【正文】 0）外最近的一個最大值點）的位置并計算它與k=0 點的間隔，便能估計出基音周期。因此，在利用傳統自相關函數計算波形周期時，如果窗長不足夠長，包含的周期數不足夠多，則會給周期計算帶來困難。在圖32 中，峰值約出現在 63 的位置上，由此估計圖 32 的濁音語音的基音周期為T= 在第一個最大值出現在 51 的位置上，它表明平均的基音周期T=。在圖 32上自相關函數沒有很強的周期峰值，表明在信號中缺乏周期性，這種清音語音的自相關函數有一個類似于噪音的高頻波形，有點象語言信息本身。 由圖 32可見，對應于濁音語音的，自相關函數，具有一定的周期性。由于語音信號在一段時間內是周期變化的，所以甚至在很短一段語音內也不同于一個真正的周期信號段。如圖 32 所示，計算了滯后為 0〈 k〈 250 時的自相關值。短時自相關函數具有一下性質： 如果是周期的（設周期為 pN ），則自相關函數是同周期的周期函數，即)()( pnn NkRkR ?? )(kRn 是偶函數，即 )()( kRkR nn ?? 當 k=0 時，自相關函數具有最大值，即，并且等于確定性信號序列的能量或隨機性序列的平均功率。 自相關函數具有一些性質，如它是函數；假設序列具有周期性，則其自相關函數也是同周期的周期函數。 相關分析是一種常用的時域波形分析方法，并且自相關和互相關之分。事實上，僅依靠短時平均幅度和短時過零率兩個參數還不夠。 這個就是計算的后驗概率： ),( )()/,()/,( ZMP XPXZMPSZMP ?? （ 36） 其中 X=S 或 U 或 V。這些條件概率密度函數都接近于正態(tài)分布。其平均值約為 70（條件與濁音情況一致）。圖 31給出了短時平均幅度和短時過零率在三種情況下條件概率密度函數示意圖，其中短時平均幅度的最大值已規(guī)格化為 1。 短時能量、短時平均幅度和短時過零率都是隨機參數，但是對于不同性質的語音它們具有不同的概率分布。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。 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。高頻就意味著高的平均過零率。 對語音信號進行分析，發(fā)現發(fā)濁音時，盡管聲道有若干個共真峰，但由于聲門波引起譜的高頻跌落，所以其語音能量約集中在 3kHZ 以下 。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該高于 50HZ，以有效地抑制電源干擾。過零率就是樣本改變符號的次數。過零分析是語音時域分析中最簡單的一種。（ 3）作為一種超音段信息，用于語音識別中。 短時能量和短時平均幅度函數的主要用途有：（ 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。 設第 n真語音信號 xn(m)的短時能量用 En表示，則其計算公式如下： ???? 10 2 )(Nm nn mxE （ 32） En是一個度量語音信號幅度值變化的函數，但它有一個缺陷，即它對高電平非常敏感（因為它計算時用的信號的平方）。現在分別討論如下。 語音信號的時域參數有短時能量、短時過零率、短時自相關函數和短視平均幅度差函數等，這是語音信號的一組最基本的短時參量，在各種語音信號數字處理技術中都要應用。（ 3）可以得到語音的一些重要參數。 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，因而時域分析就是最早使用，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。對于這些音可以用一些修正模型或更精確的模型來模擬 . 3 語音信號的時域分析 語言信號的時域分析就是分析和提取語音信號的時域參數。另外，模型中，用濁音和清音這種簡單的劃分方法是有缺陷的，對于某些 音是不適用的，例如濁音當中的摩擦音。這里聲道轉移函數 V（ z）是一個參數隨時間變化的模型。實際上就是全集點模型： 應該指出，式（ 21）所示模型的內部結構并不和物理過程相一致，但這種模型和真實的模型在輸出上是一致的。它的傳遞函數可表示為： H（ z） =A﹒ U（ z） V（ z） R（ z） （ 21） 這里， U（ z）是激勵信號，濁音時 U（ z）是聲門脈沖即斜三角脈沖序列的 z 變換；在清音的情況下， U（ z）是一個隨機噪聲的 z變換。另一種方法是適當提高階數 P，使得全極點模型能更好地逼近具有此種零點的傳輸函數。除了這些限制以外，這個模型的局限性主要表現在它的傳輸函數不包含有限傳輸零點，而像鼻音、擦音這樣一些音的聲道傳輸函數中是 包含有限零點的。但是有些音的變化速度特別快，例如塞音或塞擦音的爆破段， 20ms 的時間間隔就過長，這時取 5ms 的間隔更為恰當。 如圖 21所示為語音信號的產生模型： 周 期 脈 沖發(fā) 生 器聲 門 脈 沖模 型隨 機 噪 聲發(fā) 生 器聲 道 模 型 輻 射 模 型基音頻率 0F 清濁音開關 uAvA 聲道參數 語音信號 )(nS 圖 21 語音信號產生模型 語音信號是一個局部平穩(wěn)的隨機信號，它的激勵參數和聲道濾波器的參數均隨時間而變化，但是由于發(fā)聲器官的慣性使這些參數的變化速度受到限制， 對于聲道參數，在一較短的時間內 (10～ 30ms)可近似認為是不變的，因此語音的短時分析幀長一般取為 20ms 左右。不斷控制清濁音開關、激勵脈沖的周期以及噪聲源強度，同時隨著不同的發(fā)音改變?yōu)V波器特性，輸出的信號就是所要求的語音信號序列。 建立數學模型的基本原則是要使這種關系不僅能具有最大的精確度，還要最簡單。所謂建立數學模型，就是要尋找一種可以表達一定物理狀態(tài)下量與量的數學表示。凡是聲帶不振動的聲音，統稱清音，有時也稱為無聲音。聲帶在氣流的作用下發(fā)生振動，從而產生準周期的聲波激勵，這種激勵經過口腔和鼻腔的諧振作用而形成濁音，有時稱為有聲音。聲道的一端是喉，另一端是嘴，其中包含有聲帶、聲門、口腔和鼻腔等。數字模型就是用數字處理方法實現這種物理系統的模擬，由此可估計出語音波形的參數，因此，這種數字模型也是語音參數模型。由于不同的語音是由人的口腔肌肉運動構成聲道某種形狀而產生的響應，而這種肌肉運動相對于語音頻率來說是極緩慢的，因此一般認為在 20～ 40ms的短時間內語音信號是平穩(wěn)的，所以完全可以用短時平穩(wěn)的分析方法。模型分 析法是依據語音信號的數學模型的理論來求得這些模型參數，而將其它分析方法籠統地歸于非模型分析法中。 2 語音信號的數字建模 語音信號分析大體上有時域、頻域、倒譜域等分析方法。如自動控制系統，公共交通中的自動報站﹑各種場合的自動報警﹑公安機關破案等國家安全事務有重要應用。八十年代以來出現的語音信號處理產品的熱潮 .IBM 于 1997 年推出的漢語聽寫機，為語音識別技術的實際應用開辟了新的道路。 1958 年 Duddley 等人改進了數字實驗裝置，將語音分割為元音和輔音等單元。 語音處理研究的歷史可追溯到 1876 年貝爾發(fā)明電話，那是首次采用聲電﹑電聲轉換技術實現遠距離語音通訊。 第五章是本 書要重點研究的內容，也是語音處理一種非常重要的方法。 (5) MATLAB 軟件編程。 (3) 語音信號的頻域分析。 根據設計任務書的要求，本設計主要內容如下： (1) 語音信號產生的數字模型，以及語音信號模型的建立機理。 數字語音處理有著廣泛的應用領域，其中最重要的包括：語音壓縮﹑語音合成、 語音識別﹑以及語音增強。在時域內，這就是各種短時處理技術的方法，如短時能量﹑短是平均過零率及短時自相關函數等計算；在頻域內，這就是短時傅立葉變換方法。和一般的數字與信號的處理相類似，其方法可以是時域的，也可以是頻域的，但都應考慮到語音信號本身的特點。這是因為：第一，數字技術能夠完成很多很復雜的信號處理工作；第二，通過語音進行交換的信息，本質上具有離散的性質，因為語音可以看成是語素的組合，這就特別適用于數字處理；第三，數字語音具有更高的可靠性﹑價廉﹑緊湊﹑快速等特點，很容易完成實時處理要求；第四，數字語音具有在強干擾信道中傳輸的特點，易于和數據一起在通信網中傳輸，也易于進行加密傳輸，因此，數字語音 也是主要研究方向。這些內容涉及到了數字信 號處理﹑計算機科學﹑模式識別﹑語音學﹑生理學等學科，還涉及到通信和電子系統，信號和信息處理系統等具體的應用領域。無論，人與人之間，還是人與計算機之間的語音通信，語音信號處理，特別是語音信號處理的理論和技術，都具有特別重要的作用。1 緒論 綜述 語音是人類信息活動的重要手段之一，語音不僅是人與人之間進行信息交流的最直接﹑最方便的和最有效的工具。人機對話意味著計算機應該具有語音輸入和語音識別的功能，即計算機具有聽覺，能夠“聽懂”人話，這就是語音識別的功能。 數字語音處理包含三個方面內容：語音信號的數字表達方法﹑語音信號的數字處理的各種方法﹑以及數字語音處理理論和技術在各個領域的應用。 對于語音信號，數字處理比模擬處理具有更多優(yōu)點。 語音信號處理的方法是多種多樣的。語音信號是時變信號，只是在一個一個短段內才可以看成平穩(wěn)的，因此，短時處理是處理語音信號的一種基本方法。線性預測技術本質上屬于時域分析方法，但結果可以是頻域的參數。這些方面的研究以深入到通信﹑辦公自動化﹑遠距離控制﹑聲控電話撥號﹑計算機語音應答，以及機器人聽覺和口語系統等實用的系統中。 (2) 語音信號的時域分析。 (4) 語音信號的線性預測技術。 第三第四章主要是介紹如何將本不平穩(wěn)的語音信號轉換為平穩(wěn)的語音信號，以及短時處理的一些基本理論和方法。 第六章是對 MATLAB 的一些基本介紹和程序上的運用。 1939 年 研制成功了第一個聲碼器，這一發(fā)明奠定了語音數字模型的基本思想，在語音信號處理領域具有劃時代的意義。 六十年代以來，有關語音信號處理的論文數量達到高峰，但處理方多 以軟件形式出現。 近幾年來，語音信號處理不僅在理論上取得了重大進步，而且其應用范圍也不斷擴大?，F在，語音信號處理的理論與方法已成為許多專業(yè)的共同基礎。但是按語音學觀點，可將它分為模型分析法和非模型分析法兩種。模型分析法中的各種模型只適合于信號是平穩(wěn)或局部平穩(wěn)的情形。 語音信號產生模型是對發(fā)聲器官的模擬和仿真。我 們知道發(fā)聲器官能發(fā)出一系列的聲波是出于聲道受到氣流的激勵而產生的。根據聲帶振動與否，語音可分為濁音和清音兩大類。氣流經過口腔的唇齒部分，如果引起湍流就產生摩擦音，有時因為唇部突然張開而形成爆破音。用數字方法模擬這種功能時，用準周期的脈沖序列來模擬聲帶振動的激勵，而用隨機噪聲模擬清音的 激勵，口腔、鼻腔等所組成的聲道諧振特性可用時變數字濾波器來模擬。建立了數學模型才能夠用計算機對語音信號進行模擬和處理。數字濾波器的頻率響應受到一些參數的控制。 通過對發(fā)音機理和語音信號的產生機理的分析，可以將語音信號分為三個部分，在聲帶以下，稱為 “聲門子系統”，它負責產生激勵振動，是“激勵系統”； 從聲門到嘴唇的呼氣通道是聲道，是“聲道系統”；語音從嘴唇輻射出去，所以嘴唇以外是“輻射系統”。對于激勵源參數，大多數情況下這一結論也是正確的。模型中將語音信號截然分為受周期脈沖激勵和噪聲激勵兩種情況，與實際情況并不完全符合，將清濁音開關換為疊加號更為合適，這樣激勵信號可以是上述兩種激勵按任意比例相疊加，這更加符合實際情況 (即使如此，這個模型也不能完全包括所有的情況 )。一種解決問題的方法是在聲道模型中引入若干有限傳輸零點，但是這將使模型復雜化。綜上所述，完整的語音信號得數字模型可以用三個子模型：激勵模型﹑聲道模型﹑和輻射模型的串聯來表示。 V（ z）是聲道傳輸函數，既可以用聲管模型，也可以用共峰模型來描述。另外，這種模型是“短時”的模型，因為一些語音信號的變化是緩慢的，例如元音在 10～ 20ms 內其參數是假定不變的。另外，這一模型認為語音是聲門激勵線形預測系統 —— 聲道所產生的；實際上，聲帶 聲道相互作用的非線形特征還有待研究。這種音要有發(fā)濁音和發(fā)清音的兩種激勵，而且兩者不是簡單的疊加關系。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。時域分析通常用于最基本的參數分析及應用，如語音的分割、預處理、大分類等。（ 2）實現起來比較簡單、運算量少。（ 4）只使用示波器等通用設備，使用較為簡單等。在計算這些參量時使用的一般是方窗或汗明窗。 設語音波形時域信號為 x(l)、加窗分鎮(zhèn)處理后得到的第 n 真語音信號為 xn(m), 則 xn(m)滿足下式： xn(m)=w(m)x(n+m) 0mN1 （ 31） 其中， n=0,1T,2T,? ,并且 N為真長， T為真移長度。為此，可以采用另一個度量語音信號幅度值變化的函 數，即短時平均幅度函數 Mn，它定義為 ???? 10 )(Nm nn mxM （ 33） Mn也是一真語音信號年齡大小的表征，它與 EN的區(qū)別在于計算時小樣值和大取樣值不會因平方而造成較大差異，在某些應用領域中回帶來一些好處。（ 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