Fine-grained statistical structure of speech - Archive ouverte HAL Accéder directement au contenu
Pré-Publication, Document De Travail Année : 2019

Fine-grained statistical structure of speech

Structure statistique de la parole à grain fin

Résumé

In spite of its acoustic diversity, the speech signal presents statistical regularities that can be exploited by biological or artificial systems for efficient coding. Independent Component Analysis (ICA) reveals that on small time scales of about 10 ms, the overall structure of speech is well captured by a time-frequency representation whose frequency selectivity follows a power law in the high frequency range 1-8kHz, reproducing cochlear filtering. Further adaptation to phonetic categories can be reached by variations of the exponent, i.e. different time-frequency trade-offs. Here a parametric approach is proposed instead of ICA, based on a measure that reflects the sparsity of decompositions in a set of Gabor dictionaries whose atoms are Gaussian-modulated sinusoids. The variations of the exponent associated with the best decomposition are examined, first at the level of phonemes, then at an intra-phonemic level. The acoustic properties that affect the exponent can be inferred from this detailed analysis. A key result is that release bursts lower the exponent of stops concealing higher values during the opening phase. The analysis further suggests that the statistical structure of speech may be congruent with nonlinear peripheral auditory coding in mammals.
Malgré sa diversité acoustique, le signal de la parole présente des régularités statistiques qui peuvent être exploitées par des systèmes biologiques ou artificiels pour un codage efficace. L'analyse en composantes indépendantes (ACI) révèle que sur de petites échelles de temps ∼10 ms, la structure globale de la parole peut être décrite par une représentation temps-fréquence dont la sélectivité fréquentielle suit une loi de puissance dans la gamme des hautes fréquences 1-8kHz. Une plus grande adaptation aux catégories phonétiques peut être obtenue par des variations de l'exposant, c'est-à-dire différents compromis temps-fréquence[C.E. Stilp, M.S. Lewicki, Proc. Mtgs. acoust., 20, 050001 (2013)]. Dans cette analyse, l'ACI est remplacée par une méthode paramétrique basée sur une mesure qui reflète la parcimonie de décompositions dans un ensemble de dictionnaires de Gabor, dont les atomes sont des gausiennes modulées par des sinusoides. Les variations de l'exposant sont étudiées, d'abord au niveau des phonèmes, puis au niveau intra-phonémique. Les propriétés acoustiques qui ont une incidence sur l'exposant peuvent être déduites de cette analyse détaillée. Les plosives sont associées à des valeurs basses de l'exposant du fait du relâchement de l'occlusion, mais des valeurs plus élevées sont trouvées pendant la phase transitoire. Les résultats suggèrent en outre que la structure statistique fine de la parole est en accord avec les propriétés du codage auditif périphérique non linéaire chez les mammifères.
Fichier principal
Vignette du fichier
main.pdf (1.57 Mo) Télécharger le fichier
cylindricalWaveguide.wav (207.86 Ko) Télécharger le fichier
modulatedNoises.wav (100.04 Ko) Télécharger le fichier
supplementaryMaterial.pdf (376.25 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01931420 , version 1 (22-11-2018)
hal-01931420 , version 2 (10-03-2019)
hal-01931420 , version 3 (09-06-2020)

Identifiants

  • HAL Id : hal-01931420 , version 2

Citer

François Deloche. Fine-grained statistical structure of speech. 2019. ⟨hal-01931420v2⟩
182 Consultations
118 Téléchargements

Partager

Gmail Facebook X LinkedIn More