【正文】 □ 良 □ 中 □ 及格 □ 不及格 （在所選等級前的□內(nèi)畫“√”） 教研室主任（或答辯小組組長）： （簽名） 年 月 日 教學系意見： 系主任： （簽名） 年 月 日 第 1章 緒論 課題研究的目的和意義 音視頻矩陣概述 音視頻矩陣在系統(tǒng)中介于 音 視頻源與顯示或復用終端之間，負責將不同的音視頻信號按用戶的選擇進行集中調(diào)控。本人完全意識到本聲明的法律后果由本人承擔。 作 者 簽 名： 日 期： 指導教師簽名： 日 期： 使用授權說明 本人完全了解 大學關于收集、 保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設計（論文）的印刷本和電子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務；學?？梢圆捎糜坝　⒖s印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。 致謝 .............................................................................................. 錯誤 !未定義書簽。 I 摘要 ............................................................................................. 錯誤 !未定義書簽。 攻讀碩士學位期間發(fā)表的學術論文 .......................................... 錯誤 !未定義書簽。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。 涉密論文按學校規(guī)定處理。根據(jù)使用的需要，也可以在不同的顯示終端上同時顯示相同或不同的視頻源內(nèi)容可以做到音頻和視頻同步或者不同步 。語音技術和數(shù)字信號處理技術的不斷發(fā)展使矩陣控制從模擬技術向數(shù)字技術發(fā)展，數(shù)字化網(wǎng)絡化成為信號處理的必然趨勢。一個完整的語音識別系統(tǒng)可大致分為四部分：語音信號預處理，語音特征提取，聲學模型與模式匹配，語言模型與語言處理。如圖 11 所示 [3]。 因此，這種開始 /結束的判定尤為重要 。 對非語音信號的識別不僅是一種資源浪費，而且有可能改變對話的狀態(tài)，造成對用戶的困擾 。在科研領域，如 3G 手機等通訊產(chǎn)品的研發(fā)上，這一技術是不容回避的問題，要求在不影響接收語音信號質量的前提下，盡可能地降低靜音段的數(shù)據(jù)傳輸率，此時精確的端點檢測就非常必要。下面 是語音 端點檢測 近幾年 研究的發(fā)展介紹。 1998 年 Hongtao Hu 應用小波變換的技術進行語音端點檢測，在降低計算量的同時提高了算法的性能。 20xx 年 Shin 等人提出的廣義伽瑪分布提供了一個比高斯、拉普拉斯和伽瑪分布更好的純凈語音譜的模型。將帶噪語音映射到噪聲特征空間。 除了 上述 幾種方法外，近些年來，還有短時分形維數(shù)的帶噪聲語音信號端點檢測方法；應用倒譜系數(shù)作為判決特征的帶噪語音端點檢測方法，它包括應用倒譜距離測量軌跡和應用循環(huán)神經(jīng)網(wǎng)絡的方法。 數(shù)字信號處理器 (DSP)的發(fā)展狀況 DSP(Digital Signal Processing)是一種具有特殊結構的微處理器，是建立在數(shù)字信號處理的各種理論和算法基礎上，專門完成各種實時數(shù)字信息處理的芯片。在 DSP 出現(xiàn)之前數(shù)字信號處理主要依靠 MPU（ 微處理器 ） 來完成。 DSP 芯片的問世是個里程碑，它標志 著 DSP 應用系統(tǒng)由大型系統(tǒng)向小型化邁進了一大步。以 DSP 作為主要元件，再加上外圍設備和特定功能單元綜合成的單一芯片，加速了 DSP 解決方案 (DSP Solution)的發(fā)展，同時產(chǎn)品價格降低，運 算速度和集成度大幅提高 [7]。這樣的芯片通常稱之為MVP（ 多媒體視頻處理器 ） 。 作為 DSP 業(yè)界公認的龍頭， TI 一直在技術上獨領風騷，為 適應 不同領域提供了不同的解決方案。大小都是 64K，總共是 192K 大小。 DARAM 總是被映射到數(shù)據(jù)存儲空間上，也可被映射進程序存儲空間用于保存程序代碼。 本論文主要把語音端點檢測的算法應用到實際的音視頻矩陣控制系統(tǒng)中，借住了 TI 公司的數(shù)字信號處理器 TMS320C5402 利用語音端點檢測的算法實現(xiàn)音視頻矩陣的智能控制，符合了音視頻 矩陣控制的發(fā)展現(xiàn)狀。 3．掌握 DSP 開發(fā)板的工作原理、硬件結構， 以 TMS320C5402 為核心設計硬件電路。計算機合成的語音音質的好壞，計算機語音識別率的高低，都取決于計算機語音分析工作質量的高低。例如， 20 世紀 40 年代，貝爾電話實驗室的研究人員就對語音分析做了大量、細微且卓有成效的工作，這些工作的成果推動了計算機語音處理的發(fā)展。各種電信號可以記錄成時域波形，人體的生物電 （ 如腦電、心電等 ） 也可以記錄成時域波形。 3． 用時域語音信號進行一些數(shù)字處理，可以得到語音信號的一些重要特征參數(shù)，為分析語音信號提供了有用的基礎 。語音信號的頻域分析包含有語音信號的頻譜、功率譜、倒頻譜、頻譜包絡、短時間頻譜等。 2． 語音信號的頻譜具有非常明顯的聲學概念，利用頻譜分析獲得的語音特征具有實際的物理意義 。 20 世紀 40 年代已經(jīng)研制成功了語譜儀，將它用于語音分析做出的圖叫語譜圖。這一點是優(yōu)于前兩種分析方法的 。與不同的人有不同的指紋類似，不同講話者的語譜圖有不同的聲紋，據(jù)此可以用于識別講話者的身份。通過大量的文獻調(diào)研與實際研究發(fā)現(xiàn)，現(xiàn)有的各種語音 10 信號端點檢測技術都存在各自的不足，比如基于自相關相似距離的語音信號端點檢測方法，總的來說它與 HMM 方法的效果大致相同，但是對于結尾的判斷卻優(yōu)于 HMM 模型，這是因為語音大多以濁音結尾，此時自相關法的判斷精度較高，但是對于清音開頭的語音，尤其是 [s]， [ks]， [n]等音節(jié)，自相關算法的檢測精度就不高。另外，全世界有近百種官方語言，每種語言有多達幾十種方言，同種語言的不同方 言 在語音上相差懸殊，這樣，隨著語言環(huán)境的改變，系統(tǒng)性能也會變得很差。 3．對于一些能量較低的爆破音、鼻音，如： ///,//,//,//,/ shstthf 等，與噪聲相混合容易造成誤判而截去這些音節(jié)的有效成分，對識別結果造成影響。 小波分析的基本理論 小波變換 (Wavelet Transform)是八十年代后期發(fā)展起來的應用數(shù)學分支，在理論上構成較系統(tǒng)的構架主要是法國數(shù)學家 Y． Meyer、 地質物理學家 J ． Morlet 和 理論 物 理學 家 A ． Grossman 的 貢 獻 。小波的基本思想是通過伸縮平移一組小范圍的基，使其時頻域窗口均隨頻率的變化而變化，以實現(xiàn)對低頻分量采用大視窗分析，對高頻分量采用小視窗分析 [10]。例如 Gabor 在 1946 年提出的 Gabor 變換， Burt 在 1982 年提出的金字塔式圖像壓縮編碼概念，通信及語言處理中的子帶編碼 (subband coding)，數(shù)字信號處理中的多采樣濾波器組 (multirate sampling filterbank)，計算機視覺中的多分辨率分析等。它在語音信號處理方面的潛力己經(jīng)得到確認。 ? ? ? ? ? ? ? ?,1,f R tW T f t d t f t t???? ? ? ??? ? ?????????? (21) 式中 0?? 是尺度因子， ? 反映位移，其值可正可負。 由以上定義，我們可以看出小波變換和傅立葉變換一 樣，也是一種積分變換， ? ?,fWT??為小波變換系數(shù)。 從 小波 分析 ??, t??? 的角度看， ??, t??? 是一族超完備基函數(shù)，它們 之間是線性相關的，度量冗余度的量稱為再生核 [12]如式 (23)， 它反映了小波變換的冗余性。 ? ? ? ? ? ?? ? ? ?00000 0 , ,000,1, , ,1 1 11 ,RRRK t t d tCttdtCttC? ? ? ???? ? ? ??? ? ? ? ? ???????????????????? ?????? ?????? (25) 式中 K 是小波 ??, t??? 與 ??00, t???的 內(nèi)積，反映了兩者的相關程度。目前通行的辦法是對尺度進行冪數(shù)級離散化，即令?取 0 , 0,m mZ? ? ?? ? ?，此時對應的小波函數(shù) 如式 (26)所示 。所以每當 m 增加 l 時，尺度 ? 增加一倍，對應的頻率減小一半，可見采樣率可以降低一半而不致引起信息的丟失 （ 帶通信號的采樣率決定于其帶寬，而不是決定于其頻率上限 ） 。 ? ? ? ? ? ?0000 , 0 , 1 , 2 , ,jjf kW T k f t t d t j k Z??? ? ? ??? ? ??? ?? (28) 14 在實際中，我們一般取 0 2?? ，這時 121, 2 , 2 , 2 j? ? ???。每級逼近都是用某一低通平滑函數(shù) ??t? 對 ??ft做平滑 的結果，在逐級逼近時平滑函數(shù) ??t? 也做逐級伸縮，這就是“多分辨率”，即用不 同 分辨率來逐級逼近待分析函數(shù) ??ft。空間剖分是完整的，即當 k??? 時， ? ?2jV L R? ，包含整個平面 可積的實變函數(shù)空間。 函數(shù)的時移不改變其所屬空間 ， 即如果 ?? jf t V? 則 有式 (213)。這種算 法根據(jù)高斯白噪聲在小波變換域內(nèi)各個子帶的平均能量變化平緩的特點 來 判別語音段和噪聲段。信號在傳播過程中會被各種加性噪聲所干擾，加性噪聲雖然獨立于有用信號，但它卻始終干擾有用信號，因而不可避免地對語音信號造成危害。雖然消除這些噪聲不一定很容易，但至少在原理上可消除或基本消除。隨機過程的統(tǒng)計特性是通過它的概率分布或數(shù)字特征加以表述的。 17 ? ? ? ?, ,i i i i i iiF x t f x tx? ?? (216) 在一般情況下用一維分布函數(shù)去描述隨機過程的完整統(tǒng)計特性是極不充分的，通常需要在足夠多的時刻上考慮隨機過程的多維分布函數(shù)。 , , , , , 。也就是說，如果對于任意的正整數(shù) n 和任意實數(shù) 12,nt t t??? ， ? ，隨機過程??t? 的 n 維概率密度函數(shù)滿足 式 (218)， 則稱 ??t? 是平穩(wěn)隨機過程。 , ,n n n n n nf x x x t t t f x x x t t t? ? ?? ? ? ? ?? ? ? ? ? ? ? ? ?? ? (218) 隨機噪聲中的起伏噪聲是熱噪聲，散彈噪聲以及宇宙噪聲為代表的噪聲。所謂高斯過程 ??t? ，即指定它的任意 n 維 ? ?1,2,n? ??? 概率密度 如 式 (219)所示 。 ? ? ? ?? ?j j k kjk jkE X t X tb ?????? ????????? (222) 由上式可以看出，由于正態(tài)隨機過程的 n 維分布僅由各隨機變量的數(shù)學期望、方差和兩兩之間的歸一化協(xié)方差函數(shù)所決定 [16]。由高斯白噪聲特點可知，該噪聲在相當寬的頻率范圍內(nèi)具有平坦的功率譜密度。這就為我們進行端點檢測提供了可行的方法。語音的幅頻特性 如 圖 26 所示 。小波 ??t? 和尺度函數(shù) ??t? 中的支撐區(qū) [17]為 21N? ， ??t? 的消失矩為 0N（ 除 1N? 外 ） ， dbN不具有對稱性 （ 即非線性相位 ） 。 2． 算法原理 。而噪聲在各個子帶內(nèi)的平均能量分布均勻。 21 11 M miimEEM ?? ? (225) 式中 M 表示小波層數(shù)。 根據(jù)式 (26)，選取 db3作為小波基函數(shù)對待測信號 ??xt? 進行四層小波變換，得到小波系數(shù) ? ?1, 2, , 5mksm? ???。 在 Windows操作系統(tǒng)下使用 MATLAB進行算法仿真，仿真成功后 編程 實現(xiàn)。語音采樣后進行分幀處理，幀長為 20ms ， 220個點，幀移 10ms ， 110 個點。而高頻子帶中， m 值從小到大頻率依次降低。每當信號從語音段進入噪聲段時，重新取三幀語音的參數(shù) ? ?2i? 的平均值作為閾值。 6． 對所得的結果與標準結果進行比較以得到檢測率。從表中結果可以看出子帶平均能量方差的算法不僅在安靜的環(huán)境下有較好的識別率，在加入噪音后 （ 實驗中采用含有高斯白噪聲且信噪比 15db， 10db， 0db的語音數(shù)據(jù) ） 系統(tǒng)識別率下降很少，充分說明這種特 24 征有很好的抗噪性。根據(jù)這一特性，可知對處理的語音信號進行小波變換，每一小波子帶內(nèi)的小波系數(shù)也必有相同的統(tǒng)計特性