【文章內(nèi)容簡介】 語音能量自身的實際變化規(guī)律，通常將窗寬選為 10ms~20ms。 采樣 量化 預(yù)加重 加窗分幀 算法處理 語音 8 圖 幀長和幀移 如圖 所示 分幀一般采用交疊分段的方法，這是為了使幀與幀之間能平滑過渡，保持其連續(xù)性。前一幀和后一幀的交疊部分稱為幀移，幀移與幀長的比值一般取 為0~ 之間。分幀是用可移動的有限窗口長度進(jìn)行加權(quán)實現(xiàn)的，即用窗函數(shù) )(n? [7]乘以語音信號 s(n)， 從而形成加窗的語音信號 : )()()( nnSnS ?? ?? （ 22） 由于窗函數(shù)一般取為 S(n)中間大兩頭小的光滑函數(shù)，這樣的沖激響應(yīng)所對應(yīng)的濾波器具有低通特性，其帶寬和頻率取決于窗函數(shù)的選取。用得最多的三種窗函數(shù)是矩形窗、漢明窗 (Hamming)和漢寧窗 (Hanning)，它們的定義如下 : 矩形窗 ： ??? ???? 其他 ,0 10 ,1)( Nnn? （ 23） 漢明窗： 0 . 5 4 0 . 4 6 c o s ( 2 /( 1 ) ) , 0 1() 0, n N n Nn ?? ? ? ? ? ??? ?? 其 他 （ 24） 漢寧窗： ? ???? ????? 其他,0 10,)/2c os ()( NnNnn ?? （ 25） 式中 N 為窗長，窗函數(shù) )(n? 的選取 (形狀和長度 )對于短時分析參數(shù)的特性影響很大，為此應(yīng)該選擇合適的窗口，使其短時參數(shù)能更好地反映語音信號的特性變化。以上這些窗函數(shù)的幅度頻率響應(yīng)都具有低通特性，它們 的主瓣寬度和旁瓣高度如表 9 21 所示。 表 21 1s長的各種窗的主瓣寬度和旁瓣高度 矩形 漢明 漢寧 主瓣寬度 旁瓣寬度 13dB 43dB 32dB 從表中可知：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。矩形窗的旁瓣太高，會產(chǎn)生嚴(yán)重的泄漏現(xiàn)象 (Gibbs)，所以只有在某些特殊場合中采用。漢明窗旁瓣最低，可以有效地克服泄漏現(xiàn)象，具有更平滑的低通特性，因此，一般在語音信號預(yù)處理中，都選用漢明窗來進(jìn)行語音分幀處理。 語音信號分析 語音信號處理包括語音識別、語音合成、語音編碼、說話人識別等方面，但是其前提和基礎(chǔ)是對語音信號進(jìn)行分析。只有將語音信號分析成表示其本質(zhì)特性的參數(shù)，才有可能利用這些參數(shù)進(jìn)行高效的語音通信，以及建立用于識別的模板或知識庫。而且，語音識別率的高低，語音合成的音質(zhì)好壞，都取決于對語音信號分析的準(zhǔn)確性和精度 。 短時時域分析 語音信號本身就是時域信號，因此，時域分析方法是應(yīng)用最為廣泛的一種方法，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)分析以及用于語音的分割、預(yù)處理等。語音信 號的時域參數(shù)有短時能量、短時平均幅度、短時過零率、短時自相關(guān)函數(shù)等，這些是語音信號中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(shù)中都有重要應(yīng)用。 進(jìn)行語音信號分析時，最先接觸到且最直觀的就是它的時域波形。時域分析通常用于最基本的參數(shù)分析，語音的分割、預(yù)處理和大分類。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、運算量少； (3)可得到語音的一些重要參數(shù)； (4)可采用示波器等通用設(shè)備進(jìn)行觀測。取樣之后要對信號進(jìn)行量化，而量化過程不可避免地會產(chǎn)生量化誤差，即量化后的信號 值與原信號之間的差值。 頻域分析 語音信號頻域分析，主要是對一些頻域的參數(shù)進(jìn)行分析，常用的一些頻域參數(shù)有頻譜、功率譜、倒譜等等，最常用的頻域分析方法有傅立葉變換法、線性預(yù)測法等。 10 傅立葉變換法 [8] 傅里葉頻譜變換是語音信號頻域分析中廣泛使用的方法， 是分析線性系統(tǒng)和平穩(wěn)信號穩(wěn)態(tài)特性強有力的手段， 對分幀加窗后的語音信號，進(jìn)行傅里葉變換和逆傅里葉變換，可以相應(yīng)的得到頻譜，功率譜，倒譜距離，嫡等特征。由于語音信號的特性是隨著時間緩慢變化，所以采用短時傅里葉變換，相應(yīng)的求得特征為短時頻域特征，這里的窗 函數(shù)都使用漢明窗。 （ 1） 短時頻譜和短時功率譜 設(shè)信號 )(mxn 經(jīng)過傅里葉變換后在頻域記為 )( jwn eX ，則 )( jwn eX 與 )(mxn 的關(guān)系見公式 26。 jw mNm njwn emxeX ????? )()(10 （ 26） 語音的頻譜為 )( jwn eX 的幅度，則有 )()( jwnjwn eXep ? （ 27） 語音的短時功率譜的是幅度的平方，所以短時功率譜的計算方法為 2)()( jwnjwn eXeG ? （ 28） 線性預(yù)測法 線性預(yù)測分析的基本思想是：由于語音樣點之間存在相關(guān)性，所以可以用過去的樣點值來預(yù)測現(xiàn)在或未來的樣點值，即一個語音的抽樣能夠用過去若干個語音抽樣或它們的線性組合來逼近。通過使實際語音抽樣和線性預(yù)測抽樣之間的誤差在某個準(zhǔn)則下達(dá)到最小值來決定唯一的一組預(yù)測系數(shù)。而這 組預(yù)測系數(shù)就反映了語音信號的特征，可以作為語音信號特征參數(shù)用與語音識別、語音合成等。 將線性預(yù)測應(yīng)用與語音信號處理，不僅是因為它的預(yù)測功能，而且更重要的是因為它能提供一個非常好的聲道模型及模型參數(shù)估計方法。線性預(yù)測的基本原理和語音信號數(shù)字模型密切相關(guān)。 3 語音端點檢測算法原理及實驗仿真分析 語音端點檢測算法原理 端點檢測最早的應(yīng)用是在貝爾實驗室開發(fā)的電話傳輸和轉(zhuǎn)換系統(tǒng)中，用于通信信道的時間分配，通過語音檢測實現(xiàn)在空閑的信道中插入其他人的話音信息。從那以后， 11 各種各樣的語音端點檢測算法在許多語音指令識別 、自動語音識別、說話人認(rèn)證、遠(yuǎn)程通訊和語音編碼等方面被提出來。通常不同的系統(tǒng)需要不同的算法以滿足在精度、復(fù)雜度、魯棒性、敏感性和響應(yīng)時間等方面的需求。這些方法包括基于能量、過零率、頻譜分析、倒譜分析等算法 。本文采用 基于 短時能量和短時過零率結(jié)合的雙門限 法，該方法根據(jù)語音信號和噪聲信號的不同特征，提取每一段語音信號的特征，然后把這些特征值與設(shè)定的閾值進(jìn)行比較，從而達(dá)到語音端點檢測的目的 。 基于特征的 語音端點檢測的算法步驟 大致 如下 ： （ 1）預(yù)處理：包括濾波，預(yù)加重，分幀，加窗等，這里要考慮濾波器參數(shù)的選擇，分幀時幀長長度的選擇，加窗窗函數(shù)的選擇。 （ 2）特征提取：在時域或者頻域提取能反映語音本質(zhì)特征的聲學(xué)參數(shù)，如短時能量，短時過零率等。特征提取目的是將輸入信號轉(zhuǎn)化為特征參數(shù)，然后利用特征參數(shù)進(jìn)行語音段與無聲段的區(qū)分。特征提取是語音端點檢測的關(guān)鍵問題，特征參數(shù)選擇的好壞直接影響到語音端點檢測的準(zhǔn)確率的高低。 （ 3）確定門限：語音段最開始的幾幀一般為無聲段，根據(jù)無聲段的特征值大小確定門限值，一般選擇較大和較小兩個門限值 Tmax 和 Tmin，且 Tmin Tmax， Tmin很容易被超過，數(shù)值較小，對信號變化很敏感， Tmax 數(shù)值較大，語音信號要一定的強度才能超過。 （ 4）端點檢測：確定門限后就可以進(jìn)行端點檢測，根據(jù)門限值來區(qū)分有語音段和噪聲段，得出檢測結(jié)果。 語音端點檢測流程圖 語音端點檢測流程圖如圖 所示： 12 圖 語音端點檢測流程圖 基于短時能量和短時過零率的語音端點檢測 語音和噪聲的區(qū)別可以體現(xiàn)在它們的能量上，對于一列疊加有噪聲干擾的語音信號而言，其語音段的能量是 噪聲段能量疊加語音聲波能量之和。因此，語音段能量要大于噪聲段的能量。如果環(huán)境噪聲和系統(tǒng)輸入噪聲比較小，以致于能夠保證系統(tǒng)的輸入信噪比很高時 (即使最低電平語音的能量也比噪聲能量要高 )， 那么只需要計算輸入開始 信號特征 D 無聲段 DTmin 過渡段，記錄起點 c 加1 5 幀內(nèi)有一幀 Tmax 語音段 s++ DTmax c 加 1 Dmins cminc 記錄終點 返回 Y回 N回 N回 Y回 Y回 N回 Y Y回 N回 N回 13 信號的短時平均能量或短時平均幅度就能夠把語音段和背景噪聲區(qū)分開來。 如圖 就是在比較純凈的內(nèi)容為“端點檢測” 的原始語音信號用傳統(tǒng)的短時能量和過零率的語音端點檢測，圖中可以很直觀的觀察到語音的短時能量的大小和其過零率的高低，如圖 所示： 圖 語音信號原始波形圖和其短時能量和過零率波形圖 短時能量函數(shù)可用來區(qū)分清音段和濁音段， nE 值大的對應(yīng)于濁音段，而 nE 值小的對應(yīng)于清音段。如當(dāng)語音段的開始和結(jié)束都是弱摩擦音、爆破音或語音段末尾是鼻音時，這些音 的短時能量一般很小，往往與背景噪聲處于相同的電平。在這些情況下，