发布时间 : 星期六 文章基于某MATLAB地语音信号时域特征分析报告更新完毕开始阅读7dede17425284b73f242336c1eb91a37f111329c
实用文档
图1.5为某一语音在矩形窗条件下求得的短时能量和短时平均过零率。分析可知：清音的短时能量较低，过零率高，浊音的短时能量较高，过零率低。清音的过零率为0.5左右，浊音的过零率为0.1左右，两但者分布之间有相互交叠的区域，所以单纯依赖于平均过零率来准确判断清浊音是不可能的，在实际应用中往往是采用语音的多个特征参数进行综合判决。 短时平均过零率的应用：1）区别清音和浊音。例如，清音的过零率高，浊音的过零率低。此外，清音和浊音的两种过零分布都与高斯分布曲线比较吻合。2）从背景噪声中找出语音信号。语音处理领域中的一个基本问题是，如何将一串连续的语音信号进行适当的分割，以确定每个单词语音的信号，亦即找出每个单词的开始和终止位置。3）在孤立词的语音识别中，可利用能量和过零作为有话无话的鉴别。 1采样幅度0.50-0.502000400060008000sample100001200014000160001800086短时能量42002000400060008000sample10000120001400016000180000.5短时平均过零率0.40.30.20.1002000400060008000sample1000012000140001600018000 图1.5 矩形窗条件下的短时平均过零率 4、短时自相关函数 自相关函数用于衡量信号自身时间波形的相似性。清音和浊音的发声机理不同，因而在波形上也存在着较大的差异。浊音的时间波形呈现出一定的周期性，波形之间相似性较好；清音的时间波形呈现出随机噪声的特性，样点间的相似性较差。因此，我们用短时自相关函数来测定语音的相似特性。短时自相关函数定义为：
实用文档
Rn(k)?m?????x(m)w(n?m)x(m?k)w(n?m?k) ''′令m?n?m，并且w(?m)?w(m)，可以得到： ?N?1?km?0Rn(k)?m????[x(n?m)w(m)][x(n?m?k)w(m?k)]??[x(n?m)w(m)][x(n?m?k)w(m?k)]'''' 图6给出了清音的短时自相关函数波形，图7给出了不同矩形窗长条件下（窗长分别为N=70，N=140，N=210，N=280）浊音的短时自相关函数波形。由图1.6、图1.7短时自相关函数波形分析可知：清音接近于随机噪声，清音的短时自相关函数不具有周期性，也没有明显突起的峰值，且随着延时k的增大迅速减小；浊音是周期信号，浊音的短时自相关函数呈现明显的周期性，自相关函数的周期就是浊音信号的周期，根据这个性质可以判断一个语音信号是清音还是浊音，还可以判断浊音的基音周期。浊音语音的周期可用自相关函数中第一个峰值的位置来估算。所以在语音信号处理中，自相关函数常用来作以下两种语音信号特征的估计： 1）区分语音是清音还是浊音； 2）估计浊音语音信号的基音周期。 0.080.060.040.020-0.02-0.04-0.06-0.08050100150200250300清音0.10.05R(k)0-0.05-0.1050100150延时k200250300图1.6 清音的短时自相关函数
实用文档
5N=70 R(k)0-5 0520406080100延时k120140160180200220 N=140R(k)0-5 01020406080100延时k120140160180200220 N=210R(k)0-10 01020406080100延时k120140160180200220 N=280R(k)0-10 020406080100延时k120140160180200220图1.7 不同矩形窗长条件下的浊音的短时自相关函数 5、时域分析方法的应用 1）基音频率的估计 首先可利用时域分析（短时能量、短时过零率、短时自相关）方法的某一个特征或某几个特征的结合，判定某一语音有效的清音和浊音段；其次，针对浊音段，可直接利用短时自相关函数估计基音频率，其方法是：估算浊音段第一最大峰的位置，再利用抽样率计算基音频率，举例来说，若某一语音浊音段的第一最大峰值约为35个抽样点，设抽样频率为11.025KHZ，则基音频率为11025/35=315 HZ。 但是，实际上第一最大峰值位置有时并不一定与基音周期吻合。一方面与窗长有关，另一方面还与声道特性有关。鉴于此，可采用三电平削波法先进行预处理。 2）语音端点的检测与估计 可利用时域分析（短时能量、短时过零率、短时自相关）方法的某一个特征或某几个特征的结合，判定某一语音信号的端点，尤其在有噪声干扰时，如何准确检测语音信号的端点，这在语音处理中是富有挑战性的一个课题。 6.短时傅立叶变换 由于语音信号是短时平稳的随机信号，某一语音信号帧的短时傅立叶变换的定义为： Xn(e)? jwm????x(m)w(n?m)e??jwm （2.1） 其中w(n-m)是实窗口函数序列，n表示某一语音信号帧。令n-m=k'，则得到 Xn(e)? 于是可以得到 jwk'????w(k')x(n?k')e??jw(n?k') （2.2）
实用文档
Xn(e)?e 假定 jw?jwnk????w(k)x(n?k)e?jwk （2.3） Xn(e)? 则可以得到 jwk????w(k)x(n?k)e?jwk （4） Xn(ejw)?e?jwnXn(ejw) （5） 同样，不同的窗口函数，将得到不同的傅立叶变换式的结果。由上式可见，短时傅立叶变换有两个变量：n和ω，所以它既是时序n的离散函数，又是角频率ω的连续函数。与离散傅立叶变换逼近傅立叶变换一样，如令ω=2πk/N，则得离散的短时傅立叶吧如下： Xn(ej2?k/N)?Xn(k)? m??? 7.语谱图 水平方向是时间轴，垂直方向是频率轴，图上的灰度条纹代表各个时刻的语音短时谱。语谱图反映了语音信号的动态频率特性，在语音分析中具有重要的实用价值。被成为可视语言。 语谱图的时间分辨率和频率分辨率是由窗函数的特性决定的。时间分辨率高，可以看出时间波形的每个周期及共振峰随时间的变化，但频率分辨率低，不足以分辨由于激励所形成的细微结构，称为宽带语谱图；而窄带语谱图正好与之相反。 宽带语谱图可以获得较高的时间分辨率，反映频谱的快速时变过程；窄带语谱图可以获得较高的频率分辨率，反映频谱的精细结构。两者相结合，可以提供带两与语音特性相关的信息。语谱图上因其不同的灰度，形成不同的纹路，称之为“声纹”。声纹因人而异，因此可以在司法、安全等场合得到应用。 8.复倒谱和倒谱 复倒谱x(n)是x(n)的Z变换取对数后的逆Z变换，其表达式如下: ^?x(m)w(n?m)e??j2?km/N,(0?k?N?1) (6) x?Z^?1[lnZ[x(n)]] （7） 倒谱c(n)定义为x(n)取Z变换后的幅度对数的逆Z变换，即 c(n)?z?1[ln|X(z)|] （8）