Diseño y desarrollo de un Software para el análisis y procesamiento de señales de voz

Transcripción

1 Diseño y desarrollo de u Sofware para el aálisis y procesamieo de señales de voz. Laforcada *, D. Miloe, C. Maríez,. Rufier Laboraorio de Ciberéica, Deparameo de Bioigeiería, Faculad de Igeiería, Uiversidad Nacioal de Ere Ríos, CC47, Suc. 3, (CP 3100), Paraá, Ere Ríos, Argeia Resume E el campo del aálisis de señales de voz, el profesioal o ivesigador se ecuera a meudo free a la ecesidad de u sofware que le permia llevar a cabo esudios específicos, alerar parámeros poco frecuees y presear los resulados de maera apropiada. Las herramieas de ese ipo acualmee dispoibles o se ajusa apropiadamee a las ecesidades específicas de profesioales relacioados co la voz (fooaudiólogos, oorriolarigólogos, ligüisas, ivesigadores, ec). Esas razoes moiva el desarrollo de u uevo sofware que saisfaga los requerimieos mecioados, y que a parir de la dispoibilidad del código fuee sea posible realizar modificacioes sobre el mismo para adaparlo a diferees codicioes y usuarios. E el presee rabajo se describe el diseño y desarrollo de u sofware para el aálisis de señales de voz co las caracerísicas aes ciadas. Primeramee se expoe ua breve iroducció al diseño y aálisis orieado a objeos y se resala aquellos aspecos que so de mayor relevacia, seado las bases para la compresió de la omeclaura e icoografía uilizada. A coiuació se presea el diseño del sofware, y se revisa cocepos maemáicos relaivos al aálisis y procesamieo de señales de voz. Luego se describe y expoe las diferees fucioes del sofware, y se muesra los resulados de la aplicació de esa herramiea al aálisis de ua señal de voces paológicas. Todo ese desarrollo se complea co la validació de esa herramiea por pare de los usuarios fiales. La experiecia recogida permiirá realizar ajuses e el sofware, y los resulados fiales será objeo de u rabajo fuuro. Palabras clave Aálisis de señales de voz paológicas, diseño de sofware, procesamieo digial de señales. I Iroducció E los úlimos años ha crecido el ierés por el aálisis de señales de voces ormales y paológicas como u méodo aleraivo de diagósico. Ese ipo de aálisis demuesra eer veajas co respeco a los méodos de examiació acuales debido a su auraleza o ivasiva y a su poecial para dar iformació cuaiaiva acerca del esado de las fucioes de la larige y el raco vocal, co iempos de aálisis razoables [1]. Es sabido que la presecia de paologías e las cuerdas vocales causa cambios sigificaivos e sus paroes de vibració ormales, lo que impaca e la calidad de la producció de voz. Los problemas e la producció de voz puede origiarse e [, 3]: 1) desorde fucioal: debido al abuso o mal uso del sisema vocal aaómica y fisiológicamee iaco, corregido por medio de erapia de voz; o ) paologías larígeas: ódulos de las cuerdas vocales, pólipos, úlceras, carciomas y parálisis del ervio larígeo, corregidas por medio de erapia de voz, cirugía y, e alguos casos, radioerapia. Se vuelve evidee la ecesidad de u sofware alamee versáil que combie ua ierfaz amigable y poderosas herramieas de aálisis de voz. Nuesro sofware fue diseñado para saisfacer esas ecesidades, dado que siempre se uvo e mee las visioes ao del profesioal del habla como del ivesigador. El desarrollo iicial de ese sofware surgió como ua evolució aural de uesro rabajo de laboraorio [4, 5, 6, 7, 8]. Es u hecho que los profesioales del habla usualmee o ecesia coocer los parámeros écicos que sí impora al ivesigador, y que usualmee o se ieresa e la eoría maemáica que yace derás de u aálisis, sio que solamee se ieresa por los resulados. Como bioigeieros e ivesigadores esamos al ao de esos hechos y, co ellos e mee, diseñamos diferees perfiles para ua fácil adapació a esas dos diferees ecesidades. El diseño de sofware y alguos cocepos relacioados a ese ema se describe e la Secció II. Se coiúa co ua breve exposició acerca de las ruias de procesamieo e la Secció III, y la descripció fucioal del sofware se muesra e la Secció IV. * Correspodecia: cyberlab@fi.uer.edu.ar, hlaforcada@sofhome.e

2 II Diseño del sofware A Cocepos básicos del diseño orieado a objeos El aálisis y diseño orieado a objeos (DOO) es ua poderosa herramiea que permie al programador dividir y maejar problemas complejos. Ua clase es ua absracció de ua pare del domiio del problema, que modela las caracerísicas y el comporamieo de dicha pare. Las relacioes de herecia ere clases permie el modelado de los aspecos básicos e la clase padre, y los aspecos pariculares e las clases hijas. Eso da orige a dos imporaes caracerísicas del DOO: la especializació, dode las clases hijas so más específicas que la clase padre y el polimorfismo e dode coociedo al padre, se puede pedirle a cualquiera de sus hijos que se compore como su padre. Ua clase es sólo u modelo, ua absracció. Cuado se desea uilizar sus fucioalidades, es ecesario crear (usualmee referido como isaciar e la jerga del DOO) o usar u objeo. Por lo ao, se dice que u objeo es la ocurrecia específica de ua clase, es la maerializació de la absracció. Más acerca del DOO puede ser ecorado e [9] y [10]. B Descripció del diseño Se comieza esa secció co ua eumeració de los módulos pricipales del sofware, seguido por ua breve descripció de cada uo. U módulo es u bloque de u programa que agrupa variables, objeos y fucioalidades. Las relacioes ere los módulos defie la diámica del programa. E el marco de la programació orieada a objeos (POO), e geeral u módulo se correspode co ua clase que agrupa oras clases y fucioalidades para la ierrelació ere las clases coeidas y ere esas clases y oros módulos. El módulo pricipal del sofware es MaiForm, el cual es el resposable de colecar y coordiar la iformació de oros formularios y de la uidad de procesamieo, así como la maejar e ierprear la ieracció del usuario. Para poder mosrar las señales apropiadamee, se diseñaro res diferees formularios que coiee y grafica res clases diferees de señales. Sigal1DForm, SigalDForm y SigalCForm coiee, grafica y posee méodos para maipular señales uidimesioales co valores reales, señales bidimesioales co valores reales o complejos y señales uidimesioales co valores complejos respecivamee. U formulario especial es RealTimeForm, el cual esá diseñado para la visualizació y grabació de señales e iempo real uilizado u micrófoo. Ese formulario grafica la señal moioreada, su especro de magiud, su especro por LPC y su especrograma. Cuado se ecesia del igreso de parámeros por pare del usuario, se muesra formularios de diálogo especialmee diseñados y se pide al usuario que igrese daos. U cuadro de diálogo de cofiguració geeral accesible desde el meú pricipal, permie al usuario cofigurar parámeros de aálisis y del comporamieo del sofware, y ofrece la opció de esablecer valores por defeco para auomaizar los aálisis. El maejo de daos ecesia de esrucuras adecuadas para fucioar correcamee. Para saisfacer los requerimieos impuesos por los diferees ipos de señales ivolucradas e el aálisis de señales de voz, se diseñó ua esrucura de clases (Figura 1) que se adapa a cada ipo. Para eviar la icompaibilidad de daos y haciedo uso de la poecia del polimorfismo, el diseño pare de ua clase base que modela ua señal, TSigal, y baja por el árbol de herecia a medida que las caracerísicas de las señales crece e complejidad y especializació. Los dos hijos de primer ivel so TSigal1D y TSigalD, que modela esrucuras de daos uidimesioales y bidimesioales respecivamee. Cada uo iee descediees que modela el comporamieo y esrucura de señales reales y complejas. Esas clases se adapa bie cuado se ecesia rabajar, por ejemplo, co señales complejas uidimesioales como las señales de especros, o co señales complejas bidimesioales como las de LPCgramas. E el caso de TSigal1DReal, sus descediees so implemeados de acuerdo al ipo de dao usado como uidad fudameal de la señal; si es u valor de coma floae eoces usamos TSigal1DSigle, y si es u valor eero empleamos TSigal1DI. Ese úlimo se vuelve imporae cuado ecesiamos rabajar co señales de voz de diferee cuaizació, eso es, 8 bis o 16 bis, para lo cual se diseñaro las clases TSigal8 y TSigal16 respecivamee. El poecial de procesamieo del sofware esá basado e el módulo de procesamieo digial de señales, deomiado DSP. Para opimizar el uso de memoria, las ruias de procesamieo esá iegradas e ua biblioeca de elaces diámicos (dll), la que es cargada y uilizada por el módulo de procesamieo cuado es ecesario. Esa biblioeca fue escria e C e icluye ao ruias básicas de procesamieo y maipulació de señales así como ruias complejas y específicas para el aálisis y procesamieo de señales de voz. Los cocepos maemáicos que yace derás de esos algorimos de aálisis so descripos brevemee e la siguiee secció.

3 TSigal TSigal1D TSigalD TSigal1D Complex TSigal1D Real TSigalD Real TSigalD Complex TSigal1D Sigle TSigal1D I TSigal8 TSigal16 Figura 1: Diagrama de herecia de las clases uilizadas para modelar señales. III Procesamieo digial de señales E esa secció se revisará aquellos cocepos que so meos frecuees e el campo del procesamieo de señales e geeral, y que so de especial ierés e el procesamieo de voz. Los cocepos coceriees al aálisis covecioal será meramee lisados, pero o se profudizará e su descripció. Más acerca de esos cocepos puede ecorarse e [11]. Las rasformacioes básicas y aálisis que ofrece el sofware so: Aálisis especral Iegració por badas Aálisis de predicció lieal Aálisis cepsral Esimació de la frecuecia fudameal Aálisis de cruces por cero A parir de aquí se describirá el aálisis de predicció lieal (PL) y el aálisis cepsral. Es posible modelar el raco vocal uilizado u sisema auorregresivo, como: vˆ ( ) a( j) v( j) + G g( ) (1) = Na dode v() es la señal a modelar, vˆ ( ) es la señal esimada por el modelo, g() j= 1 es la erada del raco vocal y Na es el orde del sisema. E ese modelo se puede cosiderar iicialmee que la erada es igual a cero, y (1) puede ser escria e su forma vecorial como: vˆ ( ) = (v ) dode a coiee los Na coeficiees yv coiee las úlimas Na salidas v( j). El error ere vˆ ( ) v() puede ser medido usado la disacia euclídea como: e( ) = T a ( v( ) vˆ( )) Para ecorar el vecor a, debe miimizarse el error cuadráico oal ere vˆ ( ) y v () :. y

4 A parir de ξ = 0 se obiee: ξ = e( ) = ( v( ) + T v = v ) a ( v ( v v ( ) el cual es coocido como el sisema de Wieer-opf y es represeado comúmee como: R a = r () dode r es el vecor de auocorrelació y R es la mariz de auocorrelació de v (). Puede mosrarse que Rij = r i j y eoces R es ua mariz Toepliz. El algorimo de Leviso-Durbi aprovecha ese hecho para simplificar la resolució del sisema. E cuao a la deermiació del orde ópimo para el sisema, se puede uilizar varios méodos para resolver el compromiso ere la complejidad del sisema y el error oal. Esos méodos esá basados e medidas del error durae la predicció, de (1) y () podemos obeer: T E( N a ) r + r = 0 y ua vez que se ha ecorado el sisema más simple que implique el míimo E(N a ) es posible deermiar el orde apropiado para la esimació. Oros méodos [1] usa crierios basados e la eoría de la iformació. Asumiedo ua disribució Gaussiaa de la señal, puede medirse el error de acuerdo a: Na I ( Na ) = log E( Na ) + N dode N e es el úmero efecivo de muesras, el cual, e el caso de ua veaa ammig es igual a 0,4. El sofware posee ruias para el aálisis de PL, cálculo de los coeficiees de PL, de los coeficiees de reflexió, la eergía residual para el orde dado y la eergía oal de la señal. Tambié permie calcular la respuesa e frecuecia del sisema a parir de los coeficiees de PL, la cual es uilizada e u aálisis iempofrecuecia similar al aálisis de Fourier de iempo coro (especrograma) llamado LPCgrama. El cepsrum real (CR) de ua señal v(m) puede ser defiido uilizado la rasformada discrea de Fourier (TDF) como: 1 F a { log T { v( m) } }. e ) T a ) c( m) = T (3) Esa defiició puede ser exedida reemplazado la TDF e (3) y su iversa (TIDF) por su defiició: c( k) = T 1 F = 1 N log Nu Nv u κ = 1 = 1 F v( ) e log u( ê ) e. j(π / N )( κ 1)( 1) v j(π / N )( κ 1)( k 1) u. Fialmee, si se cosidera que el argumeo de la TIDF es ua secuecia par de valores reales, puede simplificarse su cálculo usado la rasformada coseo: Nu / c( k) = N κ = 1 u 1 log u( ê ) cos((π / N u )( ê 1)( k 1)) Si se cosidera al raco vocal modelado por (1), se puede represear a la señal de voz para foemas sooros como la covolució: v ˆ( ) = g( ) * h( ) dode la erada al sisema es el re de pulsos glóicos g() y h() es la respuesa impulsiva del sisema. La covolució de dos señales e el iempo se correspode co el produco de los especros de dichas señales e la frecuecia, y dado que e el domiio frecuecial las compoees de los pulsos glóicos varía co la frecuecia mucho más rápidamee que la respuesa e frecuecia del raco vocal, al aplicar la TIDF se separa el especro de la erada del especro de la respuesa del sisema. Ua vez aplicado el CR se puede uilizar ua écica de filrado lieal para buscar el puo dode los especros se separa, y e el caso de

5 señales de voz, ese pico se da e u valor de frecuecia correspodiee co la frecuecia fudameal de la señal de voz, F 0, lo que permie esimar el valor de esa frecuecia. De esa maera se puede obeer iformació relaiva a h(k ) e las primeras muesras e iformació relaiva a g (k ) a parir de 1/F 0. IV Resulados E la Figura se muesra u segmeo de ua voz ormal correspodiee al foema vocálico /aa/ soseido y e la Figura 3 u segmeo de ua voz paológica correspodiee al mismo foema. Se puede apreciar las diferecias morfológicas ere esas señales. E la Figura 4 se observa el especro de magiud correspodiee a la señal de la Figura, y e la Figura 5 el de la señal de la Figura 3. A primera visa podemos apreciar la aparició de compoees de ala frecuecia e el caso paológico y ua mayor eergía e los armóicos correspodiees. Figura : Secuecia emporal de ua voz ormal. Figura 3: Secuecia emporal de ua voz paológica. U aálisis de las caracerísicas frecueciales diámicas a lo largo del iempo puede ser llevado a cabo uilizado el especrograma. E la Figura 6 puede apreciarse u especrograma de 0,8 segudos para ua señal de voz ormal, mieras que e la Figura 7 se muesra uo correspodiee a ua señal paológica. Ua vez más se observa la aparició de badas de ala frecuecia e el caso paológico, y puede verse que la eergía se cocera e diferees badas de frecuecia (zoas más brillaes).

6 Figura 4: Especro de magiud de la voz ormal de la Figura. Figura 5: Especro de magiud de la voz ormal de la Figura 3. Figura 6: Especrograma de ua señal de voz ormal.

7 Figura 7: Especrograma de ua señal de voz paológica. VI - Coclusió Los profesioales cosigue resulados de ala calidad, rápidos y precisos cuado combia su experiecia co el uso de herramieas poderosas. La deecció y el raamieo de paologías de la voz o so excepcioes. Para poder coseguir esos resulados, las herramieas diseñadas e implemeadas e uesro sofware se basa e cocepos maemáicos sobre el procesamieo de señales y e écicas de diseño y programació. Es por eso que uesro sofware es de gra uilidad como herramiea de apoyo al diagósico para el profesioal del habla así como la ivesigació e el área de señales.

8 Referecias [1] C.E. Maríez,.L. Rufier, Acousic Aalysis of Speech for Deecio of Larygeal Pahologies, Proceedigs of he Chicago 000 World Cogress IEEE EMBS, Paper # T-Aa35-07, Chicago, USA, Julio 000. [] P.W. Fli, C.W. Cummigs, The Joh opkis Ceer for Larygeal ad Voice Disorders. Deparme of Oolarygology-ead & Neck Surgery, Joh opkis Uiversiy. Balimore, Marylad, Agoso 1997.Available: hp:// [3] James A. Koufma, Gregory N. Posma, Ceer for Voice Disorders. Wake Fores Uiversiy, Noviembre 13, Available: hp:// [4] M. Argo,.L. Rufier, D. Zapaa, A. Sigura, "Aálisis Digial de Señales de Voz Orieado a la Rehabiliació Fooariculaoria". Fooaudiológica. Asociació Argeia de Logopedia, Foiaría y Audiología. Tomo 39, Nº, pp. 57-7, Ocubre [5].L. Rufier, D. Zapaa, A. Sigura, Sisema de Adquisició, Procesamieo y Aálisis de Señales de Voz, Aales del Primer Cogreso Cojuo de Bioigeiería y Física Médica, VIII Cogreso Argeio de Bioigeiería y III Workshop de Física Médica, (SABI/SAFIM), Argeia, Ocubre 199. [6] M. Argo,.L. Rufier, D. Zapaa, A. Sigura, Ua erramiea para la Ivesigació Fisiológica y Clíica de la Voz y el abla, Aales del XVIII Cogreso Laioamericao de Ciecias Fisiológicas, Uruguay, Abril [7].L. Rufier, D. Zapaa, A. Sigura, Aálisis Digial de Señales de Voz Orieado a la Fooaudiología y la Rehabiliació Foiárica, Aales del X Cogreso Nacioal de Iformáica y Telecomuicacioes, pp , Capial Federal, Mayo [8].L. Rufier, J.M. Corejo, M. Cadea, E. errera, Laboraorio de Voz, Aales del VIII Cogreso de la Asociació Mexicaa de Audiología, Foiaría y Comuicació umaa, Veracruz, México, Marzo 0-3, [9] G. Booch, Objec-Orieed Aalysis ad Desig wih Applicaios. Addiso-Wesley, [10] R. Wirfs-Brock, B. Wilkerso, ad L. Wieer, Desigig Objec-Orieed Sofware, Eglewood Cliffs, New Jersey, Preice all, [11] J. R. Deller, J. G. Proakis ad J.. ase, Discree Time processig of speech sigals, Macmilla Publishig, New York, [1]. Akaike, A ew look a he saisical model ideificaio, IEEE Tras. o Auomaic Corol, Vol. 19, No. 6, pp , 1974.