【文章內(nèi)容簡(jiǎn)介】 程，不能用處理平穩(wěn)信號(hào)的數(shù)字信號(hào)處理技術(shù)對(duì)其進(jìn)行分析處理。但是，由于不同的語(yǔ)音是由人的口腔肌肉運(yùn)動(dòng)構(gòu)成聲道某種形狀而產(chǎn)生的響應(yīng)，而這種口腔肌肉運(yùn)動(dòng)相對(duì)于語(yǔ)音頻率來(lái)說(shuō)是非常緩慢的，所以從另一方面看，雖然語(yǔ)音信號(hào)具有時(shí)變特性，但是在一個(gè)短時(shí)間范圍內(nèi)(一般認(rèn)為在10～30ms的短時(shí)間內(nèi))，其特性基本保持不變即相對(duì)穩(wěn)定，因而可以將其看作是一個(gè)準(zhǔn)穩(wěn)態(tài)過(guò)程，即語(yǔ)音信號(hào)具有短時(shí)平穩(wěn)性。所以任何語(yǔ)音信號(hào)的分析和處理必須建立在“短時(shí)”的基礎(chǔ)上．即進(jìn)行“短時(shí)分析”，將語(yǔ)音信號(hào)分為一段一段來(lái)分析其特征參數(shù)，其中每一段稱為一“幀”，幀長(zhǎng)一般取為10～30ms。這樣，對(duì)于整體的語(yǔ)音信號(hào)來(lái)講，分析出的是由每一幀特征參數(shù)組成的特征參數(shù)時(shí)間序列。根據(jù)所分析出的參數(shù)的性質(zhì)的不同，可將語(yǔ)音信號(hào)分析分為時(shí)域分析、頻域分析、倒頻域分析等；時(shí)域分析方法具有簡(jiǎn)單、計(jì)算量小、物理意義明確等優(yōu)點(diǎn)，但由于語(yǔ)音信號(hào)最重要的感知特性反映在功率譜中，而相位變化只起著很小的作用，所以相對(duì)于時(shí)域分析來(lái)說(shuō)頻域分析更為重要。本文將簡(jiǎn)要介紹時(shí)域分析、頻域分析以及語(yǔ)譜圖分析。 語(yǔ)音信號(hào)的時(shí)域分析語(yǔ)音信號(hào)的時(shí)域分析就是分析和提取語(yǔ)音信號(hào)的時(shí)域參數(shù)。進(jìn)行語(yǔ)音分析時(shí)，最先接觸到并且也是最直觀的是它的時(shí)域波形。語(yǔ)音信號(hào)本身就是時(shí)域信號(hào)，因而時(shí)域分析是最早使用，也是應(yīng)用最廣泛的一種分析方法，這種方法直接利用語(yǔ)音信號(hào)的時(shí)域波形。時(shí)域分析通常用于最基本的參數(shù)分析及應(yīng)用，如語(yǔ)音的分割、預(yù)處理、大分類等。這種分析方法的特點(diǎn)是：表示語(yǔ)音信號(hào)比較直觀、物理意義明確。實(shí)現(xiàn)起來(lái)比較簡(jiǎn)單、運(yùn)算且少。可以得到語(yǔ)音的一些重要的參數(shù)。只使用示波器等通用設(shè)備，使用較為簡(jiǎn)單等。語(yǔ)音信號(hào)的時(shí)域參數(shù)有短時(shí)能量、短時(shí)過(guò)零率、短時(shí)自相關(guān)函數(shù)和短時(shí)平均幅度差函數(shù)等，這是語(yǔ)音信號(hào)的一組最基本的短時(shí)參數(shù)，在各種語(yǔ)音信號(hào)數(shù)字處理技術(shù)中都要應(yīng)用。在計(jì)算這些參數(shù)時(shí)使用的一般是矩形窗或漢明窗。 短時(shí)能量及短時(shí)平均幅度分析設(shè)語(yǔ)音波形時(shí)域信號(hào)為x(l)、加密分幀處理后得到的第n幀語(yǔ)音信號(hào)為 Xn(m)，則Xn(m)滿足下式： 其中，n＝0，1T，2T，…，并且N為幀長(zhǎng)，T為幀移長(zhǎng)度。設(shè)第n幀語(yǔ)音信號(hào)Xn(m)的短時(shí)能量用En表示，則其計(jì)算公式如下：En是一個(gè)度量語(yǔ)音信號(hào)幅度值變化的函數(shù)，但它有一個(gè)缺陷，即它對(duì)高電平非常敏感(因?yàn)樗?jì)算時(shí)用的是信號(hào)的平方)。為此可采用另一個(gè)度量語(yǔ)音信號(hào)幅度值變化的函數(shù)．即短時(shí)平均幅度函數(shù)Mn，它定義為： Mn也是一幀語(yǔ)音信號(hào)能量大小的表征，它與En的區(qū)別在于計(jì)算時(shí)小取樣值和大取樣值不會(huì)因取平方而造成較大差異，在某些應(yīng)用領(lǐng)域也會(huì)帶來(lái)一些好處。短時(shí)能量和短時(shí)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?yàn)闈嵋魰r(shí)En值比清音時(shí)大的多。②可以用來(lái)區(qū)分聲母與韻母的分界，無(wú)聲與有聲的分界，連字(指字之間無(wú)間隙)的分界等。③作為一種超音段信息，用于語(yǔ)音識(shí)別中。短時(shí)過(guò)零率表示一幀語(yǔ)音中語(yǔ)音信號(hào)波形穿過(guò)橫軸（零電平）的次數(shù)。過(guò)零分析是語(yǔ)音時(shí)域分析中最簡(jiǎn)單的一種。對(duì)于連續(xù)語(yǔ)音信號(hào)，過(guò)零即意味著時(shí)域波形通過(guò)時(shí)間軸；而對(duì)于離散信號(hào)，如果相鄰的取樣值改變符號(hào)則稱為過(guò)零。過(guò)零率就是樣本改變符號(hào)的次數(shù)。定義語(yǔ)音信號(hào)Xn（m）的短時(shí)過(guò)零率Zn為：式中，sgn[ ]是符號(hào)函數(shù)，即：在實(shí)際中求過(guò)零率參數(shù)時(shí)，需要十分注意的一個(gè)問(wèn)題是如果輸入信號(hào)中包含有50Hz的工頻干擾或者A/D變換器的工作點(diǎn)有偏移(這等效于輸入信號(hào)有直流偏移)，往往會(huì)使計(jì)算的過(guò)零率參數(shù)很不準(zhǔn)確。為了解決前一個(gè)問(wèn)題，A/D變換器前的防混疊帶通濾波器的低端截頻應(yīng)高于50Hz，以有效地抑制電源干擾。對(duì)于后一個(gè)問(wèn)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(duì)語(yǔ)音信號(hào)進(jìn)行分析，發(fā)現(xiàn)發(fā)濁音時(shí)，盡管聲道有若干個(gè)共振峰，但由于聲門波引起功率譜的高頻跌落，所以其話音能量約集中在3kHz以下。而發(fā)清音時(shí)，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(guò)零率，低頻意味著低的平均過(guò)零率，所以可以認(rèn)為濁音時(shí)具有較低的過(guò)零率，而清音時(shí)具有較高的過(guò)零率。當(dāng)然，這種高低僅是相對(duì)而言，并沒(méi)有精確的數(shù)值關(guān)系。利用短時(shí)平均過(guò)零率還可以從背景噪聲中找出語(yǔ)音信號(hào)，可用于判斷寂靜無(wú)聲段和有聲段的起點(diǎn)和終點(diǎn)位置。在孤立詞的語(yǔ)音識(shí)別中，必須要在一連串連續(xù)的語(yǔ)音信號(hào)中進(jìn)行適當(dāng)分割，用以確定一個(gè)一個(gè)單詞的語(yǔ)音信號(hào)，即找出每一個(gè)單詞的開(kāi)始和終止位置，這在語(yǔ)音處理中是一個(gè)基本問(wèn)題。此時(shí)，在背景噪聲較小時(shí)用平均能量識(shí)別較為有效，而在背景噪聲較大時(shí)用平均過(guò)零率識(shí)別較為有效。但是研究表明，在以某些音為開(kāi)始或結(jié)尾時(shí)。如當(dāng)弱摩擦音(如[f]、[h]等音素)，弱爆破音(如[p]、[t]、[k]等音素)為語(yǔ)音的開(kāi)頭或結(jié)尾；以鼻音(如[n]、[m]等音素)為語(yǔ)音的結(jié)尾時(shí)。只用其中一個(gè)參量來(lái)判別語(yǔ)音的起點(diǎn)和終點(diǎn)是有困難的，必須同時(shí)使用這兩個(gè)參數(shù)。圖31是用Mtalab仿真一段語(yǔ)音信號(hào)時(shí)域波形的短時(shí)能量和短時(shí)平均過(guò)零率。 圖31語(yǔ)音信號(hào)的短時(shí)能量和短時(shí)平均過(guò)零率 語(yǔ)音信號(hào)的頻域分析語(yǔ)音信號(hào)的頻域分析就是分析語(yǔ)音信號(hào)的頻域持征。從廣義上講，語(yǔ)音信號(hào)的頻域分析包括語(yǔ)音信號(hào)的頻譜、功率譜、倒頻譜、頻譜包絡(luò)分析等，而常用的頻域分析方法有帶通濾波器組法、傅里葉變換法、線性預(yù)測(cè)法等幾種。本文介紹的是語(yǔ)音信號(hào)的傅里葉分析法。因?yàn)檎Z(yǔ)音波是一個(gè)非平穩(wěn)過(guò)程，因此適用于周期、瞬變或平穩(wěn)隨機(jī)信號(hào)的標(biāo)準(zhǔn)傅里葉變換不能用來(lái)直接表示語(yǔ)音信號(hào)，而應(yīng)該用短時(shí)傅里葉變換對(duì)語(yǔ)音信號(hào)的頻譜進(jìn)行分析，相應(yīng)的頻譜稱為“短時(shí)譜”。對(duì)第n幀語(yǔ)音信號(hào)Xn(m)進(jìn)行傅里葉變換(離散時(shí)域傅里葉變換，DTFT)，可得到短時(shí)傅里葉變換，其定義如下： (31)由定義可知，短時(shí)傅里葉變換實(shí)際就是窗選語(yǔ)音信號(hào)的標(biāo)準(zhǔn)傅里葉變換。這里，窗w(nm)是一個(gè)“滑動(dòng)的”窗口，它隨n的變化而沿著序列X(n)滑動(dòng)。由于窗口是有限長(zhǎng)度的，滿足絕對(duì)可和條件，所以這個(gè)變換是存在的。當(dāng)然窗口函數(shù)不同，博里葉變換的結(jié)果也將不同。我們還可以將式(3—1)寫成另一種形式。設(shè)語(yǔ)音信號(hào)序列和窗口序列的標(biāo)準(zhǔn)傅里立葉變換均存在。當(dāng)n取固定值時(shí)，w(nm)的傅里葉變換為： (32)根據(jù)卷積定理，有： (33)因?yàn)樯鲜接疫厓蓚€(gè)卷積項(xiàng)均為關(guān)于角頻率w的以2π為周期的連續(xù)函數(shù)，所以也可將其寫成以下的卷積積分形式： （34）即，假設(shè)x(m)的DTFT是，且的DTFT是，那么是和的周期卷積。根據(jù)信號(hào)的時(shí)寬帶寬積為一常數(shù)這一基本性質(zhì)，可知主瓣寬度與窗口寬度成反比，N越大，的主瓣越窄。由式(34)可知，為了使忠實(shí)再現(xiàn)的特性。相對(duì)于來(lái)說(shuō)必須是—個(gè)沖激函數(shù)。所以為了使，需；但是N值太大時(shí)，信號(hào)的分幀又失去了意義。尤其是N大于語(yǔ)音的音素長(zhǎng)度時(shí)，已不能反映該語(yǔ)音音素的頻譜了。因此，應(yīng)折衷選擇窗的寬度N。另外，窗的形狀也對(duì)短時(shí)傅氏頻譜有影響，如矩形窗，雖然頻率分辨率很高(即主辯狹窄尖銳)，但由于第一旁瓣的衰減很小，有較大的上下沖，采用矩形窗時(shí)求得的與的偏差較大，這就是Gibbs效應(yīng)，所以不適合用于頻譜成分很寬的語(yǔ)音分析中。而漢明窗在頻率范圍中的分辨率較高，而且旁辯的衰減大，具有頻譜泄漏少的優(yōu)點(diǎn)。所以在求短時(shí)頻譜時(shí)一般采用具有較小上下沖的漢明窗。與離散傅里葉變換和連續(xù)博里葉變換的關(guān)系一樣，如令角頻率w=2πk／N，則得離散的短時(shí)傅里葉變換(DFT)。它實(shí)際上是在頻域的取樣，如下所示： (35)在語(yǔ)音信號(hào)數(shù)字處理中，都是采用的離散博里葉變換(DFT)來(lái)替代并且可以用高效的快速傅里葉變換(FFT)算法完成由至的轉(zhuǎn)換。當(dāng)然，這時(shí)窗長(zhǎng)N必須是2的倍數(shù)(L是整數(shù))。根據(jù)傅里葉變換的性質(zhì)，實(shí)數(shù)序列的傅里葉變換的頻譜具有對(duì)稱性，因此，全部頻譜信息包含在長(zhǎng)度為N/2+1個(gè)里。另外，為了使具有較高的頻率分辨率，所取的DFT以及相應(yīng)的FFT點(diǎn)數(shù)應(yīng)該足夠多，但有時(shí)的長(zhǎng)度N要受到采樣率和短時(shí)性的限制，例如，在通常采樣率為8kHz且?guī)L(zhǎng)為20ms時(shí)，N=而一般取25512或1024，為了將的點(diǎn)數(shù)從N擴(kuò)大力，可以采用補(bǔ)0的辦法，在擴(kuò)大的部分添若干個(gè)0取樣值，然后再對(duì)添0后的序列進(jìn)行FFT。例如、在10kHz的范圍內(nèi)采樣求頻譜，并要求頻率分辨率在30Hz以下。由10k/＜30，得＞333，所以＝要取比333大的值，這時(shí)可取=＝512點(diǎn)，不足的部分采用補(bǔ)0的辦法解決，此時(shí)頻率分辨率(即頻率間隔)為10Hz／512＝，采樣后的該幀信號(hào)頻率處在0～之間，因此，原連續(xù)信號(hào)頻率就處在0～之間(即)，所以我們要在0～頻率范圍內(nèi)求其頻譜。FFT的計(jì)算可以在通用計(jì)算機(jī)上由相應(yīng)的算法軟件來(lái)完成，這種方式一般只能實(shí)現(xiàn)非實(shí)時(shí)運(yùn)算。為了完成實(shí)時(shí)運(yùn)算可以采用先進(jìn)的數(shù)字信號(hào)處理芯片、陣列處理芯片或?qū)Ｓ肍FT芯片。為了完成1024點(diǎn)的FFT，這些專用芯片所需的運(yùn)算時(shí)間是幾十毫秒至幾毫秒，甚至可以降至1ms以下。在語(yǔ)音信號(hào)數(shù)字處理中，功率譜具有重要意義，在一些語(yǔ)音應(yīng)用系統(tǒng)中。往往都是利用語(yǔ)音信號(hào)的功率譜。根據(jù)功率譜定義，可以寫出短時(shí)功率譜與短時(shí)傅里葉變換之間的關(guān)系：或者： 式中＊表示復(fù)共軛運(yùn)算。并且功率譜是短時(shí)自相關(guān)函數(shù)的傅里葉變換。圖32是用Matlab中的psdplot命令繪得的同一人兩次說(shuō)同一詞的功率譜比較(窗函數(shù)取窗長(zhǎng)度為