【正文】 速等特點，容易完成實時處理任務；（ 4）數字語音適合在強干擾信道中傳輸，也易于加密傳輸。因此，數字語音信號處理時語音信號處理的主要方式。 語音信號的數字表示可分為兩類：波形表示和參數表示。波形表示僅通過采樣和量化保存模擬語音信號的波形；而參數表示將語音信號表示為某種語音產生模型的輸出，是對數字化語音進行分析和處理后得到的。 語音信號處理以兩方面知識為基礎，除數字信號處理外還有語言學。語音信號處理與語音學友密切聯(lián)系。語音學是研究言語過程的一門學科，包括三部分研究內容：發(fā)音器官在發(fā)音過程中的運動及語音音位特性 :語音物理屬性；聽覺和語音感知。另一方面，高速數字信號處理（ DSP）的誕生于發(fā)展也與語音處理密切相關 ，語音識別與語音編碼算法的復雜性及實時處理的需要，是促使設計這樣的處理器的重要推動力量之一。這中產品問世后又首先在語音處理中得到了有效地推廣引用。語音處理產品的商品化對這樣的處理器有很大需求，因此其反過來又推動了微電子技術的發(fā)展 。 語音信號分析的主要研究內容及發(fā)展概況 語音信號分析有廣泛的應用領域，最重要的包括語音編碼、語音合成、語音識別、說話人識別、語音增強、麥克風陣列語音信號處理分析等。 多年來，人們一直探索新一代的信息處理技術。智能信息處理時多種學科互相結合、互相滲透的產物。 20 世紀 90 年代以來，國際上掀起了一股研究智能信息處理技術的熱潮，包括模糊邏輯、神經網絡、支持向量機、分形理論、進化計算、粗集理論、數據挖掘 、信息融合等，推動了軟計算、軟處理技術的深入發(fā)展。智能信息處理的研究發(fā)展中，產生了計算智能這一學科分支，神經網絡、模糊系統(tǒng)和進化計算是其中的三個主要方面。目前，智能信息處理中的各個學科迅速發(fā)展，并相互結合于滲透，對其發(fā)展起到了重要推動作用。另一方面，近 20 年來，信號處理的理論與方法也得到了迅速發(fā)展，產生許多新技術。如非平穩(wěn)和非高斯信號已成為研究對象；高階統(tǒng)計量、時頻分析、小波分析、盲源分析、現代 譜估計、特征空西安工程大學畢業(yè)設計（論文） 4 間分解、獨立分量分析等已成為研究熱點。這些新發(fā)展的理論與技術已成為研究熱點。這些新發(fā)展的理論與技術已 成為現代信號處理的主要標志之一。 智能信息處理、現代信號處理等新興技術史語音信號處理發(fā)展的重要推動力量；幾乎其每一種新興技術出現后，都迅速在語音信號處理中得到應用。 20 世紀 90 年代后，對這些新興技術的廣泛應用于深入研究已將語音信號處理研究提高到一個嶄新的水平，在語音識別與語音編碼等方面取得許多重要突破，不斷改善語音 處理系統(tǒng)的性能。目前，在該領域已經進行了許多卓有成效的研究與探索。 基于智能信息處理、現代信號處理的語音信號處理領域的一個重要分支。這不僅推動了語音信號處理技術的迅速發(fā)展；而且也促進了智能信息處理 、現代信號處理領域的不斷完善與發(fā)展。 課題的研究 目的 及主要工作 語音信號時一種非平穩(wěn)的時變信號，它攜帶各種信息。在語音編碼、語音合成、語音識別、和語音增強等語音處理中都需要提取語音信號中 包含的各種信息。一般而言，語音信號處理的目的有兩種：一種是對語音信號進行分析，提取特征參數，用于后續(xù)處理。另一種是加工語音信號， 例如在語音增強中對含噪聲語音進行噪聲抑制，以獲得相對“干凈”的語音；在語音合成中需要對分段語音進行拼接平滑，獲得音質較高的合成語音，這方面的應用同樣是建立在分析并提取語音信號信息的基礎上的?？?之，語音信號分析的目的就在于方便、有效地提取并表示語音信號 所攜帶的信息。 根據所分析的參數類型，語音信號分析可以分成時域分析和頻域分析。其中時域分析方法是最簡單、最直觀的方法，它直接對語音信號的時域波形進行分析，提取的特征參數主要有語音的短 時能量、短時過零率、短時自相關函數和短時平均幅度差函數等。本文涉及大量的數學運算和公式推導，而 MATLAB 強大的運算能力和豐富的信號處理工具箱函數可以淡化理論的推導過程，使概念直接化，更好的理解時域分析知識。 論文結構 論文詳細地闡述了 語音信號時域分析的流程、所提取的特征參數 。 并進行了 MATLAB 仿真。論文共分四章，各章的主要內容概述如下 : 前言 語音信號的基礎介紹，主要闡述了語音信號的產生及特點。另外，還介紹了語音西安工程大學畢業(yè)設計（論文） 5 信號處理的發(fā)展。 第一章 語音信號的采集、取樣、預處理 。 第二章 語音信號的時域分析。 第三章 語音信號的綜合仿真分析。 第四章 最后對本課題進行總結分析 。 本章小結 :本章為語音信號處理基礎，主要介紹了語音信號處理所需要的語音基礎知識，從語音信號處理的發(fā)展史、主要研究內容及發(fā)展概況等方面對語音信號做了簡單的介紹，另外還說明了研究課題的目的和主要工作。最后對全文主體各個章節(jié)做了簡單的介紹。西安工程大學畢業(yè)設計（論文） 6 西安工程大學畢業(yè)設計（論文） 7 第 2 章 語音信號的采集與分析 意義 語音信號采集與分析之所以能夠那樣長期地、深深地吸引廣大科學工作者去不斷地對其進行研究和探討，除了它的實用性之外，另一個重要原因是，它始終與當時信息科學中最活躍的前沿學科保持密切的聯(lián)系．并且一起發(fā)展。語音信號采集與分析是以語音語言學和數字信號處理為基礎而形成的一門涉及面很廣的綜合性學科，與心理、生理學、計算機科學、通信與信息科學以及模式識別和人工智能等學科都有著非常密切的關系。對語音信號采集與分析的研究一直是數字信號處理技術發(fā)展的重要推動力量。因為許多處理的新方法的提出，首先是在語音信號處理中獲得成功，然后再 推廣到其他領域。語音信號本身是時域信號，對語音信號分析時，最先接觸且最直觀的是其時域波形。時域分析最早也是最廣泛的方法 ,通常用于最基本的參數分析及語音分割、預處理和大致的分類等 .其特點是 :⑴表示直觀 ,物理意義明確 。 ⑵實現簡單 ,運算量小 。 ⑶可得到語音的一些重要參數。 語音信號的采集 在將語音信號進行數字化前，必須先進行防混疊預濾波，預濾波的目的有兩個： ① 抑制輸入信 號 各領域分量中頻率超出 fs/2 的所有分量 (fs 為采樣頻率 )，以防止混疊干擾。 ② 抑制 50Hz的電源工頻干擾。這樣，預濾波器必須是一個帶通濾波器，設其上、下截止 頻率 率分別是 fH 和 fL，則對于絕人多數語音編譯碼器，fH=3400Hz、 fL＝ 60~100Hz、采樣率為 fs＝ 8kHz；而對于 語音識別而言，當用于電話用戶時，指標與語音編譯碼器相同。當使用要求較高或很高的場合時 fH＝4500Hz或 8000Hz、 fL＝ 60Hz、 fs＝ 10kHz或 20kHz。 為了將原始模擬語音信號變?yōu)閿底中盘?，必須經過采樣和量化兩個步驟，從而得到時間和幅度上均為離散的數字語音信號。采樣也稱抽樣，是信號在時間上的離散化，即按照一定時間間隔△ t 在模擬信號 x(t)上逐點采取其瞬時值。采樣時必須要注意滿足 奈奎斯特定理 ，即采樣頻率 fs 必須 以高于受測信號的最高頻西安工程大學畢業(yè)設計（論文） 8 率兩倍以上的速度進行取樣，才能正確地 重現 波 形。 信號 是通過采樣脈沖和模擬信號相乘來實現的。下圖時一段語音信號在采樣頻率 。 圖 21 語音信號的頻譜圖 由圖可知，這段 語音信號的頻率主要集中在 1KHz 左右，當采樣頻率為 時，由于采樣頻率比較大，所以采樣點數就越密，所得離散信號就越逼近于原信號，頻譜也沒有發(fā)生混疊。 西安工程大學畢業(yè)設計（論文） 9 圖 22 抽取后的語音信號 對上述信號進行 1/80 采樣頻率抽取，即采樣頻率變?yōu)閷⒔?500Hz 時，由于采樣頻率比較小，所以采樣點數就稀疏，所得離散信號就越偏離于原信號，頻譜也發(fā)生了混疊。 在采樣的過程中應注意采樣間隔的選擇和信號混淆：對模擬信號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因素。一般而言，采樣頻率越高，采樣點數就越密 ，所得離散信號就越逼近于原信號。但過高的采樣頻率并不可取，對固定長度（ T）的信號，采集到過大的數據量（ N=T/△ t），給計算機增加不必要的計算工作量和存儲空間；若數據量（ N）限定，則采樣時間過短，會導致一些數據信息被排斥在外。采樣頻率過低，采樣點間隔過遠，則離散信號不足以反映原有信號波形特征，無法使信號復原，造成信號混淆。根據采樣定理，當采樣頻率大于信號的兩倍帶寬時，采樣過程不會丟失信息，利用理想濾波器可從采樣信號中不失真地重構原始信號波形。量化是對幅值進行離散化，即將振動幅值用二進制量化電平來表示。量化電 平按級數變化，實際的振動值是連續(xù)的物理量。具體振值用舍入法歸到靠近的量化電平上。 語音信號經過預濾波和采樣后，由 A／ D 變換器變換為二址制數字碼。這種西安工程大學畢業(yè)設計（論文） 10 防混疊濾波通常與模數轉換器做在一個集成塊內，因此目前來說，語音信號的數字化的質量還是有保證的。市面上購買到的普通聲卡在這方面做的都很好，語音聲波通過話筒輸入到聲卡后直接獲得的是經過防混疊濾波、 A/D 變換、量化處理的離散的數字信號。 在實際工作中，我們可以利用 windows 自帶的錄音機錄制語音文件，圖 23是基于 PC 機的語音信號采集過程，聲卡可以完成語音波形的 A/D 轉換，獲得WAVE 文件，為后續(xù)的處理儲備原材料。調節(jié)錄音機保存界面的“更改”選項，可以存儲各種格式的 WAVE 文件。 采集到語音信號之后，需要對語音信號進行分析，如語音信號的時域分析、頻譜分析、語譜圖分析以及降噪濾波等處理。 語音信號預處理 實際的語音信號是模擬信號，因此在對語音信號進行數字處理之前，首先要將模擬 語音信號 s(t) 以采樣周期 T 采樣，將其離散化 s(n)，采樣周期的選取應根據模擬語音的帶寬來決定，以避免信號的頻域混疊失真。在對離散后的語音信號進行量化處理過程中會帶來一定的量化噪聲和失真。 有了語音數據文件后，對語音的預處理包括預加重和加窗分幀處理。 語音信號預加重處理 由于語音信號的平均功率譜受 到 聲門激勵和口鼻輻射影響，高頻端大約在800hz 以上按 6dB/ 倍頻程跌落，所以求語音信號頻譜時，頻率越高相應的成分越小 ，高頻部分的頻譜比低頻部分的難求，為此要在預處理中進行預加重處理。預加重的目的是提升高頻部分，使信號的頻譜變得平坦，保持在低頻到高頻的整個頻帶中，能用同樣的信噪比求頻譜，以便于頻譜分析或聲道參數分析。預加重可在語音信號數字化時在反混疊濾波器之前進行，這樣不僅可以進行預加重，而西安工程大學畢業(yè)設計（論文） 11 且可以壓縮信號的動態(tài)范圍，有效地提高信噪比。但預加重一般是在語音信號數字化之后，在參數分析之前在計算機里用具有 6dB 倍頻程的提升高頻特性的預加重數字濾波器來實現，它一般是一階的數字濾波器： H(z)=1— μz1 其中， μ 為預加重系數，一般 μ n 時刻的語音信號采樣值為 x（ n），進過預加重處理后的結果為 y（ n） =x（ n） μx（ n1），在此處 μ=.下圖是關于預加重處理后波形和原始波形比較的結果（原語音信號為‘西安工程大學’）： 圖 24 預加重語音信號圖 語音信號分幀處理 進行預加數字濾波處理后，接下來就要進行加窗分幀處理。由于發(fā)聲器官的慣性運動，可認為在一小段時間里（一般為 10~30ms）語音信號近似不變，及語音信號具有短時平穩(wěn)性。這樣，可以吧語音信號分為一些短斷（稱為分幀）來進行處理。一般每秒的幀數為 33~100 幀，視實際情況而定。分幀雖然可以采用連續(xù)分幀的方法，但一般要采用交疊分段的方法，這是為了使幀與幀之間平穩(wěn)過渡，保持其連續(xù)性。前一幀和后一幀的交疊部分稱為幀移。幀移與幀長 的比值一般取為 0~1/，即用一定的西安工程大學畢業(yè)設計（論文） 12 窗函數 w（ n）來乘以 s（ n），從而形成加窗語音信號 sw（ n） =w（ n） *s（ n）。 在語音信號處理中常用的窗函數有兩種，一是矩形窗，另一種是漢明窗。 矩形窗： hR={1, 0 ≤ n ≤ N? 10, 其余值 （）