【正文】 通特性，應(yīng)用最為廣泛 [7]。在這一節(jié)中，主要對(duì)短時(shí)能量、短時(shí)平均過零率等特征及它們的應(yīng)用加以介紹。通常是將語音信號(hào)轉(zhuǎn)換成電信號(hào)，再用 A/D 轉(zhuǎn)換器將其轉(zhuǎn)換成離散的數(shù)字信號(hào)，然后存入計(jì)算機(jī)內(nèi)存中 [2]。采樣頻率為 8000Hz，采樣后進(jìn)行 16 位量化。從圖中可以看出，雖然無法辨別語音波形的細(xì)節(jié)，但可以看出語音能量的起伏，以及語音信號(hào)隨時(shí)間變化的過程?？梢钥闯?，這段語音信號(hào)具有很強(qiáng)的準(zhǔn)周期性，且具有較大的振幅。圖 c 是 /K/輔音的展開圖。 (a)語音信號(hào)“開始”的確時(shí)域波形 (b)元音 部分 /a/展開波形 (c)輔音部分 /k/的展開波形 圖 4 語音信號(hào)“開始”的時(shí)域波形及其展開圖 短時(shí)能量分析 語音信號(hào)的能量隨時(shí)間變化比較明顯，一般清音部分的能量比濁音的能量小得多。對(duì)方案論證 第 11 頁 (共 45 頁 ) 于信號(hào) {x(n)}，短時(shí)能量的定義如下： ∞ ∞ En= ∑ [x(m)w(nm)]^2= ∑ x^2(m)h(nm)=x^2(n)*h(n) (33) m=∞ m=∞ 式 41 中 h(n)=w^2(n)， En 表示在信號(hào)的第 n 個(gè)點(diǎn)開始加窗函數(shù)時(shí)的短時(shí)能量。為了反映窗函數(shù)的選擇對(duì)短時(shí)能量的影響 ， 假設(shè)式 (21)中 h(n)非常長(zhǎng)，且為恒定幅度，那么 En 隨時(shí)間的變化將變?yōu)楹苄?，這樣的窗函數(shù)等效為很窄的低通濾波器。因此出現(xiàn)了窗長(zhǎng)選取上的矛盾，這種矛盾將在語音信號(hào)的短時(shí)表示方法的研究中反復(fù)出現(xiàn)。如果用 xw (n) 表示 x (n) 經(jīng)過加窗處 理后的信號(hào)，窗函數(shù)的長(zhǎng)度為 N，則短時(shí)能量可表示為： n+N1 En = ∑ x w^2(m) (34) m=n 短時(shí)能量主要有以下幾個(gè)方面的應(yīng)用：首先利用短時(shí)能量可區(qū)分清音和濁音，因?yàn)? 濁音的能量要比清音的能量要大得多；其次可以用短時(shí)能量對(duì)有聲段和無聲段進(jìn)行判定，對(duì)聲母和韻母分界，以及對(duì)連字分界等。解決這個(gè)問 題的方法是采用短時(shí)平均幅度值來表示能量的變語音信號(hào)的基音頻率提取算法研究 第 12 頁 (共 45 頁 ) 化。顧名思義，它是指每幀內(nèi)信號(hào)通過零值的次數(shù)。對(duì)于離散信號(hào)，短時(shí)平均過零率實(shí)質(zhì)上就是信號(hào)采樣點(diǎn)符號(hào)變化的次數(shù)。短時(shí)平均過零率的公式為： ∞ Zn=1/2 ∑ |sgn[x(m)]sgn[x(m1)]| w(nm) (36) ∞ 其中： 1 , x(n)≥ 0 sgn[x(n)]= (37) 1, x(n)＜ 0 短時(shí)平均過零率可以用于語音信號(hào)分析。盡管聲道有若干個(gè)共振峰，但由于聲門的影響，其能量分布主要集中在 3KHz 頻率范圍內(nèi)；反之，在清音段聲帶不振動(dòng)。由于短時(shí)平均過零率可以在一定程度上反映頻率的高低，因此在濁音段一般有較低的過零率，而在清音段具有較高的過零率，這樣就可以用短時(shí)平均過零率來初步判斷清音和濁音。其中共振峰就是一個(gè)典型的頻域參數(shù)，它可以決定信號(hào)頻譜的總體輪廓或包絡(luò)。 在語音的發(fā)音過程中，聲道通常都處于運(yùn)動(dòng)狀態(tài)，這個(gè)運(yùn)動(dòng)狀態(tài)的時(shí)變過程同振動(dòng) 過程相比要緩慢得多，因此一般假設(shè)語音信號(hào)是一種短時(shí)平穩(wěn)信號(hào)，在一個(gè)很短的時(shí)間內(nèi) (10ms30ms)是相對(duì)平穩(wěn)的， 但在長(zhǎng)時(shí)間的周期中語音信號(hào)的特性會(huì)發(fā)生變化，這種變化的不同決定了產(chǎn)生語音的不同。圖 6 中給出了“開始”中 /a/的頻譜特性。這里短時(shí)分析采用漢明窗，進(jìn)行頻譜分析的窗長(zhǎng)為 300 個(gè)采樣點(diǎn)。因此，頻譜分析是認(rèn)識(shí)語音信號(hào)和處理語音信號(hào)的重要方法。 常用的頻域分析方法有帶通濾波器組法、傅立葉變換法、和線性預(yù)測(cè)法等，傅立葉分析是分析線性系統(tǒng)和平穩(wěn)信號(hào)穩(wěn)態(tài)特性的強(qiáng)有力手段，傅立葉變換可以將信號(hào)分解為各個(gè)不同頻率分量的組合，從而把信號(hào)的時(shí)域特征和頻域特征聯(lián)系起來。為了能夠分析和處理非平穩(wěn)信號(hào)，人們對(duì)傅立葉變換進(jìn)行改進(jìn)提出了倒譜法，倒譜法是將對(duì)數(shù)功率譜進(jìn)行反傅立葉變化后得到的，它可以進(jìn)一步將聲道特性和激勵(lì)特性有效地分開，因此可以更好的 揭示語音信號(hào)的本質(zhì)特征。 幾種典型的基音檢測(cè)算法分析 準(zhǔn)確地檢測(cè)語音信號(hào)的基音周期，對(duì)于高質(zhì)量的語音分析與合成、語音壓縮編碼、語音識(shí)別和說話者確認(rèn)等方面具有重要的意義 [2]。因此，很難從復(fù)雜多樣的語音信號(hào)中提取僅和聲門振動(dòng)有關(guān)的音源信息。 本章節(jié)將對(duì)自相關(guān)函數(shù)法、平均幅度差函數(shù)法、小波變換法、倒譜法這四種傳統(tǒng)的基音周期估計(jì)方法的原理進(jìn)行分析。因此檢測(cè)自相關(guān)函數(shù)是否有峰值，就可以判斷是清 音還是濁音，且兩相鄰峰值之間對(duì)應(yīng)的時(shí)間段就是基音周期。 sw(n)的自相關(guān)函數(shù)稱為語音信號(hào) s(n)的短時(shí)自相關(guān)函數(shù)，用 Rw(k )表示，它的計(jì)算分式為： ∞ Nk1 Rw(k) = ∑ sw(n)sw(n+k) = ∑ sw(n)sw(n+k) (38) n=∞ n=0 由短時(shí)自相關(guān)函數(shù)的定義可以看出其所具有的一些性質(zhì)：① k=0 時(shí)函數(shù)取得最大值， 此 時(shí)，自相關(guān)函數(shù)的取值就是該信號(hào)的短時(shí)能量；②如果原序列是周期為Ｔ的周期信號(hào)，那么自相關(guān)函數(shù)也是周期為Ｔ的周期函數(shù)。但有時(shí)第一最大峰值位置并不一定與基音周期吻合。這是因?yàn)檎Z音信號(hào)包含豐富的諧波分量。同時(shí)，由聲道特性決定的語音信號(hào)的第一共振峰通常在 3001000Hz 的范圍內(nèi)，這樣就有可能導(dǎo)致語音的第 28 個(gè)諧波分量的幅度高于基頻分量。 語音信號(hào)的基音頻率提取算法研究 第 16 頁 (共 45 頁 ) 為了減少共振峰的影響，需要進(jìn)行一些前期的預(yù)處理。一般取最大信號(hào)幅度 60%~70%。經(jīng)過中心削波后只保留超過削波電平的部分，其結(jié)果是削去了許多和聲道響應(yīng)有關(guān)的波動(dòng)。 其削波特性如下： 圖 8 中心削波函數(shù) 方案論證 第 17 頁 (共 45 頁 ) 下圖畫出了未削波與削波后計(jì)算自相關(guān)函數(shù)的波形。這樣處理后的信號(hào)基本就只含有第一共振峰一下的基波和諧波分量。如圖所示原始信號(hào)的自相關(guān)函數(shù)和經(jīng)過 900Hz 低通濾波后的波形圖。但計(jì)算自 相關(guān)函數(shù)的運(yùn)算量很大，其原因是乘法運(yùn)算所需要的時(shí)間較長(zhǎng)。為了避免乘法運(yùn)算，常常采用另一種與自相關(guān)有類似作用的參量，即短時(shí)平均幅度差函數(shù) (AMDF)。 Tp,177。 Tp， 177。即當(dāng) k 與信號(hào)周期吻合時(shí)，作為 d(n)的短時(shí)平均幅度值總是很小，因此短時(shí)平均幅度差函數(shù)的定義為： Nk1 Fn(k) = ∑ | Sw(n+k) Sw(n) | (311) n=0 由上式可知，對(duì)于周期性的 d(n)， Fn(k) 也呈現(xiàn)周期性。因此在濁音信號(hào)的語音周期內(nèi)， Fn(k) 值迅速下降，而在清音語音時(shí)，不會(huì)有明顯的下降。而且計(jì)算上比短時(shí)自相關(guān)函數(shù)方法更為簡(jiǎn)單。同時(shí)， AMDF 函數(shù)在基音周期點(diǎn)的谷值比自相關(guān)函數(shù)的峰值更加尖銳，因此錯(cuò)判率相對(duì)較小，穩(wěn)分建性更高。 小波變換法 小波變換是 20 世紀(jì) 80 年代中后期逐漸發(fā)展起來的一種數(shù)學(xué)分析方法?！靶　敝钙渌p性，“波”指其波動(dòng)性，小波理論采用多辯率分析的思想，非均勻地劃分時(shí)頻空間，這使得小波變換在非平穩(wěn)信號(hào)的分析和處理中發(fā)揮著重要的作用。下面將主要介紹其在基音檢測(cè)方面的應(yīng)用。一般地，平滑函數(shù)的能量通常集中在低頻段，所以， 平滑函數(shù)可看成低通濾波器的系統(tǒng)響應(yīng)函數(shù)。 由小波變換與信號(hào)奇異性的關(guān)系可知，如果選擇小波函數(shù)為平滑函數(shù)的一階導(dǎo)數(shù)，則小波變換 Wf (s,x)的模極大值點(diǎn)對(duì)應(yīng)于 f (x)的突變點(diǎn) (奇異點(diǎn) )。 語音信號(hào)的基音頻率提取算法研究 第 20 頁 (共 45 頁 ) 圖 12 濁音段小波變換波形法進(jìn)行基音檢測(cè) 根據(jù)小 波變換的最大級(jí)數(shù)確定公式 I= log2(f s/ f 0)，其中 f s 為信號(hào)的采樣頻率， f 0為欲在信號(hào)中保留的最高頻率。大多數(shù)的語音樣本，在采用小波變換階數(shù)為 5 或 6，連續(xù)進(jìn)行五級(jí)變換，一般可以得到滿意的分析效果。而小波變換法恰恰改正了這一固有的弱點(diǎn)，它能動(dòng)態(tài)地隨語音信號(hào)的周期性變化而變化，不會(huì)因?yàn)檎Z音的準(zhǔn)周期性或某一段無周期性而影響提取效果。但當(dāng)檢測(cè)被噪聲污染的語音信號(hào)時(shí)，隨著信噪比的減小，利用小波變換進(jìn)行基音檢測(cè)的誤差越來越大。在語音信號(hào)處理的實(shí)際應(yīng)用中，很多場(chǎng)合需要根據(jù)語 音信號(hào)反過來求解聲門信號(hào)或聲道沖激響應(yīng)。由于語音信號(hào)進(jìn)行同態(tài)分析后得到的是語音信號(hào)的倒譜參數(shù)，因此同態(tài)分析也叫倒譜分析 [21]。我 們稱中的時(shí)域序列 x(n )為信號(hào)序列 x(n )的“復(fù)倒頻譜”，簡(jiǎn)稱“復(fù)倒譜”，也叫 做對(duì)數(shù) 復(fù)倒譜。又注意到，有 語音信號(hào)的基音頻率提取算法研究 第 22 頁 (共 45 頁 ) X^(z) = ln(X(z)) = ln(|X(z)|ejθ ) = ln(|X(z)|) – jθ，θ =argX(z) (321) 如果僅對(duì) X ^(z)實(shí)部作逆 Z 變換： c(n) = Z[ ln|Z[x(n)]|] 稱 c(n)為“倒頻譜”，簡(jiǎn)稱“倒譜”，也稱“倒頻”。 在絕大多數(shù)的應(yīng)用場(chǎng)合，特征系統(tǒng)和逆特征系統(tǒng)中的正反 Z 變換都可以用正反離散傅里葉變換來代替，此時(shí)倒譜的定義變?yōu)? c(n) = IDFT{ln|DFT[s(n)]|} (322) (a) 清音段倒譜圖 (b) 濁音段倒譜圖 圖 13 清音段與濁音段倒譜圖比較 在頻域內(nèi)，語音信號(hào)的短時(shí)譜等于激勵(lì)源頻譜與濾波器頻譜的乘積，濁音信號(hào)的短時(shí)譜中 包含的快變化的周期性細(xì)致結(jié)構(gòu)，必定對(duì)應(yīng)著周期性脈沖激勵(lì)的基頻和各次諧波。借此， 可從倒譜波形中估計(jì)出基音周期。過程論述 第 23 頁 (共 45 頁 ) 4 過程論述 基于 MATLAB 的基音測(cè)檢方法的實(shí)現(xiàn)與分析 軟件簡(jiǎn)介 MATLAB 是 Math Works 公司于 1982 年推出的一套高性能的數(shù)值計(jì)算和可視化軟件，它集數(shù)值分析、矩陣運(yùn)算、信號(hào)處理和 圖形顯示于一體，構(gòu)成了一個(gè)方便的、界面友好的用戶環(huán)境。主要涉及信號(hào)處理，控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、圖像處理、魯棒性控制、非線性系統(tǒng)控制設(shè)計(jì)、系統(tǒng)辨識(shí)等工具箱，這些工具箱給各個(gè)領(lǐng)域的研究和工程提供了有力的工具。 自相關(guān)函數(shù)法進(jìn)行基音檢測(cè) 本實(shí)驗(yàn)的目的是找出一種能運(yùn)用自相關(guān)函數(shù)法準(zhǔn)確檢測(cè)出一幀語音信號(hào)基音周期 的算法，并測(cè)試此算法的抗噪能力。 本文所有實(shí)驗(yàn)均以采樣頻率為 10KHz、精度為 16 比特的 wav 文件作為聲源。因此，濁音信號(hào)可能含有三四十次諧波分量，而其基波分量往往不是最強(qiáng)的分量。為了提高檢測(cè)的準(zhǔn)確度，實(shí)驗(yàn)中引入了一個(gè) 900Hz 低通濾波模塊濾除語音幀的高次諧波分量。因?yàn)橐粠Z音信號(hào)有 300 個(gè)采樣點(diǎn)，所以短時(shí)加窗處理時(shí)的窗函數(shù)的長(zhǎng)度也是 300。 (a) 窗長(zhǎng)為 150 的自相關(guān)函數(shù) (b) 窗長(zhǎng)為 300 的自相關(guān)函數(shù) 過程論述 第 25 頁 (共 45 頁 ) (c) 窗長(zhǎng)為 512 的自相關(guān)函數(shù) 圖 15 窗函數(shù) N 值的不同對(duì)基音周期檢測(cè)的影響 上圖采樣頻率為 10kHz 時(shí)，一幀語音信號(hào)分別選取 150、 300、 512 樣點(diǎn)時(shí)短時(shí)自相關(guān)函數(shù)的波形圖。 實(shí)驗(yàn)過程及仿真結(jié)果 本次實(shí)驗(yàn)用短時(shí)自相關(guān)函數(shù)法共做了四次實(shí)驗(yàn)仿真。實(shí)驗(yàn)結(jié)果如下： 語音信號(hào)的基音頻率提取算法研究 第 26 頁 (共 45 頁 ) (1) 原始信號(hào)的自相關(guān)分析 (2) 低通濾波后的自相關(guān)分析 對(duì)比圖 (1)和圖 (2)可以看出原始信號(hào)波形不光滑，含有較多的高頻分量其自相關(guān)函數(shù)波形也不夠光滑，經(jīng)低通濾波后變得光滑，波形沒有較多的突變，但峰值仍然不夠尖銳。 (4) 加噪 (強(qiáng)度為 )后的自相關(guān)分析 (5) 加噪 (強(qiáng)度為 )后的自相關(guān)分析 語音信號(hào)的基音頻率提取算法研究 第 28 頁 (共 45 頁 )