Upload
liuz
View
37
Download
2
Embed Size (px)
DESCRIPTION
semnalul vocal este produs de către un sistem a cărui funcţie de transfer (aproximativă) este:. - câştigul modelului. 4. MODELAREA AUTOREGRESIVĂ A SEMNALELOR STAŢIONARE. ==> sistem autoregresiv (AR). P (perioada). Sonor/Nesonor (decizia). - PowerPoint PPT Presentation
Citation preview
4. MODELAREA AUTOREGRESIVĂ A SEMNALELOR STAŢIONARE
• semnalul vocal este produs de către un sistem a cărui funcţie de transfer (aproximativă) este:
H z
A z
==> sistem autoregresiv (AR).
- câştigul modelului
0
pi
i
A z a i z
0 1a
Generator periodic(de impulsuri unitare)
Generator aleator(zgomot alb)
Sonor/Nesonor (decizia)
P (perioada)
σ
x[n]e[n]
0
1p
i
i
H z
a i z
Schema bloc a modelului autoregresiv (de ordinul p) de producere a vorbirii
X z H z E z E zA z
1
p
i
x n a i x n i e n
==>
==> relaţie de recurenţă liniară pentru generarea eşantionului x[n] din p eşantioane anterioare
k
e n n kP • pentru sunetele sonore:
• pentru sunetele nesonore: e[n] = zgomot alb de medie nulă şi varianţă unitară
• a(i) = coeficienţi de predicţie
1
p
i
x n a i x n i e n
==>
4.1. Relaţii de bază pentru modelul AR
• Răspunsul la impulsul unitate
e n n x n h n==>
1
p
i
x n a i x n i e n
1
p
i
h n a i h n i n
==>
0 pentru 0h n n - sistemul AR este cauzal
1
p
i
h n a i h n i n
==>
• Funcţia de autocorelaţie a răspunsului la impuls
1
p
i
h n a i h n i n
0
hhn n
k h n h n k h n h n k
==> 0 1
p
hhn i
k a i h n i n h n k
==> funcţia de autocorelaţie se exprimă printr-o relaţie de recurenţă liniară ce utilizează p eşantioane anterioare ale sale
2
1
p
hh hhi
k a i k i k
==> ……….
• Excitarea modelului AR de către un semnal aleator
m
x n e n h n e n m h m
xx
m l
m l
m l
eem l
eem r
k E x n x n k
E h m e n m h l e n k l
h m h l E e n m e n k l
h m h l E e n e n k m l
h m h l k l m
h m h m r k r
xx ee ee hhr m r
k k r h m h m r k r r
xx ee hh ee hhk k k k ==>
2j j j j j
xx hh ee eee e e H e e ==>
2 2xx zz hh z hh z hhk k k k k k
22 2j j j j j
xx zz hh z hh ze e e e H e
2zzz k k
2 constant pentru jzz ze
- zgomot alb ==>
- zgomot alb cu medie nulă şi varianţă unitară ==> 2 1z
xx hhk k j jxx hhe e
2
1
p
xx xxi
k a i k i k
• Limitările modelării autoregresive
1) pentru sunetele nazale:
0
cu , 0 1q
i
i
C zX z E z C z c i z c
A z
1 0
p q
i i
x n a i x n i c i e n i
==>
==> model autoregresiv cu medie ajustată (ARMA = Auto-Regressive Moving Average).
2) includerea modelării formei reale a excitaţiei în transmitanţa modelului AR
3) semnalul vocal - presupus staţionar pe intervale de 20-25 ms ==> modelul AR este considerat “fix” doar pe acest interval.
4.2. Estimarea modelului AR
• Predicţia liniară
- semnal x[n] produs de către un sistem AR;- excitaţia sistemului AR este inaccesibilă;- ?! estimarea parametrilor modelului AR pe baza semnalului x[n].
1
ˆ ˆp
i
x n a i x n i
Eroarea de predicţie:
1
0
ˆ ˆ
ˆ ˆ cu 0 1
p
i
p
i
n x n x n x n a i x n i
n a i x n i a
0
; 0 1p
i
a i x n i e n a
Se ştie că:
a i a i n e n Dacă ==>
ˆn
n
z n z A z X z
0
ˆ ˆ ˆ, 0 1p
i
i
A z a i z a
Filtrul invers:
e[n] x[n]
Sistemul de producere
(de tip AR(p))
Filtrul invers
Semnalul
observat A z
A z a i a in e n
Sistemul AR şi filtrul invers
==> în cazul în care semnalul a fost produs de către un sistem AR de ordinul p, dacă , eroarea de predicţie reproduce excitaţia cu excepţia unui factor de multiplicare
• Estimarea coeficienţilor de predicţie
- Criteriul de optimizare este minimizarea varianţei erorii de predicţie 2 20 n
k n n k
2
2
0
ˆ0 0p
i
n n a i x n i
2
0 0 , 0
ˆ ˆ ˆ ˆp p p
i j i j
a i x n i a j x n j a i a j x n i x n j
2
, 0
ˆ ˆp
xxi j
a i a j i j
2
0 pentru 1,ˆ
i pa i
0
ˆ 0 cu 1,p
xxj
a j i j i p
==> ecuaţiile Yule-Walker (Yule - 1927, Walker -1931)
0 1 2
1 0 1 1
2 1 0 2
1 2 0
xx xx xx xx
xx xx xx xxp
xx xx xx xx xx
xx xx xx xx
p
p
p
p p p
φ
xx xx1 , 2 , ......... t
x xx p φ
1
0
txx xp
xx px xx
φφ
φ φ
ˆ ˆ ˆ ˆ 1 , 2 ,......, t
a a a p a
1
ˆ ˆ ; 0 1, 1,p
xx xxj
a j i j i a i p
1 ˆpxx x φ a φ==>
• Estimarea câştigului modelului AR
0
2,min
0
0 pentru 1, , 0 1
expresia variantei minime
p
xxi
p
xxi
a i k i k p a
a i i
2
0
cu 0p
xxi
a i k i k k
0
2
0
0 pentru 1, , 0 1
pentru 0, 0 1
p
xxi
p
xxi
a i k i k p a
a i i k a
,min ==> pentru 0,xx xxk k k p