第九章语音检测分析

第九章语音检测分析9.1基音检测自相关法 并行处理法 倒谱法简化逆滤波法 9.2共振峰估值 带通滤波器组法 离散傅里叶变换(DFT) 倒谱法 LPC法语音检测分析主要涉及语音特征参数的提取和分析。19.1基音检测基音是语音信号的一个重要参数，在语音产生的数字模型中它也是激励源的一个重要参数。基音是指发浊音时声带振动所引起的周期性，而基音周期是指声带振动频率的倒数。准确地检测语音信号的基音周期对于高质量的语音分析与合成、语音压缩编码、语音识别和说话人确认等具有重要的意义。29.1基音检测基音检测的主要困难反映在：①声门激励信号并不是一个完全周期的序列，在语音的头、尾部并不具有声带振动那样的周期性，有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。②在许多情况下，清音语音和低电平浊音语音段之间的过渡段是非常细微的，确认它是极其困难的。③从语音信号中去除声道影响，直接取出仅和声带振动有关的激励信号的信息并不容易，例如声道的共振峰有时会严重影响激励信号的谐波结构。这种影响在发音器官快速动作而共振峰也快速改变时，对基音检测是最具危害性的。39.1基音检测④语音信号包含有十分丰富的谐波分量，基音频率最低可达80Hz左右，最高可达500Hz左右，但基音频率处在100～200Hz的情况占多数。因此，浊音信号可能包含有三四十次谐波分量，而其基波分量往往不是最强的分量。因为语音的第一共振峰通常在300～1000Hz范围内，这就是说，2～8次谐波成分常常比基波分量还强。丰富的谐波成分使语音信号的波形变得非常复杂，经常发生基频估计结果为实际值的二、三次倍频或二次分频的情况。⑤在浊音段很难精确地确定每个基音周期的开始和结束位置，这不仅因为语音信号本身是准周期性的(即音调是有变化的)，还由于波形的峰或过零受共振峰的结构、噪声等的影响。⑥在实际应用中，背景噪声强烈影响基音检测的性能，这对于移动通信环境尤为重要，因为经常会出现高电平噪声。⑦基音频率变化范围大，从老年男性的80Hz到儿童女性的500Hz，接近三个倍频程，给基音检测带来了一定的困难。49.1基音检测基音检测方法的研究：①稳定并提取准周期性信号的周期性方法；②因周期混乱，采取基音提取误差补偿的方法；③消除声道(共振峰)影响的方法。在基音提取时，容易错误地提取真正基频两倍的频率(倍基音)和基频一半的频率(半基音)，至于产生哪种错误随抽取方法而变化。59.1基音检测基音检测的方法大致可分为三类：①波形估计法。直接由语音波形来估计，分析出波形上的周期峰值。其特点除了比较简单、硬件实现容易外，还可定出峰值点的位置，这在一些处理中是很有用的。②相关处理法。在时域中，周期信号的最明显特征就是波形的类似性，因而可以通过比较原始信号和它位移后的信号之间的相似性来确定基音周期。如果移位距离等于基音周期，那么，两个信号具有最大类似性(相关性最强)。大多数现存的基音检测法都基于这一概念，最具代表性的是自相关函数法。这种方法在语音信号处理中被广泛使用，这是因为相关处理法抗波形的相位失真强，另外它在硬件处理上结构简单。③变换法。将语音信号变换到频域或倒谱域来估计。比如倒谱法(CEP)。虽然倒谱分析算法比较复杂，但基音估计效果较好。69.1基音检测直方图(Histogram)也叫柱状图，是一种统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况。79.1基音检测——自相关法浊音信号的自相关函数在基音周期的整数倍位置上出现峰值，而清音的自相关函数没有明显的峰值出现；因此检测是否有峰值就可判断是清音或浊音，检测峰值的位置就可提取基音周期值。短时自相关函数中保留的语音信号的幅度太多，它有许多峰值，而其中许多都起因于声道响应的阻尼振荡。当基音的周期性和共峰峰的周期性混叠在一起时，被检测出来的峰值就会偏离原来峰值的真实位置。89.1基音检测——自相关法主要问题是第一共振峰可能对基音造成干扰：在某些浊音中，第一共振峰频率可能会等于或低于基频；如果其幅度很高，就可能在自相关函数中产生一个峰值，而该峰值又可以同基频的峰值相比拟。例:其中有3个明显的峰值。通过自相关波形，可以确定位于第40个样本时延处的峰值相应于基频为200Hz；而位于第20个样本处的峰值与相应于基频时的峰值差不多一样大，因而可能将其误认为基音。图9-1一个女子发［］音的自相关函数，语音信号以8kHz取样99.1基音检测——自相关法处理思路:对语音信号进行预处理以去除声道响应的影响及其他带来扰乱的特征分析:语音信号的低幅度部分包含大量的共振峰信息，而高幅度部分包含大量的基音信息。方法之一:非线性处理。非线性处理的优势是在采用硬件时可在时域低成本地实现。处理效果:任何削减或者抑制语音低幅度部分的非线性处理都会使自相关函数的性能得到改善。109.1基音检测——自相关法图9-2中心削波中心削波后的语音通过一个自相关器，这样在基音周期位置呈现大而尖的峰值，而其余的次要峰值幅度都很小。119.1基音检测——自相关法计算自相关函数的运算量是很大的，其原因是计算机进行乘法运算非常费时。为此可对中心削波函数进行修正，采用三电平中心削波的方法y(n)=C’[x(n)］＝1，x(n)＞CLy(n)=C’[x(n)］＝0，｜x(n)｜≤CLy(n)=C’[x(n)］＝-1，x(n)＜-CL三电平中心削波的自相关函数的计算很简单，设y(n)表示削波器的输出，则由自相关函数直接计算的公式Rn(k)＝［y(n+m)w’(m)］［y(n+m+k)w’(m+k)］如果窗口为直角窗，则上式变为Rn(k)＝y(n+m)y(n+m+k)上式中y(n+m)y(n+m+k)的取值只有-1、0、1三种情况，因而不需作乘法运算而只需要简单的组合逻辑即可以。129.1基音检测——自相关法(a)不削波(b)中心削波(c)三电平削波［Rn(k)均归一化］图9-4信号波形及其自相关函数的举例139.1基音检测——并行处理法(时域估计方法)用到的波形属性是正负峰值的幅度和位置，后峰至前峰的测度以及峰值至谷值的测度。基音周期计算是将这6个估值与每一个基音周期估计器的最新的两个估值相结合，比较这些估值，出现次数最多的值就是该时刻的基音周期。这种方法对浊音周期可以作出很好的估计；如果是清音，各个估值不一致，因而可判断为清音。通常，可按10ms一帧来估计基音周期，同时得到“浊音/清音”判决。优点是运算简单、硬件实现容易。此外，不仅能估计出基音周期，而且还可以确定峰点位置。语音最初经截止频率为900Hz的低通滤波，如果需要的话还附加高通滤波去除50Hz的交流声。语音信号在经过预处理后，形成一系列脉冲，这一串脉冲保留了信号的周期性特性，而略去了与基音检测无关的信息,找出峰点和谷点，再根据其位置和幅度产生6个脉冲序列对这些基音检测器的输出作逻辑组合，得出估计值估计这6个脉冲序列，得出6个基音周期的估值149.1基音检测——倒谱法浊音语音的复倒谱中存在峰值，其出现时间等于基音周期；而清音语音段的复倒谱则不出现这种峰值。利用这一性质可以进行清/浊音判断并估计浊音的基音周期。这种方法的步骤:计算复倒谱解卷提取出声门激励信息，在预期的基音周期附近寻找峰值如果峰值超过了预先设定的门限，则语音段定为浊音，而峰的位置就是基音周期的估值。如果不存在超出门限的峰值，则语音段定为清音。如果计算的是依赖于时间的复倒谱，则可估计出激励源模型及基音周期随时间的变化。159.1基音检测——倒谱法倒谱和复倒谱表现出相同的性质估计基音周期，因而没有必要对语音波形完全解卷，所以用倒谱c(n)就完全可以，这样可以从复杂的相位计算中解脱出来。由于人耳对语音信号的相位不很敏感，因而可以假定输入语音信号是最小相位序列，这样可由最小相位信号法计算c(n)。169.1基音检测——倒谱法(a)信号的对数幅度谱；(b)理想化的对数功率谱的傅里叶反变换图9-6倒谱示意图包括两个分量：相应于频谱包络的慢变分量、相应于基音谐波峰值的快变分量。通过滤波或再取一次傅里叶反变换，即可将慢变分量与快变分量分离开。靠近原点的低倒频部分是频谱包络的变换，而位于t0处的窄峰为谐波峰值的变换，表示基音周期。如果基音峰值的变换与频谱包络变换之间的间隔足够大，则可很容易地提取基音信息。179.1基音检测——倒谱法①取样率为10kHz，帧长51.2ms，然后求出c(n)。采用矩形窗，因为由其得到的谱估计质量较差。采用海明窗的长度及窗相对于语音信号的位置对倒谱峰的高度有相当大的影响。为使倒谱具有明显的周期性，窗口选择的语音段应至少包含有两个明显的周期。考虑到窗的逐渐弱化效应，窗宽至少应包含两个周期。窗应尽可能短，使得分析间隔中的语音参数变化减至最小。这是短时处理的要求。而窗越长，由始到终的变化就越大，因而与模型之间的偏差就越大。189.1基音检测——倒谱法②求出倒谱峰值IPK和其位置IPOS，如果峰值未超过某门限值，则进行过零计算；若过零数超过某门限值，则为无声语音帧。反之，则为有声，且基音周期仍等于该峰值的位置。③无声检测器是时域信号的峰值检测器；若低于某门限值，则认为是无声，勿须进行上述由倒谱检测基音的计算。199.1基音检测——倒谱法图9-9含噪语音的对数功率谱示意图 对数功率谱的低电平部分被噪声填满，并处于主导地位，从而掩盖了基音谐波的周期性。这意味着倒谱的输入不再是纯净的周期性成分，而倒谱中的基音峰值将会展宽并受到噪声的污染。随着噪声电平的增加，对数功率谱的有用部分将会变得越来越小，从而使倒谱的灵敏度也随之下降。

209.1基音检测——简化逆滤波法逆滤波的作用:将频谱包络逐渐平坦下去。得到的线性预测误差信号只包含有激励的信息，而去除了声道影响，所以它提供了一个简化的(廉价的)频谱平滑器。激励信号正比于预测误差信号，如果线性预测模型与产生实际语音信号的系统越接近，则e(n)就越接近激励信号。对于浊音，可以预料在每一基音周期的起始处预测误差较大。检测e(n)信号相邻两最大脉冲之间的距离即可对基音周期作出估计。见书P125图9-1021①语音信号经过10kHz取样后，通过0～900Hz的数字低通滤波器(LPF)，其目的是滤除声道谱中声道响应部分的影响，使峰值检测更加容易,低通滤波在除去高阶共振峰影响的同时，还可以补充自相关函数的时间分辨率的不足。然后降低取样率5倍，经5次分频降低到2kHz(因为声门激励序列的宽度小于1kHz，所以用2kHz取样就足够了)；当然，为此后面要进行内插。②提取LPC参数。这里LPC滤波器的阶数P＝4，因为，四阶滤波器完全可作为0～1kHz频率范围内信号谱的模型，因为此范围内通常只有1～2个共振峰。然后进行逆滤波，得到接近平坦的谱。图9-12基音检测的简化逆滤波法9.1基音检测——简化逆滤波法22③进行短时自相关运算，检测出峰值及其位置，得到基音周期值。④为提高基音周期值的分辨率，可以对最大峰值所处范围的自相关函数进行内插。⑤最后进行有/无声判决。此处与倒谱法