语音信号处理复习题

语音信号处理复习题1由下面的WAV文件读出语音的编码信息:524946461000000004001000E2FE0700A49A7B010100020064617461E7FEAF035741564544AC0000809A7B015FFF6501666D742010B1020042FF35FC区块说明(Chunkdescriptor)编码(Code)内容(Contents)批注(Notes)52494646RIFFA49A7B0124,877,732Chunksize(017B9AA4)16=24,877,73257415645WAVE编码(Code)内 容(Contents)批注(Notes)fmt子区块(fmtsub_chunk)666d7420fmt1000000016Sub_chunk_1size(00000010)16=1601001(0001)16=1,PCMformat(audio)02002Numberofchannels=(0002)16=244AC000044,100Samplingrate(0000AC44)16=44,10010B10200176,400Bytes/second=(0002B110)16=176,40004004Blockalign=(0004)16=4100016Bits/sample=(0010)16=16编码(Code)内容(Contents)批注(Notes)数据子区块(datasub_chunk)64617461data809A7B0124,877,696Size:(017B9A80)16=24,877,69642FF35FCL=65,346,R=64,565(FF42)16=65,346(FC35)16=64,565E2FE0700L=65,250,R=7(FEE2)16=65,250 (0007)16=7E7FEAF03L=65,255,R=943(FEE7)16=65,255 (03AF)16=9435FFF6501L=65,375,R=357(FF5F)16=65,375 (0165)16=3572画出语音信号的产生模型，简述语音的产生过程。

直流气流 交流气流 速度波 声压波_亘 色蜀一遛 d嘴唇I "声音能源激励源谐振源辐射源四,完整的语音信号的数学模型冲激序列

发生器声门脉冲_A模型vS基音周期厂线性系统

声道冗名)冲激序列

发生器声门脉冲_A模型vS基音周期厂线性系统

声道冗名)辐射模型

心随机噪声发生器清/浊音开美传■输函数定乩协双H(m)=G(w)V(a)火3)语音的形成过程一空气由肺部排入喉部，经过声带进入声道，最后由嘴辐射出声波，形成语音。3为生么语音信号要进行“短时〃分析。答：语音信号特性是随时间变化的，是一个非平稳的随机过程，但在一个短时间范围内其特性根本保持不变，即语音信号具有“短时平稳性〃，因而可将语音信号看成准平稳过程，对其进行短时分析.4语音信号的时域分析方法有那些？答：短时能量，短时平均过零率，短时自相关函数5语音信号频率范围是多少？答：语音信号的频率大约在20Hz~20KHz。6什么是浊音的基音频率(F0)?男性、女性和儿童的F0大致分布在什么范围。答：浊音的基音频率(F0):声带张开和闭合一次的时间的倒数。由声带的尺寸、特性和声带所受张力决定。F0的大小决定了声音的上下，称为音高。男性的F0大致分布在:60-200Hz,女性和儿童的F0大致分布在：200-450Hz7可以认为多长的时间范围内，语音信号是平稳信号。答：10-30ms8语音的采样率为8kHz；纯语音在进行计算机录入时，一般采样率在15kHz~20kHz左右；音乐的采样率可以高达44kHz。9如何利用语音信号的时域分析方法进行清、浊判断。答：1、短时能量分析依据：是基于语音信号幅度随时间变化】清音段幅度小，其能量集中高频段；浊音段幅度较大，其能量集中低频段；2、 平均幅度分析的依据：清音段幅度小，浊音段幅度较大。3、 短时平均过零率：浊音平均过零率低，集中在低频段；清音过零率高，集中在高频段。4、短时自相关函数：浊音语音的自相关函数具有一定的周期性；清音语音的自相关函数不具有周期性，类似噪声，有点如语音信号本身

10通过对语音信号进行分析，可以提取到那些特征参数〔列举出三个以上）。答：短时能量和短时平均幅度，短时平均过零率，短时自相关函数11人的发音器官包括那些。答：人体发音器官一肺、气管、喉〔包括声带［和声道。12、 傅立叶分析在信号处理中有什么意义？答：1、它是分析线性系统和平稳信号和稳态信号特性的强有力手段。2、 以复指数函数为基函数的正交变换，理论完善，计算方便，概念容易理解。3、 傅里叶分析可以使信号的某些特性变得很明显。语音信号的频谱具有非常明显的语言学意义，可以获得重要的语音特征〔如共振峰频率和带宽等），13文语转换系统〔TTS［属于那种语音合成系统。答：规那么语音合成系统14语音的共振峰是如何形成的？答：气流流过声道时犹如通过了一个具有某种谐振特性的腔体，放大某些频率，在频谱上形成相应位置的峰起，称为共振峰。15同态信号处理也称为同态滤波，画出同态滤波中特征系统框图xjn)xjn)16语音合成的分类及特点，举出一个语音信号参数合成的例子。1、 波形合成法特点：简单/小词汇（报站器）2、 参数合成法特点：可以合成大词汇（字典）3、 规那么合成法特点：实现难度较大如TTS系统〔文语转换系统）17画出实现语音信号时频语音增强功能的框图。主输入信号参者信号消噪

自适应主输入信号参者信号消噪

自适应增强语音18什么是语音信号的短时〃处理方法。答：语音信号的能量是一种随时间变化的信号，可能是浊音鼓励也可能是清音鼓励，浊音的基音周期以及信号幅度等语音参数也都对时间变化，但这种变化时缓慢的，在一小段时间内10-30ms，语音信号近似不变。于是，我们把变化的语音信号分成一些相继的段时间段来处理。而每一段时间具有固定的特性，这种方法称为“短时〃处理方法。19语音信号短时能量分析的用途答：1、区分清音段与浊音段； 2、区分声母和韵母；3、 在高信噪比下，区分无声与有声的分界；4、 区分连字的边界； 5、用于语音识别。

20短时自相关函数的物理意义，性质，作用。答：物理意义确定两个信号在时域内的相似性，用于研究信号本身。表示方法序列经过一个冲激响应为h序列经过一个冲激响应为hk(n)的数字滤波器滤波即得到短时自相关函数。R赢)=肾x(m')x(m-k》(n-m)(!)对称性5R〔k〕=R〔-k〕 在k=0处为最大值，即对于所有k来说，|R(k)|WR(0)对于确定信号，值R(0［对应于能量，而对于随机信号，R(0［对应于平均功率作用：区分清/浊音浊音语音的自相关函数具有一定的周期性。清音语音的自相关函数不具周期性，类似噪声，与其本身相似。估计浊音语音信号的周期，即估计基音周期。21利用短时自相关函数进行语音分析时要注意的问题N值至少要大于基许周期的一…倍，否则将找不到第"个最大值FTnN值也戛尺可能要小；用为语音信号的特姓是变化的,如N过大将影响如时性'•由于基音周期的范田很宽,所以应使窗宽I兀-配于预期的基音同期 |22语音信号傅里叶分析的作用〔p41〕在语音信号处理中，傅立叶表示在传统上一直起主要作用。其原因一方面在于稳态语音的产生模型由线性系统组成，此系统被一随时间作周期变化或随机变化的源所鼓励，因而系统输出频谱反映了鼓励与声道频率响应特性。另一方面，语音信号的频谱具有非常明显的语言声学意义，可以获得某些重要的语音特征。同时，语音的感知过程与人类听觉系统具有频谱分析功能是密切相关的23短时傅里叶变换的滤波器的解释。一、的另一种解释（带限信号-时域卷积）1Z . .xn{m）=——|另（"勺"稣d®=x（m）^v（n-m）当将a?看成一个参变量走（世）就只是口的函数+R孔（必）=£1心一小OK*用孔（必）=£1心一小OK*用=—B短时频谱的线X性滤波表示败8）是窄带低通滤波器=X（F7）U心）双贡一皿令win)假设口二株 乙爪（g"）°x（心厂如2 〕）Xa{eJ^）=X（次奸电）JF（r招）将攻）的频潜向左搬移了皿，或等效将（^频率上的频涪搬移到了零频幸处。因此为使卷出瀚有：恐} >政G是窄带低通滤友器24取样率的根本概念〔1）时域取样率的根本概念。当山为固定值时那此）是一个冲激响应为阪的的滤波器的输出，若将攻的博里叶变换记为政皿对于大多数窗函数来说，矶产）具有低通滤波器的特性，若它的带宽为目田，2）则具有与窗相同的带宽“根据采样定理,％（的）的时域采样率至少为2#才不至于发生混督现象c低通滤波器的带宽是由它的第一个零点位置决定的’因一为是W（»）t0<77<JV-1的傅里叶变换，因而岳勺取值决定于窗口序列的长度M口形状o所以斗{5） 在时域内的最小取样率$玖二箜〔2）频域取样率的根本概念。当〃为固定值时一.也（“是以2工为周期的尊的连续函数，需在2兀长度间隔内平样声用下述一组频率值来取样：触=警一立=01…，£=]L为取样率以便利用这些频率值上的&®勺来恢复*（”），利用傅立叶变换的角度解释。设窗为时间受限，贝勺反变换也在时间上受限，则在频率域内用至少两倍于它的”时间宽度”的速率来抽样，而兀®啪傅立叶反变换是x（m）w（.rHE）,此信号宽1S为H由抽样定理，必须在"?jtIf频率上用下一组频率来抽样 保=示厂k=0：N-1故频域最小取样数即为窗宽§R户N。〔3）总取样率的根本概念

工〔小)的忌抽样率SR=SRt•SRf=2矿N(抽样/秒J在大多数实际窗中，3可以表示为乙人幡倍数，其中％是落&J的抽样频率，即日=。务(Hz)其中，c是比例常数，上式代入上式中，得S&=2C「s(采样/秒)国■渺口为与一般取样频率相比而得到的“过速率采样比”.25从如下语音信号的短时谱中能得到什么信息？答：1、快速变化，由鼓励信号引起的；2、慢速变化，声道滤波器的共振峰引起的；3、采用汉明窗得到的短时频谱较较矩形窗平滑。26倒谱分析的作用答：〔1)区分清/浊音〔2)求浊音的基音周期，可以得到浊音的鼓励信号。〔3)得到声道的冲激响应h(n)27简述语音信号的特点，基频、共振峰是什么含义？答：特点：语音一般由清音和浊音组成，语音信号具有短时平稳性。基音频率：浊音的声带振动根本频率。是声带张开和闭合一次时间的倒数。共振峰：当元音鼓励进入声道时会引起共振特性，产生一组共振频率，称为共振峰频率或简称共振峰。共振峰为频谱中明显的几个凸起点，它的出现频率与声道的谐振频率相对应。28线性预测的根本思想。答：一个语音的抽样能够用过去假设干个语音抽样的线性组合来逼近。通过时实际语音抽样和线性预测抽样之间差值的平方和〔在一个有限间隔上［到达最小值，即进行最小均方误差的逼近，能够决定唯一的一组预测数据，而预测系数就是线性组合中所用的加权系数。29线性预测分析如何用于语音编码和语音合成。答：编码：预测误差e(n)就是鼓励信号G*u(n),预测系数｛ak｝就是声道虑波器的系数｛dk｝.ak=dk,e(n)=G*u(n)线性预测分析可以对生成模型的增益参数G和滤波器系数｛dk｝进行直接和高效率的计算。合成：诺音x<n)诺音x<n)30简述矢量量化的过程。答：〔书上定义)：将语音信号波形的K个样点的每一帧，或有K个参数的每一参数帧，构成K维空间中的一个矢量，然后对这个矢量进行量化。(课件上说)：当给矢量量化器输入一个任意矢量Xi进行矢量量化时，矢量量化器首先判断它属于哪个子空间，然后输出该子空间的代表矢量Yj.矢量量化过程就是用Yj代替Xi的过程。Yj=Q(Xi)1<j<J 1<i<N31通常线性预测分析设定的模型是什么模型。答：全级点模型。32什么是矢量的失真测度？常用的失真测度有哪些答：失真测度〔距离测度)就是将输入矢量Xi用码本重构矢量Yj来表征时所产生的误差或失真的度量方法，它可以描述两个或多个模型矢量之间的相似程度。常用的失真测度为欧氏距离测度。33矢量量化器最正确设计的两个条件？答：最正确划分，最正确码本34初始码书的生成方法随机选取法：从训练序列中随机选取J个矢量作为初始码字，从而构成初始码本。分裂法：求出S中全体训葬片列的质心然后在S中找一个与此质心的失真测縻最大的矢量A 一>A"冉在s中找一个与-V-的失真测度最大的矢量 J以一和-L为一基准*根据龈邻近准则，进彳亍S的划分'得到两个于集卜3&…求拄成心：(4)对这两个子集分另可按可样方法谖行处理°-叮以得至四个于集.依次类推，经过「次分裂，得到」=?■个于集、分别求子集的质心-得到J个初始码字r构成初船码本_、35短时能量和短时过零率的的用途。答：短时能量：1、区分清音段与浊音段；2、区分声母和韵母；3、在高信噪比下，区分无声与有声的分界；4、区分连字的边界；5、用于语音识别。过零率： 1、区分清音和浊音：浊音平均过零率低，集中在低频端；轻音过零率高，集中在高频端。 2、从背景噪声中找出是否有语音，以及语音的起点。36对语音信号进行处理时为什么要进行分帧。答：语音信号短时平稳，要将语音信号划分为很多短时的语音段，而每个短时的语音段称为一个分析帧。这样，对语音信号进行分针处理就相当于对特征固定的持续信号进行处理。经过处理，语音信号就已经被分割成一帧一帧的加过窗函数的短时信号，然后再把每一个短时语音帧看成平稳的随机信号，利用数字信号处理来提取语音特征参数。37为什么端点检测有重要意义？答：端点检测：从包含语音的一段信号中确定出语音的起点和终点。有效的端点检测不仅能使处理的时间减到最小，而且能排除无声段的噪声干扰。实验说明：端点检测的正确与否影响到识别率的上下。语音端点检测的方法：短时能量和短时过零率。38什么叫LBG算法，怎样设计初始码本，并用来训练码本。LBG算法是一种递推算法，从一个事先选定的初始码本开始迭代。把训练序列按照码本中的元素根据最邻近准那么分组，对每一分组找质心，得到新的码本，又作为初始码本，再进行分组，重复上述过程，直到系统性能满足要求和不再有明显的改良为止。(2) 世整本汕W讦第-步：初始化一给定全部参考矢量集合M设定失真控制口限G,算法最大迷代次数」以及初始码本■；}-" r：'八K；'},设置总失真"叫-s,初绐迭代次数最大涉代次数为匚第二步：选代.(1)根据最邻近准则将S分成J个于集、C2)订算总失真h—X -侦■产T)算新码字：匐--个码字为其对成于集的放(4)讦算相对失真改谖量、3”与失真-控制门限比较，kA转入〔5)；土S马专入(6)qIS)若m大于Lr则转人(6)r否则m十「转入〔1)【6)彳畀钮I晟芝琴的袒『书 V| 八 J39为什么说语音信号可以看成隐马尔科夫过程，隐马尔科夫过程有哪些模型参数。HMM包含两个随机过程，三个概率矩阵,一个输出概率答：隐马尔可夫模型：只能观察到输出符号序列(ab)，而不能观测到状态之间如何转移(状态转移概率)和状态的分布(状态的概率)。而语音信号是一个可观察的序列:它是由大脑中的思维(不可观测)及语言需要和语法知识〔不可观测［所发出的参数流。

LHMM包含两个随机询程：S）马尔可夫链；一个随机过程描述的状态（第，寿去）和状态转移序列C状态转移序列&&s2 S]&&&和&&&食等）；（2）…个随机过程描述状态和观察值乏间的统计对应关系（每次转移时输出的捋号组成的符号序列，如，°2,HMM包含三个概宰矩阵：尸1=：L1 每个状态存在的概率矩阵玖P2P33-O.00□.50.4P2P33-O.00□.50.400.60状态之间转胞;

的概宰矩阵P2转移中输■出将号的概率矩阵F3一个输出概率：将每-种可能路径的的输出，概率相加得到的总的榴•率值作为籍出概.宰、40列举常用语音编码速率的值。答：64kbit/s;PCM；答：64kbit/s;PCM；32kbit/s;ADPCM;4.8kbit/s;CELP; 2.4kbit/s;LPC声码器41波形编码、参数编码与混合编码各有什么优缺点。答：波形编码：话音质量高，编码速率高。参数编码：编码速率低，自然度低，对环境噪声敏感。混合编码：质量高和速率低.42在语音编码中，如何使用自适应技术。答：利用自适应的思想改变量化间隔〔量阶）的大小，即用小的量化间隔去编码小的差值，使用大的的量化间隔去编码大的差值43语音合成的目的是什么？它主要分为哪几类？比拟它们的优缺点。答：目的：让机器说话，到达一定的音质与可懂度〔或产生与人类通信相关的语音）〔1）、波形合成法。优点：合成音质好； 缺点：存储空间大。〔2）、参数合成法。优点：存储空间小； 缺点：合成音质较差。〔3）、规那么合成法。优点：可以合成无限词汇，存储量小；缺点：合成音质效果较差44在TTS系统中，如何进行语音合成中的韵律控制。答：韵律特征包括声调、语气、停顿方式、发音长短等。这些通过基频、音长、音强等参数来表达，通过控制这些参数到达对韵律控制。包括基音同步帧周期的调整、合成语音幅度的调整、声调曲线的修正等。45语音识别系统由那几部份组成.〔从语音识别的框图预处理：语音信号的放大、防混叠滤波、自动增益控制、模数转换、消除噪声、端点检测。语音特征参数包括：短时平均能量、短时过零率、频谱、三个共振峰频率〔F1、F2、F3的频率值、带宽、幅值）、线性预测系数、LPC倒谱和Mel倒谱等。组成进行说明＞ r专家

组成进行说明＞ r专家模式匹配：将未知语音的特征参数与模板参数逐一进行比拟与匹配，判决的依据是失真测度最小的准那么。专家知识库：用来存储各种语言学知识，如汉语声调变调规那么、音长分布规那么、同音字判别规那么、构词规那么、语法规那么、语义规那么等。识别决策：是最后一步，也是系统识别效果的最终表现。根据假设干准那么及专家知识，判决选出可能结果中最好的结果，由识别系统输出。46为什么语音识别时需要做时间规整？答：语音信号具有很强的随机性，不同的发音习惯，发音时所处的环境不同，心情不同都会导致发音持续时间长短不一的现象。如单词最后的声音带上一些拖音，或者带上一点呼吸音，此时，由于拖音或呼吸音会被误认为一个音素，造成单词的端点检测不准，造成特征参数的变化，从而影响测度估计，降低识别率，因此在语音识别时，首先有必要对语音信号进行时间规整。47说话人识别的目的及分类。答：目的：确认说话人〔即证实说话的人是否是所要求的那个人［或者从某个的人群集合中识别出那个说话人。分类：说话人确认和说话人识别。主要用于身份的验证。48什么叫加性噪声和乘性噪声。为什么加性噪声的处理是语音增强的根底。答：按噪声和信号相关的性质可将噪声分为加性噪声和乘性噪声。加性噪声是指噪声和信号相关性是加和关系；〔如冲激噪声、周期噪声、宽带噪声等）乘性噪声是指噪声和信号相关性是乘积关系；〔如残响基传输网络的电路噪声）对加性噪声进行处理，从带噪声语音信号中提取尽可能的纯洁的原始语音，改善语音质量提高语音可懂度，是语音增强的有效的根本方法。49减谱法的实现框图及工作过程。—1~ 谱幅度的估值49减谱法的实现框图及工作过程。—1~ 谱幅度的估值IDFTDFT纯噪声d'(n)工作过程：将含噪语音信号和有声、无声判别得到的纯噪声信号进行DFT变化，从含噪语音谱幅度的平方中减去纯噪声的谱幅度的平方