Estimação de Pulso Glotal com o IAIF

[bibshow file=ref.bib format=ieee]

Objetivos

Realizar a estimação do pulso glotal utilizando o Iterative Adaptative Inverse Filtering(IAIF) ^[1], método clássico para estimação baseado em filtragem inversa, e realizar uma análise subjetiva dos resultados obtidos, considerando o formato de onda comum de um sinal de pulso glotal.

Metodologia

Predição Linear

A predição linear consiste na estimação do valor de uma amostra do sinal a partir das amostras anteriores, como representado a seguir:

(1)  

em que representa a perturbação aleatória independente do sinal e é a ordem do filtro.
Assim, cada elemento de pode ser representado como uma combinação linear entre elementos anteriores, a menos de um erro de predição. O ajuste dos coeficientes é realizado de acordo com o método dos míinimos quadrados, utilizando pseudo-inversão.
Com os coeficientes encontrados, a partir de (1) por meio da transformada Z, chega-se à seguinte função de transferência:

(2)  

em que os polos permitem estimar o contorno espectral do sinal.

Filtragem Inversa

A função de transferência em (2) pode representar um filtro digital. O processo de filtragem inversa consiste em filtrar o sinal , removendo as influências dos polos de , utilizando um filtro que pode ser representado como segue:

(3)  

Iterative Adaptative Inverse Filtering

O IAIF é um método que emprega predição linear e filtragem inversa utilizando uma estrutura iterativa para estimar o pulso glotal. Esse método consiste em realizar uma filtragem passa-altas em um sinal de voz, , e aplicar, no sinal resultante, o procedimento ilustrado na Figura 1. Primeiramente é realizada a estimação da contribuição glotal, , obtida por predição linear de ordem 1, seguida pela remoção dessa por meio de filtragem inversa. Em seguida é estimada a contribuição do trato vocal, , utilizando predição linear de ordem , sendo essa removida por filtragem inversa, seguida da eliminação do efeito da radiação dos lábios por meio de um integrador estimando assim o pulso glotal. Por fim, esse procedimento é executado mais uma vez, utilizando, entretanto, ordem na estimação da contribuição.

 

Resultados

Na Figura 2 encontram-se representados um sinal utilizado como exemplo e seu pulso glotal estimado , utilizando e (escolhidos de acordo com a percepção subjetiva dos autores), de acordo com o procedimento descrito anteriormente. Pode ser observado um comportamento coerente com o esperado, de acordo com as representações de pulso glotal na literatura. Entretanto, não é possível garantir a acurácia da estimação, sem que haja a comparação com uma representação válida do sinal glotal.

Na Figura 3 encontram-se representadas as contribuições espectrais do pulso glotal e trato vocal estimados nas duas iterações realizadas pelo IAIF em azul, e em vermelho o contorno espectral do processo de filtragem inversa. Nela, a estimação final da contribuição do trato vocal é representada por .

 

Conclusão e Próxima Etapa

O IAIF é um método de simples implementação e seus resultado apresentaram-se, aparentemente coerentes, de acordo com o referencial teórico. Entretanto, a escolha dos parâmetros da predição linear são ajustados de maneira subjetiva, sendo necessário um método de ajuste mais objetivo, para garantir melhores resultados. Também se faz necessário realizar a comparação dos sinais glotais estimados com um sinal glotal confiável, para assegurar a acurácia do método.
Na próxima etapa do trabalho, pretende-se realizar a síntese de um sinal de voz, utilizando um pulso glotal e um trato vocal conhecidos, permitindo, assim, a comparação entre o sinal glotal estimado e o utilizado para a síntese. Também serão realizados testes de ajuste do modelo de Liljencrants-Fant ^[2] à derivada do sinal glotal estimado, analisando o erro e os parâmetros ajustados, de acordo com metodologia proposta por Strik e Boves ^[3].

References

1. P Alku and E Vilkman and UK Laine (1991): Analysis of glottal waveform in different phonation types using the new IAIF-method. Em: Proc. 12th Int. Congress Phonetic Sciences, pp. 362–365, 1991.
2. Gunnar Fant and Johan Liljencrants and Qi-guang Lin (1985): A four-parameter model of glottal flow. Em: STL-QPSR, vol. 4, não 1985, pp. 1–13, 1985.
3. Helmer Strik and Lou Boves (1992): On the relation between voice source parameters and prosodic features in connected speech.. Em: Speech Communication, vol. 11, não 2-3, pp. 167–174, 1992.