaupunkiHyderabad
Ajanjakso02/09/201806/09/2018
www-osoite

Sormenjälki

Sukella tutkimusaiheisiin 'Time-regularized linear prediction for noise-robust extraction of the spectral envelope of speech'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.
  • Poikkitieteellinen parametrisen puhesynteesin tutkimusprojekti

    Alku, P. (Vastuullinen tutkija), Bäckström, T. (Projektin jäsen), Juvela, L. (Projektin jäsen), Murtola, T. (Projektin jäsen), Nonavinakere Prabhakera, N. (Projektin jäsen), Bollepalli, B. (Projektin jäsen) & Airaksinen, M. (Projektin jäsen)

    01/01/201831/12/2019

    Projekti: Academy of Finland: Other research funding

  • Personoidun puhesynteesin kehittäminen puhevammaisten apuvälineteknologiaan

    Juvela, L. (Projektin jäsen), Pohjalainen, J. (Projektin jäsen), Jokinen, E. (Projektin jäsen), Gowda, D. (Projektin jäsen), Alku, P. (Vastuullinen tutkija), Bollepalli, B. (Projektin jäsen), Pulakka, H. (Projektin jäsen), Saeidi, R. (Projektin jäsen), Raitio, T. (Projektin jäsen) & Airaksinen, M. (Projektin jäsen)

    01/09/201231/08/2016

    Projekti: Academy of Finland: Other research funding

Siteeraa tätä