Modèles d'ordres réduits pour la synthèse du signal parole

Abstract

Nous présentons dans ce travail une nouvelle approche de modélisation des systèmes de production de parole par des modèles d'ordres réduits. Dans cette approche, la modélisation commence par un modèle d'ordre assez élevé de type AR (Auto régressif) obtenu en utilisant les méthodes classiques. Ce modèle AR est ensuite réduit en utilisant les projections internes, qui opèrent dans l'espace d'état du modèle initial. La réduction d'ordre conduit à un modèle d'ordre réduit de type ARMA (Auto régressif à moyenne ajustée) qui préserve les propriétés clé du modèle initial d'ordre complet, voire la stabilité, la minimalité, et la phase minimale. La réduction d'ordre s'effectue dans le sens où les états internes du modèle initial les faiblement observables et faiblement contrôlables, correspondant aux valeurs singulières faibles, sont éliminées. Pour faire ressortir les valeurs singulières du modèle original d'ordre complet, l'algorithme SVD (Singular Values décomposition) est utilisé. Nous nous sommes particulièrement intéressés aux comportements des paramètres SNR (Signal to Noise Ratio) issus de la réduction d'ordre. Afin d'illustrer et de mettre en valeur les performances et l'efficacité de notre approche, diverses simulations sur des segments de signaux de parole (phonèmes, diphones et phrases) ont été effectuées.