小波去噪語音識別ppt課件-文庫吧資料
2025-01-20 15:24本頁面
【正文】 自然對數(shù)，得到 Lm ， m = 0， 1， ...， M1。對每幀序列 s ( n) 進(jìn)行預(yù)加重處理后再經(jīng)過離散 FFT變換，取模的平方得到離散功率譜 S ( n) 。近年來，一種能夠比較充分利用人耳這種特殊的感知特性的參數(shù)得到了廣泛的應(yīng)用，這就是 Mel尺度倒譜參數(shù)，或稱 Mel頻率倒譜參數(shù)（ MFCC）。這種參數(shù)沒有充分利用人耳的聽覺特性。如果 LPCC階數(shù)大于 p， 則用第三式進(jìn)行計(jì)算 ，此時實(shí)際上是一種外推。111111式中 a1 ， ...， ap 為 p階 LPC特征向量。1。一般情況下，極點(diǎn)的個數(shù)在 12~16個之間，就足夠清晰地描述語音信號的特征了。人的發(fā)音器官可以用若干段前后連接的聲管斤進(jìn)行模擬，這就是所謂的聲管模型。 盡管不能用短時能量可靠地區(qū)分清音和靜音，但是還是可以發(fā)現(xiàn)在靜音段信號的波形變化相對比較緩慢，而在清音段，由于口腔空氣摩擦的效果，所造成的波形在幅度上的變化比較劇烈，通?？梢杂靡粠盘栔胁ㄐ未┰搅汶娖降拇螖?shù)來描述這種變化的劇烈程度，稱為過零率。濁音為聲帶振動發(fā)出，對應(yīng)的語音信號有幅度高周期性明顯的特點(diǎn)，而清音則不會有聲帶的振動，只是靠空氣在口腔中的摩擦、沖擊或爆破而發(fā)聲，其短時能量一般比較小，往往會被基于能量的算法漏過去。 對于第 i幀，第 n個樣本，他與原始語音信號的關(guān)系為： ])1[()( nMixnx i ???第 i幀語音信號的短時能量可以用下面幾種算法得到 : ?????????NniNniNninxienxienxie12121)](lo g [)()()(|)(|)(將語音信號分幀后計(jì)算每幀的短時能量，再設(shè)一個門限，就可以實(shí)現(xiàn)一個簡單的端點(diǎn)檢測算法。對于輸入的語音信號 x(n)，其中 n為采樣點(diǎn)，首先進(jìn)行分幀的操作，將語音信號分成20~30毫秒一段，相鄰的兩幀之間有 10~20毫秒的交疊。我們采用的是經(jīng)典的雙門限檢測法 為了區(qū)分噪音和語音，很直觀的一種方法是用信號的幅度作為特征，只要設(shè)定一個門限，當(dāng)信號的幅度超過該門限的時候，就認(rèn)為語音開始，當(dāng)幅度降低到門限以下就認(rèn)為語音結(jié)束。 含高斯白噪聲的隨機(jī)信號 去噪后的信號 對于簡單的直接加入高斯噪聲的信號，去噪效果還是比較理想的，但在具體實(shí)驗(yàn)中，環(huán)境變量等其他因素引起的噪聲情況比較復(fù)雜，效果并沒有以上明顯。選擇一個合適的閾值 , 對小波系數(shù)進(jìn)行閾值處理 , 就可以達(dá)到去除噪聲而保留有用信號的目的。于是可以找到一個合適的數(shù)作為閾值 ,當(dāng)小波系數(shù)小于該閾值時 , 認(rèn)為這時的小波系數(shù)主要是由噪聲引起的 。 小波閾值去噪的主要理論依據(jù)為 :信號在小波域內(nèi)其能量主要集中在有限的幾個系數(shù)中 , 而噪聲的能量卻分布于整個小波域內(nèi)。 第三類是閾值去噪。對于離散的情況 , 小波序列為 )2(2)( 2,
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1