Bandwidth Expansion of Nawrrowbad Speech using Artificial Neural Networks and Quality Enhancement

Dar Bantlı Konuşma İzgel Zarfının Yapay Sinir Ağları Kullanılarak Genişletilmesi ve Kalitesinin Artırılması

Abstract

In traditional telephony, human speech which has components up to 7-8 kHz is transmitted after lowpass filtering at 3.4 kHz and sampling at 8 kHz. Even if this filtering operation has little effect on intelligibility, it generally causes a perceptible degradation in speech quality. This work deals with the reconstruction of this lost high frequency component of telephone speech using the low frequency part of the speech. Artificial neural networks are used to obtain the high frequency region, which can also be named as spectral envelope extrapolation. Then, source excitation model is used to regenerate the high frequency speech using this extended high frequency region. This method is developed to enhance the telephone quality speech, however it may also be used for speech signals which have lower bandwidths (1.8 kHz).

Özet

Geleneksel telefon sistemlerinde, 7−8 kHz’e kadar bileşenleri olan insan sesi, 3.4 kHz bant genişliğine sahip bir alçak geçirgen süzgeçten geçirilip 8 kHz’te örneklenerek gönderilir. Kodlama ve benzeri işlemlerden kaynaklanan hiçbir kayıp olmasa bile, yüksek frekans bölgesinin süzülerek kaybolmasından kaynaklanan bir kalite kaybı söz konusudur. Bu kayıp, anlaşılabilirliği pek etkilememekle beraber, konuşma kalitesinde hissedilir bir bozulmaya yol açmaktadır. Bu çalışmada, izgel zarfın düşük frekanslı bölgelerinden faydalanılarak, süzülen yüksek frekanslı bölgelerin izgel zarfı elde edilmiştir. İzgel zarfın genişletilmesi olarak da nitelenebilecek bu işlem için yapay sinir ağları yöntemi kullanılmıştır. Daha sonra genişletilen bu izgel zarf kullanılarak yüksek frekanslı bölgeler kaynak-süzgeç modeliyle yeniden oluşturulmuş ve böylece konuşma kalitesinin artırılması hedeflenmiştir. Geliştirilen bu yöntem telefon kalitesindeki konuşmalar için kullanılmakla birlikte, daha düşük bant genişliğine (1.8 kHz) sahip konuşmalar için de kullanılabilir.