【正文】 通過(guò)語(yǔ)音傳遞倍息是人類(lèi)最重要、最有效、最常用和最方便的交換信息的形式。語(yǔ)言是人類(lèi)持有的功能．聲音是人類(lèi)常用的工具，是相互傳遞信息的最主要的手段。因此，語(yǔ)音信號(hào)是人們構(gòu)成思想疏通和感情交流的最主要的途徑。并且，由于語(yǔ)言和語(yǔ)音與人的智力活動(dòng)密切相 關(guān)，與社會(huì)文化和進(jìn)步緊密相連，所以它具有最大的信息容量和最高的智能水平?，F(xiàn)在，人類(lèi)已開(kāi)始進(jìn)入了信息化時(shí)代，用現(xiàn)代手段研究語(yǔ)音 信號(hào) ，使人們能更加有效地產(chǎn)生、傳輸、存儲(chǔ)、獲取和應(yīng)用語(yǔ)音信息，這對(duì)于促進(jìn)社會(huì)的發(fā)展具有十分重要的意義。 讓計(jì)算機(jī)能聽(tīng)懂人類(lèi)的語(yǔ)言，是人類(lèi)自計(jì)算機(jī)誕生以來(lái)夢(mèng)寐以求的想法。隨著計(jì)算機(jī)越 來(lái)越向便攜化方向發(fā)展，隨著計(jì)算環(huán)境的日趨復(fù)雜化，人們?cè)絹?lái)越迫切要求擺脫鍵盤(pán)的束縛而代之以語(yǔ)音輸人這樣便于使用的、自然的、人性化的輸人方式。作為高科鼓應(yīng)用領(lǐng)域的研究熱點(diǎn)，語(yǔ)音信號(hào) 采集與分析 從理論的研究 到產(chǎn)品的開(kāi)發(fā)已經(jīng)走過(guò)了幾十個(gè)春秋并且取得了長(zhǎng)足的進(jìn)步。它正在直接與辦公、交通、金融、公安、商業(yè)、旅游等行業(yè)的語(yǔ)音咨詢(xún)與管理．工業(yè)生產(chǎn)部門(mén)的語(yǔ)聲控制，電話(huà)、電信系統(tǒng)的自動(dòng)撥號(hào)、輔助控制與查詢(xún)以及醫(yī)療衛(wèi)生和福利事業(yè)的生活支援系統(tǒng)等各種實(shí)際應(yīng)用領(lǐng)域相接軌，并且有望成為下一代操作系統(tǒng)和應(yīng)用程序的用戶(hù)界面?？梢?jiàn)，語(yǔ)音信號(hào) 采集與分析 的研究將是一項(xiàng)極具市場(chǎng)價(jià)值和挑戰(zhàn)性的工作。我們今天進(jìn)行這一領(lǐng)域的研究與開(kāi)拓就是要讓語(yǔ)音信號(hào)處理技術(shù)走人人們的日常生活當(dāng)中，并不斷朝更高目標(biāo)而努力。 語(yǔ)音信號(hào) 采集與分析 之所以能夠那樣長(zhǎng)期地、深 深地吸引廣大科學(xué)工作者去不斷地對(duì)其進(jìn)行研究和探討，除了它的實(shí)用性之外，另一個(gè)重要原因是，它始終與當(dāng)時(shí)信息科學(xué)中最活躍的前沿學(xué)科保持密切的聯(lián)系．并且一起發(fā)展。語(yǔ)音信號(hào) 采集與分析 是以語(yǔ)音語(yǔ)言學(xué)和數(shù)字信號(hào)處理為基礎(chǔ)而形成的一門(mén)涉及面很廣的綜合性學(xué)科，與心理、生理學(xué)、計(jì)算機(jī)科學(xué)、通信與信息科學(xué)以及模式識(shí)別和人工智能等學(xué)科都有著非常密切的關(guān)系。對(duì)語(yǔ)音信號(hào) 采集與分析 的研究一直是數(shù)字信號(hào)處理技術(shù)發(fā)展的重要推動(dòng)力量。因?yàn)樵S多處理的新方法的提出，首先是在語(yǔ)音 信號(hào) 處理中獲得成功，然后再推廣到其他領(lǐng)域 。 國(guó)內(nèi)外研究現(xiàn)狀 語(yǔ)音信號(hào) 的采集與分析 作為一個(gè)重要的研究領(lǐng)域，已經(jīng)有很長(zhǎng)的研究歷史 [1]。但是它的快速發(fā)展可以說(shuō)是從 1940 年前后 Dudley的聲碼器 (vocoder)和 potter 等人的可見(jiàn)語(yǔ)音 Visible Speech)開(kāi)始的。 1952 年貝爾 (Bell)實(shí)驗(yàn)室的 Davis 等人首次研制成功能識(shí)別十個(gè)英語(yǔ)數(shù)字的河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 實(shí)驗(yàn)裝置。 1956 年 Olson和 Belar 等人采用 8 個(gè)帶通濾波器組提 取頻譜參數(shù)作為語(yǔ)音的特征，研制成功一 臺(tái)簡(jiǎn)單的語(yǔ)音打 字 機(jī)。 20 世紀(jì) 60 年代 初 由于 Faut 和 Steven 的努力，奠定了 語(yǔ)音生成理論的基礎(chǔ)，在此基礎(chǔ)上語(yǔ)音 合成的研究得到了扎實(shí)的進(jìn)展 。 20 世紀(jì) 60 年代中期形成的一 系列數(shù)字信號(hào)處理方法和技術(shù)， 如 數(shù)字濾波器、快速博里葉變換 (FFT)等成為語(yǔ)音信號(hào)數(shù)字處理的理論和技術(shù)基礎(chǔ)。在方法上，隨著電子計(jì)算機(jī)的發(fā)展，以往的以硬件為中心的研究逐漸轉(zhuǎn)化為以軟件為主的處理研究。然而，在語(yǔ)音識(shí)別領(lǐng)域內(nèi)，初期有幾種語(yǔ)音打字機(jī)的研究也很活躍，但后來(lái)已全部停了下來(lái)，這說(shuō)明了當(dāng)時(shí)人們對(duì)話(huà)音識(shí)別難度的認(rèn)識(shí)得到了加深。所以 1969 年美國(guó)貝爾研究所的 Pierce 感嘆地說(shuō)“ 語(yǔ)音識(shí)別向何處去 ?” 。 到了 1970 年，好似反駁 Pierce 的批評(píng)，單 詞識(shí)別裝置開(kāi)始了實(shí)用化階段，其后實(shí)用化的進(jìn)程進(jìn)一步高漲，實(shí)用機(jī)的生產(chǎn)銷(xiāo)售也上了軌道。此外社會(huì)上所宣傳的聲紋 (Voice Print)識(shí)別，即說(shuō)話(huà)人識(shí)別的研究也扎扎實(shí)實(shí)地開(kāi)展起來(lái)，并很快達(dá)到了實(shí)用化的階段。到了 1971年，以美國(guó) ARPA(American Research Projects Agency)為主導(dǎo)的“語(yǔ)音理解系統(tǒng)”的研究計(jì)劃也開(kāi)始起步。這個(gè)研究計(jì)劃不僅在美國(guó)園內(nèi)，而且對(duì)世界各國(guó)都產(chǎn)生了很大的影響，它促進(jìn)了連續(xù)語(yǔ)音識(shí)別研究的興起。歷時(shí)五年的龐大的 ARPA 研究計(jì)劃，雖然在語(yǔ)音理解、語(yǔ)言統(tǒng)計(jì)模型等方面 的研究積累了一些經(jīng)驗(yàn)，取得了許多成果，但沒(méi)能達(dá)到巨大投資應(yīng)得的成果，在 1976 年停了下來(lái)，進(jìn)入 了 深刻的反省階段。但是，在整個(gè) 20 世紀(jì) 70 年代還是有幾項(xiàng)研究成果對(duì)語(yǔ)音信號(hào)處理技術(shù)的進(jìn)步和發(fā)展產(chǎn)生了重大的影響。這就是 20 世紀(jì) 70 年代初由板倉(cāng) (Itakura)提出的動(dòng)態(tài)時(shí)間規(guī)整 (DTW)技術(shù)，使語(yǔ)音識(shí)別研究在匹配算法方面開(kāi)辟了新思路； 20 世紀(jì) 70 年代中期線(xiàn)性預(yù)測(cè)技術(shù) (LPC)被用于語(yǔ)音信號(hào)處理，此后隱馬爾可夫模型法 (HNMM)也獲得初步成功，該技術(shù)后來(lái)在語(yǔ)音信號(hào)處理的多個(gè)方面獲得巨大成功； 20 世紀(jì) 70 年代未， Linda、 Buzo、 Gray 和 Markel等人首次解決了矢量量化 (VQ)碼書(shū)生成的方法，并首先將矢量量化技術(shù)用于語(yǔ)音編碼獲得成功。從此矢量量化技術(shù)不僅在語(yǔ)音識(shí)別、語(yǔ)音編碼和說(shuō)話(huà)人識(shí)別等方面發(fā)揮了重要作用，而且很快推廣到其他許多領(lǐng)域。因此， 20 世紀(jì) 80年代開(kāi)始出現(xiàn)的語(yǔ)音信號(hào)處理技術(shù)產(chǎn)品化的熱溯，與上述語(yǔ)音信號(hào)處理新技術(shù)的推動(dòng)作用是分不開(kāi)的。 20世紀(jì) 80 年代，由于矢量量化、隱馬爾可夫模型和人工神經(jīng)網(wǎng)絡(luò) (ANN)等相繼被應(yīng)用于語(yǔ)音信號(hào)處理，并經(jīng)過(guò)不斷改進(jìn)與完善，使得語(yǔ)音信號(hào)處理技術(shù)產(chǎn)生了突破性的進(jìn)展。其中 ，隱馬爾可夫模型作為語(yǔ)音信號(hào)的一種統(tǒng)計(jì)模型，在語(yǔ)音信號(hào)處理的各個(gè)領(lǐng)域中獲得了廣泛的應(yīng)用。其理論基礎(chǔ)是 1970 年前后，由 Baum 等 人 建立起來(lái)的，隨后，由美國(guó)卡內(nèi)基 梅隆 大學(xué) (CMU)的 Baker 和 美國(guó) IBM 公司的 Jelinek 等人將其應(yīng)用到語(yǔ)音識(shí)別中。由于美國(guó)河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 貝爾實(shí)驗(yàn)室的 Babiner 等人在 20世紀(jì) 80 年代中期，對(duì)隱馬爾可夫模型深人 淺 出的介紹，才使世界各國(guó)從事語(yǔ)音信號(hào)處理的研究人員了解和熟悉，進(jìn)而成為一個(gè)公認(rèn)的研究熱點(diǎn)，也是目前語(yǔ)音識(shí)別等的主流研究途徑。 進(jìn) 入 20 世紀(jì) 90 年代以來(lái)，語(yǔ)音信號(hào) 采集與分析 在實(shí)用化方 面取得了許多實(shí)質(zhì)性的研究進(jìn)展。其中，語(yǔ)音識(shí)別逐漸由實(shí)驗(yàn)室走向?qū)嵱没?。一方面，?duì)聲學(xué)語(yǔ)音學(xué)統(tǒng)計(jì)模型的研究逐漸深入， 魯棒 的語(yǔ)音識(shí)別、基于語(yǔ)音段的建模方法及隱馬爾可夫模型與人工種經(jīng)網(wǎng)絡(luò)的結(jié)合成為研究的熱點(diǎn)。另一方面，為了語(yǔ)音識(shí)別實(shí)用化的需要，講者自適應(yīng)、聽(tīng)覺(jué)模型、快速搜索識(shí)別算法以及進(jìn)一步的語(yǔ)言模型的研究等課題倍受關(guān)注。 本文主要工作 本文簡(jiǎn)要介紹了語(yǔ)音信號(hào)采集與分析的發(fā)展史以及語(yǔ)音信號(hào)的特征、采集與分析方法，并通過(guò) PC機(jī)錄制自己的一段聲音，運(yùn)用 Matlab進(jìn)行仿真分析，最后加入噪聲進(jìn)行濾波處理，比較濾 波前后的變化。 第 2章主要介紹 語(yǔ)音信號(hào)的特點(diǎn)與采集 ，仿真主要是驗(yàn)證 奈奎斯特定理 。第 3章主要是對(duì)語(yǔ)音信號(hào)進(jìn)行時(shí)域、頻域上的分析 ，如短時(shí)功率譜，短時(shí)能量，短時(shí)平均過(guò)零率，語(yǔ)譜圖分析等等。第 4章是對(duì)語(yǔ)音信號(hào)的綜合和分析，包括語(yǔ)音信號(hào)的調(diào)制，疊加，和濾波。 本文的仿真軟件 Matlab MATLAB 是美國(guó) MathWorks 公司出品的商業(yè) 數(shù)學(xué)軟件 ，用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語(yǔ)言和交互式環(huán)境，主要包括 MATLAB 和 Simulink 兩大部分 [4]。 MATLAB 是 矩陣實(shí)驗(yàn)室 （ Matrix Laboratory）的簡(jiǎn)稱(chēng)，和 Mathematica、 Maple 并稱(chēng)為三大數(shù)學(xué)軟件。它在數(shù)學(xué)類(lèi)科技應(yīng)用軟件中在 數(shù)值計(jì)算 方面首屈一指。 MATLAB 可以進(jìn)行 矩陣 運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶(hù)界面、連接其他編程語(yǔ)言的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理與通訊、 圖像處理 、 信號(hào)檢測(cè) 、金融建模設(shè)計(jì)與分析等領(lǐng)域。 MATLAB 的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中常用的形式十分相似，故用 MATLAB 來(lái)解算問(wèn)題要比用 C， FORTRAN 等語(yǔ)言完相同的事情簡(jiǎn)捷得多，并且 mathwork 也吸收了像 Maple 等軟件的優(yōu)點(diǎn) ,使 MATLAB 成為一個(gè)強(qiáng)大的數(shù)學(xué)軟件。在新的版本中也加入了對(duì) C， FORTRAN， C++， JAVA 的支持。可以直接調(diào)用 ,用戶(hù)也可以將自己編寫(xiě)的實(shí)用程序?qū)氲?MATLAB 函數(shù)庫(kù)中方便自己以后調(diào)用，此外許多的 MATLAB愛(ài)好者都編寫(xiě)了一些經(jīng)典的程序，用戶(hù)可以直接進(jìn)行下載就可以用。 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 第 2 章 語(yǔ)音信號(hào)的特點(diǎn) 與采集 語(yǔ)音信號(hào)的特點(diǎn) 通過(guò)對(duì)大量語(yǔ)音信號(hào)的觀察和分析發(fā)現(xiàn)，語(yǔ)音信號(hào)主要有下面兩個(gè)特點(diǎn)： ① 在頻域內(nèi)，語(yǔ)音信號(hào)的頻譜分量主要集中在 300～ 3400Hz 的范圍內(nèi)。利用這個(gè)特點(diǎn)，可以用一個(gè)防混迭的帶通濾波器將此范圍內(nèi)的語(yǔ)音信號(hào)頻率分量取出，然后按 8kHz 的采樣率對(duì)語(yǔ)音信號(hào)進(jìn)行采樣，就可以得到離散的語(yǔ)音信號(hào)。 ② 在時(shí)域內(nèi)，語(yǔ)音信號(hào)具有“短時(shí)性”的特點(diǎn)，即在總體上，語(yǔ)音信號(hào)的特征是隨著時(shí)間而變化的，但在一段較短的時(shí)間間隔內(nèi)，語(yǔ)音信號(hào)保持平穩(wěn)。在濁音段表現(xiàn)出周期信號(hào)的特征，在清音段表現(xiàn)出隨機(jī)噪聲的特征。 下面是一段語(yǔ)音信號(hào)的時(shí)域波形圖 (圖 21)和頻域圖 (圖 22)，由這兩個(gè)圖可以看出語(yǔ)音信號(hào)的兩個(gè)特點(diǎn)。 0 0 . 5 1 1 . 5 2 2 . 5 3 3 . 5 4 4 . 5 5 0 . 8 0 . 6 0 . 4 0 . 200 . 20 . 40 . 6T i m e ( s ) 0 0 . 5 1 1 . 5 2 2 . 5x 1 0400 . 0 50 . 10 . 1 50 . 20 . 2 50 . 30 . 3 50 . 40 . 4 5F r e q u e n c y ( H z ) 圖 21語(yǔ)音信號(hào)時(shí)域波形圖 圖 22語(yǔ)音信 號(hào) 頻域波形圖 Figure 21Speech signal timedomain waveform Figure 22 Frequencydomain speech signal waveform 語(yǔ)音信號(hào)的采集 在將語(yǔ)音信號(hào)進(jìn)行數(shù)字化前，必須先進(jìn)行防混疊預(yù)濾波，預(yù)濾波的目的有兩個(gè)： ① 抑制輸入信導(dǎo)各領(lǐng)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(yù)濾波器必須是一個(gè)帶通濾波器，設(shè)其上、下截止顏率分別是 fH 和 fL，則對(duì)于絕人多數(shù)語(yǔ)音編譯碼器， fH=3400Hz、 fL＝ 60~100Hz、采樣率為 fs＝ 8kHz；而對(duì)丁語(yǔ)音識(shí)別而言，當(dāng)用于電話(huà)用戶(hù)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)間河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 和幅度上均為離散的數(shù)字語(yǔ)音信號(hào)。 采樣也稱(chēng)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(mǎn)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 它是通過(guò)采樣脈沖和模擬信號(hào)相乘來(lái)實(shí)現(xiàn)的 。 下圖時(shí)一段語(yǔ)音信號(hào)在采樣頻率 情況下的頻譜圖。 0 1 2 3 4 5 6x 1 04 0 . 4 0 . 200 . 20 . 4原始信號(hào)0 0 . 5 1 1 . 5 2 2 . 5x 1 04050100150200 由圖可知，這段語(yǔ)音信號(hào)的頻率主要集中在 1KHz 左右，當(dāng)采樣頻率為 時(shí)，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。 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 0 1 2 3 4 5 6x 1 04 0 . 200 . 20 . 40 . 6抽取后的信號(hào)0 5000 10000 1500011 . 522 . 53 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?500Hz 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