【正文】 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。當然，這種高低僅是相對而言，并沒方精確的數(shù)值關(guān)系。而發(fā)清音時，多數(shù)能量出現(xiàn)在較高頻率上。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 。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 。 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。 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)。 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。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，在某些應用領(lǐng)域呻會帶來一些好處。 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。 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)中都要應用 [6]。 ③ 可以得到語音的一些重要的參數(shù)。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。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。 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)。 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。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。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。因此語音信號分析在語音信號處理應用中具有舉足輕重的地位。 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]。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。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。 語音信號經(jīng)過預濾波和采樣后，由 A／ D變換器變換為二址制數(shù)字碼 。量化電平按級數(shù)變化，實際的振動值是連續(xù)的物理量。 根據(jù)采樣定理，當采樣頻率大于信號的兩倍帶寬時，采樣過程不會丟失信息，利用理想濾波器可從采樣信號中不失真地重構(gòu)原始信號波形。但過高的采樣頻率并不可取，對固定長度（ T）的信號，采集到過大的數(shù)據(jù)量（ N=T/△ t），給計算機增加不必要的計算工作量和存儲空間；若數(shù)據(jù)量（ N）限定，則采樣時間過短，會導致一些 數(shù)據(jù)信息被排斥在外。如何合理選擇△ t 涉及到許多需要考慮的技術(shù)因素。 河南農(nóng)業(yè)大學理學院本科 畢業(yè)論文 (設(shè)計 ) 0 1 2 3 4 5 6x 1 04 0 . 200 . 20 . 40 . 6抽取后的信號0 5000 10000 1500011 . 522 . 53 對上述信號進行 1/80 采樣頻率抽取，即 采樣頻率 變?yōu)閷⒔?500Hz 時，由于采樣頻率比較小，所以采樣點數(shù)就稀疏 ，所得離散信號就越 偏離 于原信號 ，頻譜也發(fā)生了混疊。 下圖時一段語音信號在采樣頻率 情況下的頻譜圖。 采樣也稱抽樣，是信號在時間上的離散化，即按照一定時間間隔△ t 在模擬信號 x(t)上逐點采取其瞬時值。當使用要求較高或很高的場合時 fH＝ 4500Hz 或 8000Hz、 fL＝ 60Hz、 fs＝ 10kHz 或 20kHz。 ② 抑制50Hz 的電源工頻干擾。 下面是一段語音信號的時域波形圖 (圖 21)和頻域圖 (圖 22)，由這兩個圖可以看出語音信號的兩個特點。 ② 在時域內(nèi)，語音信號具有“短時性”的特點，即在總體上，語音信號的特征是隨著時間而變化的，但在一段較短的時間間隔內(nèi)，語音信號保持平穩(wěn)。 河南農(nóng)業(yè)大學理學院本科 畢業(yè)論文 (設(shè)計 ) 第 2 章 語音信號的特點 與采集 語音信號的特點 通過對大量語音信號的觀察和分析發(fā)現(xiàn)，語音信號主要有下面兩個特點： ① 在頻域內(nèi)，語音信號的頻譜分量主要集中在 300～ 3400Hz 的范圍內(nèi)。在新的版本中也加入了對 C， FORTRAN， C++， JAVA 的支持。 MATLAB 可以進行 矩陣 運算、繪制函數(shù)和數(shù)據(jù)、實現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應用于工程計算、控制設(shè)計、信號處理與通訊、 圖像處理 、 信號檢測 、金融建模設(shè)計與分析等領(lǐng)域。 MATLAB 是 矩陣實驗室 （ Matrix Laboratory）的簡稱，和 Mathematica、 Maple 并稱為三大數(shù)學軟件。第 4章是對語音信號的綜合和分析，包括語音信號的調(diào)制，疊加，和濾波。 第 2章主要介紹 語音信號的特點與采集 ，仿真主要是驗證 奈奎斯特定理 。另一方面，為了語音識別實用化的需要，講者自適應、聽覺模型、快速搜索識別算法以及進一步的語言模型的研究等課題倍受關(guān)注。其中，語音識別逐漸由實驗室走向?qū)嵱没?。由于美國河南農(nóng)業(yè)大學理學院本科 畢業(yè)論文 (設(shè)計 ) 貝爾實驗室的 Babiner 等人在 20世紀 80 年代中期，對隱馬爾可夫模型深人 淺 出的介紹，才使世界各國從事語音信號處理的研究人員了解和熟悉，進而成為一個公認的研究熱點，也是目前語音識別等的主流研究途徑。其中 ，隱馬爾可夫模型作為語音信號的一種統(tǒng)計模型，在語音信號處理的各個領(lǐng)域中獲得了廣泛的應用。因此， 20 世紀 80年代開始出現(xiàn)的語音信號處理技術(shù)產(chǎn)品化的熱溯，與上述語音信號處理新技術(shù)的推動作用是分不開的。這就是 20 世紀 70 年代初由板倉 (Itakura)提出的動態(tài)時間規(guī)整 (DTW)技術(shù)，使語音識別研究在匹配算法方面開辟了新思路； 20 世紀 70 年代中期線性預測技術(shù) (LPC)被用于語音信號處理，此后隱馬爾可夫模型法 (HNMM)也獲得初步成功，該技術(shù)后來在語音信號處理的多個方面獲得巨大成功； 20 世紀 70 年代未， Linda、 Buzo、 Gray 和 Markel等人首次解決了矢量量化 (VQ)碼書生成的方法，并首先將矢量量化技術(shù)用于語音編碼獲得成功。歷時五年的龐大的 ARPA 研究計劃，雖然在語音理解、語言統(tǒng)計模型等方面 的研究積累了一些經(jīng)驗，取得了許多成果，但沒能達到巨大投資應得的成果，在 1976 年停了下來，進入 了 深刻的反省階段。到了 1971年，以美國 ARPA(American Research Projects Agency)為主導的“語音理解系統(tǒng)”的研究計劃也開始起步。 到了 1970 年，好似反駁 Pierce 的批評，單 詞識別裝置開始了實用化階段，其后實用化的進程進一步高漲，實用機的生產(chǎn)銷售也上了軌道。然而，在語音識別領(lǐng)域內(nèi)，初期有幾種語音打字機的研究也很活躍，但后來已全部停了下來，這說明了當時人們對話音識別難度的認識得到了加深。 20 世紀 60 年代中期形成的一 系列數(shù)字信號處理方法和技術(shù)， 如 數(shù)字濾波器、快速博里葉變換 (FFT)等成為語音信號數(shù)字處理的理論和技術(shù)基礎(chǔ)。 1956 年 Olson和 Belar 等人采用 8 個帶通濾波器組提 取頻譜參數(shù)作為語音的特征，研制成功一 臺簡單的語音打 字 機。但是它的快速發(fā)展可以說是從 1940 年前后 Dudley的聲碼器 (vocoder)和 potter 等人的可見語音 Visible Speech)開始的。因為許多處理的新方法的提出，首先是在語音 信號 處理中獲得成功，然后再推廣到其他領(lǐng)域 。語音信號 采集與分析 是以語音語言學和數(shù)字信號處理為基礎(chǔ)而形成的一門涉及面很廣的綜合性學科，與心理、生理學、計算機科學、通信與信息科學以及模式識別和人工智能等學科都有著非常密切的關(guān)系。我們今天進行這一領(lǐng)域的研究與開拓就是要讓語音信號處理技術(shù)走人人們的日常生活當中，并不斷朝更高目標而努力。它正在直接與辦公、交通、金融、公安、商業(yè)、旅游等行業(yè)的語音咨詢與管理．工業(yè)生產(chǎn)部門的語聲控制，電話、電信系統(tǒng)的自動撥號、輔助控制與查詢以及醫(yī)療衛(wèi)生和福利事業(yè)的生活支援系統(tǒng)等各種實際應用領(lǐng)域相接軌，并且有望成為下一代操作系統(tǒng)和應用程序的用戶界面。隨著計算機越 來越向便攜化方向發(fā)展，隨著計算環(huán)境的日趨復雜化，人們越來越迫切要求擺脫鍵盤的束縛而代之以語音輸人這樣便于使用的、自然的、人性化的輸人方式?，F(xiàn)在，人類已開始進入了信息化時代，用現(xiàn)代手段研究語音 信號 ，使人們能更加有效地產(chǎn)生、傳輸、存儲、獲取和應用語音信息，這對于促進社會的發(fā)展具有十分重要的意義。因此，語音信號是人們構(gòu)成思想疏通和感情交流的最主要的途徑。 Keywords： audio signal， acquisition and analysis， MATLAB 河南農(nóng)業(yè)大學理學院本科 畢業(yè)論文 (設(shè)計 ) 目 錄 摘 要 ............................................................................................................................... 3 Abstract........................................................................................................................... 4 目 錄 ............................................................................................................................... 5 第 1章 緒 論 ........................................................................................................... 6 課題的背景與意義 ............................................................................................. 6 國內(nèi)外研究現(xiàn)狀 ................................................................................................. 6 本文主要工作 ............................................................................................