第3章語音信號分析§3.2語音信號的數(shù)字化和預(yù)處理§3.3語音信號的時域分析§3.4語音信號的頻域分析§3.5語音信號的倒譜分析§3.6語音信號的線性預(yù)測分析1§3.2語音信號的數(shù)字化和預(yù)處理一、預(yù)濾波、采樣和A/D轉(zhuǎn)換二、預(yù)處理2

1.預(yù)濾波的作用：

防止混疊；抑制50Hz的電源工頻干擾。預(yù)濾波器是一個帶通濾波器，一般情況下，上、下截止頻率為：fL=60～100Hz，fH=3400Hz。一、預(yù)濾波、采樣和A/D轉(zhuǎn)換3tnxa(nT)xa(t)

2.采樣：

將時間連續(xù)信號變成時間離散信號。

采樣頻率通常為fs＝8kHz。4Idealsamplingandrealsampling53.A/D轉(zhuǎn)換采樣量化xa(t)xa(nT)x(n)xa1x1xkxakxak+1xk+1xLxaLxaL+1x(n)=Q[xa(nT)]6截尾量化舍入量化截掉b位后數(shù)據(jù)視b+1位后數(shù)據(jù)的大小決定b位數(shù)據(jù)的值7量化誤差(噪聲)

e(n)=x(n)-xa(nT)-/2

e(n)

/21|e(n)|

/20其他（1）假設(shè)量化噪聲是平穩(wěn)的白噪聲過程（2）假設(shè)量化噪聲與輸入信號不相關(guān)，有

E[e(n)x(n+m)]=0m為任意值（3）在每個量化間隔上，量化噪聲均勻分布，有

Pe(e(n))=8量化信噪比量化噪聲的信噪比：SNR=x2/e2

x2語音信號序列的方差，e2噪聲序列的方差，用分貝表示，SNR=10log(x2/e2）

SNR=signaltonoiserate=signal’senergy/noise’senergy9SNR=6.02B+4.77－20log(Xmax/x)＝6.02B－7.27

Xmax表示其峰值B為量化的比特數(shù)當(dāng)語音信號的幅度服從拉普拉斯分布時，Xmax＝4x當(dāng)B=8,SNR=40dB。10A/Dofsomecommonaudiosignals

FrequencyscopeSamplingfrequencyQuantizationbitsTelephone200-34008khz8bitsWideband50-700016khz16bitsBroadcasting20-15khz37.8khz16bitsCD20-20khz44.1khz16bits111.存儲方式：

已量化好的語音信號序列按先入先出的順序存入數(shù)據(jù)區(qū)。以便一個有限容量的數(shù)據(jù)區(qū)來應(yīng)付數(shù)量極大的語音數(shù)據(jù)。二、預(yù)處理122.預(yù)加重：

預(yù)加重的目的是提升高頻部分，便于頻譜分析和聲道參數(shù)分析。

預(yù)加重濾波器為一階數(shù)字濾波器：H(z)=1-z-1,

=0.94-0.97。x(n)x'(n)H(z)=1-z-113142.加窗分幀處理：

加矩形窗加漢寧窗hanning第n幀第n+1幀第n+2幀各幀之間有0～1/2的重疊，由窗函數(shù)的定義決定的。w(n)=0.5*[1-cos(2n/(N-1))]t第n幀第n+1幀第n+2幀第n+3幀第n+4幀幀長N幀移T15漢寧窗hanning海明窗hamming矩形窗(rectangular)16Windowshapes17T為幀移長度N為幀長x0(m)0N-1x1(m)TT+N-118第1幀第2幀0N-1N2N-1第1幀第2幀0N-1N/2N+(N/2)-1加矩形窗(幀移長度為N)加漢寧窗(幀移長度為N/2)x0(m)x1(m)x0(m)x1(m)幀移T=0幀移T=N/219512點的漢寧窗

當(dāng)采用漢寧窗，原有數(shù)據(jù)的幅度發(fā)生變化，為了保持?jǐn)?shù)據(jù)的原始幅度，必須采取各幀數(shù)據(jù)之間有1/2的重疊。20

由于在

10－30ms，語音信號近似平穩(wěn)。每秒的幀數(shù)約為：33～100幀。

窗口的長度N：頻率分辨率f=fs/N。f隨N的增加而減少，頻率分辨率得到提高，但時間分辨率降低(與窗長成反比)。應(yīng)根據(jù)不同的應(yīng)用場合來選擇窗口的長度N，應(yīng)包含2個基音周期。21Longwindow:frequencyresolutiontimeresolutionShortwindow:frequencyresolutiontimeresolution22Windowing(frame)Inshort-term,non-stationary->stationaryNon-linear->linear(10ms-25ms)23x0(m)0N-1x1(m)TT+N-1y0(m)0N-1y1(m)TT+N-124§3.3語音信號的時域分析一、短時能量及短時平均幅度分析二、短時過零率分析三、短時相關(guān)分析四、短時平均幅度差函數(shù)251.幅度分析的依據(jù)：是基于語音信號幅度隨時間變化。清音段幅度小，其能量集中于高頻段；濁音段幅度較大，其能量集中于低頻段。2.短時能量函數(shù)和短時平均幅度函數(shù)一、短時能量及短時平均幅度分析T為幀移長度N為幀長26

男聲“深圳廣州珠海”的短時幅度統(tǒng)計。在采樣頻率為22050Hz的情況下，取20ms作為一幀，幀長為441點，一共統(tǒng)計了180幀。短時平均幅度原始語音273.短時平均幅度函數(shù)和能量函數(shù)的作用(1)區(qū)分清/濁音：

En、Mn大，對應(yīng)濁音；En、Mn小，對應(yīng)清音。(2)在信噪比高的情況下，能進(jìn)行有聲/無聲判決無聲時，背景噪聲的En、Mn?。挥新晻r，En、Mn顯著增大。判決時可設(shè)置一個門限。(3)大致能定出濁音變?yōu)榍逡舻臅r刻，或反之。28

女聲漢語拼音a的一幀信號（在采樣頻率為22050Hz的情況下，取20ms作為一幀），濁音的短時能量78.6129

男聲漢語拼音s的一幀信號（在采樣頻率為22050Hz的情況下，取20ms作為一幀），清音的短時能量3.88。30用途:靜音檢測（VAD）和舒適噪聲(CNG)的生成VAD:VoiceActivityDetectionCNG:ComfortNoiseGenerator31短時能量函數(shù):對信號電平值過于敏感容易溢出短時平均幅度:清音和濁音、有聲和無聲的幅度

差不如短時能量明顯。各自存在的問題321.過零率定義：信號跨越橫軸的情況。對于連續(xù)信號，觀察語音時域波形通過橫軸的情況；對于離散信號，相鄰的采樣值具有不同的代數(shù)符號，也就是樣點改變符號的次數(shù)。tn二、短時過零率分析33ZCR34對于語音信號，是寬帶非平穩(wěn)信號，應(yīng)考察其短時平均過零率。sgn(x(n))=1x(n)0sgn(x(n))=-1x(n)<0

sgn[.]為符號函數(shù)353、短時平均過零的作用1.區(qū)分清/濁音：濁音平均過零率低，集中在低頻端；清音平均過零率高，集中在高頻端。2.從背景噪聲中找出是否有語音，以及語音的起點。36

女聲漢語拼音a的一幀信號（在采樣頻率為22050Hz的情況下，取20ms作為一幀），短時過零率為46。37

男聲漢語拼音s的一幀信號（在采樣頻率為22050Hz的情況下，取20ms作為一幀），短時過零率為183。38

存在的問題:短時平均過零率容易受到A/D轉(zhuǎn)換是的直流偏移、50Hz交流電源的干擾以及噪聲的影響。39減少直流偏移方法:①采用低直流偏移器件

②軟件去除40Bandpass

filte

HbwHb(ejw)x(n)y(n)減少電源干擾的方法：①一種是采用帶通濾波41

②是用過門限率來修改過零率，減少隨機(jī)噪聲的影響。過門限率反映了穿過正負(fù)門限的次數(shù)，如果存在隨機(jī)噪聲，只要信號沒有超過[-T,T]的范圍，就沒有有過零率產(chǎn)生。T-T421.短時自相關(guān)函數(shù)的定義(1)說明當(dāng)時域信號為周期信號時，自相關(guān)函數(shù)也是周期性函數(shù)，兩者具有同樣的周期。(2)Rn(k)為偶函數(shù)，Rn(k)＝Rn(－k)(3)Rn(0)最大，Rn(0)|Rn(k)|,Rn(0)=En。三、短時相關(guān)分析4344正弦波周期信號

正弦波周期信號的自相關(guān)函數(shù)波形45

正弦波周期信號和其自相關(guān)函數(shù)疊加462、相關(guān)函數(shù)的作用1.區(qū)分清/濁音。濁音語音的自相關(guān)函數(shù)具有一定的周期性。清音語音的自相關(guān)函數(shù)不具有周期性，類似噪聲，有點如語音信號本身。2.估計濁音語音信號的周期，即估計基音周期。47

女聲漢語拼音a的一幀信號（在采樣頻率為22050Hz的情況下，取20ms作為一幀），自相關(guān)波形圖。說明濁音的自相關(guān)函數(shù)具有一定的周期性。原始語音信號自相關(guān)函數(shù)波形48

原始語音信號和其自相關(guān)函數(shù)波形49Auto-correlationpeaks50

男聲漢語拼音s的一幀信號（在采樣頻率為22050Hz的情況下，取20ms作為一幀），自相關(guān)波形圖。原始語音信號自相關(guān)函數(shù)波形51

男聲漢語拼音s的一幀信號（在采樣頻率為22050Hz的情況下，取10ms作為一幀），自相關(guān)波形圖。原始語音信號修改坐標(biāo)的自相關(guān)函數(shù)波形52

用MATLAB的函數(shù)randn，產(chǎn)生一幀高斯白噪聲，其自相關(guān)函數(shù)圖。說明清音是噪聲激勵的正確性。白噪聲信號修改坐標(biāo)的自相關(guān)函數(shù)波形53聲道的共振峰特性對基音周期的估計造成干擾，這是因為語音信號包含豐富的諧波分量?；纛l率的范圍分布在50～450Hz左右。同時，第一共振峰通常在200～1000Hz的范圍內(nèi)，這樣可能導(dǎo)致語音的諧波分量高于基頻分量，對基音周期的估計造成錯誤。采用中心削波法：

54Center-clippingtechniq