(信号与信息处理专业论文)语音信号特征参数及端点检测.pdf_第1页
(信号与信息处理专业论文)语音信号特征参数及端点检测.pdf_第2页
(信号与信息处理专业论文)语音信号特征参数及端点检测.pdf_第3页
(信号与信息处理专业论文)语音信号特征参数及端点检测.pdf_第4页
(信号与信息处理专业论文)语音信号特征参数及端点检测.pdf_第5页
已阅读5页,还剩42页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其 他人已经发表或撰写过的研究成果, 也不包含为获得安徽安徽大学大学或其他教育机构 的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示谢意。 学位论文作者签名: 周华周华 签字日期:2008 年 05 月 11 日 学位论文版权使用授权书 本学位论文作者完全了解安徽大学安徽大学有关保留、使用学位论文的规定,有 权保留并向国家有关部门或机构送交论文的复印件和磁盘, 允许论文被查阅和借 阅。 本人授权安徽大学安徽大学可以将学位论文的全部或部分内容编入有关数据库进行 检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书) 学位论文作者签名: 周华周华 导师签名:李晓辉李晓辉 签字日期:2008 年 05 月 11 日 签字日期:2008 年 05 月 11 日 学位论文作者毕业去向: 工作单位: 电话: 通讯地址: 邮编: 安徽大学硕士学位论文 摘要 i 摘摘 要要 语音信号特征提取在语音信号处理中具有举足轻重的地位。语音信号具有很强的时变 特性,只有在较短的时间间隔中语音信号的特征可看作基本保持不变,这是语音信号处理 的一个重要出发点。本文在研究已有的短时时域特征提取方法的基础上,进行分析和总结, 结合实验分析这些短时时域特征参数所包含的语音信息,找到了它们在端点检测和基音周 期检测中的应用的优缺点以及内在联系和适用条件。另外,本文还对语音短时频域特征、 倒频域特征以及线性预测分析进行了介绍。 端点检测是指用数字处理技术来找出语音信号中的各种段落(如音素、音节、词等) 的始点和终点的位置。端点检测是语音分析、语音合成和语音识别中的一个必要环节。端 点检测不但是有效提取语音特征参数的前提和保证,而且是语音有关特征参数的重要应用。 传统的双门限检测算法在高信噪比下性能好,但是实际应用中信噪比较低,不能有效工作, 影响系统的识别率。本文在深入研究短时能量和短时过零特征的基础上,对传统的双门限 法进行改进,用基于语音相对自相关序列短时平均幅度来进行端点检测,提高了检测精度。 对于连续词端点检测,采用不变门限三次搜索的方法,有效解决了连续词端点检测由于信 号幅度变化很大而带来的门限设置等问题。 关键词关键词:语音特征;短时过零率;端点检测 ;双门限比较法 安徽大学硕士学位论文 abstract ii abstract how to extract the voicing features of speech signal play an important role in speech signal processing . since the speech signals have strong time variance, it is an important springboard of speech signal processing that the voicing features can only be considered invariable in little time interval. in this thesis, through studying exist short-time voicing features in time domain are studied and the information involved in these features by the experiments, analyzing the advantages and disadvantages of these features applying in the endpoint and pitch detection and the internal relation and limitation of these features are found out. whats more, in this paper many researches have been done on the short-time voicing features in frequency domain, cepstrum domain and linear prediction analysis. endpoint detection means finding out start point and terminal point of various paragraph(such as phoneme, syllable, phrase etc.) in the speech signal by digital processing technique.endpoint detection is essential in the speech analysis, speech synthesis and speech recognition. endpoint detection is not only the precondition and guarantee of extracting voicing features effectively but also the important application of them.the traditional dual-threshold detection method is of good performence in case of high snr.however,the snr is lower in practical application.as a result of it,the method can not work efficiently and depress systems recognition rate.in this paper,the traditional dual-threshold method is improved on the basis of studying the features of short-time average energy and short-time average zero-crossing rate,and the short-time average magnitude of relative autocorrelation sequences is used in endpoint detection .the experiments show it obtained good accuracy in endpoint detection under noised condition.in order to overcome the difficulty of deciding the value of the endpoint detection threshold of the continuous speech, the three-time searching endpoint detection is proposed. keywords: voicing feature,short-time zero crossing,endpoint detection,dual-threshold comparison method 安徽大学硕士学位论文 目录 iii 目目 录录 第一章第一章 绪绪 论论 . . 1 1 1.1 课题的提出 . 1 1.2 国内外研究历史及现状 . 1 1.3 本课题主要研究的内容 . 4 第二章第二章 语音信号短时时域特征语音信号短时时域特征 . 6 6 2.1 短时能量及短时过零率特征 . 6 2.1.1 短时能量和短时幅度差 . 6 2.1.2 短时过零率和短时过门限率 . 7 2.2 短时自相关函数和短时幅度差函数 . 9 2.2.1 短时自相关函数 . 9 2.2.2 短时平均幅度差函数 . 11 2.3 结论 . 13 第三章第三章 语音信号的短时频域特征和线性预测分析语音信号的短时频域特征和线性预测分析 . . 1414 3.1 短时傅里叶变换 . 14 3.2 语音信号的倒谱分析 . 15 3.3 语音信号的线性预测分析 . 18 3.4 结论 . 21 第四第四章章 语音信号端点检测研究语音信号端点检测研究 . 2323 4.1 双门限比较法 . 23 4.2 基于相对自相关序列的端点检测 . 25 4.2.1 相对自相关序列 . 25 4.2.2 端点检测改进算法 . 27 4.2.3 实验 . 29 安徽大学硕士学位论文 目录 iv 4.3 连续词端点检测 . 30 4.3.1 问题提出 . 30 4.3.2 问题的解决方案 . 31 4.3.3 带噪语音端点检测 . 35 4.3.4 实验 . 35 4.4 结论 . 36 第五章第五章 总结与展望总结与展望 . 3737 5.1 总结 . 37 5.2 展望 . 37 参考文献参考文献 . 3838 致致 谢谢 . 4141 作者攻读学位期间发表的论文作者攻读学位期间发表的论文 . 4242 安徽大学硕士学位论文 绪论 1 第一章第一章 绪绪 论论 1.1 1.1 课题的提出课题的提出 语音信号的特征分析是语音信号处理的前提和基础,只有分析出可以表示出语音信 号本质特征的参数,才能对这些参数进行高效的语音通信,语音合成,和语音识别等处理。 并且语音合成的好坏,语音识别率的高低,也都取决于语音特征的准确性和鲁棒性。因此 语音信号特征提取在语音信号处理应用中具有举足轻重的地位。众所周知,语音信号具有 很强的时变特性,只有在较短的时间间隔中才可以为语音信号的特征基本保持不变,这是 语音信号数字处理的重要一个出发点。根据所分析的参数的性质不同,可将语音信号分析 分为时域分析,频域分析和倒频域分析等方法。语音信号时域分析方法具有简单,计算量 小,物理意义明确等优点,缺点是鲁棒性差,主要有短时能量,短时平均幅度,短时过零 率,短时自相关函数和短时平均幅度差函数等。语音信号的频域分析就是分析语音信号的 频域特征。常用的频域分析方法有带通滤波器组法,傅立叶变换法,线性预测法等几种。 语音信号的倒谱分析就是求取语音倒谱特征参数的过程,方法有两种,一种是线性预测分 析1-2,一种是同态分析处理。近年来一些学者对这些研究方法进行了一系列的改进,但是 基于语音信息的多变型,模糊性,地域性以及环境的干扰和噪声的影响,还远不能获取一 个有效的语音特征参数,使语音识别水平达到一个能使人与计算机之间能够自然交流的这 个终极目标。故语音特征提取方法研究一直是近几十年来热点问题,它是各种语音信号处 理技术的基础。 端点检测是指在语音信号中将语音和非语音信号时段区分开来,准确地确定出语音 信号的起始点和结束点。经过端点检测后,后续处理就可以只对语音信号进行,这对提高 模型的精确度和识别正确率有重要作用。现有的端点检测方法有基于短时能量的,基于频 能比的3,基于倒谱特征的4,基于信号递归度分析的5。传统的端点检测方法在高信噪比 下性能好,但是实际应用中信噪比较低,不能有效工作,影响系统的识别率。因此希望能改 进传统的语音端点检测算法,使得能够在低信噪比的情况下,准确地检测出语音信号。 1.2 1.2 国内外研究历史及现状国内外研究历史及现状 语音处理技术的发展可以从 1876 年的贝尔发明电话算起,贝尔第一次采用电讯号将语 音传输到远方。1939 年 h. dudley 首次成功设计出了声码器,它是将语音提取参数后,传 输语音的参数,然后在接收端重新生成语音。它的发明中所孕育的伟大思想是对语音信号 的建模。1947 年 bell 实验室发明了语谱图仪,它是对连续的语音信号,按时间顺序作重叠 或不重叠的、以帧为单元的短时傅立叶变换(short time fourier transform,stft),形成时间 安徽大学硕士学位论文 绪论 2 频谱的二维图来表示语音信息。进一步的研究进展是将语谱图转换为声音讯号输出,这 是 1948 年由 haskins 实验室研制的“语谱回放机”完成的。虽然重生的语音效果并不好, 但却是人类首次人工合成语言。后来的共振峰合成法合成语音,就是源于此思想的。在对 语音基本特性有所了解后,人们开始尝试对语音进行机器识别。bell 实验室的 davis 等人根 据语音帧信号的第一、第二共振峰位置提取特征,利用模拟电路得出测试语音和参考语音 的相互关系,实现了英文十个数字的识别。denes 和 mathew 在 1960 年用数字计算机实现 自动语音识别,引入了时间规整算法改进匹配性能的方法。数字计算机成为语语音处理研 究的重要工具。此后时期语音识别的主要研究方向和方法都是利用硬件提取语音的频谱信 息,使用计算机进行匹配计算和判决。对语音处理技术产生决定性的影响的是在上个世纪 70 年的三项研究成果:70 年代初期的将动态规划法用于语音识别及隐马尔可夫模型,为语 音识别在匹配算法上提供了新的方法;中期的线性预测法,在语音识别、语音编码等方面 获得了极大成功,成为现代语音处理的主要方法,随后在七十年代末期的矢量编码量化技 术,更推进了语音处理技术的发展。1980 年后是语音处理技术走向市场化、商品化的黄金 时期,ibm 公司在 1985 年研制成功了 5000 单词的英语听写机 tangora-5,在此基础上又推 出了 tangora-20,其识别率可达到 94.696,且有自适应说话人的特性。1997 年 ibm 公司又 推出了汉语听写机产品。 国内的研究较之国外起步较晚,主要的研究单位有清华大学、中科院声学所和西安电 子科技大学等单位。无限词汇汉语听写机首先由清华大学于 1988 年研制成功,四达公司等 单位在 90 年代初使之产品化、商品化。但从目前的市场应用范围来看,语音产品的实际应 用还很狭窄,这说明语音技术产品还存在缺陷,达不到市场化、商品化的要求,在技术上 许多工作要做。近几年,汉语言识别成为研究的重点,国外公司投入巨资进行研究,国家 “863”计划也在这方面加大了投资。 近几十年来人们语音信号特征的研究大体可分为两个方面:基于语音信号的短时平稳 特性为前提的短时平稳分析法和语音信号的非平稳分析法。 基于短时分析技术语音信号可分为短时时域特征和短时频域特征。语音信号的短时时 域特征有短时能量、短时平均幅度、短时过零率、短时自相关函数、短时平均幅度差函数 等。其中语音信号的短时能量、短时平均幅度和短时过零率是语音信号的一组最基本的短 时参数,在语音信号的端点检测中,这组参数得到广泛应用,并取得了很好的效果。语音 信号短时时域特征还有短时自相关函数,短时平均幅度差函数,短时平均幅度差函数和短 时自相关函数包含有语音基音周期信息,因此可以用它们来进行语音周期估计。对短时时 域特征是研究几十年前就非常成熟,但并不是说它近年来就停滞不前,有很多学者对上面 的方法提出了改进,取得了一系列的成果。另外,对短时时域分析和短时频域分析以及其 它的语音分析方法综合运用的语音处理技术也是当今国内外学者的研究热点。 语音信号最重要的频域特征为短时频谱(或短时功率谱), 短时功率谱可以由短时自相关 函数进行傅立叶变换获得,但常用的方法则是基于语音信号的产生模型,用线性预测编码 (lpc)分析来表征。常用的 lpc 分析参数包括线性预测系数线性预测系数、lpc 倒谱系数、 parcor 系数、线谱对(lsp)、线谱频率(lsf)参数、fft 倒谱以及差分倒谱等。lpc 预测 安徽大学硕士学位论文 绪论 3 系数 a i (p) (=0)共 p+1 个,其中 a0(p)=1,a i (p) 可以由德宾递推算法利用短时自关函 数获得,也可由 parcor 系数 k(i) (i=1p)导出。线谱对分析是一种线性预测分析方法, 只是它求解的模型参数事“线谱对” (line spectrum pair,简称 lsp) ,它是频域参数,因而 和语音信号谱包络的峰有着更紧密的联系; 同时它构成合成滤波器 h(z)容易保证其稳定性, 合成语音的数码率也比用格型法求解要低,另外,通过一定的计算,可以实现 lsp 参数和 线性预测系数之间的转换。现在的语音识别算法的主流算法是“倒谱hmm”算法,常用 的倒谱系数有:直接经过 fft 系列运算而得到的倒谱;经过 lpc 变换来的 lpc 倒谱系数 (lpcc)以及 lpc 美尔倒谱系数(lpccmcc);还有基于听觉模型的美尔特征参数 mfcc。 为了提高语音特征鲁棒性,利用环境噪声及干扰与语音帧之间相关性不强或者不相关的原 理,在识别过程当中通常把倒谱特征和它的差分倒谱一起作为语音信号的特征,很大程度 上提高了语音信号的识别率,差分倒谱是一种反映语音信号谱包络变化,即语音信号动态 特征的参数6,引进差分倒谱有利于增强特征参数对环境的鲁棒性。怎样对倒谱特征参数的 改进是近年来国内外学者研究的热点问题,除了以动态差分作为语音特征这一普遍得做法 以外,还有对 mfcc 倒谱系数进行加权提升,常用的有线性提升、统计提升、正弦提升、 指数提升7-8。为了防止信道失真和噪声干扰 wei-wen hung 等人提出带通滤波器加权的方 法 dwfba 和 fwfba9取得一定成效。还有学者着眼于语音单边自相关序列的抗噪性,提 出了 osa_lpcc 和 ras_mfcc7-810。当信噪比较低或者噪声不平稳时,对于自相关没有 处理掉的噪声部分信息,一些学者也对它的补偿技术作了一定的研究,提出了 la9 11补偿 技术,大大降低了这部分的影响。 说话人识别系统近年研究的热点,在说话人识别系统中特征提取是最重要的环节,它 与一般的语音识别不同在于它需要提取说话人的个性特征,因此难度较大,但根据人脑的 识别机理和人的语谱特性的唯一性,国内外学者共同认为随着语音信号处理技术的发展, 完全有可能使这项技术走向成熟。目前说话人识别系统常用的特征参数有:语音短时能量、 基音周期(现已证实基音周期及其派生参数携带有较多的个人信息) 、语音短时谱或 bpfg 特征(包括 1416 个 bpf)、线性预测系数 lpc、共振峰频率及带宽、lpc 倒谱等,以及反 映这些特征动态变化的线性回归系数等,其它的特征还包括鼻音联合特征的、谱相关特征、 相对发音速率特征、基音轮廓特征等。另外,在此基础上一些学者对这些特征进行加工变 换,如 k-l 变换等,而得到加工后的能很好反映说话人个性特征二次特征。其中倒谱特征 和基音特征是较常用的特征,根据日本人 matui 和 furui 两人的工作,两者混合使用取得了 很好的识别效果。也有学者通过对倒谱二次特征进行加权、组合、微分、筛选等的综合运 用,也取得了很好的识别效果12。 前述语音的特征表征在语音分析中一直占据着主导地位,取得了一系列的重要成果,但 是它们是以信号短时平稳特性为前提的,这就使得传统的语音分析技术在语音特征的更精 细刻画及分辨率的提高上遇到了难以逾越的障碍,从而影响了后续相关技术的发展。时频分 析法13是目前发展迅速的一种新的信号处理技术,它注意到了信号的时变特性,把时 频域 的概念引入进来,将信号从一维 l2(r)空间转换到 l2(r2)空间进行分析,从而为非平稳信号的 处理研究打开了新的篇章。常用的时 频率分布包括 wigner 分布、短时傅立叶变换等,它们 安徽大学硕士学位论文 绪论 4 可用来提取信号的瞬态时频信息。最近的研究表明,许多新型的时频分布均可归结为 cohen 类时频表示,它们可看作是由 wigner 分布经过核函数的平滑滤波后产生的一种移不变的二 次型分布。各种时频分布的特性与所采用的核函数紧密相关,取不同的核函数就会得到不 同的时频表示目前较常用的有: wigner、richaczek、choi willia-ms、cone 分布和能量密 度谱(spectrogram)等。这些时频分析法都有其优缺点,主要表现在时频分辨率与交叉干扰的 矛盾上,因此,在时频域或扩展到时间尺度域寻找一种性能优良的核函数,以达到既降低 交叉项又能提高时频集中的信号表示方法,是目前广泛研究的课题。 小波变换14是八十年代末期在国外首先发展起来的一种理论,在语音信号处理领域具广 泛的应用前景。信号 x(t)在尺度 a0 情况下的小波变换为:(t)x(t),)(a,wt a,x ,其中 )/a)(t1/a(t) 1/2 a, ,(t) a, 称为基本小波, (t) a, 是基本小波的移位与伸缩。 小波变换 将信号从一维 l2(r)空间转换到时间尺度域空间,它实质上是时频分析方法的广义化,适当 选择(t)就可使其在时域和频域都具有很好的局部特性。小波变换在短数据语音信号的频 谱估计以及语音信号的基音检测等方面已得到初步应用,这方面的深入研究有待于继续进 行。 1.3 1.3 本课题主要研究的内容本课题主要研究的内容 虽然,长期以来短时分析技术是语音信号的主要分析技术,并且几十年来人们它进行 了广泛的研究,并取得显著成效,但并不是说它已经完全成熟,事实上它还远没有达到我 们预期要求,它仍然存在很多生长点和未知领域值得我们去探索,国内外学者近年也从没 有停止过这方面的研究。因此,基于语音信号短时分析技术仍是本课题研究的重点,具体 研究工作包含: (1)在熟悉前人研究的基础上,对前人做过的工作进行总结,结合实验分析这些特征 参数的包含的语音信息以及优缺点,并找出它们的内在联系以及适用条件,获取鲁棒性更 强的语音特征。 (2)端点检测是有效提取语音特征参数的前提和保证,在深入研究短时能量和短时过 零特征的基础上,提出了一种基于语音相对自相关序列端点检测法,收到很好效果。 (3)并提出了不变门限三次搜索连续词端点检测法,有效解决了连续词端点检测由于 信号幅度变化很大而带来的门限设置问题。 本论文由以下几个章节的内容组成: 第一章 绪论,介绍了语音信号处理的国内外研究现状以及本课题的研究内容。 第二章 语音信号短时时域特征,介绍了语音信号的时域特征参数,并结合试验分析了 这些特征参数的内在联系和适用条件,包含的语音信息及优缺点。 第三章 语音信号的短时频域特征和线性预测分析,介绍了语音信号的短时傅立叶变 换、倒谱和线性预测分析,并对一些重要结论作了仿真实验进行验证。 安徽大学硕士学位论文 绪论 5 第四章 语音信号端点检测研究,这是本论文的主要部分,首先介绍了传统的双门限比 较法,指出在较低信噪比情况下,这种方法的缺陷;然后提出了基于相对自相关序列的端 点检测方法,在较低的信噪比情况下仍然有较高的检测精度;最后分析了连续词的端点检 测问题,提出了不变门限三次搜索检测法,收到较好检测效果。 第五章 总结与展望,提出了工作存在的不足及以后的工作方向。 安徽大学硕士学位论文 第二章 语音信号短时时域特征 6 第二章第二章 语音信号短时时域特征语音信号短时时域特征 语音的时域特征就是分析和提取语音信号的时域特征参数。进行语音分析时,最先接触 的并且也是最直观的就是它的时域波形。语音信号本身就是时域信号,因而时域分析是最早 使用也是最广泛使用的分析方法,这种方法直接利用语音信号的时域波形。基于短时分析技 术的语音信号特征可分为短时时域特征和短时频域特征,短时时域特征有短时能量、短时平 均幅度、短时过零率、短时自相关函数、短时平均幅度差函数1-2 15等。这是语音信号的最基 本的短时参数, 在各种语音信号数字处理技术尤其是端点检测和基音周期检测中有重要应用。 2.1 2.1 短时能量及短时过零率特征短时能量及短时过零率特征 短时能量特征和短时过零特征是语音信号的基本特征参数,在语音端点检测中会经常用 到。 2.1.1 2.1.1 短时能量和短时幅度差短时能量和短时幅度差 设语音波形的时域信号为 x(l)、加窗分帧处理后得到的第 n 帧语音信号为 xn(m),则 xn(m) 满足下式: )()()(mnxmwmxn 10nm (2.1.1) 其中的 n=0,1t,2t,并且 n 为帧长,t 为帧移长度。w(m)为矩形窗表达式为: 其它值m nm mw 0 101 )( (2.1.2) 设第 n 帧语音信号 xn(m)的短时能量用 en表示,则其计算公式如下: )( 1 0 2 mxe n m nn (2.1.3) en是一个度量语音信号幅度值变化的函数,但它有个缺陷,即对高电平非常敏感(因为 它在计算的时用的是信号的平方) 。 因此在某些领域内可以用一个度量语音信号幅度值变化的 函数, 即短时平均幅度 mn来代替, 它和短时能量的区别在于信号的小取样值和大取样值不会 因取平方而造成较大差异,在某些领域会带来一些好处,它定义为: 1 0 )( n m nn mxm (2.1.4) 图 2-1 是“”的短时平均能量,图 2-2 是“”的短时平均幅度。 安徽大学硕士学位论文 第二章 语音信号短时时域特征 7 图 2-1“”短时平均能量 图 2-2 “”短时平均幅度 可见浊音段段的短时平均能量和短时平均幅度要比清音段的高的多,因此可以利用此特 点来区分声母与韵母的分界,无声和有声的分界,连字(字间无间隙)的分界等。 2.1.2 2.1.2 短时过零率和短时过门限率短时过零率和短时过门限率 短时过零表示一帧语音信号波形穿过横轴(零电平)的次数。过零分析是语音时域分析 中最简单的一种。对于连续语音信号,过零意味着时域波形通过时间轴;而对于离散信号, 如果相邻的取样值的改变符号称为过零。过零率就是样本改变符号次数。 定义语音信号 xn(m)的短时过零率 zn为: 1 0 )1(sgn)(sgn 2 1 n m nnn mxmxz (2.1.5) 其中 sgn 为符号函数,即: )0(1 )0(1 sgn x x x (2.1.6) 清音的能量多集中在较高的频率上,它的平均过零率要高于浊音,故短时过零率可以用 来区分清音、 浊音以及无声。 但在实际应用时, 过零率容易受到 a/d 转换时的直流偏移、 50hz 交流电源干扰以及噪声的影响。减少这些干扰可以有两种方法:一种是采用带通滤波其消除 信号中的直流和 50hz 低频分量;另一种方法市用过门限率来修改过零率,减少随机噪声的 影响。在零电平附近设置门限t,定义短时平均过门限率为: )(sgn)(sgn) 1(sgn)(sgn 2 1 1 0 tmxtmxtmxtmxz nn n m nnn (2.1.7) 图 2-3 和图 2-4 是一段语音“我爱北京”的短时过零率和短时过门限率在无噪和信噪比 snr=10db 情形下的波形图,由图 2 3 可以看出短时过零率虽然在纯净状态下语音段的检测 要好于短时过门限率,但是它极易受噪声影响(图 2-4 第 b 个图)而失去效果,短时过门限 0 20 40 60 80 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 帧数/个 幅度 0 20 40 60 80 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 帧数/个 幅度 安徽大学硕士学位论文 第二章 语音信号短时时域特征 8 率就有很好的噪声鲁棒性(图 2-4 第 c 个图) ,因此在实际应用中常用短时平均过门限率来代 替短时平均过零率配合短时平均幅度来进行端点检测。 图 2-3 (a)一段语音“我爱北京”波形图 (b)语音“我爱北京”短时过零率 (c) 语音“我爱北京”短时过门限率 图 2-4 (a)一段语音“我爱北京”波形图 (snr=20db) ( b) 语音“我爱北京” 短时过零率 (c) 语音“我爱北京”短时过门限率 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 -1 0 1 时间/抽样数 幅度 0 50 100 150 200 250 300 350 0 20 40 帧数/个 幅度 0 50 100 150 200 250 300 350 0 10 20 30 帧数/个 幅度 a b c 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 -1 0 1 时间/抽样数 幅度 0 50 100 150 200 250 300 350 0 20 40 帧数/个 幅度 0 50 100 150 200 250 300 350 0 10 20 帧数/个 幅度 a b c 安徽大学硕士学位论文 第二章 语音信号短时时域特征 9 2.2 2.2 短时自相关函数和短时幅度差函数短时自相关函数和短时幅度差函数 短时自相关函数和短时幅度差函数常用来检测语音信号的基音周期,为了更准确的检测 出基音周期,国内外学者对这两类特征参数进行了深入研究,并提出了很多的改进形式。 2.2.1 2.2.1 短时自相关函数短时自相关函数 定义语音信号 xn(m)的短时自相关函数 rn(k) 的计算式如下: kn m nnn kmxmx n kr 1 0 )()( 1 )( (0kk) (2.2.1) 这里 k 是最大延迟点数。短时自相关函数具有以下性质: (1)如果 xn(m)是周期的,则自相关函数 rn(k)是同周期的周期函数。 (2)rn(k)是偶函数,即 rn(k)rn(k)。 (3)当 k=0 时,自相关函数具有最大值,即)()0(krr nn 。 图 2-5 元音“”自相关函数(a,b,c 分别为帧长 n=301、201、81 点) 根据上式知道,随着 k 的增加,进行乘积和的项数在减少,所以自相关函数 rn(k)的幅值 总体上是呈下降趋势,因此在利用传统的自相关函数计算时,如果窗长不够长,包含的周期 不够多,则会给周期计算带来误差。由图 2-5a、b 所示(窗长分别为 301、201)可知:只要 找到第一大峰值点(除 rn(0)外)的位置与 k=0 点的间隔,便能估计出基音周期,但当选择的 窗长不够长的时候(小于两个基音周期)就会产生第一大峰值与基音周期不一致的现象(图 2-5 c 图) ,因此根据语音中最长的基音周期长约为 20ms,我们选窗长应该大于 40ms,而这与 0 50 100 150 200 250 -5 0 5 时间/延迟数 幅度 0 50 100 150 200 250 -5 0 5 时间/延迟数 幅度 0 50 100 150 200 250 -1 0 1 2 时间/延迟数 幅度 a b c 安徽大学硕士学位论文 第二章 语音信号短时时域特征 10 在实际处理中希望 n 尽可能小矛盾,影响短时性。 为了解决上述问题,可以用“修正短时自相关函数”来代替短时自相关函数。修正短时自相 关序列是用两个不同的窗口,截取两个不等长的序列进行乘积和,两个窗口长度的最大的延 迟点数为 k。这样就能始终保持乘积的项数不变,即始终为短窗的长度。定义如下: 1 0 / )()( 1 )( n m nn nkmxmx n kr )0(kk (2.2.2) 其中, )()()(mnxmwmxn ) 10(nm (2.2.3) 其它值m nm mw 0 ) 1(01 )( (2.2.4) )()()( / mnxmwmxn )10(knm (2.2.5) 其它值m knm mw 0 )1(01 )( / 图 2-6 (a)元音“”xn(m)(301 点) (b) xn(m)(551 点) (c)修正短时自相关序列)(krn 的波形图。 图 2-6 图 a 是 xn(m)(301 点)、图 b 是 xn(m)(551 点)和图 c 为修正短时自相关序列)(krn 的 波形图。可以看出随着延迟数 k 的增大,)(krn 的幅度衰减趋缓,而与)0(nr 最接近的最大值 0 50 100 150 200 250 300 350 -0.5 0 0.5 时间/抽样数 幅度 0 100 200 300 400 500 600 -0.5 0 0.5 时间/抽样数 幅度 0 50 100 150 200 250 -5 0 5 时间/延迟数 幅度 a b c 安徽大学硕士学位论文 第二章 语音信号短时时域特征 11 点的间隔仍代表基音周期。 2.2.2 2.2.2 短时平均幅度差函数短时平均幅度差函数 因不可避免乘法运算,计算自相关函数的运算量很大,为此,我们常常采用另一种与自 相关有类似作用的参量,即短时平均幅度差函数(amdf) 。amdf 是基于这样一个事实,就 是在整数倍基音周期上的样点幅值相等,差值为零。语音信号具有准周期性,虽然差值不为 零,但是其值很小。这些极小值出现在周期整数倍的位置上。为此可定义短时平均幅度差函 数

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论