语音信号特征参数研究
声音信号特征参数的分析和提取方法
声音信号特征参数的分析和提取方法作者：田雪阳杨宇刘子寒李渊来源：《价值工程》2017年第21期LI Yuan（上海电机学院，上海 201306）（Shanghai Dianji University，Shanghai 201306，China）摘要：在基于虚拟仪器LabVIEW的环境中，通过与MATLAB相结合设计一个语音识别登陆系统，对电脑声卡采集到的语音信号进行处理分析，提取声音的特征参数Mel倒谱系数并保存，然后通过矢量量化的模式匹配来进行身份确认。
Abstract： The whole study is based on virtual instrument LabVIEW with the combination of MATLAB. This system processes and analyzes the voice signal collected by computer’s sound card，then extracts the signal’s characteristic param eters MFCC and save them in the computer. The parameters are designed through VQ algorithma to identify speaker.关键词：语音识别；LabVIEW；MATLAB；Mel倒谱系数；矢量量化算法Key words： speech recognition；LabVIEW；MATLAB；MFCC；VQ algorithm中图分类号：TN912.3 文献标识码：A 文章编号：1006-4311（2017）21-0203-031 语音识别模型语音识别系统是建立在一定的硬件平台和操作系统之上的一套应用软件系统。
语音识别一般分两个步骤，第一步是训练阶段，是建立识别基本单元的声学模型以及进行文法分析的语言模型等；第二步是语音识别阶段，根据实际情况的要求采用一种语音识别的算法，采用语音分析方法分析出这种识别方法所要求的语音特征参数，按照一定的准则和测度与系统模型进行比较，通过判决得出识别结果。
语音信号处理实验报告实验二
语音信号处理实验报告实验二一、实验目的本次语音信号处理实验的目的是深入了解语音信号的特性，掌握语音信号处理的基本方法和技术，并通过实际操作和数据分析来验证和巩固所学的理论知识。
具体而言，本次实验旨在：1、熟悉语音信号的采集和预处理过程，包括录音设备的使用、音频格式的转换以及噪声去除等操作。
2、掌握语音信号的时域和频域分析方法，能够使用相关工具和算法计算语音信号的短时能量、短时过零率、频谱等特征参数。
3、研究语音信号的编码和解码技术，了解不同编码算法对语音质量和数据压缩率的影响。
4、通过实验，培养我们的动手能力、问题解决能力和团队协作精神，提高我们对语音信号处理领域的兴趣和探索欲望。
二、实验原理（一）语音信号的采集和预处理语音信号的采集通常使用麦克风等设备将声音转换为电信号，然后通过模数转换器（ADC）将模拟信号转换为数字信号。
在采集过程中，可能会引入噪声和干扰，因此需要进行预处理，如滤波、降噪等操作，以提高信号的质量。
（二）语音信号的时域分析时域分析是对语音信号在时间轴上的特征进行分析。
常用的时域参数包括短时能量、短时过零率等。
短时能量反映了语音信号在短时间内的能量分布情况，短时过零率则表示信号在单位时间内穿过零电平的次数，可用于区分清音和浊音。
（三）语音信号的频域分析频域分析是将语音信号从时域转换到频域进行分析。
通过快速傅里叶变换（FFT）可以得到语音信号的频谱，从而了解信号的频率成分和分布情况。
（四）语音信号的编码和解码语音编码的目的是在保证一定语音质量的前提下，尽可能降低编码比特率，以减少存储空间和传输带宽的需求。
常见的编码算法有脉冲编码调制（PCM）、自适应差分脉冲编码调制（ADPCM）等。
三、实验设备和软件1、计算机一台2、音频采集设备（如麦克风）3、音频处理软件（如 Audacity、Matlab 等）四、实验步骤（一）语音信号的采集使用麦克风和音频采集软件录制一段语音，保存为常见的音频格式（如 WAV）。
基于声纹识别的语音信号处理与分析研究
基于声纹识别的语音信号处理与分析研究语音信号处理与分析是一门研究人类声音信号及其处理技术的学科，近年来，基于声纹识别的语音信号处理与分析研究逐渐成为了这一领域的热点。
声纹识别作为一种生物特征识别技术，具有独特的优势和广泛的应用前景。
本文将从声纹识别的基本原理、语音信号的处理方法以及相关算法研究等方面进行探讨。
首先，为了更好地理解基于声纹识别的语音信号处理与分析研究，我们需要了解声纹识别的基本原理。
声纹是指个体在说话时所产生的独特声音特征，每个人的声纹都是独一无二的，就像指纹一样。
声纹识别的基本原理是通过采集个体的声音信号，提取其中的特征参数，并与预先建立的声纹模型进行比对，以确定个体的身份。
常用的声纹识别技术包括特征提取、特征匹配以及声纹模型的构建等。
其次，语音信号处理是实现声纹识别的关键步骤之一。
语音信号处理的目标是通过信号预处理、特征提取和特征匹配等操作，从混合信号中提取出有效的特征信息，为声纹识别算法提供可靠的输入。
在语音信号处理过程中，常用的方法包括时域分析、频域分析以及小波分析等。
时域分析主要研究声音信号的幅度和时域变化规律，频域分析则关注声音信号的频谱特性，而小波分析则是一种在时频域上进行联合分析的方法。
此外，与声纹识别相关的算法研究也是基于声纹识别的语音信号处理与分析的重要组成部分。
传统的声纹识别算法主要包括基于高斯混合模型的系统和基于动态时间规整的系统等。
高斯混合模型(Gaussian Mixture Model, GMM)是最早被应用于声纹识别的一种统计模型，它将声纹模型建模为多个高斯分布的混合，通过最大似然估计来确定参数。
而基于动态时间规整(Dynamic Time Warping, DTW)的系统则是通过计算不同声纹之间的动态时间规整距离来进行匹配。
近年来，深度学习技术的发展为声纹识别带来了新的突破，如基于卷积神经网络(Convolutional Neural Networks, CNN)和循环神经网络(Recurrent Neural Networks, RNN)的声纹识别算法。
第三章-语音信号的特征分析讲解讲解学习
Magnitude (dB)
40 20
0 -20 -40 -60 -80 -100
0 50
Frequency domain
0.2
Fre0q.u4ency do0m.6ain
0.8
Normalized Frequency ( rad/sample)
0
-50
-100
-150 0
40 30 20 10
0 -10 -20
1 0.8 0.6 0.4 0.2
0 0
rectangular hamming hanning bartlett
50
100
150
200
250
❖ 几种不同的窗函数波形与频谱的比较
1
Hamming 0.8 哈明窗 0.6
Amplitude
0.4
0.2
0
1
Hanning 0.8
汉宁窗
0.6
Amplitude
0.4
0.2
0
1
矩形窗
0.8
Amplitude
0.6
0.4
0.2
0
Time domain
10
20 Tim3e0domain40
50
60
Samples
10
20 Tim3e0domain40
50
60
Samples
10
20
30
40
50
பைடு நூலகம்
60
Samples
Magnitude (dB)
Magnitude (dB)
帧和加窗的概念
❖ 短时分析将语音流分为一段一段来处理，每一段称 为一“帧”；
语音信号处理实验报告
语音信号处理实验报告——语音信号分析实验一．实验目的及原理语音信号分析是语音信号处理的前提和基础，只有分析出可表示语音信号本质特征的参数，才有可能利用这些参数进行高效的语音通信、语音合成和语音识别等处理，并且语音合成的音质好坏和语音识别率的高低，都取决于对语音信号分析的准确性和精确性。
贯穿语音分析全过程的是“短时分析技术”。
因为从整体来看，语音信号的特性及表征其本质特征的参数均是随时间变化的，所以它是一个非平稳态过程，但是在一个短时间范围内（一般认为在10~30ms的时间内），其特性基本保持不变，即相对稳定，可将其看做一个准稳态过程，即语音信号具有短时平稳性。
所以要将语音信号分帧来分析其特征参数，帧长一般取为10ms~30ms。
二．实验过程1.2.男声及女声（蓝色为时域信号，红色为每一帧的能量，绿色为每一帧的过零率）某一帧的自相关函数3.频域分析①一帧信号的倒谱分析和FFT及LPC分析②男声和女声的倒谱分析对应的倒谱系数：，，……对应的LPC预测系数：1，，，，，……原语音波形一帧语音波形一帧语音的倒谱③浊音和清音的倒谱分析④浊音和清音的FFT分析和LPC分析（红色为FFT图像，绿色为LPC图像）三．实验结果分析1.时域分析实验中采用的是汉明窗，窗的长度对能否由短时能量反应语音信号的变化起着决定性影响。
这里窗长合适，En能够反应语音信号幅度变化。
同时，从图像可以看出，En可以作为区分浊音和清音的特征参数。
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。
从图中可以看出，短时能量和过零率可以近似为互补的情况，短时能量大的地方过零率小，短时能量小的地方过零率较大。
从浊音和清音的时域分析可以看出，清音过零率高，浊音过零率低。
从男声女声的时域信号对比图中可以看出，女音信号在高频率分布得更多，女声信号在高频段的能量分布更多，并且女声有较高的过零率，这是因为语音信号中的高频段有较高的过零率。
2.频域分析这里对信号进行快速傅里叶变换（FFT），可以发现，当窗口函数不同，傅里叶变换的结果也不相同。
声音信号的特征检测.doc
摘要语言是人类最为重要的交流工具，它具有简易方便，准确自然等其他工具所无法替代的特点。
随着信息社会的迅速发展，计算机已经渗透进人类生活工作的每一个角落，因此人机交互显得尤其重要。
在人机交互的各种通信方式中，语音通信又是最好的交流方式，而声音信号的特征参数的精确度就会直接影响着语音通信的质量和准确度。
因此，声音信号的特征检测在语音信号处理中是一项非常重要的工作。
本文利用MATLAB 软件检测声音信号的特征参数，以语音信号为主，首先讨论了声音信号的基本特性，包括声音信号的产生，传播，声学特性等等。
然后又分别讨论了声音信号在时域，变换域的特征参数。
最后详细研究了声音信号的特征参数的检测提取。
第一章声音信号的基本特征1.1 声音信号的产生声音是一种波，它是由物体振动产生的，能被人耳听到，它的振动频率在20~20000Hz 之间。
自然界中有各种各样的声音，如雷声，树叶被风吹时发出的“飒飒”声，大海波涛汹涌的翻滚声，机械工作时发出的声音等等。
语音也是声音的一种，它是由人的发声器官发出的，语音的振动频率最高可达15000Hz。
语音信号的产生过程分为如下几个阶段：首先，说话人在头脑中产生想要用语言表达的信息；然后将这些信息转换成语言编码，即将这些信息用其所包含的音素序列、韵律、响度。
基音周期的升降等表示出来。
一旦对这些信息编码完成后，说话人会用一些神经肌肉命令在适当的时候控制声带震动，并塑造声道的形状以便发出编码中指定的声音序列。
神经肌肉命令必须同时控制调音运动中涉及的各个部位：唇、腭、舌头以及控制气流进入鼻腔的软腭。
一旦产生了语音信号，并将这些信息传递到听者时，语音的感知过程也就开始了。
听者内耳的基底膜对语音信号进行动态的频谱分析，神经传感器将基底膜输出的频谱信号转换成对听觉神经的触动信号，这一过程和后面将要介绍的特征提取过程有些类似。
作用在听觉神经上的活动信号，在大脑更高层的中枢转化成语言编码，并由此产生具有语义的信息。
一种基于小波包的语音信号特征提取方法研究
相 比较 ， （） Ｍ （） 。 ｔ 和 ｔ 分别 退 化 为 尺 度 函数 （） ￡和小波 基 函数 （） 。式 （ ） ４ 是式 （ ） ２ 的等 价表 示 。把 这种 等价 表 示 推 广 到 ｎ∈ｚ＋ 非 负 整 数 ） （ 的 情 况 ，即得式 （ ） ３ 的等价 表示
关键词 ： 特征提取 ； 小波包变换 ；分解 ；能量 ；语音信号
Ａ ｐ ｅ ｈ ｓｇ ａ ｅ ｔ ｅ ｅ ｔ ａ ｔｏ ｅ ｈｏ ａ ｅ ｎ ｗａ ｅ ｅ ｃ ｅ ｓ ｅ ｃ ｉ ｎ ｌｆ ａ ｕｒ ｘ ｒ ｃ ｉ ｎ ｍ ｔ ｄ ｂ ｓ ｄ ｏ ｖ ｌ ｔｐａ ｋ ｔ
１ 小 波包 变换
小波包 变换 （ ｖｌ ａｋｔ ｒｎｆ ｍ） 以看 Ｗａｅ ｔ ｃｅ Ｔａｓ ｒ 可 ｅＰ ｏ
成是函数空间逐级正交剖分的扩展 ， 能够为信号提 供一 种更 加精细 的 分析 方 法 ， 将 频带 进 行 多 层 次 它 划分 ， 多分辨 率分 析 没有 细 分 的高 频部 分 进 一 步 对 分解 ， 并能够根据被分析信号的特征 ， 适应地选择 自 相应频率 ， 使之于信号频谱相匹配 ， 从而提高了时 一 频 分辨率 ， 因此小 波包 变换 具 有更广 泛 的应用 价值 。
｛ （）． 为关于序列 ｈ ｋ 的正交小波包 。 ｔ】 （）
１２ 小 波包 算法 ． 设 ｇ（） ， ，ｔ∈ ｎ 则 ｎｔ可 以表示 为 （）
１ １ 小 波包 定义 ．
（ ＝∑ ｔ ）
ｆ
（ｔ ｚ ２ —） ｉ
（） ７
在多分辨分析 中， （ ）＝Ｑ ， 明多分辨 Ｒ 表
１ ３ 分解 尺度 和小 波包基 函数选 择 ．
用小波包对语音信号进行分解要选择合适 的分 解尺度和小波包基 函数 ， 分解尺度的确定与分析信 号 的主要频 段和采 样频 率有关 ］ 。
语音特征参数MFCC的提取及识别
语音特征参数MFCC的提取及识别耳蜗实质上相当于一个滤波器组，耳蜗的滤波作用是在对数频率尺度上进行的，在1000HZ下，人耳的感知能力与频率成线性关系；而在1000HZ以上，人耳的感知能力与频率不构成线性关系，而更偏向于对数关系，这就使得人耳对低频信号比高频信号更敏感。
Mel频率的提出是为了方便人耳对不同频率语音的感知特性的研究。
频率与Mel频率的转换公式为：MFCC在一定程度上模拟了人耳对语音的处理特点，应用了人耳听觉感知方面的研究成果，采用这种技术语音识别系统的性能有一定提高。
MFCC参数的提取1、预加重处理预加重处理其实是一个高通滤波器，该高通滤波顺的传递函数为：其中的取值为0.97，该高通滤波器作用是滤去低频，使语音信号的高频特性更加突现。
2、分帧及加窗处理由于语音信号只在较短的时间内呈现平稳性（一般认为10-30ms），因此将语音信号划分为一个一个的短时段即一帧。
同时为避免丢失语音信号的动态信息，相邻帧之间要有一段重叠区域，重叠区域一段为帧长的1/2或1/3。
然后再将每帧乘上窗函数，以增加每帧左端和右端的连续性。
3、各帧信号的FFT变换对分帧加窗后的各帧信号进行FFT变换得到各帧的频谱。
并对语音信号的频谱取模平方得到语音信号的功率谱。
4、三角滤波器系数的求取定义若干个带通三角滤波器(k)，0<=m<=M，M为滤波器个数，其中心频率为f(m),每个带通三角滤波器的频率响应为且满足Mel(f(m))-Mel(f(m-1))=Mel(f(m+1))-Mel(f(m))求得滤波系数为m(i),i=1,…,p，p为滤波器阶数5、三角滤波并进行离散余弦变换DCTC(i)即为所要求提取的特征参数。
特征参数的识别特征参数的识别主要采用BP神经网络算法进行预测，而在预测前需要用一定数量的样本对网络进行训练，使网络具有联想记忆和预测能力。
网络训练步骤如下：（1）网络初始化。
确定网络输入层、隐层、输出层数目，输出层到隐层的连接权值及隐层到输出层的连接权值，同时初始化隐层阈值a和输出层阈值b;（2）隐层的输出计算。
- 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)。
（ １３）
图 １ ｓｕｎｄａｙ．ｗａｖ 原始波形图
图 ２ ｓｕｎｄａｙ．ｗａｖ 短时能量图 ａ
７５６ 电脑知识与技术
图 ３ ｓｕｎｄａｙ．ｗａｖ 短时能量图 ｂ
本栏目责任编辑： 唐一东
多媒体技术及其应用
图 ４ ｓｕｎｄａｙ．ｗａｖ 短时能量图 ｃ
图 ５ Ｓｕｎｄａｙ．ｗａｖ 短时平均幅度图
参考文献： ［１］ 张智星．音讯处理与辨识［ＥＢ／ＯＬ］．网上在线课程．［２００８－ ０１－ ２３］．］ｈｔｔｐ：／／ｗｗｗ．ｃｓ．ｎｔｈｕ．ｅｄｕ．ｔｗ／￣ｊａｎｇ． ［２］ 边肇祺．张学工．模式识别［Ｍ］．北京： 清华大学出版社，２００５． ［３］ 王炳锡．实用语音识别基础［Ｍ］．北京： 国防工业出版社，２００５．
４ 语音信号特征提取实验
我们对采样频率（ｆｓ）为 １６ｋＨＺ 的 ｓｕｎｄａｙ．ｗａｖ 来提取上一节中介绍的特征参数： 短时能量、短 时 平 均 幅 度 。 其 中 每 帧 大 小 为 ２５６ （ 即每帧包含 ２５６ 个取样点） ， 帧叠为 ０。
我们可用公式（ ３） 计算得到图 ２ 所示的短时能量图。我们希望短时能量图平滑一些， 采用减去每帧中的中位值后再进行绝对值 求和的方法， 如公式（ １２） 所示， 公式（ １２） 中的 ｍｅｄｉａｎ 为每帧帧向量的中位值， 所得的短时能量图如图 ３ 所示。但这短时能量图没变 化多少， 且短时能量对于高电平信号非常敏感， 我们采用对数短时能量计算方式来得到短时能量， 如公式（ １３） 所示， 公式（ １３） 中的 δ 为一个无穷小量， 是为防止对 ０ 取对数而加入的， 计算后所得的短时能量图如图 ４ 所示。根据公式（ ６） 所得的短时平均幅度为图 ５ 所示。它与图 ３ 很接近。
多媒体技术及其应用
本栏目责任编辑： 唐一东
语音信号特征参数研究
石海燕
（ 浙江工业大学 信息工程学院， 浙江 杭州 ３１００３２）
摘要： 在语音技术的发展过程中使用了大量的语音信号特征参数， 好的语音信号特征参数能对语音识别起至关重要的作用。本文对 语音信号特征参数、语音信号特征参数的选择进行了介绍， 并介绍了语音信号的短时能量、短时平均幅度的提取。
语音信号特征参数是分帧提取的， 每帧特征参数一般构成一个矢量， 所以语音信号特征是一个矢量序列。我们将语音信号切成 一帧一帧， 每帧大小大约是 ２０￣３０ｍｓ。帧太大就不能得到语音信号随时间变化的特性， 帧太小就不能提取出语音信号的特征， 每帧语 音信号中包含数个语音信号的基本周期。有时希望相邻帧之间的变化不是太大， 帧之间就要有重叠， 帧叠往往是帧长的 １／２ 或 １／３。 帧叠大， 相应的计算量也大。
（ 上接第 ７５３ 页） 因 子 分 别 为 ９０％、７０％、５０％、３０％、２５％） 后 （ 对 应 的 ＰＳＮＲ 值 分 别 为 ３９．２３６、３６．３６９、３５．０２０、３３．６３１、３３．０８２） 再 提 取 的 水 印 ， 对 应 的 ＢＥＲ 值分别为 ０．００１９５、０．０１７５８、０．０４４９２、０．１２０１２、０．１６１１３， 试验结果表明算法对 ＪＰＥＧ 压 缩 具 有 很 好 的 鲁 棒 性 ， 即 使 ２５％的 压 缩 因 子下， 都能较准确的提取水印信号； （ｆ）～（ｉ）为经小波压缩（ ｂｐｐ 分别为 ８．００、３．５０、１．５０、０．８０） 后（ 对应的 ＰＳＮＲ 值分别为 ４５．３９０、４３．４５２、 ３９．４５２、３７．３０５） 再提取的水印， 对应的 ＢＥＲ 值分别为 ０、０．００３９１、０．０２１４８、０．２０７０３， 试验结果表明算法对小波压缩也具有一定的鲁棒 性， 只有在低于 ０．８０ｂｐｐ 的压缩条件下， 提取水印开始明显模糊。
５ 结束语
语音信号具有很大的信息冗余， 我们提取出最能表征语音信号的特征能极大地提高语音识别准确率， 也能极大的压缩语音信 号。在本文第 ２ 节中介绍了大量语音信号特征； 在第 ３ 节中介绍了语音信号特征的选择； 第 ４ 节中对部分语音信号特征进行了提 取， 并用可视化的方法展示了部分语音信号特征。提取出语音信号特征后， 接下来就可以对语音信号进行语音识别， 这就是我们接 下来的工作。在语音信号特征提取之前可先对语音信号进行端点检测， 准确标记出语音信号的起止点， 这样也能提高语音识别的准 确率， 这也是我们接下来想进行的工作。以及有关语音信号特征的线性、非线性组合以提高语音识别的准确率也是我们接下来想进 行的工作。
可以根据平均过零数来粗略区分清音和浊音， 发清音时具有较高的平均过零数， 发浊音时具有较低的平均过零数。短时平均过 零数还可以用于识别语音信号的起点和终点。
具体应用领域对语音信号特征有不同的要求 ， 特征的选择很重要， 它强烈地影响应用系统的效率。我们要对具体的应用选择合 适的特征， 在一个说话人识别系统中倒谱特征、倒谱与差值倒谱特征组合以及倒谱、差值倒谱、基音、差值基音组合有更好的识别准 确 率 ［２］。 由 此 可 见 多 特 征 组 合 有 更 高 的 识 别 准 确 率 。
（ ９） 其中 αｉ 都是实数， 称作预测系数。预测值 ｓ! （ｎ）与真值 ｓ（ｎ）之间的预测误差 ε（ｎ）可以用下式计算：
（ １０）
（ １１） 由于 ｓ（ｎ）是一个随机序列， 所以 ε（ｎ）也是一个随机序列。可以用 ε（ｎ）的均方差来衡量线性预测的准确性。δε２ 越小， 预测的准确性 在均方误差最小意义下越好。 还有以下几类特征参数： 线谱对（ＬＳＰ）参数、线性预测倒谱参数（Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ Ｃｅｐｓｔｒｕｍ Ｃｏｅｆｆｉｃｉｅｎｔ， ＬＰＣＣ）、美尔频标倒谱系数 （Ｍｅｌ Ｆｒｅｑｕｅｎｃｙ Ｃｅｐｓｔｒｕｍ Ｃｏｅｆｆｉｃｉｅｎｔ， ＭＦＣＣ）、感觉加权线性预测特征（Ｐｅｒｃｅｐｔｕａｌ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｖｅ，ＰＬＰ）（ ＰＬＰ 参数、ＲＡＳＴＡ－ ＰＬＰ 参数） 、 动 态 差 分 参 数 、高 阶 信 号 谱 类 特 征 等 ［３］。
常用的语音特征参数有平均能量、平价跨零数或跨零率、共振峰、ＬＰＣ 参数、倒谱参数、临界带倒谱等。下一节介绍一些常用的 语音特征。
２ 语音信号特征参数介绍
（ １） 基音周期（Ｐｉｔｃｈ） 人的语音基本上由两类构成， 一类是浊音（ｖｏｉｃｅ）， 另一类是清音（ｕｎｖｏｉｃｅ）。浊音的语音信号具有较强的周期性， 不同的浊音波形 是不同的。浊音的这种周期叫基音周期， 其倒数叫做基音频率， 它主要和声带的特性有关。一般来说， 成年男性的语音的基音频率在 ６０Ｈｚ￣２００Ｈｚ， 而成年女性和儿童语音的基音频率在 ２００Ｈｚ￣４５０Ｈｚ。清音的语音信号具有随机噪声的特点， 一般来说清音的幅度小于 浊音的幅度。基音周期（Ｐｉｔｃｈ）是指发浊音时声带震动所引起的周期运动时间间隔， 代表声带震动的快慢， 震动越快音高会越高， 基音 周期是声带振动频率 Ｆ０ 的倒数， 它是语音信号分析的一个重要参数。 （ ２） 短时频谱 语音信号特征在较短的时间间隔中保持基本不变， 即语音信号具有时变特性， 因而可以将语音信号看作是一个短时平稳过程。 语音信号具有一些重要的短时特征。短时频谱是语音信号的一个重要的短时特性。可以用下列公式计算：
（ ８） 这样得到的 ｃ（ｎ）被称做是“倒频谱”或“倒谱”。 （ ８） 线性预测编码（ ＬＰＣ） 参数 考虑语音信号序列 ｓ（ｎ）。假设某时刻 ｎ 之前的 Ｐ 个语音信号值 ｓ（ｎ－ １），ｓ（ｎ－ ２），…，ｓ（ｎ－ Ｐ）已知， 但时刻 ｎ 的语音信号值 ｓ（ｎ）未知。如 果用前 Ｐ 个已知的信号值的某种线性组合预测 ｓ（ｎ）的值， 则预测值 ｓ! （ｎ）可以表示为：
（ １）
收稿日期： ２００８－ ０１－ １２ 个人简介： 石海燕（ １９７７－ ） ， 女， 浙江诸暨人， 实验师， 主要研究方向： 语音处理、模式识别。
７５４ 电脑知识与技术
本栏目责任编辑： 唐一东
多媒体技术及其应用
也即 ｓｗ（ｎ） 的离散傅立叶变换。｜Ｓｗ（ｋ）｜２ 称为 ｓ（ｎ）的短时功率谱。 （ ３） 短时自相关函数 ｓｗ（ｎ）的自相关函数 Ｒｗ（τ）称为 ｓ（ｎ）的短时自相关函数。可用公式（ ４） 计算：
（ ２） （ ４） 短时能量 ｓ（ｎ）的 短 时 能 量 计 算 公 式 如 下 ：
（ ３） 短时能量代表声音的尺寸， 可由声音信号的震幅来类比。 （ ５） 短时平均幅度 ｓ（ｎ）的 短 时 平 均 幅 度 计 算 公 式 如 下 ：
（ ４） 短时能量和短时平均幅度都是表示一段语音信号能量大小的参数。 （ ６） 短时过零率 信号按段分割就称为短时， 段可是帧大小。过零就是信号的幅度值从正值到负值、负值到正值要经过零点， 统计信号在一秒钟 内有几次过零就是过零率。ｓ（ｎ）的短时过零率表示一段语音信号中语音信号波形与横轴相交的次数。可以用式（ ５） 计算：
１ 引言
在 语 音 识 别 的 发 展 过 程 中 使 用 了 大 量 的 语 音 信 号 特 征 参 数 。特 征 参 数 的 提 取 是 关 系 到 语 音 识 别 系 统 性 能 好 坏 的 一 个 关 键 技 术 ， 其基本思想是将预处理过的信号通过一次变换，去掉冗余部分，而把代表语音本质的特征参数抽出来。接下去所要作的识别处理都 是建立在特征参数之上的， 如果特征参数不能很好地反映语音信号的本质， 识别就不能成功。
３ 语音信号特征选择
短时自相关分析可用来区分清音和浊音， 浊音信号是准周期性的， 用短时自相关函数求出语音波形序列的基音周期。对语音信 号进行线性预测分析时也要用到短时自相关函数。
７５５
多媒体技术及其应用
本栏目责任编辑： 唐一东
短时能量序列反映了语音振幅或能量随着时间缓慢变化的规律， 清音段的幅度一般比浊音段的幅度小很多， 根据语音信号短 时能量值的变化， 可大致判定浊音变为清音或清音变为浊音的时刻。短时能量在高信噪比的语音信号中， 可以用来区分静音， 静音 的噪声能量很小， 而有语音信号时短时能量值显著地增大到某一数值， 通过这一点也可以区分语音信号的起点和终点（ 也即端点） 。