【正文】 的函數(shù)．即短時平均幅度函數(shù) Mn，它定義為： 10 ()NnmMn x m???? Mn 也是一 幀 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 也 會帶來一些好處。 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 (指字之間無間隙 )的分界等。 短時過零 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)。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。定義語 音信號 Xn（ m） 的短時過零率 Zn 為： 11 ? ? ? ?101 s g n ( ) s g n ( 1 )2 Nn n nmZ x m x m??? ? ?? 式中， sgn[ ]是符號函數(shù)，即： ? ? ?1,( 0 )1,( 0 )sgn x xx ???? 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(zhǔn) 確 。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 。而發(fā)清音時，多數(shù)能量出現(xiàn)在較高頻率上。當(dāng)然，這種高低僅是相對而言，并沒 有 精確的數(shù)值關(guān)系。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(dāng)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。但是研究表明，在以某些音為開始或結(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)。 12 500 1000 1500 2020 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 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。本文介紹的是語音信號的傅里葉分析法。 利用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? ??? ? (31) 由定義可知，短時傅里葉變換實際就是窗選語音信號的標(biāo)準(zhǔn)傅里葉變換。 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。 我們還可以將式 (3— 1)寫成另一種形式。當(dāng) n 取固定值時， w(nm)的傅里葉變換為： 13 ( ) ( )jw n jw n jwm w n m e e W e? ? ? ?? ? ? ? ? ?? (32) 根據(jù)卷積定理，有： ( ) ( ) ( )jw jw jw n jwnX e X e e W e????? ? ??? (33) 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( ) ( ) ( )2jw j jn j wnX e W e e X e d? ? ? ?? ?? ?? ? ? ???? ? ? ?? （ 34） 即，假設(shè) x(m)的 DTFT 是 ()jwXe ， 且 ()wm的 DTFT 是 ()jwWe ， 那么 ()jwnXe 是()jwXe 和 ()jwWe 的 周期 卷積。由式 (34)可知，為了使 ()jwnXe 忠 實再現(xiàn) ()jwXe 的特性 。所以為了使( ) ( )jw jwnX e X e? ，需 N?? ；但是 N值太大時， 信 號的分幀 又 失 去了意義 。因此， 應(yīng)折衷選擇 窗 的寬度 N。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 。 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 傅 里葉變換 (DFT)。當(dāng)然，這時窗長 N 必須是 2 的倍數(shù) 2L (L 是整數(shù) )。另外，為了使 ()nXk具有較高的頻率分辨率，所取的 DFT 以及相應(yīng)的FFT 點數(shù) 1N 應(yīng)該足夠多，但有時 ()nxm的長度 N要受到采樣 率 和短時性的限制，例如，在通常采樣率為 8kHz 且?guī)L為 20ms 時， N=例如、在 10kHz 的范圍內(nèi)采樣求頻譜，并要求頻率分辨率在 30Hz 以下。 FFT 的計算可以在通用計算機上由相應(yīng)的算法軟件來完成，這種方式一般只能實現(xiàn)非實時運算。為了完成 1024 點的 FFT，這些專用芯片所需的運 算時間是幾十毫秒至 幾 毫秒，甚至可以降至 1ms 以下。 往往都是利用語音信號的功率譜。 并且功率譜 ()jwnSe 是短時自相關(guān)函數(shù) ()nRk的傅里葉變換。 15 圖 32同一人兩次說同一詞的功率譜比較 可以看出功率譜圖比較好地反映出聲音的個人特征：在低頻部分（頻率低于6000Hz），同一人說同一詞，其功率譜圖中的各個波峰所對應(yīng)的頻率基本相同；不同人說同一詞，其功率譜圖的出現(xiàn)波峰的頻率比較接近；同一人說不同詞時功率譜的形狀差別較大。 語音信號的語譜圖 語音的時域分析和頻域分析是語音分析的兩種重要方法。但是由于語音信號隨時間變化是很緩慢的，因而在一段短時間內(nèi) (如 10～ 30ms之間，即所謂的一幀之內(nèi) )可以認(rèn)為其頻譜是固定不變的，這種頻譜又稱為短時譜。因此，人們致力于研究語音的時頻分析 特性。語 譜 圖是一種三維 頻譜 ，它是 表示語音 頻譜隨時間變化的圖形，其縱軸為頻率，橫軸為時間，任一給定頻率成分在給定時刻的強弱用相應(yīng)點的灰度或色調(diào)的濃 淡 來表示。 語譜 圖中顯示了大量的與語音的語句特性有關(guān)的信息，它綜合 了 頻譜圖和時域波形的特點，明顯地顯示 出 語音 頻譜 隨時間的變化情況，或者說是一種動態(tài)的頻譜； 記錄 這種 頻譜 的儀器就是語譜儀。 帶通濾波器有兩種帶寬可供選擇：窄帶為 45Hz，寬帶為 300Hz。寬帶語譜圖能給出語音的共振峰頻率及清輔音的能量匯集區(qū)，在 語 譜 圖 里共振峰呈現(xiàn)為黑色的條紋。 語 語圖的實際應(yīng)用是用于確定出講話人的本性。因而可以利用 聲紋 鑒別不 同 的講話人 。雖然對采用語譜圖的講活人識別技術(shù)的可靠性存在相當(dāng)?shù)膽岩?，但目前這一技術(shù)已在司法法庭得到某些認(rèn)可及采用。同時給出了相應(yīng)的語音的時域波形。橫杠 3 x 10 4 0 河 南理工大學(xué) 0 50 100 150 200 250 300 350 400 50 100 150 200 250 17 是與時間軸平行的幾條深黑色帶紋，它們相應(yīng)于短時譜中的幾個凸出點，也就是共振峰。在一個語音段的語譜圖中，有沒有橫扛出現(xiàn)是判斷它是否是濁音的重要標(biāo)志。每個豎直條相當(dāng)于一個基音，條紋的起點相當(dāng)于聲門脈沖的起點，條紋之間的距離表示基音周期。 18 4 語音信號的綜合仿真分析 Matlab MATLAB 將矩陣運算、數(shù)值分析、圖形處理、編程技術(shù)結(jié)合在一起，為用戶提供了一個強有力的科學(xué)及工程問題的分析計算和程序設(shè)計工具，它還提供了專業(yè)水平的符號計算、文字處理、可視化建模仿真和實時控制等功能，是具有全部語言功能和特征的新一代軟件開發(fā)平臺。在歐美等國家的高校， MATLAB 已成為線性代數(shù)、自動控制理論、數(shù)理統(tǒng)計、數(shù)字信號處理、時間序列分析、動態(tài) 系統(tǒng)仿真等高級課程的基本教學(xué)工具。在設(shè)計研究單位和工業(yè)開發(fā)部門， MATLAB 被廣泛的應(yīng)用于研究和解決各種具體問題。 ○ 1 MATLAB 的功能 1）全新的開發(fā)環(huán)境 GUIDE(GUI Development Environment)：由早期的單一命令窗口發(fā)展為將一些常用的交互式工作界面高度的集中于操作桌面； 2） 在命令窗口增加了錯誤跟蹤功能 (error display message and abort function)； 3）提供了許多新的數(shù)值處理功能 (numerical Treatment Techniques)，更新了部分函數(shù)的功能和算法，增加了許多新函數(shù)； 4）在圖形窗口增加了曲線擬合、數(shù)據(jù)統(tǒng)計等交互工具； (Curve Fitting, Data Analyzing ) 5）引入了類與對象及函數(shù)句柄等概念 。 (Editor/Debugger)增加了行號和書簽等功能； 7）屬性編輯器功能更強 (Property Debugger)，使用更方便； 8）建立了一個與以前完全不同的圖形用戶界面（ GUI）圖形窗口， (Graphical Window)使用更加方便靈活； 9）增加了虛擬現(xiàn)實工具箱， (Virtual Reality Toolbox)使用標(biāo)準(zhǔn)的虛擬現(xiàn)實建模語言（ VRML）技術(shù)，可以創(chuàng)建由 MATLAB 和 simulink 環(huán)境驅(qū)動的三維動畫場景； 10）在應(yīng)用程序接口方面增加了與 Java 的接口 (Interface for Java)，并為二者 19 的數(shù)據(jù)交換提供了相應(yīng)的程序庫。 5）應(yīng)用程序接口： (Applied Function Interface)MATLAB 的應(yīng)用程序接口允許用戶使用 C 或 FORTRAN 語言編寫程序與 MATLAB 連接。臨時變量不占空間，為了對變量的內(nèi)容進行觀察、編輯與修改，可以用三種方法打開內(nèi)存數(shù)組編輯器。 欲查看工作空間的情況，可以在命令窗口鍵入命令 whos（顯示存在工作空間全部變量的名稱、大小、數(shù)據(jù)類型等信息）或命令 who（只顯示變量名） ○ 4 當(dāng)前目錄瀏覽器： (Current Directory) 用于顯示及設(shè)置當(dāng)前工作目錄，同時顯示當(dāng)前工作目錄下的文件名、文件類型及目錄的修改時間等信息。 設(shè)置當(dāng)前目錄可以在瀏覽器窗口左上角的輸入欄中直接輸入，或點擊瀏覽器下拉按鈕進行選擇。 ○ 5 命令歷史窗口： (Command History) 記錄已 運行過的 MATLAB 命令歷史，包括已運行過的命令、函數(shù)、表達(dá)式等信息，可進行命令歷史的查找、檢查等工作，也可以在該窗口中進行命令復(fù)制與重運行。 平臺列出了系統(tǒng)中安裝的所有的 MATLAB 產(chǎn)品的目錄，可以通過雙擊來啟動相應(yīng)的選項。 基本功能 MATLAB 是由美國 mathworks 公司發(fā)布的主要面對科學(xué)計算、可 視化以及交互式程序設(shè)計的高科技計算環(huán)境。 MATLAB 和Mathematica、 Maple 并稱為三大數(shù)學(xué)軟件。 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 matlab 開發(fā)工作界面接其他編程語言的程序等，主要應(yīng)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。在新的版本中也加入了對 C， FORTRAN， C++， JAVA的支持。 原始語音信號 錄制一段自己的語音信號，并對錄制的信號進行采樣；畫出采樣后語音信號的時域波形和頻譜圖； %語音信號時域頻域分析 [y,Fs,bits]=wavread(39。)。%我這里假設(shè)你的聲音是雙聲道，我只取單聲道作分析 sigLength=length(y)。%在 sigLength 這個有限區(qū)間內(nèi)做快速傅立葉變換 Pyy = Y.* conj(Y) / sigLength。 %半寬度 21 f=Fs*(0:halflength)/sigLength。plot(f,Pyy(1:halflength+1))。Frequency(Hz)39。 %在第一個窗口畫率譜 t=(0:sigLength1)/Fs。plot(t,y)。Time(s)39。 %在第二個窗口畫波形 0 0 . 5 1 1 . 5 2 2 . 5x 1 05