语音信号特征提取
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
h(n)
，根据同态处理方法
有：
~
H (z) ln H (z)
因为线性预测中声道系~ 统函数H(z)是最小相位的。即在单位 圆内是解析的。所以 H (z) 可以展开为级数形式为：
~
~
H (z) h(n)zn
n1
将
~
H
(
z
)
对
z
1
求导，并整理得：
1
P
i
z
i
~
nh(n)zn
PHale Waihona Puke Baidu
ii zi
i1
MFCC参数及其差分
MFCC是目前语音识别中使用最广泛的特征参数，是 基于人耳听觉特性的一种参数。它和线性频率的转换关系 如下公式：
fmel
2595log10 (1
f) 700
根据研究，人听觉的临界频率带宽随着频率的变化， 并且与Mel频率的增长一致，在1000Hz以下，大体呈线性 分布，带宽为100Hz左右，在1000Hz以上呈对数增长。
LPCC参数及其差分
同态处理基本原理
语音信号、图像信号、通信中的衰落信号和调制信号 都是非线性信号，是乘积性信号或卷积性信号。同态信号 处理就是将非线性问题转化为线性问题来处理。图1是同 台系统的组成框图。
图1 同态系统的组成
复倒谱和倒谱
我们把前面得到的输出信号 y(n) 称为输入信号x(n) 的复
MFCC参数是按帧计算的。首先要通过FFT得到该帧信 号的功率谱s(n)转换为Mel频率下的功率谱。这需要在计算 之前先在语音的频谱范围内设置若干个带通滤波器：
M为滤波器的个数，由信号的截止频率决定，通常取 24，N为一帧语音信号的点数。为了计算FFT的方便，通常 取N为256。滤波器在频率上为简单的三角形，其中心频率 为 fm ，它们在Mel频率轴上是均匀分布的。在线性频率上， 当m较小时，相邻的 间f隔m 很小，随着m的逐渐增加，相 邻的 间隔逐fm 渐拉开。如图2所示。此外，在频率较低的
倒谱，用公式表示如下：
F (x(n)) X (e jw ) Y (e jw ) ln X (e jw )
y(n) F 1 ln X (e jw )
而倒谱c(n)定义为序列x(n)对数幅度谱的傅立叶逆变 换，即：
c(n) F 1 ln | X (e jw) |
线性预测倒谱
假若一个语音信号用一个p阶的全极点系统受白噪声 u(n)激励产生的输出来模拟（也就是说该信号在零状态下 只有白噪声作为激励），则输入和输出的关系可以表示为 差分方程:
E(n) en2( j) min
j
为了使 E(n)最小，上式对各阶LPC系数求导，并令其导 数为零，即：
E(n) / i 0 (i 1, 2, p)
为此便得到以 i 为变量的线性方程组，一旦解出其中 的变量i ，最小误差能量便可求得，设求出的最小误差能
量解为：
r(0)
rp
r(1)
r( p)
则采用Yule-Walker求解线性预测系数的公式为：ap Rp1rp
其中 Rp ：
LPC的计算方法有自相关法、协方差法、格型法、Burg 法等等。
LPC模型阶数P的确定
实验表明，LPC分析阶数p应选在8至12之间。选择 p=12可以对绝大多数语音信号的声道模型取得足够近似的 逼近。p值选得过大虽然可以略微改善逼近效果，但也带 来一些负作用。一方面是加大了计算量，另一方面有可能 增添一些不必要的细节，比如在用声道模型谱进行共振峰 分析时反而使效果变坏。
音识别的实时实现； 还要考虑特征参数的计算量，应在保持高识别率的情况下，
尽可能减少特征维数，以减小存储要求和利于实时实现。
LPC参数
基本思想
语音样点之间存在相关性，所以可以用过去的样点值
来预测现在或未来的样点值，即语音信号的每个取样值， 可以用它过去若干个取样值的加权和来逼近。
用公式表示如下：
~
P
x(n) ix(n i)
i 1
其中，x~ (n) 为语音信号的现在估计值，x(n i)(1 i p) 为前p个采样值， i 为预测系数。
系统的预测误差 e(n)：
~
P
e(n) x(n) x(n) x(n) i x(n i)
i 1
为了使这种预测达到最佳，应使预测误差 e(n)在某一短 时的总能量尽可能小，并在此准则下求出最佳预测系数i， 为此定义短时平均预测误差能量E(n)为最小，即：
标准的LPCC参数只反映了声道参数的静态特性，反 映说话人声道动态变化的参数就是线性预测差分倒谱。
线性预测差分倒谱的定义为：
k
~
~ i h(n i)
h(t) ik k
i2
ik
这里k为常数，通常取2，这时差分参数就称为当前帧 的前两帧和后两帧参数的线性组合。由此式计算得到的差 分参数为一阶差分参数，用同样的公式对一阶差分参数进 行计算，可得到二阶差分LPCC参数。
语音信号的特征参数提取
演讲者：刘德体
特征提取的定义 特征参数的选择标准 LPC参数 LPCC参数及其差分 MFCC参数及其差分 方法比较
特征提取的定义
语音特征提取
特征提取就是从说话人的语音信号中提取出表示说话 人个性的基本特征。
常见的说话人特征
语音帧能量、基音周期、线性预测系数LPC、共振峰 频率及带宽、鼻音联合特征、谱相关特征、相对发音速率 特征、LPC倒谱以及音调轮廓特征等。
n1
i1
另上式两端 z1 各次幂的系数相等，得到递推关系：
~ h(n)
n1
an i1
n1 i 1
1
1
i n
ai
i n
ai
~
h(n
~
h(n
i)
i)
1 n p n>p
按上式可以直接从预测系数推得倒谱，这个倒谱是根据线性 预测模型得到的，所以称为线性预测倒谱（LPCC）。
线性预测差分倒谱
P
x(n) i x(n i) Gu(n) i 1
其中，G为增益系数，它用来控制音量。则该系统的 Z域表达式：
P
X (z) i zi X (z) GU (z) i 1
该系统的传递函数：
H (z) X (z) GU (z) 1
1
P
i zi
i 1
其冲激响应为
h(n)。求
h(n)
的倒谱
~
本次主要讲的是线性预测倒谱系数(LPCC)及其差分 和美尔倒谱系数(MFCC)及其差分作为说话人识别的特征 参数。
特征参数的选择标准
体现对异音字之间的距离尽可能大，而同音字之间的距离 应尽可能小。若以前者距离与后者距离之比为优化准则确 定目标量，则应是该量最大；
各阶参数之间有良好的独立性； 特征参数要计算方便，最好有高效的计算方法，以保证语
，根据同态处理方法
有：
~
H (z) ln H (z)
因为线性预测中声道系~ 统函数H(z)是最小相位的。即在单位 圆内是解析的。所以 H (z) 可以展开为级数形式为：
~
~
H (z) h(n)zn
n1
将
~
H
(
z
)
对
z
1
求导，并整理得：
1
P
i
z
i
~
nh(n)zn
PHale Waihona Puke Baidu
ii zi
i1
MFCC参数及其差分
MFCC是目前语音识别中使用最广泛的特征参数，是 基于人耳听觉特性的一种参数。它和线性频率的转换关系 如下公式：
fmel
2595log10 (1
f) 700
根据研究，人听觉的临界频率带宽随着频率的变化， 并且与Mel频率的增长一致，在1000Hz以下，大体呈线性 分布，带宽为100Hz左右，在1000Hz以上呈对数增长。
LPCC参数及其差分
同态处理基本原理
语音信号、图像信号、通信中的衰落信号和调制信号 都是非线性信号，是乘积性信号或卷积性信号。同态信号 处理就是将非线性问题转化为线性问题来处理。图1是同 台系统的组成框图。
图1 同态系统的组成
复倒谱和倒谱
我们把前面得到的输出信号 y(n) 称为输入信号x(n) 的复
MFCC参数是按帧计算的。首先要通过FFT得到该帧信 号的功率谱s(n)转换为Mel频率下的功率谱。这需要在计算 之前先在语音的频谱范围内设置若干个带通滤波器：
M为滤波器的个数，由信号的截止频率决定，通常取 24，N为一帧语音信号的点数。为了计算FFT的方便，通常 取N为256。滤波器在频率上为简单的三角形，其中心频率 为 fm ，它们在Mel频率轴上是均匀分布的。在线性频率上， 当m较小时，相邻的 间f隔m 很小，随着m的逐渐增加，相 邻的 间隔逐fm 渐拉开。如图2所示。此外，在频率较低的
倒谱，用公式表示如下：
F (x(n)) X (e jw ) Y (e jw ) ln X (e jw )
y(n) F 1 ln X (e jw )
而倒谱c(n)定义为序列x(n)对数幅度谱的傅立叶逆变 换，即：
c(n) F 1 ln | X (e jw) |
线性预测倒谱
假若一个语音信号用一个p阶的全极点系统受白噪声 u(n)激励产生的输出来模拟（也就是说该信号在零状态下 只有白噪声作为激励），则输入和输出的关系可以表示为 差分方程:
E(n) en2( j) min
j
为了使 E(n)最小，上式对各阶LPC系数求导，并令其导 数为零，即：
E(n) / i 0 (i 1, 2, p)
为此便得到以 i 为变量的线性方程组，一旦解出其中 的变量i ，最小误差能量便可求得，设求出的最小误差能
量解为：
r(0)
rp
r(1)
r( p)
则采用Yule-Walker求解线性预测系数的公式为：ap Rp1rp
其中 Rp ：
LPC的计算方法有自相关法、协方差法、格型法、Burg 法等等。
LPC模型阶数P的确定
实验表明，LPC分析阶数p应选在8至12之间。选择 p=12可以对绝大多数语音信号的声道模型取得足够近似的 逼近。p值选得过大虽然可以略微改善逼近效果，但也带 来一些负作用。一方面是加大了计算量，另一方面有可能 增添一些不必要的细节，比如在用声道模型谱进行共振峰 分析时反而使效果变坏。
音识别的实时实现； 还要考虑特征参数的计算量，应在保持高识别率的情况下，
尽可能减少特征维数，以减小存储要求和利于实时实现。
LPC参数
基本思想
语音样点之间存在相关性，所以可以用过去的样点值
来预测现在或未来的样点值，即语音信号的每个取样值， 可以用它过去若干个取样值的加权和来逼近。
用公式表示如下：
~
P
x(n) ix(n i)
i 1
其中，x~ (n) 为语音信号的现在估计值，x(n i)(1 i p) 为前p个采样值， i 为预测系数。
系统的预测误差 e(n)：
~
P
e(n) x(n) x(n) x(n) i x(n i)
i 1
为了使这种预测达到最佳，应使预测误差 e(n)在某一短 时的总能量尽可能小，并在此准则下求出最佳预测系数i， 为此定义短时平均预测误差能量E(n)为最小，即：
标准的LPCC参数只反映了声道参数的静态特性，反 映说话人声道动态变化的参数就是线性预测差分倒谱。
线性预测差分倒谱的定义为：
k
~
~ i h(n i)
h(t) ik k
i2
ik
这里k为常数，通常取2，这时差分参数就称为当前帧 的前两帧和后两帧参数的线性组合。由此式计算得到的差 分参数为一阶差分参数，用同样的公式对一阶差分参数进 行计算，可得到二阶差分LPCC参数。
语音信号的特征参数提取
演讲者：刘德体
特征提取的定义 特征参数的选择标准 LPC参数 LPCC参数及其差分 MFCC参数及其差分 方法比较
特征提取的定义
语音特征提取
特征提取就是从说话人的语音信号中提取出表示说话 人个性的基本特征。
常见的说话人特征
语音帧能量、基音周期、线性预测系数LPC、共振峰 频率及带宽、鼻音联合特征、谱相关特征、相对发音速率 特征、LPC倒谱以及音调轮廓特征等。
n1
i1
另上式两端 z1 各次幂的系数相等，得到递推关系：
~ h(n)
n1
an i1
n1 i 1
1
1
i n
ai
i n
ai
~
h(n
~
h(n
i)
i)
1 n p n>p
按上式可以直接从预测系数推得倒谱，这个倒谱是根据线性 预测模型得到的，所以称为线性预测倒谱（LPCC）。
线性预测差分倒谱
P
x(n) i x(n i) Gu(n) i 1
其中，G为增益系数，它用来控制音量。则该系统的 Z域表达式：
P
X (z) i zi X (z) GU (z) i 1
该系统的传递函数：
H (z) X (z) GU (z) 1
1
P
i zi
i 1
其冲激响应为
h(n)。求
h(n)
的倒谱
~
本次主要讲的是线性预测倒谱系数(LPCC)及其差分 和美尔倒谱系数(MFCC)及其差分作为说话人识别的特征 参数。
特征参数的选择标准
体现对异音字之间的距离尽可能大，而同音字之间的距离 应尽可能小。若以前者距离与后者距离之比为优化准则确 定目标量，则应是该量最大；
各阶参数之间有良好的独立性； 特征参数要计算方便，最好有高效的计算方法，以保证语