【文章內(nèi)容簡介】 物理量。具體振值用舍入法歸到靠近的量化電平上。 語音信號經(jīng)過預(yù)濾波和采樣后，由 A／ D變換器變換為二址制數(shù)字碼 。這種防混疊濾波通常與模數(shù)轉(zhuǎn)換器做在一個集成塊內(nèi)，因此目前來說 ，語音信號的數(shù)字化的質(zhì)量還是有保證的。市面上購買到的普通聲卡在這方面做的都很好，語音聲波通過話筒輸入到聲卡后直接獲得的是經(jīng)過防混疊濾波、 A/D 變換、量化處理的離散的數(shù)字信號。 在實際工作中，我們可以利用 windows 自帶的錄音機錄制語音文件 ，圖 23 是基于 PC河南農(nóng)業(yè)大學理學院本科 畢業(yè)論文 (設(shè)計 ) 機 的語音信號 采集過程 ，聲卡可以完成語音波形的 A/D 轉(zhuǎn)換，獲得 WAVE 文件，為后續(xù)的處理儲備原材料。調(diào)節(jié)錄音機保存界面的“更改”選項，可以存儲各種格式的 WAVE 文件。 圖 23 基于 PC 機的語音信 號采集過程 Figure 23 Voice PCbased signal acquisition process 采集到語音信號之后，需要對語音信號 進行分析，如語音信號的時域分析、頻譜分析、語譜圖分析以及加噪濾波等 處理 。 第 3 章 語音信號 的 分析 語音信號分析 技術(shù) 語音信號分析是語音信號處理的前提和基礎(chǔ)，只有分析出可表示語音信號本質(zhì)特征的參數(shù)，才有可能利用這些參數(shù)進行高效的語音通信、語音合成和語音識別等處理 [8]。而且，語音合成的音質(zhì)好壞，語音識別率的高低，也都取決于對語音信號分橋的準確性 和精確性。因此語音信號分析在語音信號處理應(yīng)用中具有舉足輕重的地位。 貫穿于語音分析全過程的是“短時分析技術(shù)”。因為，語音信號從整體來看其特性及表征其本質(zhì)特征的參數(shù)均是隨時間而變化的，所以它是一個非乎穩(wěn)態(tài)過程，不能用處理乎穩(wěn)信號的數(shù)字信號處理技術(shù)對其進行分析處理。但是，由于不同的語音是由人的口腔肌肉運動構(gòu)成聲道某種形狀而產(chǎn)生的響應(yīng)，而這種口腔肌肉運動相對于語音頻率來說是非常緩慢的，所以從另一方面看，雖然語音倍號具有時變特性，但是在一個短時間范圍內(nèi) (一般認為在 10～30ms 的短時間內(nèi) )，其特性基本保持不變即相對 穩(wěn)定，因面可以將其看作是一個準穩(wěn)態(tài)過程，即語音信號具有短時 平 穩(wěn)性。所以任何語音信號的分析和處理必須建立在“短時”的基礎(chǔ)上．即進行“短時分析”，將語音信號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，對于整體的語音信號來講，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，可將語音信號分析分為時域分析 、頻域分析、倒領(lǐng)域分析等； 時域分析方法具有簡單、計算量小、物理意義明確等優(yōu)點，但由于語音信號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，所以相對于時域分析來說 Windows 自帶的錄音機 聲音 麥克風 聲卡 濾 波 采樣 A/D 轉(zhuǎn)換 Wav 河南農(nóng)業(yè)大學理學院本科 畢業(yè)論文 (設(shè)計 ) 頻域分析更為重要。 本文將簡要介紹時域分析、頻域分析以及語譜圖分析。 語音信號的時域分析 語音信號的時域分析就是分析和提取語音信號的時域參數(shù)。進行語音分析時，最先接觸到并且也是最直觀的是它的時域波形。語音信號本身就是時域信號，因而時域分析是最早使用，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的時域波形。時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，使用較為簡單等。 語音信號的時域參數(shù)有短時能量、短時過零率、短時白相關(guān)函數(shù)和短時平均幅度差函數(shù)等，這是語音信號的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)中都要應(yīng)用 [6]。在計 算這些參數(shù)時使用的一 般是方 窗 或漢明 窗 。 短時能量及短時平均幅度分析 設(shè)語音波形時域信號為 x(l)、加密分幀處理后得到的第 n 幀語音信號為 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 Xn(m)的短時能量用 En 表示，則其計 算公式如下： 1 20 ()NnnmE x m???? (33) En 是一個度量語音信號幅度值變化的函數(shù)，但它有一 個缺陷，即它對高電平非常敏感 (因為它 計算時用的是信號的平方 )。為此可采用另一個度量語音信號幅度值變化的函數(shù)．即短時平均幅度函數(shù) Mn， 它定義為： 10 ()NMnnm xm???? (34) Mn 也是一帕語音信號能量大小的表征，它與 En 的區(qū)別在于計算時小取樣值和大取樣值不會因取平方而造成較大差異，在某些應(yīng)用領(lǐng)域呻會帶來一些好處。 短時能量和短時平均幅度 函數(shù) 的主要用途有：①可以區(qū)分濁音段與清音段，因為濁音時 En 值比清音時大的多。 ② 可以用來區(qū)分聲母與韻母的分界，無聲與有盧的分界，連字 (指河南農(nóng)業(yè)大學理學院本科 畢業(yè)論文 (設(shè)計 ) 字之間無間隙 )的分界等。③作為一種超音段信息，用 于 語音識別 中 。 率 分析 短時過 零 率表示一幀語音中語音信號波形穿過橫軸 （零 電平 ） 的次數(shù)。過 零 分析是語音時域分析中最簡單的一種 。 對于連續(xù)語音信號，過零即意味著時域波 形通過時間軸；而對于離散信號，如果相鄰的取樣值改變符號則稱為過零。過零率就是樣本改變符號的次數(shù)。定義語音信號 Xn（ m） 的短時過零 率 Zn 為： ? ? ? ?101 s g n ( ) s g n ( 1 )2 Nn n nmZ x m x m??? ? ?? （ 35） 式中， sgn[ ]是符號函 數(shù)，即： ? ? ?1,( 0 )1,( 0 )sg n x xx ???? （ 36） 在實際中求過零率參數(shù)時，需要十分注意的一 個問題是如果輸入信 號中包含有 50Hz 的工頻干擾或者 A/D 變換器的工作點有偏移 (這等效于輸入信號有直流偏移 )，往往會使計算的過零率參數(shù)很不 準 確 。 為了解決前一個問題， 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。對于后一個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 。 對語音信號進行分析，發(fā)現(xiàn)發(fā)濁音時，盡管聲道有若干個共振峰，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，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，所以可以認為濁音時具有較低的過零率，而清音時具有較高的過零率。當然，這種高低僅是相對而言，并沒方精確的數(shù)值關(guān)系。 利用短時平均過零率還可以從背景噪聲中找出語音信號，可用于判斷寂靜無聲段和有聲 段的起點和終點位置。在孤立詞的語音識別中，必須要在一 連串連續(xù)的語音信號中進行適當分割，用以確定一個一個單詞的語音信號，即找出每一個單詞的開始和終止位置，這在語音處理中是一個基本問題。此時，在背景噪聲較小時用平均能量識別較為有效，而在背景噪聲較大時用平均過零率識別較為有效。但是研究表明 ，在以某些音為開始或結(jié)尾時．如當弱摩擦音 (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．只用其中一個參量來判別語音的起點和終點是有困難的，必須同時使用這兩個參數(shù)。 圖 31 是用 Mtalab 仿真 一段語音信號 時域波形 的 短時能量和 短時平均過零率 。 河南農(nóng)業(yè)大學理學院本科 畢業(yè)論文 (設(shè)計 ) 500 1000 1500 2021 2500 3000 3500 40001 0 . 500 . 51speech5 10 15 20 25 30 35 40 45010203040energy5 10 15 20 25 30 35 40 450102030zcr 圖 31 語音信號的短時能量和短時平均過零率 Figure 31 Shortterm speech signal energy and zerocrossing rate of the average shortterm 語音信號的頻域分析 語音信號的頻域分析就是分析語音信號的頻域持征。從 廣義 上講，語音信號的頻域分析包括語音信號的頻譜、 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、線件預(yù)測法等幾種。本 文 介紹的是語音信號的傅里葉分析法 。因為語音 波是一個非平穩(wěn)過程，因此適用于周期、瞬變或平穩(wěn) 隨機信號的標準傅里葉變換不能用來直接表示語音信號， 而應(yīng)該用短時傅里葉變換對語音信號的頻譜進行分析，相應(yīng)的頻譜稱為“ 短時 譜 ” 短時博里葉變換求語音的短時譜 對第 n 幀語音信號 Xn(m)進行傅里葉變換 (離散時域傅里葉變換， DTFT)，可得到短時傅里葉變換， 其定義如下： 10( ) ( )Njw jw nnnmX e x m e? ??? ? (37) 由定義可知，短時傅里葉變換實際就是 窗 選語音信號的標準傅里葉變換。這 里 ，窗 w(nm)是一個“滑動的”窗口，它隨 n的變化而沿著序列 X(n)滑動。由于窗口是有限長度的，滿足絕對可和條件，所以這個變換是存在的。當然窗口函數(shù)不 同，博里葉變換的結(jié)果也將不同。 我們還可以將式 (3— 27)寫成另一種形式。設(shè)語音信號序列和 窗 口序列的標準傅早葉變換均存在。當 n 取固定值時， w(nm)的傅里 葉 變換為： ( ) ( )jw n jw n jwm w n m e e W e? ? ? ?? ? ? ? ? ?? (38) 根據(jù)卷積定理， 有： 河南農(nóng)業(yè)大學理學院本科 畢業(yè)論文 (設(shè)計 ) ( ) ( ) ( )jw jw jwn jwnX e X e e W e????? ? ??? (39) 因為上式右邊兩個卷積項均為關(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： ()1( ) ( ) ( )2j w j j n j wnX e W e e X e d? ? ? ?? ?? ? ? ? ???? ? ? ?? ? （ 310） 即，假設(shè) x(m)的 DTFT 是 ()jwXe ， 且 ()wm 的 DTFT 是 ()jwWe ， 那么 ()jwnXe 是 ()jwXe 和()jwWe 的的 周期 卷積。 根據(jù)信 號的時寬帶寬積為一常數(shù)這一基本性質(zhì)，可知 ()jwWe 主瓣 寬度與窗口寬度成反比， N 越大， ()jwWe 的主瓣越窄。由式 (330)可知，為了使 ()jwnXe 忠實再現(xiàn) ()jwXe 的特性． ()jwWe 相對于 ()jwXe 來說必須是 — 個沖激函數(shù)。所以為了使 ( ) ( )jw jwnX e X e? ，需N?? ；但是 N 值太大時，倍號的分幀 又 失 去了意義 。尤其是 N大于語音的 音素 長度時 ，()jwnXe 已不能反映該語音 音素 的頻譜了。因此．應(yīng)折衷選擇 窗 的寬度 N。另外，窗的形狀也對短時博氏頻譜有影響，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，采用矩形窗時求得的 ()jwnXe 與 ()jwXe 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．所以在求短時頻譜時一船采用具有較小上下沖的漢明 窗 [2]。 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，則得離散的短時博里 葉 變換 (DFT)．它實際上是 ()jwnXe 在頻域的取樣，如下所示： 22 10( ) ( ) ( ) ( 0 1 )k k mNjjNNn n nmX e X k x m e k N??? ??? ? ? ? ?? (311) 在語音信號數(shù)字處理中，都 是采用 ()nxm的離散博里葉變換 (DFT) ()nXk 來替代()jwnXe 并且可以用高效的快速傅里葉變換