Phase modification for increasing the intelligibility of telephone speech in near-end noise conditions - evaluation of two methods

در این مطالعه، دو روش پس پردازش پذیری قابل فهم بر مبنای اصلاح طیف فاز گفتار برای شرایط سر و صدا کم نور پیشنهاد شده است. یکی از الگوریتم ها، هدف از کاهش دامنه دینامیکی سیگنال است و از مزایای افزایش انرژی حاصل از نرمال شدن دامنه برای افزایش میزان بلندی استفاده می کند، در حالی که الگوریتم دیگر برای تیز کردن قله های دامنه بالا در سیگنال دامنه زمانی تولید شده توسط انعطاف پذیری دوره ای به منظور ایجاد صدای سخنرانی روشن تر است. هر دو روش بر اساس اولین اصلاح فقط طیف فاز است، پس از آن سیگنال زمان دامنه با استفاده از تبدیل فوریه معکوس محاسبه می شود. در نهایت، سیگنال دامنه زمانی دامنه ای را با مقیاس دادن مقادیر نمونه آن به طوری که آنها محدوده دامنه اصلی فرایند پردازش را اشغال می کنند. عملکرد روشهای پیشنهادی ابتدا با استفاده از روشهای کیفی عینی و همچنین میزان صدای ذهنی و آزمونهای ترجیحی گوش دادن مقایسه شده است. بر اساس نتایج این ارزیابی ها، روش های اصلاح فاز بیشتر با فشرده سازی رگه های پردازش نشده و دینامیکی، با استفاده از آزمون های کلامی و کلامی ذهنی، مقایسه شد. هر دو سخنرانی باند باند و باند پهن از چندین سخنرانی در هر دو ارزیابی صورت گرفت. هر دو روش قادر به افزایش میزان بسامد در برخی از شرایط پهنای باند و همچنین بیان فرآیند بدون پردازش و فشرده سازی دامنه دینامیکی از لحاظ قابلیت تشخیص در سطوح سر و صدا بودند. هر دو روش در کیفیت پایین تر از کیفیت بی نظیر در شرایط پایداری رتبه بندی شده اند. با این حال، در سر و صدا پس زمینه، که در آن الگوریتم های افزایش قابلیت اطمینان بیشتر مورد استفاده قرار می گیرند، هر دو روش نتایج مشابهی را به بیان غیر پردازش از لحاظ ترجیح گوش دادن در برخی از شرایط پهنای باند تست شده است.