基于倒谱的语音特性提取算法设计及其实现

基于倒谱的语音特性提取算法设计及其实现

ID:16283780

大小:812.51 KB

页数:26页

时间:2018-08-08

基于倒谱的语音特性提取算法设计及其实现_第1页
基于倒谱的语音特性提取算法设计及其实现_第2页
基于倒谱的语音特性提取算法设计及其实现_第3页
基于倒谱的语音特性提取算法设计及其实现_第4页
基于倒谱的语音特性提取算法设计及其实现_第5页
资源描述:

《基于倒谱的语音特性提取算法设计及其实现》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、目录摘要-2-Abstract-2-第一章绪论-3-1.1背景-3-1.2语音特性提取的重要性-3-第二章倒谱的相关知识-4-2.1.倒谱和复倒谱-4-2.1.1倒谱和复倒谱的定义-4-2.1.2倒谱和复倒谱的关系-4-2.2.倒谱的特点-5-2.3.求倒谱的算法-7-第三章MFCC参数的提取-9-3.1.MFCC的原理-9-3.2.MFCC算法流程-11-3.3.差分特征参数的提取-11-3.4.MATLAB中的设计与实现-11-第四章倒谱法提取基音频率-13-4.1.基音的相关知识-13-4.1.1.基音的周期-13-

2、4.1.2.基音检测的难点-13-4.2.提取基音的方法-14-4.3.倒谱分析算法的原理-14-4.4.MATLAB中的设计与实现-15-第五章倒谱法提取共振峰-16-5.1.共振峰的概念-16-5.2.提取共振峰的方法-16-5.3.倒谱法的原理-17-5.4.MATLAB中的设计与实现-17-第六章结束语-20-附录-21-1提取MFCC参数的相关程序-21-1.1mfcc.m-21-1.2enframe.m-21-1.3mel.m-23-2提取基因和共振峰的程序-25-致谢-26--26-基于倒谱的语音特性提取算法

3、设计及其实现赵丽君西南大学电子信息工程学院,重庆400715摘要:在语音信号处理中,常用的语音特性是基于Mel频率的倒谱系数(MFCC)以及一些语音信号的固有特征,如共振峰和基音频率等。倒谱可以较好地将语音信号中的激励信号和声道响应分离,并只需要用十几个倒谱系数就能较好地描述语言信号的声道响应,在语音信号处理中占有很重要的位置。本论文设计了基于倒谱的语音特性参数提取算法,并在Matlab中予以实现。关键词:倒谱;MFCC;基音;共振峰TheDesignandImplementationofCepstrum-basedAlg

4、orithminVoiceCharacteristicExtractionZhaoLijunSchoolofElectronic&InformationEngineering,SouthwestUniversity,Chongqing400715,ChinaAbstract:Invoicesignalprocessing,MFCCandsomeinherentcharacteristicsofvoicesignals,suchasformantsandthefrequencyofpitch.Cepstrumcanbeuse

5、dtoseparatetheexcitationsignalandchannelresponse,andcanrepresentchannelresponsewithonlyadozencepstralcoefficients.Asaresult,ithasbeenaveryimportantroleinvoicesignalprocessing.Inthispaper,thecepstrum-basedalgorithmtoextractabove-mentionedvoicecharacteristicsanditsi

6、mplementationinMATLABaredescribedindetail.Keyword:Cepstrum;MFCC;pitch;formant-26-第一章绪论1.1背景由于语言是人们在日常生活中的主要交流手段,因此语音信号处理在现代信息社会中占用重要地位。随着语音信号处理技术在实际生活中的应用的不断发展,语音信号处理技术已经被广泛地接受和使用。由于语音比其他形式的交互方具有更多的优势,因此这项技术已经越来越贴近人们的生活。目前,语音信号处理技术处于蓬勃发展时期,不断有新的产品被研制开发,市场需求逐渐增加,具有

7、良好的应用前景。1.2语音特性提取的重要性语音信号处理虽然包括语音通信,语音合成和语音识别等方面的内容,但其前提和基础是对语言信号进行分析。语音的压缩与恢复是语音信号处理的关键技术。近年来有关这方面的研究不断发展成熟,并形成一系列的标准。在语音信号的各种分析合成系统中,需要提取频谱包络参数,推测音源参数(清浊音的判定以及浊音周期等)。只有将语音信号分析表示成其本质特性的参数,才有可能利用这些参数进行高效的语音通信,才能建立用于语音合成的语音库,也才能建立用于识别的模板或知识库。根据所分析的参数不同,语音信号分析可分为时域,

8、频域,倒谱域等方法。进行语音信号分析时,最先接触到的,也是最直观的是它的时域波形。时域分析具有简单直观,清晰易懂,运算量小,物理意义明确等优点;但更为有效的分析多是围绕频域进行的,因为语音中最重要的感知特性反映在其功率谱中,而相位变化只起着很小的作用[1]。频谱分析具有如下优点:时域波形较易随外界环境变

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。