【文章內(nèi)容簡介】 響的成份，最高頻率約為 。但 聲 音信號本身冗余度 是比較大的，少數(shù)輔音清晰度下降并不明顯影響語句的可懂度 。 一個正常人 聲音 的頻率一般在 40Hz～ 4000Hz的范圍內(nèi)，成年男子的 聲 音頻率較低，婦女和兒童的 聲 音頻率較高。電話 聲音 頻率范圍在 60Hz~3400Hz左右?，F(xiàn)代的 聲音 合成或識別系統(tǒng)中，需將 聲音 頻率的上限提高到 10kHz左右。根據(jù)奈奎斯特采樣定律 (Nyquist Sampling Theorem)，采樣頻 率應為原始 聲音 頻率的兩倍以上，考慮到濾波器性能的影響，這個閾值還應該提高。一般來說，電話 聲音 的采樣率為 8kHz( 1標準 )，普通 聲音 的采樣率在 15kHz~20kHz左右。否則，如果采樣率不滿足采樣定律，將會產(chǎn)生頻譜混疊，使信號中的高頻失真。 考慮到高頻噪音的存在，為了防止頻率高于二分之一采樣頻率的高頻噪音產(chǎn)生頻譜混疊，通常 聲音 信號在采樣前要進行一次預濾波以濾掉高頻噪音。預濾波還有一個目的是避免 50Hz的電源干擾，因此預濾波是一個帶通濾波器，其下截止頻率 Lf =50 Hz，上截止頻率 Hf 根 據(jù)需要定義。 采樣后的 聲音 數(shù)據(jù)要能為 DSP所存儲和處理還必須進行量化處理。量化過程中，不可避免地會引入誤差。量化時，如果采用較多的量化級數(shù)來記錄樣點的幅度，量化誤差就較小，相應的比特 (Bit)數(shù)就會增多。但是這是以增加存儲容量和處理時的計算量為代價的，因此必須根據(jù)應用場合合理地選擇量化字長。 北華大學畢業(yè)設(shè)計（論文） 10 聲音 信號的時間依 賴 由于人自身的發(fā)音器官的運動，聲音信號是一種典型的非平穩(wěn)信號。但是，由于聲音的形成過程是與器官的運動密切相關(guān)的， 這種物理運動比起聲音振動速度來要緩慢得多，因此聲音信號常?？杉僭O(shè)為短時平穩(wěn)的，即在 10~30ms這樣的時間段內(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。幾乎所有的聲音信號處理方法都是基于這個假設(shè)。這樣，我們就可以采用平穩(wěn)過程的分析處理方法來處理了。以后的幾乎所有的處理方法都立足于這種短時平穩(wěn)的假定。本章所要討論的短時能量、短時平均差幅度以及自相關(guān)函數(shù)，都是在這種短時平穩(wěn)假設(shè)下從時域來分析一些物理參量。這種時間依賴處理的基本手段，是用一個長度有限的窗序列 {w(m)}截取一段聲音信號來進行分析，并讓這 個窗滑動以便分析任一時刻附近的信號，其一般表達式為： n m = Q = [ ( ) ( )T x m w n m???? （ ） 其中 T[ ]表示某種運算， x(m)為輸入信號序列。幾種常用時間依賴處理方法是： 當 T[x(m)]為 2xm（ ） 時， nQ 相應于短時能量 ； 當 T[x(m)]=|sgn[x(m)]一 sgn[x(m1)]|時， nQ 就是短時平均過零率； 當 T[x(m)] nQ 為 x(m)x(m+k)時， nQ 就是短時自相關(guān)函數(shù)。 式 (2． 1)是卷積形式的，因此 Q可以理解為離散信號 T[x(m)]經(jīng)過一個單位沖激響應為 {w(m)}的 FIR低通濾波器產(chǎn)生的輸出，如圖 2． 1所示。 ． 圖 由于窗函數(shù)一般取為 (x,z)中間大兩頭小的光滑函數(shù)，這樣的沖激響應所對應的濾波器具有低通特性。其帶寬和頻率響應取決于窗函數(shù)的選擇。用得最多的三種窗函數(shù)是矩形 (Rectangular)窗、漢明 (Hamming)窗和漢寧 (Hanning)窗 。 1) 矩形窗 矩形窗屬于時間變量的零次冪窗。矩形窗使用最多，習慣上不加窗就是使信號通過了矩形窗。這種窗的優(yōu)點是主瓣比較集中，缺點是旁瓣較高，線性濾波器 T[ ] 低通濾波器 北華大學畢業(yè)設(shè)計（論文） 11 并有負旁瓣，導致變換中帶進了高頻干擾和泄漏，甚至出現(xiàn)負譜現(xiàn)象。 2) 三角窗 三角窗亦稱費杰（ Fejer）窗，是冪窗的一次方形式。與矩形窗 比較，主瓣寬約等于矩形窗的兩倍，但旁瓣小，而且無負旁瓣。 3) 漢寧（ Hanning）窗 漢寧窗又稱升余弦窗，漢寧窗可以看作是 3個矩形時間窗的頻譜之和，或者說是 3個 sin(t)型函數(shù)之和，而括號中的兩項相對于第一個譜窗向左、右各移動了 π/T，從而使旁瓣互相抵消，消去高頻干擾和漏能?？梢钥闯?，漢寧窗主瓣加寬并降低，旁瓣則顯著減小，從減小泄漏觀點出發(fā)，漢寧窗優(yōu)于矩形窗．但漢寧窗主瓣加寬，相當于分析帶寬加寬，頻率分辨力下降。 這些窗函數(shù)都有低通特性。矩形窗的主瓣寬度最小，但其旁瓣高度最高；漢明窗的主瓣最 寬，而旁瓣高度最低。漢寧窗和漢明窗的差異在于前者隨頻率增加衰減很快，而后者基本保持一個常量。矩形窗的旁瓣太高，會產(chǎn)生嚴重的泄露現(xiàn)象 (Gibbs)，因此只在某些特殊場合中采用；漢寧窗衰減太快，低通特性不平滑；漢明窗旁瓣最低，可以有效地克服泄露現(xiàn)象，具有更平滑的低通特性。漢明窗由于其平滑的低通特性和最低的旁瓣高度而得到最為廣泛的應用。 長窗具有較高的頻率分辨率，但具有較低的時間分辨率；短窗的頻率分辨率低，但卻具有較高的時間分辨率。對于同一種窗函數(shù)，主瓣寬度與窗長成反比，一般說來，窗長越長，它對信號的平滑作用越厲 害，如果想要反映變化快的信息，應該縮短窗長。在對 聲音 信號進行短時傅立葉分析時，窗的長度的選擇必須折中進行考慮。一方面，短窗具有較好的時間分辨率因而能夠提取出 聲音 信號中的短時變化，但同時卻損失了頻率分辨率。還應當注意到， 聲音 信號的基音周期是有一個覆蓋范圍的，因此，窗寬的選擇還應當考慮到這個因素。 短時自相關(guān)函數(shù) 自相關(guān)函數(shù)的定義和性質(zhì) 能量有限信號 {x(m,z)}的自相關(guān)函數(shù)定義為： ( ) ( ) ( )mk x m x m k?? ? ?? ? ?? （ ） 信號的自相關(guān)函數(shù)具有一些有用的性質(zhì)： (1)偶性 ：( ) ( )kk? ? ? ? (2) ( ) | (0)k? ?? ，即零滯后自相關(guān)值最大 。 北華大學畢業(yè)設(shè)計（論文） 12 (3)若 {x(n)}為能量有限信號，則其能量為 (0)? ； 短時自相關(guān)函數(shù) 這種修正自相關(guān)函數(shù)又稱為協(xié)方差函數(shù)，它不具有偶對稱性，即( ) ( )nnR k R k??。 自相關(guān)函數(shù)的計算，除直接計算之外，還有多種快速算法。例如：快速傅 立葉變換法、遞歸計算法等。目前，高速數(shù)字信號處理器可以在一個很短的指令周期內(nèi)做一次乘加運算，而且專為卷積運算、遞歸運算設(shè)計了一些效率很高的運算指令。所以，如果采用 數(shù)字信號 實現(xiàn)自相關(guān)運算，常常是直接進行計算反而更加簡單有效，不必采用結(jié)構(gòu)復雜的快速算法。自相關(guān)計算在功率譜估計、線性預測分析和基音檢測等方面經(jīng)常用到。 基音周期估計方法 基音周期 (或基音頻率 )是 聲音 信號的一個重要參數(shù)，在 聲音 產(chǎn)生的數(shù)字模型中它也是激勵源的一個重要參數(shù)。在 聲音 分析、 聲音 合成和 聲音 識別中，估計基音周期都是一個重要任務(wù)。 濁音信號是 一種準周期性信號，其周期稱為基音周期。由于它只是準周期性的，所以只能采用短時平均方法估計其周期，基音周期估計也常稱為基音周期檢鋇 ,t](PitchDetection)。 前兩節(jié)介紹的自相關(guān)函數(shù)和短時平均幅度差函數(shù)都能反映原信號的周期，因此它們可構(gòu)成兩種最常用的基音檢測方法。 聲音 信號包含十分豐富的諧波分量，基音頻率最低可達 80Hz左右，最高可達 500Hz左右，但基音頻率處在 100Hz～200Hz的情況占多數(shù)。 因此，濁音信號可能包含有三四十次諧波分量，而其基波分量往往不是最強的分量。因 為 聲音 信號的第一共振峰通常 在 300Hz~lkHz范圍內(nèi)，這就是說， 2~8次諧波成份常常比基波分量還強。豐富的諧波成份使 聲音 信號的波形變得非常復雜，給基音檢測帶來 了困難，經(jīng)常發(fā)生基頻估計結(jié)果為其實際基音頻率的二、三次倍頻或二次分頻的情況。 加之還有清濁混雜等情況，使基音檢測和清濁判別成為一大難題?？梢哉f，至今沒有一種萬能的方法在任何情況下都能準確可靠地估計出基音周期。 值得注意的是，從估計基音周期的角度來看，短時自相關(guān)函數(shù)所包含的信息有許多 是多余的。真正反映基音周期的只是其中少數(shù)幾個峰值，而其余大多數(shù)都是由于聲道的 諧振特性引起的。因此， 為了突出反映基音周期的信息同時壓縮與此無關(guān)的信息，就應 該對 聲音 信號進行適當?shù)念A處理。 基音檢測預處理 由于聲道的共振峰特性會對基音周期造成干擾，為了提高自相關(guān)法和平均幅北華大學畢業(yè)設(shè)計（論文） 13 度差函數(shù)法檢測基音周期的可靠性，采用兩種預處理方法對原始信號進行預處理： (1)中心削波處理。對于估計基音周期真正有用的只是出現(xiàn)在基音周期處的自相關(guān)峰，其余較低的峰都是多余的。有用的自相關(guān)峰是由于 聲音 信號中的一些最高峰形成的，這些最高峰是由于準周期激勵脈沖產(chǎn)生的；無關(guān)的峰是聲道對激勵脈沖產(chǎn)生的響應。基于這種認識，完全有理由采用中心 削波處理去掉 聲音 信號中所有低振幅部分而僅保留高振幅的峰值。 (2)先對 聲音 信號進行低通濾波，然后計算短時自相關(guān)函數(shù)。這樣處理的依據(jù)是， 聲音 信號的基音頻率一般都在 500Hz以下，即使女高音升 C調(diào)最高也不會超過 lkHz。因此，從只保留基音頻率的角度出發(fā)，用低通濾波器事先對 聲音 信號進行濾波是有好處的。用一個通帶為 900Hz的線性相位低通濾波器濾除高次諧波分量，這樣處理以后的信號，基本上只含有第一共振峰以下的基波和諧波分量。實驗表明，用這種方法作預處理， 對改善自相關(guān)法和平均幅度差函數(shù)法的基音檢測都有明顯的效果。 自相關(guān)法基音檢測算法 由短時自相關(guān)函數(shù)的定義可知，對于準周期信號，短時自相關(guān)函數(shù)在基音周期的各個整數(shù)倍點上有很大的峰值。如果我們能求得第一最大峰值點并計算其與零點的距離 ,該距離就是估計出來的基音周期。 下面結(jié)合 測算法 計算步驟。這里設(shè)信號的采樣率 10kHz，窗序列采用 300點長的矩形窗，連續(xù)分析信號 時采有 10ms(且 P 100個樣點 )的幀問隔，即每相鄰兩幀重疊 200個樣點。截止頻率為 900Hz的低通濾波器是一個 20階線性相位的有限沖激 響應濾波器。下面是對每一 幀進行基音周期估計的計算步驟： (1)用 900Hz低通濾波器對一幀 聲音 信號 {x(n)}進行濾波，并去掉開頭 20個輸出值不用 (置 0)，得到 {x(n)}； (2)分別求 { x(n)}的前部 100個樣點和后部 100個樣點的最大幅度，并取其中較小 的一個，乘以因子 ； 基音檢測的后處理 聲音 信號的周期性從波形上觀察可以看得很明顯，但是其形狀表現(xiàn)得比較復雜，自動基音檢測算法很難做到處處準確可靠?；糁芷诠乐德湓谄鋵嶋H基音的倍頻或分頻所對應的周期等情況時有發(fā)生。沒有任何 一種預測方法能夠準確計算出所有的基音周期。往往大部分的點是比較準確的，但是也有一部分偏離到標準值的兩倍或一半的點，好在 聲音 信號的基音頻率通常是連續(xù)地緩慢變化的，因此可以采用某種平滑技術(shù)來糾正個別估值的錯誤。常用的平滑技術(shù)有三種： 北華大學畢業(yè)設(shè)計（論文） 14 (1)中值濾波平滑處理 中值平滑處理是一種采用滑動窗的直方圖統(tǒng)計處理的方法。其基本原理是：設(shè) {x(n)}為輸入信號 ,{y(n)}為中值濾波器的輸出，窗長為 2L+l，那么 此 處的輸出值 y( 0n )就是將窗的中心移到 0n 處時窗內(nèi)輸入樣點的中值。所謂中值就是將窗內(nèi)的 2L+1個輸入樣本進行統(tǒng)計，求出一個累計直方圖，其中 1/2分位數(shù)就是中值。 例如五點窗，若窗中心處 0n 于處時，相應的五個輸入樣本值依次為： x( 0n 2)，x( 0n 1),x( 0n ),x( 0n +1),x ( 0n +2)=4,5,0,6,6。顯然，它們的中值為 5，那么中值濾波器的輸出值 Y( 0n )就是 5，而原輸入信號 X( 0n )=0，通過中值濾波得到了糾正。然后濾波窗向后平移一個樣點，用同樣的方法求出窗內(nèi)樣本的中值，即得到Y(jié)(no+1)。如此進行下去，中值濾波可以糾正個別奇異點而不影響周圍的樣點的值。 (2)動態(tài)規(guī)劃平滑處理 動態(tài)規(guī)劃平滑處理的基本思想是：定義一個代價函數(shù)，由 每一步尋找最低累計代價的路徑，達到最終累計總代價最小。 北華大學畢業(yè)設(shè)計（論文） 15 3 聲音 信號頻域分析 大量的實驗表明，人類感知 聲音 的過程和 聲音 本身的頻譜特性關(guān)系密切。人類本身的聽覺對 聲音 的頻譜特性更為敏感。兩段時域上相差很大的 聲音 如果具有類似的頻譜特性，人類在感知它們時的感覺也是相似的。 聲音 信號的頻譜具有非常明顯的語言聲學意義，能反映一些非常重要的 聲音 特征，比如共振峰頻率和帶寬等。因此，對 聲音 信號進行頻譜分析，是認識 聲音 信號和處理 聲音 信號的重要方法。 傅立葉變換是分析線性系統(tǒng)和平穩(wěn)信號穩(wěn)態(tài)特性的 強有力手段，它在許多工程和科學領(lǐng)域中得到了廣泛的應用。這種以復指數(shù)函數(shù)為基函數(shù)的正交變換，理論上很完善，計算上很方便，概念上易于為人們理解，在 聲音 處理領(lǐng)域也是一個非常重要的工具。 聲音 信號是一種典型的非平穩(wěn)信號，但是其非平穩(wěn)性是由發(fā)音器官的物理運動過程而