Cálculo do Pitch e Classificação Vozeado/Não Vozeado

Determinar se um frame do sinal é vozeado ou não é de extrema importância para posteriormente se poder fazer a síntese correctamente.

Como já foi referido anteriormente, os segmentos não vozeados representam a pronúncia de letras como o 's' e o 'f' e têm amplitudes pequenas comparadas com as amplitudes de um sinal de voz considerado vozeado.

Estas diferenças criam a necessidade de usar dois tipos diferentes de excitação para serem passados para o filtro LPC. O parâmetro vozeado/não vozeado, dá então a informação de que tipo de excitação deve ser passado ao filtro.

Não deviamos dizer aqui como se processa isto?

Uma das ideias para determinar se um frame é vozeado ou não vozeado é tirar partido do facto que a auto-correlação de uma função periódica r(k) qualquer, como um sinal de voz, tem um máximo quando o k é equivalente ao periodo do pitch.

Cálculo do Pitch:

Computa-se a sequência:

$$r_{e} (n) = \sum_{k=1}^{p} r_{a} (k) r_{ss} (n-k)$$

onde

$$r_{a} (k) = \sum_{i=1}^{p} a_{p} (i) a_{p} (i+k)$$

é a auto-correlação dos coeficientes LPC.

O pitch é igual ao máximo da sequência $r_{e}(n)/r_{e}(0)$ (sequência anterior normalizada) no intervalo de tempo que corresponde a 3 msec - 15 msec em frames de 20 msec.

Se o valor encontrado for maior ou igual que 0.25, o frame é considerado vozeado com um pitch de periodo igual a n, onde $r_{e}(n)/r_{e}(0)$ é um máximo.

Se for menor que 0.25, o frame é considerado não vozeado e o pitch é zero.