【文章內(nèi)容簡(jiǎn)介】 漢明窗： hH={? (2nπN?1)), 0 ≤ n ≤ N? 1 0, 其余值 （） 下圖是兩個(gè)窗函數(shù)的時(shí)域波形： 圖 25 矩形窗幅度特性 圖 26 漢明窗時(shí)域波形 圖 27 漢明窗幅度特性 西安工程大學(xué)畢業(yè)設(shè)計(jì)（論文） 13 本章小結(jié)：本章主要討論語音信號(hào)處理前對(duì)語音信號(hào)的準(zhǔn)備工作，包括采集、分類預(yù)處理。主要是為了為語音信號(hào)的時(shí)域分析做好必要的準(zhǔn)備工作 。西安工程大學(xué)畢業(yè)設(shè)計(jì)（論文） 14 第 3 章 語音信號(hào)的時(shí)域分析 語音信號(hào)分析技術(shù) 語音信號(hào)分析是語音信號(hào)處理的前提和基礎(chǔ)，只有分析出可表示語音信號(hào)本質(zhì)特征的參數(shù)，才有可能利用這些參數(shù)進(jìn)行高效的語音通信、語音合成和語音識(shí)別等處理。而且 ，語音合成的音質(zhì)好壞，語音識(shí)別率的高低，也都取決于對(duì)語音信號(hào) 的準(zhǔn)確性和精確性。因此語音信號(hào)分析在語音信號(hào)處理應(yīng)用中具有舉足輕重的地位。 語 音信號(hào)平穩(wěn)性、時(shí)變、離散性大、且其中蘊(yùn)含著說話內(nèi)容及說話人特征 ,處理難度大 ， 語音信號(hào)可用其取樣波形描述 ,也可用信號(hào)參數(shù)和特征來描述 。 提取少量參數(shù)描述語音信號(hào) ,即語音信號(hào)的參數(shù)表示 ,是語音處理的關(guān)鍵技術(shù)之一 .根據(jù)所分析的參數(shù)不 同 ,語音信號(hào)分析分為時(shí)域、頻域、倒頻譜、小波域、高階積累量域等方法 .時(shí)域分析具有最簡(jiǎn)單、運(yùn)算量小、物理意義明確等優(yōu)點(diǎn) 。 . 貫穿于語音分析全過程的是“短時(shí)分析技術(shù)”。因?yàn)椋Z音信號(hào)從整體來看其特性及表征其本質(zhì)特征的參數(shù)均是隨時(shí)間而變化的，所以它是一個(gè)介于穩(wěn)態(tài)過程，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)于語音頻率來說是非常緩慢的，所以從另一方面看，雖然語音信號(hào)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，因面可以將其看作是一個(gè)準(zhǔn)穩(wěn)態(tài)過程，即語音信號(hào)具有短時(shí)平穩(wěn)性。所以任何語音信號(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”，將語音信號(hào)分為一段一段來分析其特征參數(shù)，其中每一段稱為一“幀”，幀長一般取為 10～ 30ms。這樣，對(duì)于整體的語音信號(hào)來講，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，可將語音信號(hào)分析分為時(shí)域分析、頻域分析、線性預(yù)測(cè)、同態(tài)處理分析等；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)域分析來說頻域分析更為重要。本文將簡(jiǎn)要介西安工程大學(xué)畢業(yè)設(shè)計(jì)（論文） 15 紹時(shí)域分析以及語譜圖分析。 語音信號(hào)的時(shí)域分析 語音信號(hào)的時(shí)域分析就是分析和提取語音信號(hào)的時(shí)域參數(shù)。進(jìn)行語音分析時(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，如語音的分割、預(yù)處理、大分類等。這種分析方法的特點(diǎn)是： ① 表示語音信號(hào)比較直觀、物理意義明確。 ② 實(shí)現(xiàn)起來比較簡(jiǎn)單、運(yùn)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(shè)備，使用較為簡(jiǎn)單等。 語音信號(hào)的時(shí)域參數(shù)有短時(shí)能量、短時(shí)過零率、短時(shí)自相關(guān)函數(shù)和短時(shí)平均幅度差函數(shù)等，這是語音信號(hào)的一組最基本的短時(shí)參數(shù)，在各種語音信號(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)使用的一般是方窗或漢明窗。 短時(shí)能量及短時(shí)平均幅度分析 設(shè)語音波形時(shí)域信號(hào)為 x(l)、加密分幀處理后得到的第 n 幀語音信號(hào)為 Xn(m)，則 Xn(m)滿足下式： ( ) ( ) ( ) ( )nx m w m x n m m?? 01mN? ? ? (31) 1 0 ~ ( 1)( ) { mNmwm ???? ， 0， 其 他 值 (32) 其中， n＝ 0， 1T， 2T，?，并且 N 為幀長， T 為幀移長度。 設(shè)第 n幀語音信號(hào) Xn(m)的短時(shí)能量用 En 表示，則其計(jì)算公式如下： 1 20 ()NnnmE x m???? (33) En 是一個(gè)度量語音信號(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： 10 ()NMnnm xm???? (34) Mn 也是一種語音信號(hào)能量大小的表征，它與 En 的區(qū)別在于計(jì)算時(shí)小取樣值西安工程大學(xué)畢業(yè)設(shè)計(jì)（論文） 16 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)域里會(huì)帶來一些好處。 短時(shí) 能量可以度量語音信號(hào)的能量隨時(shí)間的變化情況， 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 可以用來區(qū)分聲母與韻母的分界，無聲與有聲的分界，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(shí)別中。 下圖為不同的窗長對(duì)短時(shí)能量的影響 (語音信號(hào)為（‘西安工程大學(xué)’） 圖 31 幀數(shù)為 50 的 短時(shí)能量 圖 32 幀數(shù)為 100 的短時(shí)能量 西安工程大學(xué)畢業(yè)設(shè)計(jì)（論文） 17 圖 33 幀數(shù)為 200 的短時(shí)能量 圖 34 幀數(shù)為 400 的短時(shí)能量 短時(shí)過零率分析 短時(shí)過零率表示一幀語音中語音信號(hào)波形穿過橫軸（零電平）的次數(shù)。過零率分析是語音時(shí)域分析中最簡(jiǎn)單的一種。對(duì)于連續(xù)語音信號(hào)，過零即意味著時(shí)域波形通過時(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)則稱為過零。過零率就是樣本改變符號(hào)的次數(shù)。定義語音信號(hào) Xn（ m） 的短時(shí)過零率 Zn 為： ? ? ? ?101 s g n ( ) s g n ( 1 )2 Nn n nmZ x m x m??? ? ?? （ 35） 式中， sgn [ ]是符號(hào)函數(shù)，即： 西安工程大學(xué)畢業(yè)設(shè)計(jì)（論文） 18 ? ? ?1,( 0 )1,( 0 )sgn x xx ???? （ 36） 在實(shí)際中求過零率參數(shù)時(shí)，需要十分注意的一個(gè)問題是如果輸入信號(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)算的過零率參數(shù)很不準(zhǔn)確。為了解決前一個(gè)問題， 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。 短 時(shí)平均過零數(shù)可應(yīng)用于語音信號(hào)分析，它粗略的描述了信號(hào)頻譜特性 ,因而可用于區(qū)分清 /濁音 .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零率，低頻意味著低的平均過零率，所以可以認(rèn)為濁音時(shí)具有較低的過零率，而清音時(shí)具有較高的過零率。當(dāng)然，這種高低僅是相對(duì)而言，并沒方精確的數(shù)值關(guān)系。 利用短時(shí)平均過零率還可以從背景噪聲中找出語音信號(hào)，可用于判斷寂靜無聲段和有聲段的起點(diǎn)和終點(diǎn)位置。在孤立詞的語音識(shí)別 中，必須要在一連串連續(xù)的語音信號(hào)中進(jìn)行適當(dāng)分割，用以確定一個(gè)一個(gè)單詞的語音信號(hào)，即找出每一個(gè)單詞的開始和終止位置，這在語音處理中是一個(gè)基本問題。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)用平均過零率識(shí)別較為有效。但是研究表明，在以某些音為開始或結(jié)尾時(shí)．如當(dāng)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(jié)尾；以鼻音 (如 [n]、 [m]等音素 )為語音的結(jié)尾時(shí)．只用其中一個(gè)參量來判別語音的起點(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 MATLAB 仿真一段語音信號(hào)時(shí)域波形的短時(shí)平均過零率。 （語音信號(hào)為‘西安工程大學(xué)’） 西安工程大學(xué)畢業(yè)設(shè)計(jì)（論文） 19 圖 35語音信號(hào)的短時(shí)平均過零率 短時(shí)平均幅度與短時(shí)過零率的分布特點(diǎn)分析 短時(shí)平均幅度（或短時(shí)能量）與短時(shí)過零率都是隨機(jī)變量。研究發(fā)現(xiàn)，它們的概率分布決定語音的性質(zhì)。對(duì)于無聲 .清音和濁音而言，它們的短時(shí)平均幅度的概率分布不僅是不同的，而且他們的短時(shí)過零率的概率分布也是不同的。設(shè)用p（ M/S）表示無聲的短時(shí)平均幅度的概率分布，用 p（ M/U）表示清音的短時(shí)平均幅度的概率分布，則用下圖給出了它們的分布曲線 。 西安工程大學(xué)畢業(yè)設(shè)計(jì)（論文） 20 短時(shí)自相關(guān)函數(shù)分析 相關(guān)分析師語音信號(hào)的時(shí)域波形常用的分析方法，利用短時(shí)自相關(guān)函數(shù)可以求得語音波形的基音周期；在用線性預(yù)測(cè)分析語音信號(hào)時(shí)，也要用到短時(shí)自相關(guān)函數(shù)。其定義如下： Rn(K)=∑ Xn(m)Xn（ m +k）N?1?Km=0 （ 0＜ k≤ K） ⑴ 式中， K 為最大延遲點(diǎn)數(shù)， N為幀長 。 短時(shí)自相關(guān)函數(shù)具有如下性質(zhì)：①若語音信號(hào)時(shí)周期的，則其短時(shí)自相關(guān)函數(shù)也是周期的；②若語音信號(hào)時(shí)偶函數(shù)，則取、其短時(shí)自相關(guān)函數(shù)也是偶函數(shù)；③ k=0時(shí)，短時(shí)自相關(guān)函數(shù)具有最大值，這是它表示語音信號(hào)的能量或平均功率。 由上式不難看出，隨著延遲 k的增加，式中相加的乘積項(xiàng)將減少，則導(dǎo)致短時(shí)自相關(guān)函數(shù)的幅度值下降；如果幀長不夠，就難于準(zhǔn)確的確定語音信號(hào)波形序列的基音周期。對(duì)上式進(jìn)行適當(dāng)修改，則有修正的短時(shí)自相關(guān)函數(shù)； Rn（ k） =∑ X’n(m)X′n（ m+k）N?1m=0 （ 0﹤ k≤ K） ⑵ 式二中的語音信 號(hào)序列不再由式（ 2） 表示，而進(jìn)行如下修正； {X‘n(m) = X(n+ m)w’（ m）w‘(m) = { 1 （ m≤ m ≤ N ?1+ K）0 (m 0， m ?? ?1 +??) 對(duì) N 點(diǎn)窗的 K點(diǎn)短時(shí)自相關(guān)函數(shù)，如直接計(jì)算，約需 KN次乘法和加法；對(duì)很多實(shí)際應(yīng)用， K與 N均較大（如 K=250,N=401） .為此提出一些減少運(yùn)算量的方法。如 FFT，這是由于自相關(guān)函數(shù)為功率譜的 IDFT。為避免自相關(guān)計(jì)算的混疊，需 2N 點(diǎn) DFT（用 FFT 實(shí)現(xiàn)），其中有 N點(diǎn)數(shù)據(jù)由 N個(gè)零點(diǎn)取樣來補(bǔ)足。構(gòu)成一個(gè)西安工程大學(xué)畢業(yè)設(shè)計(jì)（論文） 21 平方幅度約需 2N 次乘法，而 2N 點(diǎn) FFT 需 2N ㏒ 2N 次乘法，得到所 有 N 點(diǎn)自相關(guān)函數(shù)。因而， FFT 方法所需乘法總數(shù)為 ： NF =2 2N ㏒ 2N+2N 另一方面，目前 DSP 可在一個(gè)很短的指令周期內(nèi)完成一次乘加運(yùn)算，且為卷積運(yùn)算設(shè)計(jì)了一些效率很高的運(yùn)算指令，所以如采用 DSP 實(shí)現(xiàn)自相關(guān)運(yùn)算，通常是直接計(jì)算反而更加簡(jiǎn)單，而不必采用結(jié)構(gòu)復(fù)雜的快速算法。 下圖為一段語音信號(hào)分別加矩形窗和漢明窗的短時(shí)自相關(guān)分析 （語音信號(hào)為“西安工程大學(xué)”）： 圖 38加矩形窗后的自相關(guān)函數(shù) 短時(shí)平均幅度差函數(shù)分析 短時(shí)平均幅度差函數(shù)其定義為： Fn（ k） =∑ |XnN?1?Km=0 (m) ?Xn(m +k)| （ 0＜ k≤ K） 如果語音信號(hào)具有周期性，則由上式表示的短時(shí)平均幅度差函數(shù)的極小值也會(huì)周期的出現(xiàn)；也就是說，若語音信號(hào)是周期的，則其短時(shí)平均幅度差函數(shù)也是周期的；這一點(diǎn)與短時(shí)自相關(guān)函數(shù)類似，因此可以用它代替短時(shí)自相關(guān)函數(shù)來檢測(cè)語音波形序列的基音周期。而且，短時(shí)平均幅度差函數(shù)與短時(shí)自相關(guān)函數(shù)的關(guān)系為 ： Fn（ k） =√2β（ k）【 Rn(0)Rn（ k）】 1/2 對(duì)于不同