第三讲 语音信号处理第3.1~3.4章

0 -100 -200 -300 -400 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 Normalized Frequency ( rad/sample) 0.9 1
汉明窗的时域、频域的幅度响应特性
预处理：窗口的ቤተ መጻሕፍቲ ባይዱ度

采样周期Ts=1/fs，窗口长度N和频率分辨率Δf之间存在下 列关系： Δf=1/NTs
预处理:窗口的形状
不同的短时分析方法(时域、频域、倒频域分
析) 对窗函数的要求不尽一样 选择窗的标准
在时域要减小时间窗两端的坡度，使窗口边缘两
端不引起急剧变化而平滑过渡到零，这样可以使 截取出的语音波形缓慢降为零，减小语音帧的截 断效应； 在频域要有较宽的3dB带宽以及较小的边带最大 值

量化不可避免地会产生误差。量化后的信号值与原信号值之 间的差值称为量化误差，又称为量化噪声。 若信号波形的变化足够大，或量化间隔Δ足够小时，可以证 明量化噪声符合具有下列特征的统计模型： ①它是平稳的白噪声过程 ②量化噪声与输入信号不相关 ③量化噪声在量化间隔内均匀分布，即具有等概率密度分 布
3.1 概述

语音信号分析 分析出可表示语音信号特征参数
进行高效的语音通信、语音合成和语音识别的基础 时域特征 频率特征

贯穿于语音分析全过程的是“短时分析技术” 语音信号从整体来看其特征及表征其本质特征的参数均 是随时间而变化的，所以它是一个非平衡态过程，不能用处 理平衡信号的数字信号处理技术对其进行分析处理。 但是在一个短时间范围内（一般认为在10-30ms的短时 间内），其特性基本保持不变即相对稳定，因而可以将其看 作是一个准稳态过程，即语音信号具有短时平稳性。
可见，采样周期一定时，Δf随窗口宽度N的增加而减小，即 频率分辨率相应得到提高，但同时时间分辨率降低；如果窗 口取短，频率分辨率下降，而时间分辨率提高，因而二者是 矛盾的。应该根据不同的需要选择合适的窗口长度。

预处理：窗长


有时窗口长度的选择，更重要的是要考虑语音信号的基音周 期。通常认为在一个语音帧内应包含1～7个基音周期。然而 不同人的基音周期变化很大，从女性和儿童的2ms到老年男 子的14ms(即基音频率的变化范围为500～70Hz)，所以N的选 择比较困难。通常在10kHz取样频率下，N折中选择为100～ 200点为宜(即10～20ms持续时间)。 这样，经过上面介绍的处理过程，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，利用数字信号处理技术来提取语 音特征参数。在进行处理时，按帧从数据区中取出数据，处 理完成后再取下一帧，等等，最后得到由每一帧参数组成的 语音特征参数的时间序列。

1．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：
Rn (k )

N 1 k m 0
这样．噪音信号的振荡只要不超过门限间的区域，就不会对真实的 过零率产生影响。 一般说来，短时过零率的最主要用处是分辨清音和浊音、有声与无 声。
7.端点检测
如何区分？能量？过零率？
元音
背景 噪音 辅音
语音“三”的波形图
7.端点检测
如何区分？能量？过零率？
背景 噪音
辅音
短时相关分析
相关分析是一种常用的时域波形分析方法，并有自 相关和互相关之分。这里主要讨论自相关函数。 自相关函数的性质：偶函数； 假设序列具有周期性，则其自相关函数也是同周期 的周期函数等。我们可以把自相关函数的这些性质 应用于语音信号的时域分析中。例如，对浊音语音 可以用自相关函数求出语音波形序列的基音周期。 此外，在进行语信号的线性预测分析时，也要用到 自相关函数。和其他语音参数一样，在语音信号分 析中，我们分析的是短时自相关函数。
0.9 0.8 0.7 0.6 0.5 0.4
0
0.1
0.2
0.3 0.4 0.5 0.6 0.7 0.8 Normalized Frequency ( rad/sample)
0.9
1
100
Phase (degrees)
0 20 40 60 80 100 120 140
0.3 0.2 0.1 0
1 N 1 Z n sgn[ xn (m)] sgn[ xn (m 1)] 2 m 0

式中，sgn[]是符号函数，即 1, ( x 0) sgn[ x] 1, ( x 0)
短时过零率分析
门限过零率
由定义可以看出，短时过零率对噪音的存在非常敏感，如果 背景中有反复穿越坐标轴的随机噪声，那么会产生大量的“ 虚假”的过零，影响计算结果。
预滤波、采样、A/D变换


若用σx2表示输入语音信号的方差,2Xmax表示信号的峰值,B 表示量化字长, σe2表示噪声序列的方差,可以证明量化信 噪比SNR（信号与量化噪声的功率比）为： 2 x X max SNR(dB) 10lg 2 6.02B 4.77 20lg e x 假设语音信号的幅度符合Laplacian分布,此时信号幅度超过 4σx的概率很小，只有0.35%，因而可取Xmax=4σx，则
SNR(dB) 6.02B 7.2

上式表明量化器中的每bit字长对SNR的贡献为6dB。
预加重（Preemphasis）处理 语音信号的平均功率谱受声门激励和口鼻辐 射影响，800Hz以上按6dB/倍频程跌落 目的是提升高频部分，使信号的频谱变得平 坦，保持在低频到高频的整个频带中，能用 同样的信噪比求频谱，以便于频谱分析或声 道参数分析
3.1概述 3.2语音信号的数字化和预处理 3.3语音信号的时域分析 3.4语音信号的频域分析 3.5语音信号的倒谱分析 3.6语音信号的线性预测分析 3.7 语音信号的小波分析 3.8 基音周期估计 3.9共振峰估计
3.1概述 3.2语音信号的数字化和预处理 3.3语音信号的时域分析 3.4语音信号的频域分析 3.5语音信号的倒谱分析
预滤波的目的有两个： 抑制输入信号各频域分量中频率超出fs/2的所有分量，以防 止混叠干扰。 抑制50Hz的电源工频干扰。

这样，预滤波器必须是一个带通滤波器，设其上、下截止频 率分别是fH和fL： 绝大多数语音编译码器： fH=3400Hz，fL=60-100Hz，fS=8kHz
预滤波、采样、A/D变换

1, m 0 ~ ( N 1) (m) 0, m 其它值 其中，n=0,1T,2T,…,并且N为帧长，T为帧移长度。 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：
2 En xn (m) m 0 N 1
短时能量及短时平均幅度分析

矩形窗与汉明窗的比较
窗类型
矩形窗 汉明窗
旁瓣峰值
-13 -41
主瓣宽度
4π/N 8π/N
最小阻带衰减
-21 -53
汉明窗的主瓣宽度比矩形窗大一倍，即带宽 约增加一倍，同时其带外衰减也比矩形窗大 一倍多。矩形窗的谱平滑性能较好，但损失 了高频成分，使波形细节丢失；而汉明窗则 相反，从这一方面来看，汉明窗比矩形窗更 为合适。
为了提高过零率计算的鲁棒 性（Robustness），除了对 原始信号进行带通滤波，一种 有效的方法是修正过零率的定 义，加入门限的定义．如图 所示。
上门限
下门限
6.门限过零率
设一个门限值T，将过零的定义修正为穿越正负门限，带门限的过 零率计算公式为
1 N 1 Z n sgn xn (m) T sgn xn (m 1) T sgn xn (m) T sgn xn (m 1) T 2 m 0
3.3 语音信号的时域分析

语音信号的时域分析就是分析和提取语音信号的时域参数。 进行语音分析时，最先接触到并且也是最直观的是它的时域 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，也是应用最广泛的一种分析方法，这种方法直接利用语 音信号的时域波形。时域分析通常用于最基本的参数分析及 应用，如语音的分割、预处理、大分类等。这种分析方法的 特点是：
H z 1 z
1
预处理：分帧
进行过预加重数字滤波处理后，接下来就要进行加 窗分帧处理。一般每秒的帧数约为33-100帧，视实 际情况而定。 分帧虽然可以采用连续分段的方法，但一般要采用 如图3-2所示的交叠分段的方法，这是为了使帧与 帧之间平滑过渡，保持其连续性。 帧移：前一帧和后一帧的非交叠部分。帧移与帧长 的比值一般取为1/3-1/2

预处理:分帧示意图
预处理：加窗


分帧是用可移动的有限长度窗口进行加权的方法来实现的， 这就是用一定的窗函数ω(n)来乘s(n)， 加窗语音信号sω(n)=s(n)* ω(n)。 在语音信号数字处理中常用的窗函数是矩形窗和汉明窗等， 它们的表达式如下（其中N为帧长）： 矩形窗： 1, 0 n ( N 1) (n) n else 0, 汉明窗： 0.54 0.46cos[2n /( N 1)], 0 n ( N 1) (n) 0, n else

3.2 语音信号的数字化和预处理

语音信号的数字化一般包括放大及增益控制、反混 叠滤波、采样、A/D变换及编码（一般就是PCM码）
语音信号 带通滤波 器 自动增益控制 （AGC） 模 / 数 转 换 （A/D） 脉冲编码 调制（PCM） 存入计算机

预处理一般包括预加重、加窗和分帧等。
预滤波、采样、A/D变换
3.1 概述

分析方法：模型分析方法和非模型分析方法 不论是分析怎么样的参数以及彩什么分析方法，在 按帧进行语音分析，提取语音参数之前，有一些经 常使用的、共同的短时分析技术必须预先进行，如 语音信号的数字化、语音信号的端点检测、预加重、 加窗和分帧等，这些也是不可忽视的语音信号分析 的关键技术。