第四章 语音信号的声道参数
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)。
– 语音信号可视为声门激励信号与声道冲激响 应的卷积 – 如何将二者分开
• 方法: 解卷算法
– 参数解卷
• 为线性系统建立一个模型，然后按照某种准则对 模型进行参数估计。(线性预测技术)
– 非参数解卷
• 同态处理: 将卷积关系转换为求和关系，再进一 步分离两种信号。
4.1.2 同态信号分析
• 思路
4.1.4 倒谱的应用
• • • • 清浊音判决、基音周期估计 共振峰提取 同态声码器 识别特征参数
4.1.5 MFCC
• Mel-Frequency Cepstral Coefficients • 借鉴人耳的听觉特性
问题
• 什么是同态信号处理 • 什么是倒谱和复倒谱，应用 • 什么是MFCC
4.1.3 复倒谱和倒谱
• 倒谱(Cepstrum) • 复倒谱(Complex Cepstrum)
– 一个时间序列的Z变换的对数所对应的时间 序列，称为复倒谱
• 倒谱和复倒谱的异同
– 相同: 卷积->求和 – 不同: 倒谱不可逆 – 二者关系
• 复倒谱的特点
复倒谱的计算
• 相位问题
4.1.3 语音复倒谱Hale Waihona Puke Baidu倒谱的特点
– 卷积->求和 – \ / – 乘积
• 特征系统 • 逆特征系统
特征系统
• 1. Z变换 • 2. 对数运算 • 3. 逆Z变换
复倒谱
• 一个时间序列的Z变换的对数所对应的时 间序列，称为复倒谱
可以用线性系统处理
• 倒滤波器(Lifter)
– L[.]
逆特征系统
• Z变换 • 指数运算 • 逆Z变换
第四章 语音信号的生成参数估计
刘 刚 Lg
第四章 语音信号的生成参数估计
• 倒谱分析(同态信号处理) • 线性预测分析 • 共振峰参数估计
4.1 倒谱分析
• • • • • • 概述 同态信号分析 复倒谱和倒谱 语音复倒谱和倒谱的特点 倒谱的应用 MFCC
4.1.1 概述
• 问题的提出
– 线性系统
L[] x(n) y(n)
y(n) = L[ x(n)]
x1(n) + x2 (n) → L[ x1(n) + x2 (n)] = L[ x1(n)] + L[ x2 (n)] = y1(n) + y2 (n) = y(n)
ax(n) → L[ ax(n)] = aL[ x(n)] = ay(n)
• 卷积同态系统
• 方法: 解卷算法
– 参数解卷
• 为线性系统建立一个模型，然后按照某种准则对 模型进行参数估计。(线性预测技术)
– 非参数解卷
• 同态处理: 将卷积关系转换为求和关系，再进一 步分离两种信号。
4.1.2 同态信号分析
• 思路
4.1.4 倒谱的应用
• • • • 清浊音判决、基音周期估计 共振峰提取 同态声码器 识别特征参数
4.1.5 MFCC
• Mel-Frequency Cepstral Coefficients • 借鉴人耳的听觉特性
问题
• 什么是同态信号处理 • 什么是倒谱和复倒谱，应用 • 什么是MFCC
4.1.3 复倒谱和倒谱
• 倒谱(Cepstrum) • 复倒谱(Complex Cepstrum)
– 一个时间序列的Z变换的对数所对应的时间 序列，称为复倒谱
• 倒谱和复倒谱的异同
– 相同: 卷积->求和 – 不同: 倒谱不可逆 – 二者关系
• 复倒谱的特点
复倒谱的计算
• 相位问题
4.1.3 语音复倒谱Hale Waihona Puke Baidu倒谱的特点
– 卷积->求和 – \ / – 乘积
• 特征系统 • 逆特征系统
特征系统
• 1. Z变换 • 2. 对数运算 • 3. 逆Z变换
复倒谱
• 一个时间序列的Z变换的对数所对应的时 间序列，称为复倒谱
可以用线性系统处理
• 倒滤波器(Lifter)
– L[.]
逆特征系统
• Z变换 • 指数运算 • 逆Z变换
第四章 语音信号的生成参数估计
刘 刚 Lg
第四章 语音信号的生成参数估计
• 倒谱分析(同态信号处理) • 线性预测分析 • 共振峰参数估计
4.1 倒谱分析
• • • • • • 概述 同态信号分析 复倒谱和倒谱 语音复倒谱和倒谱的特点 倒谱的应用 MFCC
4.1.1 概述
• 问题的提出
– 线性系统
L[] x(n) y(n)
y(n) = L[ x(n)]
x1(n) + x2 (n) → L[ x1(n) + x2 (n)] = L[ x1(n)] + L[ x2 (n)] = y1(n) + y2 (n) = y(n)
ax(n) → L[ ax(n)] = aL[ x(n)] = ay(n)
• 卷积同态系统