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》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