Řečové aplikace v telekomunikacích

B171 - Zimní 17/18

Řečové aplikace v telekomunikacích - AD2M31RAT

Kredity 6
Semestry zimní
Zakončení zápočet a zkouška
Jazyk výuky čeština
Rozsah výuky 14KP+6KC
Anotace
Předmět je zaměřen na seznámení studentů magisterského studia s problematikou zpracování řečových signálů s užším zaměřením na komunikační aplikace. Tato problematika má široký aplikační záběr v komunikačních systémech. Další informace lze nalézt na http://noel.feld.cvut.cz/vyu/ad2m31rat . Pro zapsané studenty jsou detailní informace na výukovém portálu http://moodle.kme.feld.cvut.cz . \\Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/AD2M31RAT
Cíle studia
Cílem předmětu je seznámit studenty se základy používaných řečových technologií v komunikačních systémech, od základních charakteristik řečového signálu, přes kódování a zvýrazňování řeči, základní principy rozpoznávání řeči po základy syntézy řečového signálu. Ve cvičeních studenti prakticky zrealizují základní úlohy v programovém prostředí MATLAB resp. si vyzkouší použití volně dostupných nástrojů pro různé analýzy řečového signálu. V rámci domácí přípravy studenti zpracují semestrální práci, kterou budou prezentovat na cvičení podle plánovaného harmonogramu.
Osnovy přednášek
1. Úvod - řečový signál, základní charakteristiky, model vzniku řeči
2. Digitalizace a základní kódovací strategie (PCM, ADPCM, a-law)
3. Spektrální charakteristiky řečového signálu (DFT a LPC spektrum, LSF a LSP, kepstrum)
4. Vokodéry používané v telekomunikacích (RPE-LTP, CELP, ACELP)
5. Metody potlačování šumu v řečovém signálu (šum kanálu a šum akustický, VAD)
6. Metody potlačování echa v řečovém signálu
7. Měření kvality řečového signálu (subjektivní a objektivní metody)
8. Principy rozpoznávání řeči, základní úlohy, extrakce příznaků, algoritmus DTW
9. Jednoduché rozpoznávače s malým slovníkem na bázi HMM (nástroje HTK)
10. Rozpoznávání mluvčího: verifikace a identifikace.
11. Syntéza řeči, principy základních přístupů (konkatenační a formantová syntéza, PSOLA)
12. Dialogové komunikační systémy s hlasovým vstupem
13. Náhrada ztracených segmentů řeči při přenosu komunikačním kanálem
14. Další aplikace rozpoznávání řeči v komunikačních systémech. Rezerva
Osnovy cvičení
1. Úvod: řečový signál, nástroje pro analýzu, dostupné zdroje signálů
2. Základní časové charakteristiky: energie, intenzita, průchody nulou, základní tón
3. Spektrální charakteristiky: krátkodobé DFT a LPC spektrum, spektrogram
4. LPC vokodér: jednotlivých principiálních bloků
5. Potlačování aditivního šumu v řečovém signálu
6. Potlačování echa v řečovém signálu
7. Kepstrum a kepstrální vzdálenost: detekce řečových úseků, příznaky pro rozpoznávání
8. Rozpoznávání na bázi DTW: jednoduchý rozpoznávač jednotlivých slov
9. Rozpoznávání na bázi HMM: jednoduché úlohy a demonstrace průchodu HMM modelem
10. Verifikace mluvčího na bázi GMM
11. Syntéza řeči: formantový syntezátor, demonstrace volně dostupných syntezátorů
12. Prezentace semestrálních prací
13. Prezentace semestrálních prací
14. Rezerva. Zápočty
Literatura
[1] Uhlíř, J. - Sovka, P. - Pollák, P. - Hanžl, V. - Čmejla, R.: Technologie hlasových komunikací. Nakladatelství ČVUT, 2007.
[2] Psutka, J. - Müller, L. - Matoušek, J. - Radová, V.: Mluvíme s počítačem česky. Academia 2006.
[3] Huang, X. - Acero, A. - Hon, H.-W.: Spoken Language Processing. Prentice Hall 2001.
Požadavky
Vstupními požadavky jsou základní znalosti z oblasti číslicového zpracování signálů.