语音信号特征提取技术

3.共振峰估计
共振峰：共振峰是指在声音的频谱中能量相对集中的一些区域，共振峰 不但是音质的决定因素，而且反映了声道（共振腔）的物理特征。声音 在经过共振腔时，受到腔体的滤波作用，使得频域中不同频率的能量重 新分配，一部分因为共振腔的共振作用得到强化，另一部分则受到衰减， 得到强化的那些频率在时频分析的语图上表现为浓重的黑色条纹。由于 能量分布不均匀，强的部分犹如山峰一般，故而称之为共振峰。 频带宽度：简称为“带宽”，有时称必要带宽，是传送模拟信号时的 信号最高频率与最低频率之差。
4.比例法
在噪声情况下，信号的短时能量和短时过零率会发生变化，严重时会影响端点 检测性能。
实验表明，在语音中，说话区间能量的数值大，而过零率数值低；在噪声区间能 量的数值小，而过零率数值大； 所以，把能量值除以过零率的值，则可以更突出说话区间，从而更容易检测出语 音端点；
2.基音周期估计
基音：一般的声音都是由发声体发出的一系列频率、振幅各不相同的振动复合 而成的。这些振动中有一个频率最低的振动，由它发出的音就是基音，其余为 泛音； 基音周期：声带振动频率的倒数； 由于汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具 有辨意作用的信息，有区别意义的功能，所以，基音的提取和估计对汉语更是 一个十分重要的问题。
基音提取与估计方法：
1.自相关法 2.平均幅度差函数法 3.倒谱法 4.基音检测的后处理
1.自相关法
语音信号是非平稳的信号，所以对信号的处理都使用短时自相关函数； 短时自相关函数是在信号的第N个样本点附近用短时窗截取一段信号，做自相关 计算所得的结果：
m表示窗函数是从第m点开始进入
由第四章分析可知： 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； 因此检验是否有峰值就可以判断是清音或浊音； 检测峰值的位置就可以提取基音周期值。
共振峰参数包括共振峰频率和频带宽度，它是区分不同 韵母的重要参数。 精确的共振峰估值是很困难的（原因：虚假峰值、共振 峰合并、高音调语音），为提高估值精度，常用的解决 方法有：1.带通滤波器组法 2.倒谱法 3.线性预测编码 法……
thanks
3.谱熵法
熵：信息的有序程度； 谱熵语音端点检测方法是通过检测谱的平坦程度，从而达到语音端点检测的 目的； 实验中发现语音的熵与噪音的熵存在较大差异，语音信号的谱熵值一般都低 于噪声的谱熵值
谱熵函数绘制的噪音谱（左）和语音谱（右）：
谱熵函数可以很方便的描述谱的平坦特性。噪声谱较为平坦， 谱熵较大；语音谱与之相反，谱熵大的为噪声，小的为语音；
3.倒谱法
倒频谱：倒频谱，就是对功率谱的对数值进行傅立叶逆变换，将复杂的卷积关系 变为简单的线性叠加，从而在其倒频谱上可以较容易地识别信号的频率组成分量， 便于提取所关心的频率成分，较准确地反映故障特性。 声门激励信号：是肺部气流冲击声带产生的，是语音的源信号。直接使用音源对 信号做进一步的处理，可以不受声带共振峰的影响，其处理的结果可以更准确的
反映语音的本质特性。
倒谱法是传统的基音周期检测算法之一，它利用语音信号的倒频 谱特征，检测出表征声门激励周期的基音信息。
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。
4.基音检测的后处理
无论采用哪一种基音检测算法都可能产生基音检测错误，使求得的基音 周期轨迹中有一个或几个基音周期估值偏离了正常轨迹，为了去除这些 偏离点，可以采用各种平滑算法，其中最常用的是中值平滑算法和线性 平滑算法。
2.平均幅度差函数法 语音信号的短时Fra Baidu bibliotek均幅度差函数定义为：
与短时自相关函数一样，对周期性的浊音语音，Fn（k）也呈现与浊音 语音周期相一致的周期特性，因而可以通过Fn（k）的计算同样可以来 确定基音周期，但对于清音语音信号，却没有这种周期特性。利用这种 特性，可以判断一段语音是浊音还是清音，并估计浊音语音的基音周期.
它可以用来区分静音和清音；
将两种检测结合起来，就可以检测出语音段（清音与 浊音）与静音段，从而识别出语音信号的端点。
2.自相关法
语音信号xn（m）短时自相关函数Rn（k）的计算公式：
含噪语音和纯噪声语音的自相关函数的波形图：
根据噪音情况，设置两个阈值T1和T2，当相关函数最大值大于T2时，判定为 语音；当相关函数最大值大于或小于T1时，判定为语音信号的端点。
语音信号特征提取技术
王忠臣 2017.12.19
端点检测
1.定义： 指从一段语音信号中准确的找出语音信号的起始点与结束点； 2.目的： 使有效的语音信号和无用的噪音信号分离； 3.应用范围： 语音识别、语音增强、语音编码、回声抵消……
（2）短时过零率
短时过零率表示一帧语音中语音信号波形穿过横轴（零电平）的次数。