第二章 语音信号分析

第n帧 第n+1帧 第n+2帧 帧移M 帧长N
帧长时间为10～20ms。 各帧之 间有0～1/2的重叠。
时刻n的短时段
3
xn (m) x(m)w(n m)
2.1 语音信号的短时处理方法
N
M
4
2.1 语音信号的短时处理方法 x(m) w(n-m) n
w(m)
m
m xn(m)
5
x0(m)
0 N-1
静音检测（VAD）和舒适噪声(CNG)的生成
VAD: Voice Activity Detection
CNG:
Comfort Noise Generator
测试表明，人在正常谈话时，有50％左右是静音。VAD 是用来检测输入的信号是实际语音还是背景噪声，若检测 是实际语音信号进行固定编码；如果是背景噪声，则采用 更低的速率进行编码。CNG针对接收端，重构背景噪声。 VAD可通过能量检测来实现。
0.50ຫໍສະໝຸດ -0.5-10
1000
2000
3000
4000
5000
6000
正弦波周期信号
3000 2000 1000 0 -1000 -2000 -3000 0 1000
正弦波周期信号的自相关函数波形
2000 3000 4000 5000 6000
34
3000
正弦波周期信号和其自相关函数叠加
2000
1000
17
三.短时平均幅度函数和能量函数的作用
(1)区分清/浊音： En、Mn大，对应浊音； En、Mn小，对应清音。 (2)在信噪比高的情况下，能进行有声/无声判决
无声时，背景噪声的En、Mn小；
有声时，En、Mn显著增大。判决时可设臵一个门限。 (3)大致能定出浊音变为清音的时刻，或反之。
18
三.短时平均幅度函数和能量函数的作用
25
0.3
0.2
0.1
0
-0.1
-0.2
-0.3
-0.4
0
50
100
150
200
250
300
350
400
450
男声汉语拼音s的一帧信号（在采样频 率为22050Hz的情况下，取20ms作为一帧）， 短时过零率为183。
26
27
2.3 短时平均过零率
在实际应用中，短时平均过零率容易受到A/D转 换是的直流偏移、50Hz交流电源的干扰以及噪声的影 响。 减少这些干扰可以有两种方法：一种是采用带通 滤波器消除信号中的直流和50Hz低频分量；
0
-1000
-2000
-3000
0
1000
2000
3000
4000
5000
6000
35
5、短时自相关函数的作用
1.区分清/浊音 浊音语音的自相关函数具有一定的周期性。 清音语音的自相关函数不具有周期性，类似噪声， 有点如语音信号本身。 2.估计浊音语音信号的周期，即估计基音周期。
36
1
0.5
0
-0.5
14
二、短时平均幅度
1.平均幅度分析的依据：清音段幅度小；浊音段幅度较大 2.短时平均幅度函数
h(n) | w(n) |
m
Mn
x ( n) x ( n)
m


x(m) w(n m)


x( m) h( n m)
| x(n) | 绝对值 滤波器h(n)
Mn Mn
(1)说明当时域信号为周期信号时，自相关函数 也是周期性函数，两者具有同样的周期。
(2)Rn(k)为偶函数， Rn(k)＝Rn(－k)
(3)Rn(0)最大， Rn(0) |Rn(k)|, Rn(0)=En,对于
确定信号， Rn(0)是信号能量；对于随机信号或
周期信号， Rn(0)是平均功率。
33
1
x(n)
Hb(ejw)
y(n)
w
Bandpass filte Hb
28
2.3 短时平均过零率
另一种是用过门限率来修改过零率，减少随机噪声的影响。 过门限率反映了穿过正负门限的次数，如果存在随机噪声， 只要信号没有超过[-T,T]的范围，就没有有过零率产生。
T -T
29
2.4 短时自相关函数
1.相关分析的依据：
23
2.短时平均过零的作用 （1）区分清/浊音： 浊音平均过零率低，集中在低频端；
清音平均过零率高，集中在高频端。
（2）从背景噪声中找出是否有语音，以及
语音的起点。
24
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
0
50
100
150
200
250
300
350
400
450
女声汉语拼音a的一帧信号（在采样频 率为22050Hz的情况下，取20ms作为一帧）， 短时过零率为46。
sgn(x(n))= -1
x(n)<0
21
2.3 短时平均过零率 n-(N-1) x(m) w(n-m) n
m
22
2.3 短时平均过零率
当相临两个取样值符合相同时，不产生过零，而
当相反时，sgn[ x(n)] sgn[ x(n 1)] ＝2，因此求和后除
以2N得到平均过零率。
Fs=10kHz, N=150,M=50,每输入100个样 点计算一次平均过零率。
第二章 语音信号分析
2.1 语音信号的短时处理方法 2.2 短时能量和短时平均幅度 2.3 短时平均过零率. 2.4 短时自相关函数 2.5 短时傅里叶变换的定义 2.6 短时傅里叶变换的性质 2.7 短时傅里叶变换的线性滤波实现 2.8 短时傅里叶谱的取样 2.9同态处理的基本原理 2.10复倒谱和倒谱 2.11线性预测分析
1
2.1 语音信号的短时处理方法
A/D of some common audio signals
Frequency scope Telephone Wide band
Broadcasting
Sampling frequency 8 khz 16 khz 37.8 khz 44.1 khz
Quantization bits
m
En
x ( n) x ( n)


2 xn (m)
m


x 2 (m)h(n m)
x2 (n)
平方 滑动数据窗 h(n-m)
滤波器h(n) 平方和
En En
11
一、短时能量
短时能量 En反映语音振幅随时间缓变的规律，受窗函 数及其窗宽的影响。
N=51 N=101 N=201 N=401
8
2.1 语音信号的短时处理方法
窗口的长度：无论什么形状的窗口，窗口序列的长度N将起决 定性的作用。N选得太大，滤波器的通带变窄，波形的振幅变化 细节就看不出来，反之，如果N太小，则滤波器的通带变宽，信 号得不到足够的平均。 所谓窗口长度的长短，都是相对于语音信号的基音周期而言的。 通常认为在一个语音帧内，应含有1—7个基音周期为好。可是 人的语音的基调周期值是变化的，从女性小孩的2ms到老年男 子的14ms（即基音频率为500Hz至70Hz），所以N的选择是比 较困难的。
2.1 语音信号的短时处理方法
x1(m)
M M+N-1
y0(m)
0
N-1
y1(m)
M M+N-1
6
2.1 语音信号的短时处理方法
矩形窗
海明窗
汉宁窗
布莱克曼 窗 过渡带宽和阻带最小衰减
7
2.1 语音信号的短时处理方法
矩形窗：优点是主瓣比较集中，缺点是旁瓣较高， 并有负旁瓣，导致变换中带进了高频干扰和泄漏， 甚至出现负谱现象。
2.2 短时能量和短时平均幅度 一、短时能量
1. 能量分析的依据：是基于语音信号幅度随时间变化。 清音段幅度小，其能量集中于高频段；浊音段幅度较大， 其能量集中于低频段。 2.短时能量函数 En (任一个线性系统的输出都可以通过将输入
信号与系统函数（系统的冲激响应）做卷积获得 )
xn (m) x(m)w(n m) h(n) w2 (n)
13
一、短时能量
短时能量的应用：
1 区分清音段和浊音段 2 区分声母和韵母 3 区分无声和有声的分界(信噪比较高的信号) 4 区分连字的边界 5 用于语音识别 短时能量的缺点：对高电平过于敏感，给加窗宽度的选择 带来了困难。扩大了振幅不相等的任何两个相邻取样值 之间的幅度差别，必须用较宽的窗函数才能平滑能量幅 度的起伏。 为了使En能准确反映语音能量的时变规律： 数据窗w(n)或滤波器h(n)函数形式和宽度的选择相当重要。
19
2.3 短时平均过零率 1.过零率定义：信号跨越横轴的情况。 对于连续信号，观察语音时域波形通过横轴的 情况； 对于离散信号，相邻的采样值具有不同的代数 符号，也就是样点改变符号的次数。 t n
20
2.3 短时平均过零率
对于语音信号，是宽带非平稳信号，应考察其短时平均过零率。
1 Zn 2N 1 2N 1 2N
9
2.1 语音信号的短时处理方法
通常折衷的选择N为100~200点为宜。若采用频率为 10KHz，则相当于每帧的长度（即窗口序列的长度）约 为10~20ms为宜。若采样频率为8KHz，200点相当于 25ms，40帧/s；120点相当于15ms，66帧/s. 基音频率为200Hz，采样频率为8kHz, 窗长： 8000{(1/200)7}=256 经过处理，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，处理完后再取 下一帧。最后得到由每一帧参数组成的语音特征参数的时 间序列。 10