通过COPRAS方法揭示最佳母波段 分析语音信号,尽管面罩和屏蔽障碍

科学领域:

• 信号处理 信号处理
• 声学 声学 在声学方面
• 生物医学工程 生物医学工程

背景情况:

• 面罩和盾牌显著降低了语音可理解性,这是COVID-19大流行期间加剧的问题.
• 波段变换 (WT) 是一种强大的时频分析工具,但它的有效性取决于适当的母波段选择.
• 现有的方法缺乏标准化的方法来选择不同声条件下的语音信号的母波小组.

研究的目的:

• 提出和验证一种新的方法来选择最佳的母波小组用于语音信号分析.
• 为了应对面罩引起的语音信号处理方面的挑战.
• 在各种语音信号场景中建立一个全面的母波段选择协议.

主要方法:

• 在各种条件下收集了语音信号,包括使用不同的面罩和盾牌.
• 使用COPRAS (复杂比例评估) 技术来对潜在的母波函数进行排名.
• 最大交叉相关系数 (MCC) 和最大能量与香农比率 (MEER) 被用作排名评价标准.

主要成果:

• 提出的基于COPRAS的方法成功地确定了面罩处理的语音信号的最佳母波小组.
• 评估标准 (MCC和MEER) 有效地区分了各种母波的性能.
• 建立了一个明确的协议,证明了语音信号分析的准确性提高.

结论:

• 开发的协议为为语音信号的波波变换应用程序中选择合适的母波段提供了强大的框架.
• 这项研究在真实世界条件下精确分析语音方面取得了重大进展,例如那些涉及面罩的人.
• 这些发现有助于增强语音处理技术,特别是通信和辅助设备.