【正文】 s＝8kHz；而對(duì)丁語(yǔ)音識(shí)別而言，當(dāng)用于電話用戶時(shí)，指標(biāo)與語(yǔ)音編譯碼器相同。當(dāng)使用要求較高或很高的場(chǎng)合時(shí)fH＝4500Hz或8000Hz、fL＝60Hz、fs＝10kHz或20kHz。為了將原始模擬語(yǔ)音信號(hào)變?yōu)閿?shù)字信號(hào)，必須經(jīng)過(guò)采樣和量化兩個(gè)步驟，從而得到時(shí)間和幅度上均為離散的數(shù)字語(yǔ)音信號(hào)。采樣也稱抽樣，是信號(hào)在時(shí)間上的離散化，即按照一定時(shí)間間隔△t在模擬信號(hào)ｘ(t)上逐點(diǎn)采取其瞬時(shí)值。采樣時(shí)必須要注意滿足奈奎斯特定理，即采樣頻率fs必須以高于受測(cè)信號(hào)的最高頻率兩倍以上的速度進(jìn)行取樣，才能正確地重建波形，它是通過(guò)采樣脈沖和模擬信號(hào)相乘來(lái)實(shí)現(xiàn)的。 圖23原始信號(hào)時(shí)域波形圖和頻域波形圖由圖可知，這段語(yǔ)音信號(hào)的頻率主要集中在1KHz左右，由于采樣頻率比較大，所以采樣點(diǎn)數(shù)就越密，所得離散信號(hào)就越逼近于原信號(hào)，頻譜也沒(méi)有發(fā)生混疊。 圖24抽取后的信號(hào)時(shí)域波形圖和頻域波形圖對(duì)上述信號(hào)進(jìn)行1/80采樣頻率抽取，即采樣頻率變?yōu)閷⒔?00Hz時(shí)，由于采樣頻率比較小，所以采樣點(diǎn)數(shù)就稀疏，所得離散信號(hào)就越偏離于原信號(hào)，頻譜也發(fā)生了混疊。在采樣的過(guò)程中應(yīng)注意采樣間隔的選擇和信號(hào)混淆：對(duì)模擬信號(hào)采樣首先要確定采樣間隔。如何合理選擇△t涉及到許多需要考慮的技術(shù)因素。一般而言，采樣頻率越高，采樣點(diǎn)數(shù)就越密，所得離散信號(hào)就越逼近于原信號(hào)。但過(guò)高的采樣頻率并不可取，對(duì)固定長(zhǎng)度（T）的信號(hào)，采集到過(guò)大的數(shù)據(jù)量（N=T/△t），給計(jì)算機(jī)增加不必要的計(jì)算工作量和存儲(chǔ)空間；若數(shù)據(jù)量（N）限定，則采樣時(shí)間過(guò)短，會(huì)導(dǎo)致一些數(shù)據(jù)信息被排斥在外。采樣頻率過(guò)低，采樣點(diǎn)間隔過(guò)遠(yuǎn)，則離散信號(hào)不足以反映原有信號(hào)波形特征，無(wú)法使信號(hào)復(fù)原，造成信號(hào)混淆。根據(jù)采樣定理，當(dāng)采樣頻率大于信號(hào)的兩倍帶寬時(shí)，采樣過(guò)程不會(huì)丟失信息，利用理想濾波器可從采樣信號(hào)中不失真地重構(gòu)原始信號(hào)波形。量化是對(duì)幅值進(jìn)行離散化，即將振動(dòng)幅值用二進(jìn)制量化電平來(lái)表示。量化電平按級(jí)數(shù)變化，實(shí)際的振動(dòng)值是連續(xù)的物理量。具體振動(dòng)值用舍入法歸到靠近的量化電平上。 語(yǔ)音信號(hào)經(jīng)過(guò)預(yù)濾波和采樣后，由A／D變換器變換為二進(jìn)制數(shù)字碼。這種防混疊濾波通常與模數(shù)轉(zhuǎn)換器做在一個(gè)集成塊內(nèi)，因此目前來(lái)說(shuō)，語(yǔ)音信號(hào)的數(shù)字化的質(zhì)量還是有保證的。市面上購(gòu)買(mǎi)到的普通聲卡在這方面做的都很好，語(yǔ)音聲波通過(guò)話筒輸入到聲卡后直接獲得的是經(jīng)過(guò)防混疊濾波、A/D變換、量化處理的離散的數(shù)字信號(hào)。在實(shí)際工作中，我們可以利用windows自帶的錄音機(jī)錄制語(yǔ)音文件，圖25是基于PC機(jī)的語(yǔ)音信號(hào)采集過(guò)程，聲卡可以完成語(yǔ)音波形的A/D轉(zhuǎn)換，獲得WAVE文件，為后續(xù)的處理儲(chǔ)備原材料。調(diào)節(jié)錄音機(jī)保存界面的“更改”選項(xiàng)，可以存儲(chǔ)各種格式的WAVE文件。Windows自帶的錄音機(jī)聲音麥克風(fēng)聲卡濾波采樣A/D轉(zhuǎn)換 Wav 圖25基于PC機(jī)的語(yǔ)音信號(hào)采集過(guò)程采集到語(yǔ)音信號(hào)之后，需要對(duì)語(yǔ)音信號(hào)進(jìn)行分析，如語(yǔ)音信號(hào)的時(shí)域分析、頻譜分析、語(yǔ)譜圖分析以及加噪濾波等處理。3 語(yǔ)音信號(hào)的分析語(yǔ)音信號(hào)分析是語(yǔ)音信號(hào)處理的前提和基礎(chǔ)，只有分析出可表示語(yǔ)音信號(hào)本質(zhì)特征的參數(shù)，才有可能利用這些參數(shù)進(jìn)行高效的語(yǔ)音通信、語(yǔ)音合成和語(yǔ)音識(shí)別等處理。而且，語(yǔ)音合成的音質(zhì)好壞，語(yǔ)音識(shí)別率的高低，也都取決于對(duì)語(yǔ)音信號(hào)分析的準(zhǔn)確性和精確性。因此語(yǔ)音信號(hào)分析在語(yǔ)音信號(hào)處理應(yīng)用中具有舉足輕重的地位。貫穿于語(yǔ)音分析全過(guò)程的是“短時(shí)分析技術(shù)”。因?yàn)?，語(yǔ)音信號(hào)從整體來(lái)看其特性及表征其本質(zhì)特征的參數(shù)均是隨時(shí)間而變化的，所以它是一個(gè)非平穩(wěn)態(tài)過(guò)程，不能用處理平穩(wěn)信號(hào)的數(shù)字信號(hào)處理技術(shù)對(duì)其進(jìn)行分析處理。但是，由于不同的語(yǔ)音是由人的口腔肌肉運(yùn)動(dòng)構(gòu)成聲道某種形狀而產(chǎn)生的響應(yīng)，而這種口腔肌肉運(yùn)動(dòng)相對(duì)于語(yǔ)音頻率來(lái)說(shuō)是非常緩慢的，所以從另一方面看，雖然語(yǔ)音信號(hào)具有時(shí)變特性，但是在一個(gè)短時(shí)間范圍內(nèi)(一般認(rèn)為在10～30ms的短時(shí)間內(nèi))，其特性基本保持不變即相對(duì)穩(wěn)定，因而可以將其看作是一個(gè)準(zhǔn)穩(wěn)態(tài)過(guò)程，即語(yǔ)音信號(hào)具有短時(shí)平穩(wěn)性。所以任何語(yǔ)音信號(hào)的分析和處理必須建立在“短時(shí)”的基礎(chǔ)上．即進(jìn)行“短時(shí)分析”，將語(yǔ)音信號(hào)分為一段一段來(lái)分析其特征參數(shù)，其中每一段稱為一“幀”，幀長(zhǎng)一般取為10～30ms。這樣，對(duì)于整體的語(yǔ)音信號(hào)來(lái)講，分析出的是由每一幀特征參數(shù)組成的特征參數(shù)時(shí)間序列。根據(jù)所分析出的參數(shù)的性質(zhì)的不同，可將語(yǔ)音信號(hào)分析分為時(shí)域分析、頻域分析、倒頻域分析等；時(shí)域分析方法具有簡(jiǎn)單、計(jì)算量小、物理意義明確等優(yōu)點(diǎn)，但由于語(yǔ)音信號(hào)最重要的感知特性反映在功率譜中，而相位變化只起著很小的作用，所以相對(duì)于時(shí)域分析來(lái)說(shuō)頻域分析更為重要。本文將簡(jiǎn)要介紹時(shí)域分析、頻域分析以及語(yǔ)譜圖分析。 語(yǔ)音信號(hào)的時(shí)域分析語(yǔ)音信號(hào)的時(shí)域分析就是分析和提取語(yǔ)音信號(hào)的時(shí)域參數(shù)。進(jìn)行語(yǔ)音分析時(shí)，最先接觸到并且也是最直觀的是它的時(shí)域波形。語(yǔ)音信號(hào)本身就是時(shí)域信號(hào)，因而時(shí)域分析是最早使用，也是應(yīng)用最廣泛的一種分析方法，這種方法直接利用語(yǔ)音信號(hào)的時(shí)域波形。時(shí)域分析通常用于最基本的參數(shù)分析及應(yīng)用，如語(yǔ)音的分割、預(yù)處理、大分類等。這種分析方法的特點(diǎn)是：表示語(yǔ)音信號(hào)比較直觀、物理意義明確。實(shí)現(xiàn)起來(lái)比較簡(jiǎn)單、運(yùn)算且少。可以得到語(yǔ)音的一些重要的參數(shù)。只使用示波器等通用設(shè)備，使用較為簡(jiǎn)單等。語(yǔ)音信號(hào)的時(shí)域參數(shù)有短時(shí)能量、短時(shí)過(guò)零率、短時(shí)自相關(guān)函數(shù)和短時(shí)平均幅度差函數(shù)等，這是語(yǔ)音信號(hào)的一組最基本的短時(shí)參數(shù)，在各種語(yǔ)音信號(hào)數(shù)字處理技術(shù)中都要應(yīng)用。在計(jì)算這些參數(shù)時(shí)使用的一般是矩形窗或漢明窗。 短時(shí)能量及短時(shí)平均幅度分析設(shè)語(yǔ)音波形時(shí)域信號(hào)為x(l)、加密分幀處理后得到的第n幀語(yǔ)音信號(hào)為 Xn(m)，則Xn(m)滿足下式： 其中，n＝0，1T，2T，…，并且N為幀長(zhǎng)，T為幀移長(zhǎng)度。設(shè)第n幀語(yǔ)音信號(hào)Xn(m)的短時(shí)能量用En表示，則其計(jì)算公式如下：En是一個(gè)度量語(yǔ)音信號(hào)幅度值變化的函數(shù)，但它有一個(gè)缺陷，即它對(duì)高電平非常敏感(因?yàn)樗?jì)算時(shí)用的是信號(hào)的平方)。為此可采用另一個(gè)度量語(yǔ)音信號(hào)幅度值變化的函數(shù)．即短時(shí)平均幅度函數(shù)Mn，它定義為： Mn也是一幀語(yǔ)音信號(hào)能量大小的表征，它與En的區(qū)別在于計(jì)算時(shí)小取樣值和大取樣值不會(huì)因取平方而造成較大差異，在某些應(yīng)用領(lǐng)域也會(huì)帶來(lái)一些好處。短時(shí)能量和短時(shí)平均幅度函數(shù)的主要用途有：①可以區(qū)分濁音段與清音段，因?yàn)闈嵋魰r(shí)En值比清音時(shí)大的多。②可以用來(lái)區(qū)分聲母與韻母的分界，無(wú)聲與有聲的分界，連字(指字之間無(wú)間隙)的分界等。③作為一種超音段信息，用于語(yǔ)音識(shí)別中。短時(shí)過(guò)零率表示一幀語(yǔ)音中語(yǔ)音信號(hào)波形穿過(guò)橫軸（零電平）的次數(shù)。過(guò)零分析是語(yǔ)音時(shí)域分析中最簡(jiǎn)單的一種。對(duì)于連續(xù)語(yǔ)音信號(hào)，過(guò)零即意味著時(shí)域波形通過(guò)時(shí)間軸；而對(duì)于離散信號(hào)，如果相鄰的取樣值改變符號(hào)則稱為過(guò)零。過(guò)零率就是樣本改變符號(hào)的次數(shù)。定義語(yǔ)音信號(hào)Xn（m）的短時(shí)過(guò)零率Zn為：式中，sgn[ ]是符號(hào)函數(shù)，即：在實(shí)際中求過(guò)零率參數(shù)時(shí)，需要十分注意的一個(gè)問(wèn)題是如果輸入信號(hào)中包含有50Hz的工頻干擾或者A/D變換器的工作點(diǎn)有偏移(這等效于輸入信號(hào)有直流偏移)，往往會(huì)使計(jì)算的過(guò)零率參數(shù)很不準(zhǔn)確。為了解決前一個(gè)問(wèn)題，A/D變換器前的防混疊帶通濾波器的低端截頻應(yīng)高于50Hz，以有效地抑制電源干擾。對(duì)于后一個(gè)問(wèn)題除了可以采用低直流漂移器件外，也可以在軟件上加以解決，這就是算出每一幀的直流分量并予以濾除。對(duì)語(yǔ)音信號(hào)進(jìn)行分析，發(fā)現(xiàn)發(fā)濁音時(shí)，盡管聲道有若干個(gè)共振峰，但由于聲門(mén)波引起功率譜的高頻跌落，所以其話音能量約集中在3kHz以下。而發(fā)清音時(shí)，多數(shù)能量出現(xiàn)在較高頻率上。高頻就意味著高的平均過(guò)零率，低頻意味著低的平均過(guò)零率，所以可以認(rèn)為濁音時(shí)具有較低的過(guò)零率，而清音時(shí)具有較高的過(guò)零率。當(dāng)然，這種高低僅是相對(duì)而言，并沒(méi)有精確的數(shù)值關(guān)系。利用短時(shí)平均過(guò)零率還可以從背景噪聲中找出語(yǔ)音信號(hào)，可用于判斷寂靜無(wú)聲段和有聲段的起點(diǎn)和終點(diǎn)位置。在孤立詞的語(yǔ)音識(shí)別中，必須要在一連串連續(xù)的語(yǔ)音信號(hào)中進(jìn)行適當(dāng)分割，用以確定一個(gè)一個(gè)單詞的語(yǔ)音信號(hào)，即找出每一個(gè)單詞的開(kāi)始和終止位置，這在語(yǔ)音處理中是一個(gè)基本問(wèn)題。此時(shí)，在背景噪聲較小時(shí)用平均能量識(shí)別較為有效，而在背景噪聲較大時(shí)用平均過(guò)零率識(shí)別較為有效。但是研究表明，在以某些音為開(kāi)始或結(jié)尾時(shí)。如當(dāng)弱摩擦音(如[f]、[h]等音素)，弱爆破音(如[p]、[t]、[k]等音素)為語(yǔ)音的開(kāi)頭或結(jié)尾；以鼻音(如[n]、[m]等音素)為語(yǔ)音的結(jié)尾時(shí)。只用其中一個(gè)參量來(lái)判別語(yǔ)音的起點(diǎn)和終點(diǎn)是有困難的，必須同時(shí)使用這兩個(gè)參數(shù)。圖31是用Mtalab仿真一段語(yǔ)音信號(hào)時(shí)域波形的短時(shí)能量和短時(shí)平均過(guò)零率。 圖31語(yǔ)音信號(hào)的短時(shí)能量和短時(shí)平均過(guò)零率 語(yǔ)音信號(hào)的頻域分析語(yǔ)音信號(hào)的頻域分析就是分析語(yǔ)音信號(hào)的頻域持征。從廣義上講，語(yǔ)音信號(hào)的頻域分析包括語(yǔ)音信號(hào)的頻譜、功率譜、倒頻譜、頻譜包絡(luò)分析等，而常用的頻域分析方法有帶通濾波器組法、傅里葉變換法、線性預(yù)測(cè)法等幾種。本文介紹的是語(yǔ)音信號(hào)的傅里葉分析法。因?yàn)檎Z(yǔ)音波是一個(gè)非平穩(wěn)過(guò)程，因此適用于周期、瞬變或平穩(wěn)隨機(jī)信號(hào)的標(biāo)準(zhǔn)傅里葉變換不能用來(lái)直接表示語(yǔ)音信號(hào)，而應(yīng)該用短時(shí)傅里葉變換對(duì)語(yǔ)音信號(hào)的頻譜進(jìn)行分析，相應(yīng)的頻譜稱為“短時(shí)譜”。對(duì)第n幀語(yǔ)音信號(hào)Xn(m)進(jìn)行傅里葉變換(離散時(shí)域傅里葉變換，DTFT)，可得到短時(shí)傅里葉變換，其定義如下： (31)由定義可知，短時(shí)傅里葉變換實(shí)際就是窗選語(yǔ)音信號(hào)的標(biāo)準(zhǔn)傅里葉變換。這里，窗w(nm)是一個(gè)“滑動(dòng)的”窗口，它隨n的變化而沿著序列X(n)滑動(dòng)。由于窗口是有限長(zhǎng)度的，滿足絕對(duì)可和條件，所以這個(gè)變換是存在的。當(dāng)然窗口函數(shù)不同，博里葉變換的結(jié)果也將不同。我們還可以將式(3—1)寫(xiě)成另一種形式。設(shè)語(yǔ)音信號(hào)序列和窗口序列的標(biāo)準(zhǔn)傅里立葉變換均存在。當(dāng)n取固定值時(shí)，w(nm)的傅里葉變換為： (32)根據(jù)卷積定理，有： (33)因?yàn)樯鲜接疫厓蓚€(gè)卷積項(xiàng)均為關(guān)于角頻率w的以2π為周期的連續(xù)函數(shù)，所以也可將其寫(xiě)成以下的卷積積分形式： （34）即，假設(shè)x(m)的DTFT是，且的DTFT是，那么是和的周期卷積。根據(jù)信號(hào)的時(shí)寬帶寬積為一常數(shù)這一基本性質(zhì)，可知主瓣寬度與窗口寬度成反比，N越大，的主瓣越窄。由式(34)可知，為了使忠實(shí)再現(xiàn)的特性。相對(duì)于來(lái)說(shuō)必須是—個(gè)沖激函數(shù)。所以為了使，需；但是N值太大時(shí)，信號(hào)的分幀又失去了意義。尤其是N大于語(yǔ)音的音素長(zhǎng)度時(shí)，已不能反映該語(yǔ)音音素的頻譜了。因此，應(yīng)折衷選擇窗的寬度N。另外，窗的形狀也對(duì)短時(shí)傅氏頻譜有影響，如矩形窗，雖然頻率分辨率很高(即主辯狹窄尖銳)，但由于第一旁瓣的衰減很小