CC BY
39
Раздел II. Акустические методы и приборы в медикобиологической практике
УДК 629.7.05
Ю.Г. Бондарос, А.И. Иванов, А.А. Шишов
АНАЛИЗ РЕЧЕВЫХ СИГНАЛОВ ОПЕРАТОРОВ КРИТИЧНЫХ ПО БЕЗОПАСНОСТИ СИСТЕМ: ГИПОБАРИЯ*
Успехи в технологиях распознавания речи за последние годы привели к увеличению интереса разработчиков систем управления к речевым интерфейсам. Речевой интерфейс -это альтернативный канал обеспечения диалога оператора и управляемой системы (например, водителя и автомобиля, пилота и самолёта).
К критичным по безопасности системам можно отнести, например, все виды транспорта. Интенсификация наземного и воздушного движения, расширение функций, возлагаемых на операторов - водителей и пилотов, приводят к увеличенной рабочей нагрузке. Прямой речевой ввод команд управления критичными по безопасности системами, при надежной работе, может уменьшать рабочую нагрузку оператора, повышать безопасность и улучшать понимание ситуации.
Особенностью условий работы системы распознавания речевых команд большинства критичных по безопасности систем является широкий диапазон изменения внешних условий, в которых находится оператор-диктор. Данная работа посвящена исследованию изменчивости речи диктора-оператора в результате быстрого изменения давления воздуха окружающей среды.
Применительно к выполнению авиационных полетов диапазон изменения барометрического давления, воздействующего на оператора-диктора, зависит от динамики давления в герметичной (разгерметизированной) кабине. В данной работе этот диапазон ограничен давлением, эквивалентным давлению на высоте 4 км, что является наиболее характерным для условий гермокабины отдельных типов летательных аппаратов [1].
Аудиозаписи речи операторов выполнялись в барокамере СБК-80 ГосНИИИ ВМ МО РФ с помощью профессионального цифрового диктофона с внешним электретным микрофоном EK-3027 фирмы Knowles. Формат аудиозаписей MS wav, режим “моно” с квантованием по амплитуде 16 бит и квантованием по времени 32 кГц [2].
В качестве дикторов в эксперименте участвовали два испытателя (мужчины) в возрасте 23-х и 54-х лет. Каждый диктор подвергался испытанию в одну сессию, которая состояла из 6-ти последовательно выполняемых этапов: диктование в нормальных барометрических условиях (высота - 0 км), в условиях барометрического давления, эквивалентного высотам соответственно 1 км, 2 км, 3 км, 4 км, и затем снова в наземных условиях (высота +0 км). Время изменения давления при переходе от одного этапа к другому составляло в среднем 50-60 с, время экспозиции на каждой из высот составляло 4-5 мин. Испытатели получали истинную информацию о фактическом давлении окружающего воздуха в барокамере. Время диктования полного набора фраз теста составляло примерно 2 - 2,5 мин.
* Работа выполнена при поддержке РФФИ. Грант РФФИ 06-08-01534-а
Использовался только режим асинхронного диктования, когда диктор читает текст и таким образом сам выбирает темп диктования (в отличие от режима синхронного диктования, когда диктор произносит фразы текста по периодически возникающей на экране подсказке и следует предложенному компьютером темпу). В качестве текстового материала использованы фразы и команды из приложения Д100 ГОСТ Р 50840-95 «Передача речи по трактам связи. Методы оценки качества, разборчивости и узнаваемости», содержащего 50 фраз.
Для оценки средней энергии речевого сигнала диктора при фиксированном барометрическом давлении по множеству фраз теста вычислялось среднее М Е (Н) и СКО аЕ (Н ) значений средней энергии речевого сигнала для каждой фразы. В табл. 1 приведены относительные данные МЕ (Н)/ МЕ (—0) и оЕ (Н )/ МЕ (Н ) энергии речевых сигналов.
Таблица 1
Энергетические характеристики речевого сигнала в зависимости от высоты подъема
в барокамере
Высота Н, км - 0 1 2 3 4 +0
Диктор 1 Ме (Н)/ Ме (-0) 1,0 1,64 2,16 1,5 2,35 0,93
Диктор 2 Ме (Н )/ Ме (-0) 1,0 1,2 1,3 1,0 - -
Диктор 1 а е (Н )/ Ме (Н ) 0,635 0,88 0,89 0,95 0,87 0,7
Диктор 2 а е (Н )/ Ме (Н ) 0,42 0,33 0,357 0,37 - -
В качестве временных характеристик речи использовались следующие параметры:
- относительная длительность произнесения теста ТЕ (НУ ТЕ (-0);
- математическое ожидание М т и СКО О т нормированной (деленной на число гласных звуков в фразе) длительности произнесения фразы;
- отношение суммарной длительности речевых отрезков (Н) теста к полной дли-
тельности Т (Н ) теста: Т,5 (Н )/ ТЕ (Н ).
Таблица 2
Временные характеристики речи в зависимости от высоты подъема в барокамере
Высота Н, км - 0 1 2 3 4 + 0
Диктор 1 ГЕ (Н)/ ГЕ (-0) 1,0 1,1 1,14 1,26 1,18 1,12
Диктор 2 ГЕ (Н)/ ГЕ (-0) 1,0 0,95 0,97 0,9 - -
Диктор 1 Мт( Н )/ МД-0) 1,0 1,04 1,06 1,12 1,01 1,05
Диктор 2 Мт( Н )/ МД-0) 1,0 1,01 1,05 1,0 - -
Диктор 1 ат( Н )/ М т( Н ) 0,136 0,162 0,159 0,203 0,139 0,173
Диктор 2 ат( Н )/ М т( Н ) 0,195 0,225 0,209 0,203 - -
Диктор 1 Ге, (Н )/ Те (Н ) 0,83 0,76 0,78 0,78 0,65 0,76
Диктор 2 Те5 (Н )/ Ге (Н ) 0,71 0,74 0,76 0,78 - -
Оценка спектра речевого сигнала диктора при фиксированном барометрическом давлении по множеству фраз теста вычислялась как среднее значение М Р и СКО а Р по
Рс Р с
множеству средних значений энергетического спектра речевого сигнала для каждой фразы.
Таблица 3
Зависимость средней частоты спектра речи от высоты подъема в барокамере
Высота Н, км -0 1 2 3 4 +0
Диктор 1 МРс (Н)/ Мрс (-0) 1,00 0,96 0,99 1,01 1,07 1,02
Диктор 2 Мс (Н)/МРс (-0) 1,00 1,10 1,14 1,11
Диктор 1 а^с (Н )/ МРс (Н ) 0,083 0,066 0,074 0,080 0,066 0,129
Диктор 2 а*. (Н )/ МРс (Н ) 0,078 0,069 0,096 0,121 - -
На рис. 1 и 2 приведены спектрограммы речи «экипажу разрешаю взлёт» дикторов 1 и
2. Для спектрограмм обоих дикторов характерны заметные изменения спектрального портрета речи в области высоких частот в зависимости от высоты подъема в барокамере и изменения барометрического давления. Причем выявленные изменения наиболее характерны на спектрограмме диктора 2.
Рис. 1. Спектрограммы речи «экипажу разрешаю взлёт» диктора 1 (Н = -0,1, 2, 3, 4, +0 км)
Рис. 2. Спектрограммы речи “экипажу разрешаю взлёт ” диктора 2 (Н = -0,1, 2, 3 км)
Выводы.
1. С понижением давления воздуха изменение характеристик речевого сигнала диктора зависит от подготовленности испытателя к воздействию гипоксической гипоксии и, возможно, от его индивидуальной высотной устойчивости.
2. Для диктора 1 с полным отсутствием опыта испытательской работы и менее высокой, чем у диктора 2 индивидуальной высотной устойчивостью с увеличением высоты наблюдается рост энергии сигнала, рост длительности произнесения теста, рост нормированной длительности произнесения фраз, уменьшение отношения суммарной длительности речевых отрезков к полной длительности теста. Для диктора 2 с увеличением высоты наблюдается неубывающее изменение энергии сигнала, уменьшение длительности произнесения теста, неубывающее изменение длительности произнесения фраз, увеличение отношения суммарной длительности речевых отрезков к полной длительности теста.
3. Для обоих дикторов с увеличением высоты наблюдается смещение центра тяжести энергетического спектра в сторону более высоких частот. Причем для диктора 2 с большей подготовленностью к переносимости экстремальных факторов авиационного полета и более высокой индивидуальной высотной устойчивостью эта закономерность более выражена.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Начала авиационной и космической медицины: Учебное пособие / Под ред. И.Б. Ушакова. - М.: Медицина для всех, 2007. - 400 с.
2. Бондарос Ю.Г., Иванов А.И., Шишов А.А. База аудиоданных “Вертикаль”, ФГУ ГосНИ-ИИ ВМ Минобороны России. М., 2008.
УДК 629.7.05
Ю.С. Перервенко, В.А. Черемушкин
ФОРМИРОВАНИЕ БАЗЫ АУДИОЗАПИСЕЙ ДИСПЕТЧЕРОВ РОСТОВСКОГО УЗЛА СКЖД В ОПЕРАТИВНОЙ ОБСТАНОВКЕ
Проблема контроля эмоционального и психофизиологического состояния человека-оператора является актуальной в современной ситуации возрастающей нагрузки на организм и стрессовых ситуаций. Аудиоканал (попросту речь) является естественным источником информации о состоянии человека.
Представлен алгоритм формирования базы аудиозаписей для дальнейшего анализа и обработки. Аудиозаписи получены с помощью оцифровки видеокассет, содержащих записи рабочих моментов диспетчеров ростовского узла СКЖД. Исходный сигнал содержит множество помех, определяемых акустическим несовершенством помещения, артефактами положения микрофона и др. Его аудиограмма показана на рис. 1,а.
Далее сигнал подвергался обработке фильтром нижних частот Блэкмана с частотой среза 4000 Г ц; затем ко всему сигналу был применен программный фильтр от шума (использовался профиль шума, выделенный из сигнала), также проводилось удаление из сигнала звуков, резко выделяющихся из общего фона (технология Click/Pop Eliminator, которая автоматически определяет аномальные значения и сглаживает их, что лучше, чем вырезать эти аномалии из сигнала). Окончательный результат представлен на рис. 1,б.
