【正文】 圖 分幀效果圖 effect of framing從上圖得到的聲音信號部分分幀效果圖中可以看到，一個連續(xù)的音樂文件被分成了許多個大小為幀長（32ms）的片段。而這些幀長片段的波形圖像，對應(yīng)著圖中多條不同的曲線，圖中每一條曲線代表了其中某一幀的波形圖。重慶大學(xué)碩士學(xué)位論文 3 聲音信號預(yù)處理23 語音信號的加窗對于經(jīng)過分幀后的聲音信號，為了補(bǔ)償在幀的邊緣出現(xiàn)的信號不連續(xù) [21]，需要對聲音信號加上一個有限長度的窗口，窗口的長度為幀長。在信號處理中，可以說加窗處理是一個很有必要的過程，因?yàn)槲覀兊挠嬎銠C(jī)只能處理有限長度的信號，所以要將原始信號S(t)要以T時間（采樣時間）截斷，即有限化，成為ST(t)后再進(jìn)一步處理，這個過程序就是加窗處理。一般來說，對聲音信號進(jìn)行加窗主要目的是用于對截斷處的不連續(xù)變化進(jìn)行平滑，減少泄漏。此外，對聲音信號進(jìn)行加窗還有很多其它的原因，如減少噪聲干擾、限定測試的持續(xù)時間、從頻率接近的信號中分離出幅值不同的信號等等。下面我們例舉幾種比較常用的窗函數(shù)以及其主要的指標(biāo)： 窗函數(shù)及其各項(xiàng)指標(biāo) window function and its targets窗函數(shù)名稱 最高旁瓣高度 (dB) 旁瓣衰減率(dB/倍頻程) 等效噪聲 帶(bin) 中心峰全寬(bin)矩形窗 13 6 三角窗 27 12 海寧窗 32 18 漢明窗 43 6 布萊克曼窗 58 18 凱瑟窗 69 6 現(xiàn)有的窗函數(shù)以及其主要的適用范圍如下表： 窗函數(shù)及其適用范圍 window function and its use of scope窗函數(shù)名稱 適用范圍矩形窗 頻譜分析（頻率響應(yīng)測試）；區(qū)分頻率接近且幅度幾乎相等的信號凱瑟窗 區(qū)分頻率接近而幅度相差較大的信號；區(qū)分頻率接近而形狀不同的信號指數(shù)窗 響應(yīng)信號漢明窗 聲音信號；相位相差很少的正弦信號平頂窗 分析無精確參照物且要求精確測試的信號，特別是幅度精度測試； 正弦波且幅度精確性較為重要的信號；海寧窗 頻譜分析（頻率響應(yīng)測試）；正弦波或組合正弦波信號； 窄帶隨機(jī)信號、振動信號；未知信號重慶大學(xué)碩士學(xué)位論文 3 聲音信號預(yù)處理24在語音信號處理中最常用到的就是矩形窗和漢明窗。這兩種窗函數(shù)的定義分別為：①矩形窗： （ ）101()nNn????????其 它其中N為每幀的采樣點(diǎn)數(shù)。矩形窗的函數(shù)圖像如下：圖 矩形窗函數(shù)曲線圖 rectangular window function curve②漢明窗： （ ）?(2/(1)01() nNnNn???????其 他重慶大學(xué)碩士學(xué)位論文 3 聲音信號預(yù)處理25漢明窗的函數(shù)圖像如下：圖 漢明窗函數(shù)曲線圖 hamming window function curve從上圖中我們可以看出，窗函數(shù)主要起到了一個調(diào)整聲音信號文件元素值的作用，在兩幀之間的交匯處，對于聲音信號的削弱越小，距離交匯處越遠(yuǎn)，對聲音信號波形的削弱越大。窗函數(shù)的選擇，會在很大程度上很大影響短時分析特征參數(shù)的特性，因此需要選擇合適的窗函數(shù)，使其短時參數(shù)可以更好地反映聲音信號的特征變化。對于不同的短時分析方法(時域、頻域分析等)，以及求取不同的語音特征參數(shù)，對窗函數(shù)的選擇要求都不一樣。對于時域分析，由于加窗的實(shí)質(zhì)是將聲音信號與窗函數(shù)進(jìn)行相乘，所以就要求可以盡量減小時域窗口兩端的坡度，使窗口兩端邊緣之間的銜接不會出現(xiàn)非常急劇地變化，加窗后的語音信號可以平滑過渡到零，減少語音分幀造成的截斷效應(yīng)。對于頻域分析，加窗相當(dāng)于語音信號的頻譜與窗函數(shù)頻譜的卷積，選擇的窗函數(shù)希望具有較窄的主瓣寬度以及較小的旁瓣峰值。給出矩形窗和漢明窗的頻域特性。 矩形窗和漢明窗函數(shù)的頻域特性 frequency domain characteristics of rectangular and hamming window functions窗函數(shù)名稱 旁瓣峰值 主瓣峰值矩形窗函數(shù) 13dB 4 /N?漢明窗函數(shù) 41dB 8 /N重慶大學(xué)碩士學(xué)位論文 3 聲音信號預(yù)處理26從表中可以看出，矩形窗的主瓣寬度比較小，聲音矩形窗具有較高的頻譜分辨率；但是矩形窗的旁瓣峰值較大，所以如果將矩形窗作為窗函數(shù)則會使聲音信號的頻譜泄漏比較嚴(yán)重。綜合考慮下來，雖然漢明窗主瓣寬度是矩形窗主瓣寬度的兩倍，但是漢明窗的旁瓣衰減加大(上表中漢明窗的旁瓣峰值為41dB )。因而漢明窗具有更為平滑的低通特性，可以在較高程度上反映短時聲音信號的頻率特性。因此在本文的實(shí)驗(yàn)中，選取漢明窗作為窗函數(shù)。重慶大學(xué)碩士學(xué)位論文 4 特征參數(shù)提取274 特征參數(shù)提取特征參數(shù)提取 [22]就是指從歌唱者的聲音信號中獲得一組能夠描述聲音信號特征參數(shù)的過程。聲音信號特征參數(shù)主要可以分為3類：時域參數(shù)、頻域參數(shù)和倒頻譜參數(shù)。聲音信號的時域分析就是指對聲音信號的時域參數(shù)進(jìn)行分析和提取。而在我們對聲音信號進(jìn)行分析時，最先觀察到的就是聲音信號的時域波形。本質(zhì)上來說，聲音信號本身其實(shí)就可以看作是時域信號，因此我們也最早對聲音信號進(jìn)行時域分析，而時域分析也是當(dāng)今應(yīng)用最廣泛的一種聲音信號分析方法。聲音信號的時域參數(shù)主要有：短時能量、短時過零率、短時自相關(guān)函數(shù)以及短時平均幅度差函數(shù)等。聲音信號的頻域分析就是指對聲音信號的頻域參數(shù)進(jìn)行分析和提取。因?yàn)槿祟悓τ诼曇粜盘柕母兄桥c人類自身的聽覺系統(tǒng)具有頻譜分析的功能是緊密相關(guān)的，因此，我們?nèi)绻枰治龊吞幚砺曇粜盘栆部梢圆捎妙l譜分析這種重要的聲音信號分析方法。某些在時域上無法體現(xiàn)的特性可以通過在頻域上對聲音信號進(jìn)行分析從而求得之。聲音信號的頻域分析主要包括有聲音信號的頻譜分析、功率譜分析、倒頻譜分析等，而頻域分析通常采用的方法主要有傅里葉變換法、線性預(yù)測法以及數(shù)字帶通濾波器組法等。聲音信號的倒譜分析就是指對聲音信號倒譜特征參數(shù)進(jìn)行提取的過程，它可以通過同態(tài)處理來實(shí)現(xiàn)。同態(tài)信號處理也稱為同態(tài)濾波，它實(shí)現(xiàn)了將卷積關(guān)系變換為求和關(guān)系的分離處理，即解卷。對聲音信號進(jìn)行解卷處理，能夠?qū)⒙曇粜盘柕穆曢T激勵信息和聲道響應(yīng)信息分離開來，從而求得聲道共振特征和基音周期。通過不斷地實(shí)驗(yàn)和探索, 人們發(fā)現(xiàn)聲音信號是聲道頻率特性和激勵信號源兩者的共同結(jié)果, 后者對于某一信號來說常帶有一定的隨機(jī)性, 而歌唱者的聲音個性特征在很大程度上取決于歌唱者的發(fā)聲聲道。因此,歌唱者的聲音特征參數(shù)可以采用MFCC、基音頻率等聲音特征參數(shù)。 基音頻率的提取人們在唱歌的時候，由于歌詞中的每個字都有它對應(yīng)的音調(diào)，這就需要歌唱者在歌唱此歌曲的時候，要將每個字的音調(diào)都要唱準(zhǔn)，不能唱跑調(diào)。而基音頻率的高低變化正好可以反映歌唱者歌聲的音高起伏和語調(diào)韻律特點(diǎn)。因此，基音頻率就成為了我們考察歌唱者是否完整正確地將整首歌曲的音調(diào)演繹完美的參考特征參數(shù)。重慶大學(xué)碩士學(xué)位論文 4 特征參數(shù)提取28現(xiàn)階段提取基音頻率的難點(diǎn)主要有：①由于語音信號屬于隨機(jī)信號，其波形變化十分復(fù)雜，且并不是一個完全呈現(xiàn)規(guī)律性質(zhì)的周期序列。而且在語音信號的頭部和尾部并不具有像人的聲帶振動那樣呈現(xiàn)出準(zhǔn)周期性，并且有些清濁音的過渡幀存在很難判定它是否呈現(xiàn)有周期性的情況，以上這些情況都會對基音頻率的計算帶來一定的困難。②要從語音信號中去除語音信號聲道的影響，提取出僅與人們聲帶的振動有關(guān)的聲音信號信息并不是容易做到的。例如聲道的共振峰可能會在很大程度上改變聲門波形的形態(tài)，從而嚴(yán)重地影響到激勵信號的諧波形態(tài)，這些都會給基音頻率的提取造成困難。③由于語音信號只是呈現(xiàn)準(zhǔn)周期性質(zhì)的，并且語音信號的波峰和過零率會受到共振峰和噪聲的影響，所以很難準(zhǔn)確確定語音信號基音周期的開始和結(jié)束。④在實(shí)際應(yīng)用中，幾乎是無處不在的背景噪聲會大大地影響到基音頻率的提取。⑤基音頻域變化范圍較大，可以從老年男性的50Hz跨度到兒童和女性的500Hz，給基音頻率的提取造成了一定程度上的困難。正是由于存在以上的種種難點(diǎn)，雖然提取基音頻率的方法有許多種，但是到目前為止還依然沒有找到一個可以對各類人群（包括男人、女人、老人、兒童及不同語種的人群）以及在各種環(huán)境條件情況下都能比較準(zhǔn)確提取基音頻率的通用方法。而在實(shí)際工程應(yīng)用中，提取基音頻率的意義 [25]主要體現(xiàn)在:①在語音識別領(lǐng)域中，基音頻率（pitch ）是個非常重要的特征參數(shù)。首先，對于帶有聲調(diào)的語言（比如漢語），我們知道聲調(diào)也是語言文字意思的重要組成部分，我們可以把說話者語音信號中的聲調(diào)信息作為語音特征參數(shù)提取到語音識別系統(tǒng)的語音識別特征參數(shù)向量中去，可以大大地減少需要識別的文字音節(jié)，從而提高語音識別的精確度。其次，對于所有的文字語言來說，語句的聲調(diào)特征也會在語言信息的傳遞和理解的過程中占有重要的作用。所以，我們可以通過大大提高計算機(jī)對語音聲調(diào)特征的識別能力來達(dá)到計算機(jī)語音識別系統(tǒng)的語音智能化。再次，在計算機(jī)輔助語言學(xué)習(xí)(CALL) 系統(tǒng)中，除了指出說話者發(fā)音不標(biāo)準(zhǔn)的地方以外，對說話聲調(diào)標(biāo)準(zhǔn)程度的判別也是計算機(jī)輔助語言學(xué)習(xí)(CALL)系統(tǒng)在評價說話者說話標(biāo)準(zhǔn)程度的一項(xiàng)非常重要的工作。而基音頻率則可以作為是確定各種聲調(diào)特征的一個重要特征參數(shù)，因此對語音信號中基音頻率的有效提取，在語音識別領(lǐng)域中具有非常重要的意義。②在數(shù)字通信領(lǐng)域中，語音信號特征參數(shù)的提取準(zhǔn)確性也是非常重要的，而且只有通過準(zhǔn)確地提取語音信號的特征參數(shù)，才能利用這些特征參數(shù)進(jìn)行高質(zhì)量、重慶大學(xué)碩士學(xué)位論文 4 特征參數(shù)提取29高效的語音壓縮編碼和解碼。而在語音信號的特征參數(shù)提取中，基音周期的提取是一個關(guān)鍵點(diǎn)，基音周期是否能夠準(zhǔn)確提取將直接影響到合成后的語音文件是否能夠完整、真實(shí)地再現(xiàn)原始語音信號的頻譜。③在語音合成中，聲調(diào)信息是一個非常重要的特征參數(shù)，對合成語音的自然度有著非常重要的影響。因此語音合成的一項(xiàng)重要基礎(chǔ)工作就是需要對語音信號中的聲調(diào)信息進(jìn)行分析和識別，而且在有效開展這項(xiàng)工作之前的前提準(zhǔn)備工作就是要準(zhǔn)確、有效地提取語音信號的基音周期。④此外，語音信號的基音信息在語音學(xué)知識及語義的自動分析和獲取、語病的診斷以及助聽設(shè)備的研制等與語言相關(guān)的語音信號處理過程中扮演著非常重要的角色，這些相關(guān)系統(tǒng)對語音信號處理的準(zhǔn)確性和實(shí)效性主要取決于是否能夠快速而又準(zhǔn)確地從語音文件中提取到相關(guān)有效的基音信息。綜上所述，無論是在語音信號的分析與合成，語音文件的壓縮編碼與解碼，還是語音識別以及說話者的確認(rèn)等語音信號數(shù)字處理的各個領(lǐng)域，能否準(zhǔn)確有效地檢測基音周期都將直接影響到整個語音信號數(shù)字處理系統(tǒng)的性能。特別是對于像漢語這樣的一種聲調(diào)中攜帶了非常重要的語義信息的自然語言，基音頻率是否能夠有效提取和準(zhǔn)確計算在漢語語音信號的處理中具有非常重要的地位。 多種基音頻率的提取方法盡管對于基音頻率的提取存在著很多的困難，但由于提取基音頻率的重要性，基音頻率的提取一直是一個重要的研究熱點(diǎn)。為了可以從語音信號中準(zhǔn)確地提取基音頻率，全世界的相關(guān)研究人員通過幾十年的努力，研究出了多種提取基音頻率的方法，特別是對于在存在噪音的環(huán)境下如何從語音信號中準(zhǔn)確有效地提取基音頻率提出了多種有效的提取方法 [26,27]。這些提取基音頻率的方法大致分為3類： ①波形估計法：直接根據(jù)語音信號的波形來估計基音周期，分析出波形上的周期峰值； ②相關(guān)處理法：相關(guān)處理法是在語音信號處理中使用得最廣泛的基音頻率提取方法，主要是因?yàn)橄嚓P(guān)處理法具有較強(qiáng)的抗波形相位失真的特性，另外相關(guān)處理法在硬件的實(shí)現(xiàn)上可以做到結(jié)構(gòu)簡單、容易實(shí)現(xiàn)。相關(guān)處理法主要包括有自相關(guān)法(ACF) [28,29]、平均幅值差函數(shù)法(AMDF) [30,31]、簡化逆濾波法(SIFT) [32]等； ③變換法：這種方法的主要思想是將語音信號變換到頻域或倒譜域 [33]上來進(jìn)行基音周期的計算，利用同態(tài)分析方法消除聲道的影響，得到語音信號激勵部分的信息，從而進(jìn)一步提取語音信號的基音周期。雖然利用這種方法進(jìn)行提取基音頻率的效果較好，但倒譜分析算法比較復(fù)雜并且計算量較大。重慶大學(xué)碩士學(xué)位論文 4 特征參數(shù)提取30以上方法的各自特點(diǎn)如下表所示： 基音頻率提取方法 pitch detection method提取基音頻率的方法種類提取基音頻率的方法名稱各個方法的特點(diǎn)過零率法 利用波形的過零率著眼于重復(fù)圖形數(shù)據(jù)減小法根據(jù)各種理論操作，從波形中去掉修正基音以外的數(shù)據(jù)波形估計法并行處理方法 由多種簡單的波形峰值檢測器提取基音周期自相關(guān)法 利用語音波形的自相關(guān)函數(shù)檢側(cè)基音周期簡化逆濾波法對語音波形進(jìn)行LPC 分析，用逆濾波器對頻譜做平滑處理，通過預(yù)測誤差的自相關(guān)函數(shù)進(jìn)行基音頻率的提取相關(guān)處理法平均幅值差法 通過采用平均幅值差函數(shù)來進(jìn)行基音頻率的提取循環(huán)直方圖法在頻譜上求出基頻高次諧波成分的直方圖，根據(jù)高次諧波的公約數(shù)決定基音變換法倒譜法根據(jù)對數(shù)功率譜進(jìn)行傅立葉反變換，然后通過分離頻譜進(jìn)行基音頻率的提取在以上的基音頻率提取方法中，人們采用得最普遍的基音頻率提取方法有自相關(guān)法（ACF法）、平均幅值差法（AMDF 法）和倒譜法。由于平均幅值差法（AMDF法）在具有噪音并且語速、音調(diào)變化較快的情況下性能較差，以及倒譜法會因?yàn)樵胍舻挠绊懚蟠蠼档突纛l率提取的準(zhǔn)確率，甚至?xí)霈F(xiàn)嚴(yán)重誤差；鑒于在本論文中的實(shí)驗(yàn)環(huán)境是在普通的房間里而且實(shí)驗(yàn)設(shè)備也比較簡單和落后（），再加上本文中基音頻率提取的對象是歌曲，所以本文采用自相關(guān)法（ACF法）來進(jìn)行基音頻率的提取。 自相關(guān)法（ACF 法）提取基音頻率自相關(guān)基音