【文章內(nèi)容簡(jiǎn)介】 選擇自相關(guān)算法，從而關(guān)聯(lián)自相關(guān)子程序，對(duì)“m_5”語(yǔ)音文件進(jìn)行自相關(guān)處理：分幀濾波處理后，去噪并截取有聲段，在進(jìn)行相關(guān)計(jì)算，檢測(cè)峰峰間距，最后點(diǎn)擊基因檢測(cè)按鍵，計(jì)算出基音周期并將結(jié)果顯示在界面，并在界面上顯示卷積之后的基音周期圖。，該圖是自己畫上去的，用以表示客戶矩形區(qū)，觀察卷積之后的圖，能夠?qū)ψ韵嚓P(guān)法測(cè)基音周期有更加清晰的了解和認(rèn)知，可見其峰峰間隔恒定，有 ()其中為基因頻率，為峰間距，為抽樣率。 卷積之后的圖 界面顯示的“m_5”時(shí)域波形圖 界面顯示圖 算法實(shí)現(xiàn)流程圖本次設(shè)計(jì)的界面也可以選擇其他算法，即將其他算法掛到界面上即可，MFC主程序框架具有消息響應(yīng)機(jī)制，當(dāng)選擇一種算法，就會(huì)選擇其對(duì)應(yīng)的消息響應(yīng)函數(shù)，進(jìn)而執(zhí)行相應(yīng)的算法，如選擇平均幅度差法實(shí)現(xiàn)時(shí)，首先將算法寫好，并將計(jì)算基音周期要用的相應(yīng)的數(shù)據(jù)準(zhǔn)備好，在界面上點(diǎn)擊平均幅度差按鈕，將相應(yīng)的接口對(duì)應(yīng)上，調(diào)用函數(shù)，將準(zhǔn)備好的檢測(cè)數(shù)據(jù)傳進(jìn)去，進(jìn)行算法的實(shí)現(xiàn)，最終出來(lái)的數(shù)據(jù)即為平均幅度差法檢測(cè)出的基音周期數(shù)值，數(shù)據(jù)檢測(cè)完成后，要在界面上將數(shù)值顯示出來(lái)，微軟MFC提供了一種調(diào)用彈出對(duì)話框函數(shù)messagebox（），能把用戶自定義的字符串，顯示在界面上。定義字符串“該語(yǔ)音的基音周期為：”，就用對(duì)話框函數(shù)將數(shù)值顯示出來(lái)。 算法的改進(jìn)及存在問題 自相關(guān)函數(shù)法、倒譜法、平均幅度差函數(shù)法都是經(jīng)典的基音檢測(cè)方法，但實(shí)際應(yīng)用中，語(yǔ)音信號(hào)的環(huán)境千差萬(wàn)別，有的是安靜環(huán)境，有的有強(qiáng)烈的背景噪聲，有的方法沒有考慮聲道的影響，有的方法沒有考慮發(fā)音者的個(gè)體差異，有的方法在預(yù)處理和后處理上欠妥，有的方法不管什么場(chǎng)合都采用傳統(tǒng)的語(yǔ)音模型，而基音檢測(cè)的健壯性及準(zhǔn)確性卻與對(duì)象、方法、環(huán)境密切相關(guān)，這使得上述方法在運(yùn)用中，在安靜的實(shí)驗(yàn)室環(huán)境下，有較高的準(zhǔn)確性，但一到噪聲環(huán)境，準(zhǔn)確性劇減。有的對(duì)選定的人群有效，對(duì)任意的個(gè)體性能陡降，有的在說話者情緒平靜時(shí)有效，但一遇情緒激動(dòng)，則大打折扣。所以說，至今沒有一種萬(wàn)能的方法在任何情況下都能準(zhǔn)確可靠地估計(jì)出基音周期。 各種基音檢測(cè)算法中，最復(fù)雜的是倒譜法，它要做傅立葉變換、計(jì)算功率譜、再做傅立葉逆變換，因此運(yùn)算量很大。而本文自相關(guān)算法，在剛開始對(duì)語(yǔ)音信號(hào)處理時(shí)沒有用的分幀這樣的處理方法，而是對(duì)將該語(yǔ)音信號(hào)作為一幀進(jìn)行處理，導(dǎo)致求解出的基音周期誤差非常大，且基音周期曲線不是很平滑，所以在后來(lái)的程序中，進(jìn)行分幀處理后，所求出的基音周期準(zhǔn)確度提高。 在此次所做的程序設(shè)計(jì)中，還有許多的不足之處與需要改進(jìn)的地方，在處理語(yǔ)音信號(hào)時(shí)，只是對(duì)其中的一幀進(jìn)行了處理，沒有對(duì)所有的幀進(jìn)行統(tǒng)計(jì)，這樣就不具有代表性，不能代表整個(gè)語(yǔ)音信號(hào)的特性。在對(duì)其中的一幀進(jìn)行處理時(shí)，由于這一幀的長(zhǎng)度是固定的，所有不需要再進(jìn)行加窗截?cái)嗵幚?，在進(jìn)行自相關(guān)函數(shù)運(yùn)算時(shí)，自相關(guān)函數(shù)中所攜帶的參量也都是需要考慮的。我們可以在以下方面作一些改進(jìn)和突破： 1．在預(yù)處理上下功夫由于實(shí)際的語(yǔ)音信號(hào)常?；旌椭鴱?qiáng)烈的背景噪聲及共振峰頻率，從而使語(yǔ)音信號(hào)的波形變得非常復(fù)雜，這常常引起基音檢測(cè)的錯(cuò)判和誤判。預(yù)處理的主要任務(wù)是在基音檢測(cè)前，盡量去除背景噪聲的影響及第一共振峰的影響，這對(duì)自相關(guān)法和平均幅度差函數(shù)法是非常必要的。 2．在語(yǔ)音信號(hào)的產(chǎn)生模型上尋找突破口傳統(tǒng)的語(yǔ)音產(chǎn)生模型起源于1930年Duddley發(fā)明的聲碼器，其基本思想是將激勵(lì)和系統(tǒng)相分離，使語(yǔ)音信號(hào)解體來(lái)分別進(jìn)行描述而不是直接研究信號(hào)波形的本身。傳統(tǒng)的基音檢測(cè)方法都是建立在這個(gè)模型上的，使用中，對(duì)每幀語(yǔ)音信號(hào)只進(jìn)行一次清濁判決，若判為濁音，則以基音周期間隔的脈沖序列作為該幀的激勵(lì)信號(hào)；若為清音，則以隨機(jī)噪聲作為該幀的激勵(lì)信號(hào)，實(shí)際中，清濁信號(hào)的過渡段是很難區(qū)分的，且激勵(lì)信號(hào)也常常含有類噪聲成分，很難加以區(qū)分。 3．適當(dāng)考慮個(gè)性特征及情感、發(fā)音力度的影響近年來(lái)國(guó)內(nèi)外的研究表明，基音周期的大小與個(gè)人的發(fā)音習(xí)慣及性別、年齡、發(fā)音時(shí)的力度及情感有很大的關(guān)系，傳統(tǒng)的基音檢測(cè)都是以“冷漠的”語(yǔ)音為研究對(duì)象的，而在實(shí)際中，人在發(fā)音時(shí)，常常帶著驚訝、喜悅、緊張、憤怒、悲傷等復(fù)雜的感情有時(shí)，環(huán)境噪聲引起Lombard效應(yīng)(說話人在高噪聲環(huán)境中為了使自己的聲音能被聽到，有意或無(wú)意地提高嗓音，致使其發(fā)音速度及質(zhì)量發(fā)生變化)，在這些感情和力度的驅(qū)使下，人的聲帶開啟到最大面積的時(shí)間及關(guān)閉的速度與平靜時(shí)相比，都要發(fā)生變化，同時(shí)共振峰的帶寬和位置都要發(fā)生畸變，這些變化不可避免地影響到基音周期。 本章小結(jié) 本章簡(jiǎn)述了自相關(guān)算法的原理，算法流程，并從請(qǐng)濁音判斷，基音檢測(cè)數(shù)據(jù)和抗噪性上對(duì)自相關(guān)算法進(jìn)行分析，詳述算法實(shí)現(xiàn)過程及仿真結(jié)果分析。傳統(tǒng)的語(yǔ)音基音檢測(cè)算法中，只對(duì)輸出的信號(hào)進(jìn)行處理。當(dāng)被處理的信號(hào)呈現(xiàn)準(zhǔn)周期性的時(shí)候，這些方法能比較準(zhǔn)確的檢測(cè)出基音周期，然而當(dāng)被處理信號(hào)是清濁音交替的時(shí)候，它們就很容易出現(xiàn)誤判或漏判的情況。本課題在采用傳統(tǒng)自相關(guān)法進(jìn)行基因檢測(cè)的同時(shí)，對(duì)語(yǔ)音信號(hào)進(jìn)行帶通濾波及分幀等各項(xiàng)處理，減少誤差，使檢測(cè)結(jié)果得到改善。其中語(yǔ)音信號(hào)采樣率為22050Hz。通過對(duì)語(yǔ)音信號(hào)的一系列處理，可得出基音周期曲線。經(jīng)過實(shí)驗(yàn)證明，該方法可以較精確的檢測(cè)出語(yǔ)音信號(hào)的基音周期。 第4章 系統(tǒng)軟件設(shè)計(jì) 軟件的介紹可視化(Visual)程序界面設(shè)計(jì)是一種全新的程序設(shè)計(jì)方法，它主要是讓程序設(shè)計(jì)人員利用軟件本身所提供的各種控件，像搭積木式地構(gòu)造應(yīng)用程序的各種界面。這樣就能極大地提高設(shè)計(jì)人員的工作效率。目前能進(jìn)行可視化程序設(shè)計(jì)的語(yǔ)言常用的有Visual Basic、Visual C++、Delphi等。Visual Basic 提供了強(qiáng)大的可視化編程能力，但Visual Basic不是真正的面向?qū)ο蟮拈_發(fā)工具，且不是真正的編譯型語(yǔ)言，它產(chǎn)生的最終代碼不是可執(zhí)行的，是一種偽代碼。Delphi是一門真正的面向?qū)ο蟮拈_發(fā)工具，并且是完全的可視化，它使用了真編譯，可以讓你的代碼編譯成為可執(zhí)行的文件，而且編譯速度非?？?。 Visual C++的語(yǔ)言靈活性好，效率高，可以接觸到軟件開發(fā)比較底層的東西，并且基于微軟的MFC庫(kù)博大精深，學(xué)會(huì)它可以讓隨心所欲地進(jìn)行編程，與操作系統(tǒng)的結(jié)合更加緊密。C++及Windows可視化程序設(shè)計(jì)計(jì)算機(jī)科學(xué)發(fā)展的每一步幾乎都在軟件設(shè)計(jì)和程序設(shè)計(jì)語(yǔ)言中得到充分體現(xiàn)。軟件是一個(gè)發(fā)展的概念，隨著軟件開發(fā)規(guī)模的擴(kuò)大和開發(fā)方式的變化，人們開始將程序設(shè)計(jì)語(yǔ)言作為一門科學(xué)來(lái)對(duì)待。MFC是建立在C++的基礎(chǔ)上，所以強(qiáng)調(diào)C/C++語(yǔ)言基礎(chǔ)對(duì)開發(fā)的重要性，本課題使用VC++作為編程語(yǔ)言。 軟件總體設(shè)計(jì)思路在VC++環(huán)境下編寫可視化菜單，完成MFC界面的空白部分及邊框部分，加入相關(guān)操作指令，使之在編寫完成的界面下實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)的各種操作。 利用Pc機(jī)上的聲卡和window操作系統(tǒng)可以進(jìn)行數(shù)字信號(hào)的采集。以文件名 “m_5”保存， ，這是WINDOWS操作系統(tǒng)規(guī)定的聲音文件保存的標(biāo)準(zhǔn)。首先讀取音頻文件，得到音頻數(shù)據(jù)和那些相應(yīng)的編碼信息，之后對(duì)數(shù)據(jù)進(jìn)行處理，最后在可視化界面上顯示基音周期數(shù)值，靜態(tài)波形圖及卷積之后的基音周期圖。 主程序流程設(shè)計(jì) 通過軟件分析及總體設(shè)計(jì)思路的綜合考慮，主程序的總體設(shè)計(jì)流程如下： 主程序流程圖本設(shè)計(jì)的主程序流程圖中中包括MFC框架的設(shè)計(jì)流程和基音檢測(cè)的設(shè)計(jì)流程，通過軟件的編寫，實(shí)現(xiàn)在MFC界面上操作語(yǔ)音信號(hào)，并嵌入自相關(guān)算法。 子程序設(shè)計(jì)基音周期檢測(cè)的軟件設(shè)計(jì)主要包括幾部分：1．基因主測(cè)試子程序?qū)τ诨魴z測(cè)的軟件設(shè)計(jì)部分，自相關(guān)法進(jìn)行基音檢測(cè)子程序，定義輸入語(yǔ)音樣點(diǎn)及最大樣點(diǎn)數(shù)，定義輸出語(yǔ)音信號(hào)的基音周期，采樣頻率為22050hz。經(jīng)過有聲段檢測(cè)，分幀，卷積，平均峰峰間隔檢測(cè)，最后計(jì)算出輸入語(yǔ)音信號(hào)的基音周期。 圖4. 2 基音檢測(cè)主測(cè)試流程圖　 2．濾波器設(shè)計(jì)濾波器（filter），是一種用來(lái)消除干擾雜訊的器件，對(duì)特定頻率的頻點(diǎn)或該頻點(diǎn)以外的頻率進(jìn)行有效濾除的電路，就是濾波器，其功能就是得到一個(gè)特定頻率或消除一個(gè)特定頻率。濾波本質(zhì)上是從被噪聲畸變和污染了的信號(hào)中提取原始信號(hào)所攜帶的信息的過程。為了選取語(yǔ)音頻率段，濾掉所需語(yǔ)音頻率段以外的，并消除語(yǔ)音幀的高次諧波分量， 本課題選擇帶通濾波器對(duì)語(yǔ)音信號(hào)進(jìn)行濾波，帶通濾波器能允許一定頻段的信號(hào)通過，抑制低于或高于該頻段的信號(hào)干擾和噪聲。實(shí)際上，并不存在理想的帶通濾波器。濾波器并不能夠?qū)⑵谕l率范圍外的所有頻率完全衰減掉，尤其是在所要的通帶外還有一個(gè)被衰減但是沒有被隔離的范圍。這通常稱為濾波器的滾降現(xiàn)象，并且使用每十倍頻的衰減幅度dB來(lái)表示。通常下情況下，濾波器的設(shè)計(jì)盡量要保證滾降范圍越窄越好，這樣濾波器的性能就與設(shè)計(jì)更加接近。根據(jù)設(shè)計(jì)需要，設(shè)置濾波器參數(shù)。無(wú)論采用哪一種基音檢測(cè)算法都可能產(chǎn)生基音檢測(cè)錯(cuò)誤，使求得的基音周期軌跡中有一個(gè)或幾個(gè)基音周期估值偏離了正常軌跡（通常是偏離到正常值的2倍或1/2）,稱這種偏離點(diǎn)為基音軌跡的“野點(diǎn)” 。為了去除這些野點(diǎn)，本課題中我們采用的是均值平滑處理。運(yùn)用九階濾波器濾掉語(yǔ)音信號(hào)中不等于0的部分，為之后發(fā)現(xiàn)有聲段做準(zhǔn)備。九階濾波流程圖如圖4. 3所示。 3．檢測(cè)有聲段，去噪對(duì)于已知的原始語(yǔ)音信號(hào)，定義 pavg，max，num 等函數(shù)參數(shù)，pavg為數(shù)據(jù)指針，max為其最大值，num為數(shù)據(jù)量。只要數(shù)據(jù)指針第K個(gè)數(shù)據(jù)小于最大值的二分之一，都把數(shù)據(jù)指針第K個(gè)數(shù)據(jù)賦值0，作用是去除噪聲，從而檢測(cè)到有聲段。 4．峰峰值檢測(cè) 定義成員函數(shù)divid用來(lái)實(shí)現(xiàn)語(yǔ)音信號(hào)的峰峰間距檢測(cè)，定義一個(gè)數(shù)組來(lái)存放下標(biāo)值，定義單精度浮點(diǎn)型數(shù)據(jù)max為卷積之后的數(shù)據(jù)中的最大值，將有聲段分成每段1000的樣本點(diǎn)，將這1000個(gè)樣本點(diǎn)進(jìn)行卷積，卷積出來(lái)的數(shù)據(jù)為1999個(gè)。將這1999個(gè)樣本點(diǎn)分成兩段，在0～999個(gè)樣本點(diǎn)里，從999開始，每150個(gè)樣本點(diǎn)里取一個(gè)最大值，直到樣本點(diǎn)數(shù)小于等于250個(gè)則跳出循環(huán)，并記錄保存這些最大值的下標(biāo)，跳出循環(huán)后，記錄這1000個(gè)樣本點(diǎn)中有多少個(gè)最大值的下標(biāo)，用各標(biāo)下標(biāo)的后項(xiàng)減前項(xiàng)，即為各下標(biāo)值間的距離，將這些間距保存起來(lái)的，如果下標(biāo)間距小于100，則將該下標(biāo)濾除，因?yàn)殚g距小于100的不屬于人的基音周期范圍，如果下標(biāo)之間的距離大于100，再對(duì)1000～1999個(gè)樣本點(diǎn)進(jìn)行上述操作，保存各最大值下標(biāo)間距，最后將所有的下標(biāo)間距加起來(lái)之后求出平均間距，即為該有聲段平均的峰峰間距。 九階濾波流程圖 檢測(cè)有聲段流程圖 可視化界面設(shè)計(jì) MFC界面介紹及使用說明 MFC，英文全稱為Microsoft function class（微軟基礎(chǔ)類庫(kù)），是為程序員提供調(diào)用Windows系統(tǒng)功能提供接口。MFC提供了面向?qū)ο蟮目蚣?，程序開發(fā)員可以基于這一框架開發(fā)Windows應(yīng)用程序。MFC采用面向?qū)ο笤O(shè)計(jì)，將大部分的API封裝到C++類中，一類成員函數(shù)的形式提供給程序開發(fā)員調(diào)用。MFC借助C++的優(yōu)勢(shì)為Windows開發(fā)開辟了一片新天地，同時(shí)也借助ApplicationWizard使開發(fā)者擺脫離了那些每次都必寫基本代碼，借助ClassWizard和消息映射使開發(fā)者擺脫了定義消息處理時(shí)那種混亂和冗長(zhǎng)的代碼段。更令人興奮的是利用C++的封裝功能使開發(fā)者擺脫Windows中各種句柄的困擾，只需要面對(duì)C++中的對(duì)象，這樣一來(lái)使開發(fā)更接近開發(fā)語(yǔ)言而遠(yuǎn)離系統(tǒng)。 利用C++的封裝性開發(fā)者可以更容易理解和操作各種窗口對(duì)象；利用C++的派生性開發(fā)者可以減少開發(fā)自定義窗口的時(shí)間和創(chuàng)造出可重用的代碼；利用虛擬性可以在必要時(shí)更好的控制窗口的活動(dòng)。而且C++本身所具備的超越C語(yǔ)言的特性都可以使開發(fā)者編寫出更易用，更靈活的代碼。 在MFC中對(duì)消息的處理利用了消息映射的方法，該方法的基礎(chǔ)是宏定義實(shí)現(xiàn)，通過宏定義將消息分派到不同的成員函數(shù)進(jìn)行處理。 可視化界面組成部分及各部分功能分析 本課題所編寫的可視化界面主要包括打開文件，播放，算法的選擇，基音周期檢測(cè)及各算法結(jié)果比較選項(xiàng)。點(diǎn)擊打開文件按鈕，關(guān)聯(lián)語(yǔ)音信號(hào)提取程序，可打開所要檢測(cè)的語(yǔ)音信號(hào)，并在界面上顯示需要的各項(xiàng)數(shù)據(jù)及語(yǔ)音信號(hào)時(shí)域波形圖。點(diǎn)擊播放按鈕，可播放已打開的語(yǔ)音文件，在算法選擇選項(xiàng)中，可以選擇不同的算法來(lái)進(jìn)行基音周期檢測(cè)，本課題在算法選擇上，選擇了自相關(guān)算法來(lái)進(jìn)行基音檢測(cè)，最后點(diǎn)擊基音檢測(cè)按鈕，可進(jìn)行最后的基因檢測(cè)，并在界面上顯示基音周期的數(shù)值和卷積之后的基音周期圖。 可視化界面的軟件實(shí)現(xiàn) 用VC++編寫一個(gè)MFC界面時(shí)，首先打開VC++，點(diǎn)擊文件新建項(xiàng)目MFC應(yīng)用程序單文檔完成。本次設(shè)計(jì)的可視化界面命名為ConvForPD，在所編寫的代碼中，Mainframe來(lái)控制界面的框架部分。 VC++ 項(xiàng)目的主項(xiàng)目文件。它包含有關(guān)生成文件的 Visual C++ 版本的信息，以及有關(guān)使用應(yīng)用程序向?qū)нx擇的平臺(tái)、配置和項(xiàng)目功能的信息。 。它包括其他項(xiàng)目特定的頭文件（包括 ），并聲明 CConvForPDApp應(yīng)用程序類。 CConvForPDApp的主要應(yīng)用程序源文件。 Microsoft Windows 資源的列表。它包括RES子目錄中存儲(chǔ)的圖標(biāo)、位圖和光標(biāo)。此文件可以直接在 Microsoft Visual C++ 中進(jìn)行編輯。項(xiàng)目資源位于2052中。 res\。此圖標(biāo)包括在主要資源文件 中。 res