Fine-grained statistical structure of speech - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue PLoS ONE Année : 2020

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) revealed that on small time scales (∼ 10 ms), the overall structure of speech is well captured by a time-frequency representation whose frequency selectivity follows the same power law in the high frequency range 1–8 kHz as cochlear frequency selectivity in mammals. Variations in the power-law exponent, i.e. different time-frequency trade-offs, have been shown to provide additional adaptation to phonetic categories. Here, we adopt a parametric approach to investigate the variations of the exponent at a finer level of speech. The estimation procedure is based on a measure that reflects the sparsity of decompositions in a set of Gabor dictionaries whose atoms are Gaussian-modulated sinusoids. We examine the variations of the exponent associated with the best decomposition, first at the level of phonemes, then at an intra-phonemic level. We show that this analysis offers a rich interpretation of the fine-grained statistical structure of speech, and that the exponent values can be related to key acoustic properties. Two main results are: i) for plosives, the exponent is lowered by the release bursts, concealing higher values during the opening phases; ii) for vowels, the exponent is bound to formant bandwidths and decreases with the degree of acoustic radiation at the lips. This work further suggests that an efficient coding strategy is to reduce frequency selectivity with sound intensity level, congruent with the nonlinear behavior of cochlear filtering.
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 similaire à la sélectivité fréquentielle de la cochlée. Une plus grande adaptation aux catégories phonétiques peut être obtenue en faisant varier l'exposant, c'est-à-dire en exploitant 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 (9.72 Mo) Télécharger le fichier
supplementaryMaterials.pdf (1.51 Mo) 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

Citer

François Deloche. Fine-grained statistical structure of speech. PLoS ONE, 2020, 15 (3), pp.e0230233. ⟨10.1371/journal.pone.0230233⟩. ⟨hal-01931420v3⟩

Collections

CNRS EHESS ANR
182 Consultations
118 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More