时频分析在语音信号处理中的应用

《时频分析在语音信号处理中的应用》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、第11卷第21期2011年7月科学技术与工程Vol.11No.21July20111671—1815(2011)21-5043-05ScienceTechnologyandEngineering2011Sci.Tech.Engng.时频分析在语音信号处理中的应用许丽群马驰王睿杰(大连交通大学电气信息学院，大连116028)摘要时频分析技术是近年来信号处理等领域一个新的研究热点。首先介绍了时频分析技术中的Winger-Ville分布和重排理论两种方法。然后应用这两种方法对去噪的语音信号进行时频分析处理。通过仿真结果表明，将重排理论应用于语音

2、信号处理，能明显改进时频表示的可读性，更有效地识别信号和提取信息。关键词时频分析语音信号Winger-Ville分布重排理论中图法分类号TN912．3;文献标志码A时频分析是近年发展起来的一个重要的、新的频分析的两种基本方法，及应用MATLAB对语音数学分支，目前已成为国际上极为活跃的研究领信号的时频分析处理，根据仿真结果对Winger-域。它的研究始于20世纪40年代，1946年，DennisVille分布和重排理论两种方法进行比较，从而得Gabor对以往的时频分析方法进行总结，给出了短出结论。时Fourier变换的全面解释，从而使时频

3、分析得以实用化。1948年，Ville将Wigner在1932年提出的1Wigner-Ville分布Wigner分布引入到信号处理领域，这种时频分析方法对分析非平稳信号和异常信号起到很大的作进行时频分析的基本目的就是确定一种时频［1，2］用。时频分析可分为线性和非线性时频分布。分析函数，使其能够确定在时间t及频率f处信号的常用的线性时频表示有短时傅里叶变换(STFT)部分能量。Cohen类双线性表示的实质就是将信号等。而非线性时频表示则是二次型的能量分布表的能量分布于时频平面内，其中Wigner-Ville分布［6—8］示，常用的非线性时

4、频表示有Wigner-Ville时频分就是一种最基本的双线性表示形式。在物理学布等。与信息论关于信号瞬时频率与瞬时频谱的研究中，语音信号处理是研究应用数字信号处理技术为克服短时傅里叶变换的缺点，1948年Ville将其对语音信号进行处理的一门学科，处理的目的是要引入到信号分析领域。得到一些语音参数以便高速地传输或储存，或者通Wigner-Ville分布定义为:［3，4］+∞过处理的某种算法以达到某种用途的要求。W(t，f)=zt+τzt－τe－j2πτfdτ。z∫()()－∞22许多天然的和人工合成的信号，比如语音、雷达和令信号s1(t)

5、，s2(t)的傅里叶变换分别是声纳信号等就是典型的非平稳信号，其特点是持S1(f)，S2(f)，那么s1(t)，s2(t)的联合Wigner-Ville续时间有限，并且是时变的。时频分析正是着眼分布定义为:于真实信号组成成分的这种时变谱特征，将一个+∞ττ－j2πf一维信号以二维信号的时间—频率函数表示出Ws1，s2(t，f)=∫s1(t+)s2(t－)edτ=－∞22来，旨在揭示信号中包含多少频率分量经及每个+∞ννj2πνt分量随时间是如何变化的［5］。本文主要介绍了时∫S1(f+)S2(f－)edν。－∞22信号s出现了两次(即“双

6、线性”)，且不含任何2011年3月31日收到窗函数，这样就避免了线性时频表示中时间和频率5044科学技术与工程11卷+∞+∞分辨率的相互牵制。Wigner分布的时频带宽积达∧∫∫sWh(t－s，f－ξ)Wx(s，ξ)dsdξ－∞－∞到了Heisenberg不确定性原理给出的下界，使得t=+∞+∞;Wigner分布具有很高的时频分辨率，时频聚集性比∫－∞∫－∞Wh(t－s，f－ξ)Wx(s，ξ)dsdξ较好［9］。但是对于多分量信号，根据卷积定理，其+∞+∞∫∫ξWh(t－s，f－ξ)Wx(s，ξ)dsdξWigner-Ville分布会出现

7、交叉项，影响了对非平稳、^f=－∞－∞。+∞+∞非线性信号的精确分析，使其应用受到很大限制。∫∫Wh(t－s，f－ξ)Wx(s，ξ)dsdξ－∞－∞交叉项问题实际上是所有二次型或双线性时频分这样就得到了重排后的频谱图，它在任何一点布都存在的问题，它来自多分量信号之间的交叉作(t＇，f＇)处的值是所有重排到这一点的频谱图的值的用，由Cohen类时频分布的定义可知，核函数对和。重排频谱为:Wigner-Ville分布起着一种平滑作用，从而抑制交叉+∞+∞∧(r)Sx(t'，f')=∫∫Sx(t，f)δ(t'－t)δ(f'－项，常用的有平滑伪W

8、igner-Ville分布(SPWD)。其－∞－∞f)dtdf。定义为+∞这种新的分布的一个最有价值的特性是它不τSPWDz(t，f)=∫z(t－u+)z(t－u－－∞2仅利用了STFT的幅值