Applied Speech and Audio Processing: With matlab examples

References
[19] B. S. Atal. Predictive coding of speech at low bitrates. IEEE Trans. Commun., COM30: 600–614,
1982.
[20] M. R. Schroeder and B.S. Atal. Code-excited linear prediction CELP: High-quality speech at very
low bit rates. In Proceedings of the International Conference on Acoustics, Speech and Signal
Processing, pages 937–940, 1985.
[21] L. M. Supplee, R. P. Cohn, J. S. Collura, and A. V. McCree. MELP: The new Federal standard at
2400 bps. In IEEE International Conference on Acoustics, Speech and Signal Proc., volume 2,
pages 1591–1594, April 1997.
[22] I. A. Gerson and M. A. Jasiuk. Vector sum excited linear prediction (VSELP) speech coding at
8 kbps. In IEEE International Conference on Acoustics, Speech and Signal Proc., volume 1, pages
461–464, April 1990.

---

6
Audio analysis
Analysis techniques are those used to examine, understand and interpret the content of
recorded sound signals. Sometimes these lead to visualisation methods, whilst at other
times they may be used in specifying some form of further processing or measurement
of the audio.
There is a general set of analysis techniques which are common to all audio signals,
and indeed to many forms of data, particularly the traditional methods used for signal
processing. We have already met and used the basic technique of decomposing sound
into multiple sinusoidal components with the Fast Fourier Transform (FFT), and have
considered forming a polynomial equation to replicate audio waveform characteristics
through linear prediction (LPC), but there are many other useful techniques we have not
yet considered.
Most analysis techniques operate on analysis windows, or frames, of input audio.
Most also require that the analysis window is a representative stationary selection of the
signal (stationary in that the signal statistics and frequency distribution do not change
appreciably during the time duration of the window – otherwise results may be inac-
curate). We had discussed the stationarity issue in Section 2.5.1, and should note that
the choice of analysis window size, as well as the choice of analysis methods used, de-
pends strongly upon the identity of the signal being analysed. Speech, noise and music
all have different characteristics, and while many of the same methods can be used in
their analysis, knowledge of their characteristics leads to different analysis periods, and
different parameter ranges of the analysis result.
Undoubtedly, those needing to perform an analysis will require some experimentation
to determine the best methods to be used, the correct parameters to be interpreted, and
optimal analysis timings.
We will now introduce several other methods of analysing sound that form part of
the audio engineer’s standard toolkit, and which can be applied in many situations.
Following this, we will consider the special cases of pitch analysis for speech, and
the subject of understanding how the human brain interprets sound, in auditory scene
analysis. Finally we will touch upon the analysis of some other signals such as music
and animal noises before we discuss the use of tracking sound statistics as a method of
analysis.
135

---

136