خوارزمية كشف درجة الصوت

📅 آخر تحديث: ٢٦ يوليو ٢٠٢٦
✍️ نُشر في: ٢٦ يوليو ٢٠٢٦
الموسوعة الحرة

خوارزمية كشف درجة الصوت ( PDA ) هي خوارزمية مصممة لتقدير درجة الصوت أو التردد الأساسي لإشارة شبه دورية أو متذبذبة ، وعادةً ما تكون تسجيلًا رقميًا للكلام أو نغمة موسيقية. ويمكن القيام بذلك في المجال الزمني ، أو مجال التردد ، أو كليهما.

تُستخدم أجهزة المساعد الرقمي الشخصي (PDA) في سياقات متنوعة (مثل علم الصوتيات ، واسترجاع المعلومات الموسيقية ، وتشفير الكلام ، وأنظمة الأداء الموسيقي )، ولذلك قد تختلف المتطلبات المفروضة على الخوارزمية. لا يوجد حتى الآن جهاز مساعد رقمي شخصي مثالي واحد، لذا توجد مجموعة متنوعة من الخوارزميات، يندرج معظمها ضمن الفئات المذكورة أدناه. [ 1 ]

يقوم جهاز PDA عادةً بتقدير فترة الإشارة شبه الدورية، ثم يعكس [ 2 ] تلك القيمة لإعطاء التردد.

المناهج العامة

إحدى الطرق البسيطة هي قياس المسافة بين نقاط عبور الصفر للإشارة (أي معدل عبور الصفر ). إلا أن هذه الطريقة لا تُجدي نفعًا مع الموجات المعقدة التي تتكون من موجات جيبية متعددة ذات فترات زمنية مختلفة، أو مع البيانات المشوشة. ومع ذلك، توجد حالات يكون فيها عبور الصفر مقياسًا مفيدًا، كما هو الحال في بعض تطبيقات تحويل النص إلى كلام البدائية ذات الصوت الآلي، حيث يُفترض وجود مصدر أحادي التردد. إن بساطة الخوارزمية تجعل تطبيقها "رخيصًا".

تقارن الأساليب الأكثر تطورًا أجزاءً من الإشارة بأجزاء أخرى مُزاحة بفترة تجريبية للعثور على تطابق. تعمل خوارزميات AMDF ( دالة متوسط ​​فرق السعة ) وASMDF (دالة متوسط ​​مربع فرق المتوسط) وغيرها من خوارزميات الارتباط الذاتي المماثلة بهذه الطريقة. يمكن لهذه الخوارزميات أن تُعطي نتائج دقيقة إلى حد كبير للإشارات الدورية للغاية. ومع ذلك، فإنها تُعاني من مشاكل الكشف الخاطئ (غالبًا " أخطاء الأوكتاف ")، [ 3 ] وقد لا تتعامل جيدًا مع الإشارات المشوشة (بحسب التطبيق)، وفي تطبيقاتها الأساسية، لا تتعامل جيدًا مع الأصوات متعددة الأصوات (التي تتضمن نغمات موسيقية متعددة ذات طبقات صوتية مختلفة). [ 4 ]

تعتمد خوارزميات كشف درجة الصوت الحالية في المجال الزمني على الأساليب الأساسية المذكورة أعلاه، مع إدخال تحسينات إضافية لجعل الأداء أقرب إلى التقييم البشري لدرجة الصوت. على سبيل المثال، تعتمد كل من خوارزمية YIN [ 5 ] وخوارزمية MPM [ 6 ] على الارتباط الذاتي .

أساليب مجال التردد

يُمكن الكشف عن الإشارات متعددة الأصوات في مجال التردد، وذلك عادةً باستخدام مخطط التردد لتحويل الإشارة إلى تقدير لطيف التردد [ 7 ] . يتطلب هذا قدرة معالجة أكبر مع ازدياد الدقة المطلوبة، على الرغم من أن الكفاءة المعروفة لتحويل فورييه السريع (FFT) ، وهو جزء أساسي من خوارزمية مخطط التردد، تجعله فعالاً بشكل مناسب للعديد من الأغراض.

تشمل خوارزميات مجال التردد الشائعة ما يلي: طيف المنتج التوافقي ؛ [ 8 ] [ 9 ] تحليل السيبسترال [ 10 ] وطريقة الاحتمال الأقصى التي تحاول مطابقة خصائص مجال التردد مع خرائط تردد محددة مسبقًا (مفيدة للكشف عن درجة صوت الآلات ذات الضبط الثابت)؛ والكشف عن القمم الناتجة عن السلاسل التوافقية. [ 11 ]

لتحسين تقدير درجة الصوت المستمد من طيف فورييه المنفصل، يمكن استخدام تقنيات مثل إعادة تعيين الطيف (القائمة على الطور) أو استيفاء غراندكي (القائمة على المقدار) لتجاوز الدقة التي توفرها خانات تحويل فورييه السريع. ويُقدم براون وبوكيت [ 12 ] نهجًا آخر قائمًا على الطور.

الأساليب الطيفية/الزمنية

تعتمد خوارزميات الكشف عن درجة الصوت الطيفية/الزمنية، مثل خوارزمية تتبع درجة الصوت YAAPT [ 13 ] [ 14 ] ، على دمج معالجة المجال الزمني باستخدام دالة الارتباط الذاتي ، مثل الارتباط المتقاطع المعياري، ومعالجة المجال الترددي باستخدام المعلومات الطيفية لتحديد درجة الصوت. بعد ذلك، ومن بين القيم المُقدَّرة من المجالين، يُمكن حساب مسار درجة الصوت النهائي باستخدام البرمجة الديناميكية . وتكمن ميزة هذه الأساليب في إمكانية تقليل خطأ التتبع في أحد المجالين من خلال العملية في المجال الآخر.

الكشف عن درجة صوت الكلام

يمكن أن يتراوح التردد الأساسي للكلام من 40  هرتز للأصوات المنخفضة إلى 600  هرتز للأصوات العالية. [ 15 ]

تتطلب طرق الارتباط الذاتي فترتين صوتيتين على الأقل للكشف عن درجة الصوت. وهذا يعني أنه للكشف عن تردد أساسي قدره 40  هرتز، يجب تحليل 50 مللي ثانية على الأقل من إشارة الكلام. مع ذلك، خلال هذه الفترة، قد لا يكون للكلام ذي الترددات الأساسية الأعلى نفس التردد الأساسي طوال فترة التحليل. [ 15 ]

انظر أيضاً

مراجع

  1. ↑ د. جيرهارد. استخراج درجة الصوت والتردد الأساسي: التاريخ والتقنيات الحالية ، تقرير فني، قسم علوم الحاسوب، جامعة ريجينا، 2003.
  2. ↑ تعني كلمة "عكس" في هذه الحالة قسمة الفترة المقدرة للإشارة على 1. أي،f = 1/estimatedPeriod
  3. خطأ الأوكتاف : بدلاً من اكتشاف النغمة الأساسية الحقيقية، يتم اكتشاف التردد الأعلى حاليًا (عادةً ما يكون أحد النغمات التوافقية للصوت، والتي تشمل الأوكتافات ) عن طريق الخطأ. يظهر هذا الخطأ بوضوح في تطبيقات ضبط الجيتار. عند العزف على وتر جيتار واحد، يقفز جهاز الضبط بشكل مربك بين نغمات مختلفة، حيث أن العزف الأولي القوي على الوتر له طيف شدة مختلف للنغمات التوافقية مقارنةً بطيف القدرة (طيف شدة الصوت) لنفس ترددات النغمات التوافقية بعد بضع ثوانٍ. على سبيل المثال، في اللحظة التي يتم فيها العزف على الوتر، قد يعتقد جهاز الضبط أن النغمة هي 440 هرتز، ولكن بعد 3 ثوانٍ، قد يعتقد أن النغمة هي 5 × 440 هرتز، وهي نغمة توافقية للنغمة الأساسية (440 هرتز)، وذلك لأن النغمات ذات التردد المنخفض والأقل رنينًا تتلاشى شدتها بشكل أسرع بكثير من النغمات العالية الرنانة.
  4. ↑ لا يشترط أن تكون النغمات المتعددة الأصوات نغمات فوقية أو أوكتافات - يمكن أن تكون أي مجموعة من النغمات التي تحدث في وقت واحد.
  5. ↑ دي شيفينيه، آلان؛ كاوارا، هيديكي (2002). "YIN، مُقدِّر التردد الأساسي للكلام والموسيقى" (ملف PDF) . مجلة الجمعية الصوتية الأمريكية . 111 (4). الجمعية الصوتية الأمريكية (ASA): 1917-1930 . Bibcode : 2002ASAJ..111.1917D . doi : 10.1121 / 1.1458024 . ISSN 0001-4966 . PMID 12002874. S2CID 1607434 .   
  6. ↑ ب. ماكلويد وج. ويفيل. طريقة أكثر ذكاءً لإيجاد درجة الصوت. في وقائع المؤتمر الدولي للموسيقى الحاسوبية (ICMC'05)، 2005.
  7. ↑ هايز، مونسون (1996). معالجة الإشارات الرقمية الإحصائية ونمذجتها . جون وايلي وأولاده، ص 393. ISBN  0-471-59431-8.
  8. ↑ خوارزميات كشف درجة الصوت ، مورد إلكتروني من كونيكشنز
  9. ↑ أ. مايكل نول، "تحديد درجة الصوت للكلام البشري بواسطة طيف المنتج التوافقي، وطيف المجموع التوافقي وتقدير الاحتمال الأقصى"، وقائع ندوة معالجة الحاسوب في الاتصالات، المجلد التاسع عشر، مطبعة بوليتكنيك: بروكلين، نيويورك، (1970)، ص 779-797.
  10. ↑ أ. مايكل نول، " تحديد درجة الصوت باستخدام السيبستروم "، مجلة الجمعية الصوتية الأمريكية، المجلد 41، العدد 2، (فبراير 1967)، ص 293-309.
  11. ↑ ميتري، أدريانو؛ كيروز، مارسيلو؛ فاريا، ريجيس. تحديد دقيق وفعال للتردد الأساسي من تقديرات جزئية دقيقة. وقائع المؤتمر الرابع لجمعية هندسة الصوت في البرازيل. 113-118، 2006.
  12. ↑ براون جيه سي وباكيت إم إس (1993). تحديد التردد الأساسي عالي الدقة بناءً على تغيرات الطور في تحويل فورييه. مجلة الجمعية الصوتية الأمريكية، المجلد 94، العدد 2، الصفحات 662-667 [ تم حذف الرابط ]
  13. ↑ زاهوريان، ستيفن أ.؛ هو، هونغ بينغ (2008). "طريقة طيفية/زمنية لتتبع التردد الأساسي بدقة" (ملف PDF) . مجلة الجمعية الصوتية الأمريكية . 123 (6). الجمعية الصوتية الأمريكية (ASA): 4559-4571 . Bibcode : 2008ASAJ..123.4559Z . doi : 10.1121/1.2916590 . ISSN 0001-4966 . PMID 18537404 .  
  14. ↑ ستيفن أ. زاهوريان وهونغ بينغ هو. دالة MATLAB لتتبع درجة الصوت YAAPT
  15. 1 2 هوانغ، شيودونغ؛ أليكس أسيرو؛ هسياو-ووين هون (2001). معالجة اللغة المنطوقة . برنتيس هول بي تي آر. ص. 325. ردمك  0-13-022616-5.