【文章內(nèi)容簡(jiǎn)介】 信號(hào)具有聲門(mén)氣流脈沖的實(shí)際波形，需要使上述的沖激序列通過(guò)一個(gè)聲門(mén)脈沖模型濾波器。清音激勵(lì)信號(hào)則由隨機(jī)噪聲發(fā)生器產(chǎn)生。 聲道模型 聲道可近似地看作是由多段均勻截面積的聲管級(jí)聯(lián)而成，采用流體力學(xué)的方法可以推導(dǎo)出， N 節(jié)級(jí)聯(lián)的無(wú)損聲管的系統(tǒng)函數(shù)是一個(gè) N 階的全極點(diǎn)函數(shù)： ?? ?? pi iizazv 01)( (21) 其中 0a ＝ 1， ia 為實(shí)數(shù)， p 為全極點(diǎn)濾波器的階。 p 取得越大，模型的傳輸函數(shù)與聲道實(shí)際傳輸函數(shù)的吻合程度越高，但同時(shí)也增加了算法的復(fù)雜程度。 輻射模型 基音頻率 周期脈沖發(fā)生器 聲門(mén)脈沖模型 G（ Z） Av 隨機(jī)噪聲發(fā) 生器 Au 聲道模型 V(Z) 聲道參數(shù) 輻射模型 R(Z) 語(yǔ)音信號(hào) s(n) 6 聲道的終端為口和唇，因此輻射模型與嘴型有關(guān)。經(jīng)研究表明，口唇端輻射在高頻端較為顯著，在低頻端時(shí)影響較小?？诖降妮椛湫?yīng)可表示為： )1()( 10 ??? zRzR (22） 綜上所述，完整的語(yǔ)音信號(hào)數(shù)字模型可以用三個(gè)子模型：激勵(lì)模型、聲道模型和輻射模型的串 聯(lián)來(lái)表示。其轉(zhuǎn)移函數(shù)為： )()()()( ZRzVzUzH ? (23) 語(yǔ)音信號(hào)的短時(shí)分析技術(shù) 語(yǔ)音信號(hào)是一種非平穩(wěn)的時(shí)變信號(hào)，產(chǎn)生過(guò)程與發(fā)音器官的運(yùn)動(dòng)密切相關(guān)，而這種物理運(yùn)動(dòng)比起聲音振動(dòng)速度要緩慢得多，因此語(yǔ)音信號(hào)常常假定為短時(shí)平穩(wěn)的，即在 10～ 30ms 時(shí)間段內(nèi)，其頻譜特性和某些物理特征參量可近似地看作是不變的。所以把每個(gè)短時(shí)的語(yǔ)音段稱(chēng)為一個(gè)分析幀，對(duì)該幀進(jìn)行處理就相當(dāng)于對(duì)固定特性的持續(xù)語(yǔ)音進(jìn)行處理 。分析幀可以是連續(xù)的，也可以是交疊分幀。 預(yù)濾波、采樣、 A/D 變換 預(yù)濾波的目的有兩個(gè)： (1)抑制輸入信號(hào)各頻域分量中頻率超出 2sf (sf 為采樣率 )以防止混疊干擾。 (2)抑制 50Hz 的電源干擾。這樣，預(yù)濾波器必須是一個(gè)帶通濾波器，其上、下截至頻率分別是 Hf 和 Lf 。對(duì)于絕大多數(shù)語(yǔ)音編碼器， Hf ＝ 3400Hz， Lf ＝ 60～100Hz，采樣率為 sf ＝ 8kHz。語(yǔ)音信號(hào)經(jīng)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。 加窗處理 通常采用一個(gè)長(zhǎng)度有限的窗 函數(shù) w(n)來(lái)乘語(yǔ)音信號(hào) s(n),從而形成加窗語(yǔ)音 )(nsw ＝ s(n)w(n)。理想的窗函數(shù)的頻率響應(yīng)要求，主瓣無(wú)限狹窄且沒(méi)有旁瓣（無(wú)頻譜泄漏），但在實(shí)際過(guò)程中無(wú)法實(shí)現(xiàn)。根據(jù)不同應(yīng)用，通常采用矩形窗、海明窗和漢寧窗等窗函數(shù)來(lái)逼近理想的頻率響應(yīng)。 矩形窗主瓣最小，但旁瓣最高；海明窗具有最寬的主瓣和最低的旁瓣高度。從應(yīng)用的角度來(lái)說(shuō)，矩形窗有最高的頻域分辨率，但泄漏較高，海明窗可以有效克服泄漏7 現(xiàn)象，具有平滑的低通特性。 短時(shí)頻譜 加窗 信號(hào) )(nsw 的離散傅立葉 （ DTFT） ))(exp( ?? js 稱(chēng)為 s(n)的短時(shí)頻譜，可以用下面公式計(jì)算： ????? 10)e x p ()())( e x p ( NnnjnsjS ?? ?? （ 24） 2))(exp( ?? js 稱(chēng)為 s(n)的短時(shí)功率譜。假設(shè) s(n)的 DTFT 是 (exp( ))Sj? ，且 w(n)的 DTFT 是 (exp( ))Wj? ，那么 (exp( ))Sj? ? 是 (exp( ))Sj? 和 (exp( ))Wj? 的周期卷積。在語(yǔ)音信號(hào)數(shù)字處理中，都是采用 nws??? 的 離散傅立葉變換（ DFT） ()Sk? 來(lái)代替(exp( ))Sj? ? ，并且可以用高效的快速傅立葉變換（ FFT） 算法完成由 nws??? 至 ()Sk? 的轉(zhuǎn)換。為了使 ()Sk? 具有較高的分辨率，所取的 DFT 以及相應(yīng)的 FFT 點(diǎn)數(shù) 1N 較 nws??? 的長(zhǎng)度 N 要大。例如，在通常采樣率為 8kHz 且?guī)L(zhǎng)為 20ms 時(shí) N＝ 160，而 1N 一般取為256， 512 或 1024。為了將 nws??? 的點(diǎn)數(shù)從 N 擴(kuò)大為 1N ，可以在擴(kuò)大的部分添 若干 的0 采樣值。 短時(shí)能量和短時(shí)平均幅度 語(yǔ)音信號(hào)的一幀內(nèi)的能量稱(chēng)為短時(shí)能量，用 mE 表示： ? ? ? ?? ???????? ???? mNnnm mnwmxmnwmxEm1 22 )()()()( （ 25） 短時(shí)能量為一幀樣點(diǎn)值的加權(quán)平方和。可以由它的量值粗略判別語(yǔ)音信號(hào)的有無(wú)，同時(shí)也可以由它 判斷該幀是濁音還是清音。 短時(shí)能量的一個(gè)主要問(wèn)題是對(duì)于信號(hào)電平值過(guò)于敏感，而且需要計(jì)算信號(hào)樣值的平方和，在定點(diǎn)實(shí)現(xiàn)時(shí)很容易溢出。為了克服這個(gè)缺點(diǎn)，定義短時(shí)平均幅度 mM 來(lái)衡量語(yǔ)音幅度的變化。 ???? ??1 )()(1 Nnnmm mnwnxNM （ 26） 但 mM 的動(dòng)態(tài)范圍（最大值與最小 值之比）要比短時(shí)能量小，接近于短時(shí)能量計(jì)8 算的平方根，所以用 mM 區(qū)分清音 /濁音、無(wú) /有聲不如短時(shí)能量明顯。 短時(shí)過(guò)零率 短時(shí)過(guò)零率其定義為： ?????????????????1)()]1(s g n [)](s g n [)()]1(s g n [)](s g n [NnnmmnmnwnxnxmnwnxnxZ （ 27） 其中 sgn[]表示取符號(hào)，即 0011]s g n [??????? xxx （ 28） 由短時(shí)過(guò)零率可以概略地得到信號(hào)的變化快慢。短時(shí)過(guò)零率也可以表征清音幀與濁音幀，及區(qū)別語(yǔ)音的有無(wú)。但過(guò)零率容易收到噪聲電平的擾動(dòng)。一般實(shí)際應(yīng)用中多設(shè)置一個(gè)門(mén)限電平，以使過(guò)零率檢測(cè)有一定的抗干擾性。準(zhǔn)確地檢測(cè)語(yǔ)音開(kāi)始需要用短時(shí)能量和短時(shí)過(guò)零率配合檢測(cè)。 語(yǔ)音特性 1． 語(yǔ)音是一個(gè)時(shí)變的、非平穩(wěn)隨機(jī)過(guò)程 人類(lèi)發(fā)聲系統(tǒng)的生理結(jié)構(gòu)的變化速度是有限的，在 10～ 30ms 時(shí)間段內(nèi)具有相對(duì)穩(wěn)定性，可以認(rèn)為其特性是不變的，因此語(yǔ)音的短時(shí)譜分析也有相對(duì)穩(wěn)定性。 2． 語(yǔ)音大體上可以分為清音和濁 音兩大類(lèi) 濁音在時(shí)域上呈現(xiàn)出明顯的周期性，在頻域上有共振峰結(jié)構(gòu)，而且能量大部分集中在較低頻段內(nèi)；清音則沒(méi)有明顯的時(shí)域和頻域特征，類(lèi)似于白噪聲。 3． 語(yǔ)音感知對(duì)語(yǔ)音增強(qiáng)研究有重要作用 語(yǔ)音增強(qiáng)效果的最終度量是人的主觀感受。人耳對(duì)背景噪聲有驚人的抑制作用，了解其中機(jī)理將大大有助于語(yǔ)音增強(qiáng)技術(shù)的發(fā)展。 (1)人耳對(duì)語(yǔ)音的感知是通過(guò)語(yǔ)音信號(hào)中各頻譜分量幅度獲得的，對(duì)各分量的相位則不敏感； 9 (2)人耳對(duì)頻譜分量強(qiáng)度的感受是頻率和能譜的二元函數(shù)，響度與頻譜幅度的對(duì)數(shù)成正比； (3)人耳有掩蔽效應(yīng)，掩蔽的程度是聲音強(qiáng)度與 頻率的二元函數(shù)。對(duì)頻率臨近分量的掩蔽要比頻差大的分量有效得多； (4)短時(shí)譜中的共振峰對(duì)語(yǔ)音的感知十分重要，特別是第二共振峰比第一共振峰更重要。因此對(duì)語(yǔ)音信號(hào)進(jìn)行一定程度的低通濾波不會(huì)對(duì)可懂度造成影響。 語(yǔ)音增強(qiáng)的基本理論 噪聲特性 噪聲可以分為加性噪聲和噪聲。對(duì)于乘性噪聲，有些可以通過(guò)變換而轉(zhuǎn)變?yōu)榧有栽肼?。加性噪聲大致上有：周期性噪聲、脈沖噪聲、寬帶噪聲和同聲道其它語(yǔ)音的干擾等。 1． 周期性噪聲 具有許多離散的線(xiàn)譜，主要來(lái)源于發(fā)動(dòng)機(jī)等周期性運(yùn)轉(zhuǎn)的機(jī)械，可以用梳狀濾波器予以抑制。然而，實(shí)際中 產(chǎn)生的周期性噪聲是由許多窄譜帶組成，并且往往是時(shí)變的，且與語(yǔ)音信號(hào)頻譜重疊，所以必須采用自適應(yīng)濾波的方法才有可能自動(dòng)識(shí)別和區(qū)分噪聲分量。 2． 脈沖噪聲 表現(xiàn)為時(shí)域波形中突然出現(xiàn)的窄脈沖，來(lái)源于爆作、撞擊和放電等?？筛鶕?jù)帶噪語(yǔ)音信號(hào)幅度的平均值確定閥值，當(dāng)信號(hào)幅度超出閥值時(shí)，判別為脈沖噪聲，然后對(duì)它進(jìn)行適當(dāng)?shù)乃p；也可以根據(jù)相鄰信號(hào)樣值通過(guò)內(nèi)插的方法，在時(shí)域上進(jìn)行平滑。 3． 寬帶噪聲 寬帶噪聲來(lái)源很多，熱噪聲、氣流 (風(fēng)、呼吸 )噪聲及各種隨機(jī)噪聲源 ,量化噪聲也可視為寬帶噪聲。由于它與語(yǔ)音信號(hào)在時(shí)域和頻域上完全 重疊，因而消除最為困難。這種噪聲只有在語(yǔ)音間歇期才單獨(dú)存在。對(duì)于平穩(wěn)的寬帶噪聲，通?？梢哉J(rèn)為是白色高斯噪聲。不具有白色頻譜的噪聲，可以先進(jìn)行預(yù)白化處理。 4． 同聲道語(yǔ)音干擾 人耳可以在兩人以上講話(huà)環(huán)境中分辨出所需的聲音，這種分辨能力是人體內(nèi)部語(yǔ)10 音理解機(jī)理所具有的感知能力，來(lái)源于人的雙耳輸入效應(yīng)，稱(chēng)之為 “ 雞尾酒會(huì)效應(yīng) ” 。但當(dāng)多個(gè)語(yǔ)音疊合在一起，在單信道傳輸時(shí)，雙耳信號(hào)因合并而消失。 5． 背景噪聲對(duì)發(fā)聲的影響 強(qiáng)噪聲不僅會(huì)使人疲勞，而且還對(duì)講話(huà)人產(chǎn)生影響，使講話(huà)人改變了在安靜環(huán)境或低噪聲環(huán)境中的發(fā)音方式，從而改 變了語(yǔ)音的特性參數(shù)，這稱(chēng)為 “ Lombard” 效應(yīng)，它對(duì)語(yǔ)音識(shí)別系統(tǒng)有很大影響。 語(yǔ)音增強(qiáng)效果的評(píng)價(jià)方法 語(yǔ)音增強(qiáng)效果可以用主觀測(cè)量或客觀測(cè)量來(lái)評(píng)價(jià)。主觀測(cè)試方法有：平均意見(jiàn)得分 (MOS)、判斷韻字測(cè)試 (DRT)和判斷滿(mǎn)意度測(cè)試 (DAM)等。 主觀評(píng)定方法符合人類(lèi)聽(tīng)話(huà)時(shí)對(duì)語(yǔ)音質(zhì)量的感覺(jué)，目前得到了廣泛的應(yīng)用。其中，MOS 采用五級(jí)評(píng)分標(biāo)準(zhǔn)。參加測(cè)試的實(shí)驗(yàn)者在聽(tīng)完所測(cè)語(yǔ)音后，從五個(gè)等級(jí)中選擇某一級(jí)作為他對(duì)所測(cè)語(yǔ)音質(zhì)量的評(píng)定。全體實(shí)驗(yàn)者的平均分就是所測(cè)語(yǔ)音質(zhì)量的MOS 分。 DRT 是反映清晰度或可懂度的一種測(cè)試 方法，使用若干對(duì)同韻母進(jìn)行測(cè)試，其主要用于低速率語(yǔ)音編碼的質(zhì)量測(cè)試。 DAM 是對(duì)話(huà)音質(zhì)量的綜合評(píng)估，它是在多種條件下對(duì)話(huà)音質(zhì)量可接受程度的一種度量，也采用百分比評(píng)分。 至于客觀測(cè)試方法，可以直接觀測(cè)語(yǔ)音的時(shí)域 /頻域波形，也可以給出客觀的數(shù)值度量，通常采用原始語(yǔ)音信號(hào)功率與歸一化后的增強(qiáng)語(yǔ)音和原始語(yǔ)音之差的功率比值來(lái)度量，簡(jiǎn)稱(chēng)信噪比 （ SNR） 。 11 第三章 譜減法的原理、算法及分析 譜 減 法 的原理 譜減法是消除噪聲的經(jīng)典算法，它是處理寬帶噪聲最通用的技術(shù)，即從帶噪語(yǔ)音估計(jì)值中減去噪聲頻譜估計(jì)值，而得到純 凈語(yǔ)音的頻譜。本文基于 MATLAB 對(duì)譜減法進(jìn)行設(shè)計(jì)和實(shí)現(xiàn)。仿真表明， 譜減法可以有效的降低背景噪聲，提高信噪比。 譜減法在頻域?qū)г胝Z(yǔ)音的功率譜減去噪聲的功率譜得到純凈語(yǔ)音功率譜估計(jì)，開(kāi)方后就得到語(yǔ)音幅度譜估計(jì)，用帶噪語(yǔ)音的相位來(lái)近似純凈語(yǔ)音的相位，在采用反傅里葉變換恢復(fù)時(shí)域信號(hào)。它的優(yōu)點(diǎn)是比較簡(jiǎn)單，只需要進(jìn)行正反傅里葉變換，而且實(shí)時(shí)實(shí)現(xiàn)較容易。 假定語(yǔ)音為平穩(wěn)信號(hào)，而噪聲和語(yǔ)音為加性信號(hào)且彼此不相關(guān)。此時(shí)帶噪語(yǔ)音信號(hào)可表示為 Nnndnsny ???? 0)()()( (31) 式中 ,s(n)為純凈語(yǔ)音信號(hào)， d(n)為平穩(wěn)加性高斯噪聲， y(n)為加窗后的帶噪信號(hào)。因?yàn)闇p譜法不需分析語(yǔ)音信號(hào)的頻譜特性，所以本文采用矩形窗函數(shù)。設(shè) y(n)的傅里葉系數(shù)為 ? ?k k kY Y exp j?＝ ， s(n)的傅立葉系數(shù)為 ? ?k k kS S exp j?＝ ， d(n)的傅立葉系數(shù)為 kN ，由（ 3－ 1），則有 k k kY S N＝ ＋ 。語(yǔ)音增強(qiáng)的任務(wù)就是利用估計(jì)的噪聲功率譜信息，從 kY 中得到 kS 。由于人耳對(duì)相位不敏感，所以只要估計(jì)出 kS ，然后借用帶噪語(yǔ)音相位，進(jìn)行反傅立葉變換后就 可以得到增強(qiáng)的語(yǔ)音。減譜法的原理框圖如圖 31 所示： y（ n） 經(jīng) FFT 變化后，有 k k kY S N＝ ＋ ，由此可得 kkkkkkk NSNSNSY ?? ???? 222 (32) 其中， *表示共軛。因?yàn)榧俣ㄔ肼暈椴幌嚓P(guān)的，所以 kS 與 kN 獨(dú)立，互譜的統(tǒng)計(jì)平均值 12 為 0，而 kN 為零均值的高斯分布，所以有 ? ? ? ? ? ?222 kkk NESEYE ?? (33) 圖 31 譜 減 法原理框圖 因?yàn)樵肼暿蔷植科椒€(wěn)的，故認(rèn)為發(fā)語(yǔ)音前和發(fā)語(yǔ)音期間的噪聲功率 譜相同，所以可以利用發(fā)語(yǔ)音前（或后）的“寂靜幀”來(lái)估計(jì)噪聲。對(duì)于一個(gè)分析幀內(nèi)的時(shí)平穩(wěn)過(guò)程，有： )(22 kSY nkk ??? (34) 其中， n? ?（ k) 為無(wú)語(yǔ)音時(shí) 2kN 的統(tǒng)計(jì)平均值，即 n? ?（ k) ＝ 2kEN?????。由此可得原始語(yǔ)音的估計(jì)值： ? ?? ?2122122)()(?kYNEYSnkkkk?????