Вопрос из распознавания речи

NikMih_1 · 12.10.2010, 20:40

Практически восстановил работу 20 летней давности, сделал плату преобразования естественной речи, позволяющую в случае применения со стандартными программами распознавания речи комплектовать её словарём неограниченного размера. Остался финальный шаг, его я не сделал в своё время потому, что нынешних возможностей купить PIC или АVR не было.
Проблема в том, что я не знаю принципов выбора частоты дискретизации выходного сигнала с точки зрения СТАНДАРТОВ. Про теорему Котельникова я слыхал

. У меня есть диктофон Олимпус с частотой дискретизации 22,5 кГц и полосой 300 - 7200Гц, его сигнал я использую как надо и далее следует вывод. Мой сигнал будет иметь полосу 300 - 4800Гц. Какую частоту дискретизации выбирать исходя из СТАНДАРТОВ?

Nikopol · 12.10.2010, 20:47

Думаю правильным ответом в данной ситуации именно будет теорема Котельникова. При чем тут стандарты, в ПК собственно ей тоже пользуються, в смысле теоремой, частоту 44100 Гц тоже не с потолка взяли.

Хотя, если уж сильно охота влесть в стандарты, то думаю, Вам стоит смотреть в сторону звуковых файлов типа mp3 и wav

NikMih_1 · 12.10.2010, 20:49

Сообщение от Nikopol

Думаю правильным ответом в данной ситуации именно будет теорема Котельникова. При чем тут стандарты, в ПК собственно ей тоже пользуються, в смысле теоремой, частоту 44100 Гц тоже не с потолка взяли.

Да я думаю об этом в связи с цифровой телефонией: вокодеры всякие и прочее. Думается лучше сразу зацепиться за какой-то стандарт. С точки зрения WAV следует делить 22,5 на 2 и будет 11,25, но годится ли это вокодерам? не придётся ли перекодировать и помехи создавать?

Falconist · 12.10.2010, 21:02

Частотный диапазон речи со всеми своими формантами не так уж и велик. От 70 до 7000 Гц. По другим данным - 300-4000 Гц. Как видите, довольно большой разброс. Так что спокойно выбирайте удобный для Вас "стандарт" - и вперёд.

you_go · 12.10.2010, 21:07

Может, стоит ориентироваться на способы кодирования речи в сотовых телефонах:
...С микрофона речевой сигнал поступает в тракт передачи. Там он на первом этапе сегментируется (разбивается на сегменты длительностью 20 мс), а затем преобразуется в цифровой поток со скоростью 13 кбит/с (один сегмент составляет кодовую последовательность из 260 бит). Поскольку частотный спектр передаваемого сигнала ограничен узкой полосой пропускания радиотракта, речь кодируют по специальному алгоритму LCP-LTP-RPE-кодирования. Следует отметить, что GSM-кодирование оптимизировано исключительно для передачи речи с максимальным качеством...