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，更多相关内容在行业资料-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-13-4.1.2.基音检测的难点-13-4.2.提取基音的方法-14

2、-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

3、（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-basedAlgorithminVoiceCharacteristicExtractionZhaoLijunSchoolofElectronic&InformationEngineering,South

4、westUniversity,Chongqing400715,ChinaAbstract:Invoicesignalprocessing,MFCCandsomeinherentcharacteristicsofvoicesignals,suchasformantsandthefrequencyofpitch.Cepstrumcanbeusedtoseparatetheexcitationsignalandchannelresponse,andcanrepresentchannelresponsewithonlyadozencepstralcoefficients.Asaresult,

5、ithasbeenaveryimportantroleinvoicesignalprocessing.Inthispaper,thecepstrum-basedalgorithmtoextractabove-mentionedvoicecharacteristicsanditsimplementationinMATLABaredescribedindetail.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

6、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

7、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，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