Klassifikation von Mustern

216 KAPITEL 3. MERKMALE (VK.2.3.3, 13.04.2004)
Bild 3.6.4: Verlauf der Maskierungskurve (durchgehende Linie) für einen 1 kHz Ton von 80
dB, angedeutet durch •; der Verlauf der Hörschwelle (gestrichelte Linie)
3.6.4 Lautheit
Die „Lautheit“ bzw. Energie eines Sprachsignals ist erfahrungsgemäß für die Spracherkennung
wichtig. Als Maß dafür wird jedoch nicht die Energie am Ausgang der Dreiecksfilter (3.6.26)
oder der nullte Koeffizient der DCT in (3.6.26) genommen, sondern ein daraus abgeleiteter
Wert. Objektiv messbar ist der Schallpegel
ps
Is
L = 20 log = 10 log
(3.6.32)
p0
I0
mit der Einheit [dB]. Dabei ist ps der messbare Schalldruck (in Pascal, Pa), Is die Intensität
[N m −2 ] und p0 = 2·10 −5 Pa, I0 = 10 −12 Nm −2 sind per Konvention festgelegte Bezugsgrößen.
Der erforderliche Schallpegel für subjektiv mit gleicher Lautstärke wahrgenommene Töne wird
mit Versuchspersonen ermittelt. Die maximale Empfindlichkeit des Ohres liegt danach bei etwa
4 kHz. Sie nimmt zu niedrigeren und höheren Frequenzen stark ab.
In Anlehnung daran wird als Maß für die Lautheit eine Größe wie
L mf
τ
=
j
10 log c (mf)
τ,j
(3.6.33)
verwendet. Diese wird oft als weitere Komponente zum Merkmalsvektor in (3.6.29) hinzugefügt.
3.6.5 Normierung
Zur Störungsreduktion wird oft die spektrale Subtraktion verwendet, die in (2.5.54), (2.5.55),
S. 135, vorgestellt wurde. Eine weitere Maßnahme ist die Reduktion von Einflüssen des Mikrofons,
des Raumes und der Sprechereigenschaften durch Normierung auf ein Langzeitspektrum.
Eine Standardnormierung der Merkmale zu diesem Zweck ist der cepstrale Mittelwertabzug
c (mc,n)
τ,k
= c(mc)
τ,k − m(mc)
k , (3.6.34)