【文章內(nèi)容簡介】 /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、下截止顏率分別是 fH 和 fL，則對于絕人多數(shù)語音編譯碼器， fH=3400Hz、 fL＝ 60~100Hz、采樣率為 fs＝ 8kHz；而對丁語音識別而言，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。 基于 Matlab 的聲信號采集與譜分析設計 作者： 尹青山 第 8 頁 共 22 頁 為了將原始模擬語音信號變?yōu)閿?shù)字信號，必須經(jīng)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(shù)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率兩倍以上的速度進行取樣，才能正確地重建波 它是通過采樣脈沖和模擬信號相乘來實現(xiàn)的 。下圖（ 圖 3 3）是 一段語音信號在采樣頻率 情況下的頻譜圖。 圖 3 3 原始信號 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(shù)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 （ 圖 3 4） 。 基于 Matlab 的聲信號采集與譜分析設計 作者： 尹青山 第 9 頁 共 22 頁 圖 3 4抽樣后的信號 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(shù)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 [7]。 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(shù)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(shù)據(jù)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(shù)據(jù)量（ N）限定，則采樣時間過短，會導致一些數(shù)據(jù)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(jù)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(shù)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(jīng)過預濾波和采樣后，由 A／ D 變換器變換為二址制數(shù)字碼。這種防混 疊濾波通常與模數(shù)轉換器做在一個集成塊內(nèi)，因此目前來說，語音信號基于 Matlab 的聲信號采集與譜分析設計 作者： 尹青山 第 10 頁 共 22 頁 的數(shù)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(jīng)過防混疊濾波、 A/D 變換、量化處理的離散的數(shù)字信號 [8]。 在實際工作中，可以利用 windows 自帶的錄音機錄制語音文件， 圖 3 5 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。 圖 3 5 基于 PC 機的語音信號采集過程 在 MATLAB 中， [y,fs,bits]=wavread(39。Blip39。,[N1 N2])。用于讀取語音，采樣值放在向量 y 中， fs 表示采樣頻率 (Hz)， bits 表示采樣位數(shù)。 [N1 N2]表示讀取從 N1 點到 N2 點的值（若只有一個 N 的點則表示讀取前 N 點的采樣值）。 sound(x,fs,bits)。 用于對聲音的回放。向量 y 則就代表了一個信號（也即一個復雜的“函數(shù)表達式”）也就是說可以像處理一個信號表達式一樣處理這個聲音信號。 Windows 自帶的錄音機 聲音 麥克風 聲卡 濾波 采樣 A/D轉換 Wav 基于 Matlab 的聲信號采集與譜分析設計 作者： 尹青山 第 11 頁 共 22 頁 第 4章 語音信號的分析 語音信號的時域分析 語音信號的時域分析就是分析和提取語音信號的時域參數(shù)。進行語音分析時，最先接觸到并且也是最直觀的是它的時域波形。語音信號本身就是時域信號，因而時域分析是最早使用，也是應用最廣泛的一種分析方法，這種方法直接利用語音信號的時域波形。時域分析通常用于最基本的參數(shù)分析及應用，如語音的分割、預處理、大分類等。這種分析方法的特點是： ① 表示語音信號比較直觀、物理意義明確。 ② 實現(xiàn)起來比較簡單、運算且少 。 ③ 可以得到語音的一些重要的參數(shù)。④只使用示波器等通用設備，使用較為簡單等 [9]。 語音信號的時域參數(shù)有短時能量、短時過零率、短時白相關函數(shù)和短時平均幅度差函數(shù)等，這是語音信號的一組最基本的短時參數(shù)，在各種語音信號數(shù)字處理技術中都要應用 [10]。在計 算這些參數(shù)時使用的一 般是方 窗 或漢明 窗 。 短時能量及短時平均幅度分析 設語音波形時域信號為 x(l)、加密分幀處理后得 到的第 n 幀語音信號為 Xn(m)，則 Xn(m)滿足下式： ( ) ( ) ( ) ( )nx m w m x n m m?? 01mN? ? ? (41) 1 0 ~ ( 1 )( ) { mNmwm ???? ， 0， 其 他 值 (42) 其中， n＝ 0， 1T， 2T，?，并且 N為幀長， T 為幀移長度。 設 第 n幀語音信號 Xn(m)的短時能量用 En表示，則其計 算公式如下： 1 20 ()NnnmE x m???? (43) En 是一個度量語音信號幅度值變化的函數(shù)，但它有一 個缺陷，即它對高電平非常敏感 (因為它 計算時用的是信號的平方 )。為此可采用另一個度量語音信號幅度值變化的函數(shù)．即短時平均幅度函數(shù) Mn， 它定義為： 10 ()NMnnm xm???? (44) 基于 Matlab 的聲信號采集與譜分析設計 作者： 尹青山 第 12 頁 共 22 頁 Mn 也是一帕語音信號能量大小的表征，它與 En 的區(qū)別在于計算時小取樣值和大取樣值不會因取平方而造成較大差異，在某些應用領域呻會帶來一些好處。 短時能量和短時平均幅度 函數(shù) 的主要用途有：①可以區(qū)分濁音段與清音段，因為濁音時 En值比清音時大的多。 ② 可以用來區(qū)分聲母與韻母的分界，無聲與有盧的分界，連字 (指字之間無間隙 )的分界等。③作為一種超音段信息，用 于 語音識別 中 短時過零率分析 短時過 零 率表示一幀語音中語音信號波形穿過橫軸 （零 電平 ） 的次數(shù)。過零 分析是語音時域分析中最簡單的一種 。 對于連續(xù)語音信號，過零即意味著時域波形通過時間軸；而對于離散信號，如果相鄰的取樣值改變符號則稱為過零。過零率就是樣本改變符號的次數(shù) [11]。定義語音信號 Xn（ m） 的短時過零 率Zn 為： ? ? ? ?101 s g n ( ) s g n ( 1 )2 Nn n nmZ x m x m??? ? ?? （ 45） 式中， sgn[ ]是符號函 數(shù)，即： ? ? ? 1 ,( 0 )1 ,( 0 )sg n x xx ???? （ 46） 在實際中求過零率參數(shù)時，需要十分注意的一 個問題是如果輸入信號中包含有 50Hz 的工頻干擾或者 A/D 變換器的工作點有偏移 (這等效于輸入信號有直流偏移 )，往往會使計算的過零率參數(shù)很不 準 確 。 為了解決前一個問題， A/D 變換器前的防混疊帶通濾波器的低端截頻應高于 50Hz，以有效地抑制電源干擾。對于后一個問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 。 對語音信號進行分析，發(fā)現(xiàn)發(fā)濁音時，盡管聲道有若干個共振峰，但由于聲門波引起譜的 高頻跌落， 所以其話音能量約集中在 3kHz以下。而發(fā)清音時，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零率，低頻意味著低的平均過零率，所以可以認為濁音時具有較低的過零率，而清音時具有較高的過零率。當然，這種高低僅是相對而言，并沒方精確的數(shù)值關系。 基于 Matlab 的聲信號采集與譜分析設計 作者： 尹青山 第 13 頁 共 22 頁 利用短時平均過零率還可以從背景噪聲中找出語音信號，可用于判斷寂靜無聲段和有聲 段的起點和終點位置。在孤立詞的語音識別中，必須要在一 連串連續(xù)的語音信號中進行適當分割，用以確定一個一個單詞的語音信號，即找出每一個單詞的開始和終止位置，這在語音處理中是一個基本問題。此時，在背景噪聲較小時用平均能量識別較為有效，而在背景噪聲較大時用平均過零率識別較為有效。但是研究表明，在以某些音為開始或結尾時．如當弱摩擦音 (如[f]、 [h]等音素 )、弱燃破音 (如 [p]、 [t]、 [k]等 音素 )為語音的開頭或結尾；以鼻音(如 [n]、 [m]等音素 )為語音的結尾時．只用其中一個參量來判別語音的起點和終點是有困難的，