语音信号处理课件-数字语音信号预处理及分析初步_10

《语音信号处理课件-数字语音信号预处理及分析初步_10》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、1.存储方式：已量化好的语音信号序列按先入先出的顺序存入数据区。以便一个有限容量的数据区来应付数量极大的语音数据。二、pretreatment2.预加重：在求语音信号频谱时，频率越高，相应的成分越小。预加重的目的是提升高频部分，使信号的频谱变得平坦。以便于频谱分析和声道参数分析。一般在语音信号数字化后，通过一个一阶数字滤波器：H(z)=1-z-1,接近1。x(n)x'(n)H(z)=1-z-1加矩形窗分帧技术加窗加汉宁窗hanning第n帧第n+1帧第n+2帧各帧之间有0～1/2的重叠，由窗函数的定义决定的。w(n)=0.5*[1

2、-cos(2n/(N-1))]第n+3帧t第n帧第n+1帧第n+2帧第n+3帧第n+4帧为什么取10－30ms，因为根据人的发声生理结构变化的连续性，在此时间段内，声带、声道、口腔的特性几乎不变，语音信号近似平稳。加窗的作用得到连续的语音特征抑制吉尔伯特效应抑制频谱泄漏汉宁窗hanning海明窗hamming矩形窗(rectangular)WindowshapesT为帧移长度N为帧长x0(m)0N-1x1(m)TT+N-1第1帧第2帧0N-1N2N-1第1帧第2帧0N-1N/2N+(N/2)-1加矩形窗(帧移长度为N)加汉宁窗(帧移长

3、度为N/2)x0(m)x1(m)x0(m)x1(m)帧移T=0帧移T=N/2512点的汉宁窗当采用汉宁窗，原有数据的幅度发生变化，为了保持数据的原始幅度，必须采取各帧数据之间有1/2的重叠。由于在10－30ms，语音信号近似平稳。每秒的帧数约为：33～100帧。窗口的长度N：频率分辨率f=fs/N。f随N的增加而减少，频率分辨率得到提高，但时间分辨率降低(与窗长成反比)。应根据不同的应用场合来选择窗口的长度N，应包含7个基音周期，因此可选择100～300点为宜。Longwindow:frequencyresolutiontimere

4、solutionShortwindow:frequencyresolutiontimeresolution基音频率为200Hz，采样频率为8kHz,窗长：8000{(1/200)7}=256Windowing(frame)Inshort-term,non-stationary->stationaryNon-linear->linear(10ms-25ms)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

5、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。x0(m)0N-1x1(m)TT+N-1y0(m)0N-1y1(m)TT+N-1语音信号的特性分析一、语音信号的时域波形和频谱特性二、语音信号的语谱图三、语音信号的统计特性一、语音信号的时域波形和频谱特性时域波形：幅度－时间图。大致得出音节的起始点、清音和浊音以及浊音的基音频率。女声汉语拼音a的时域波形频谱特性：幅度谱图。得出基音周期、共振峰频率及其位置。女声英文a的频谱3语音信号的时域分析一、短时能量及短时平均幅度分析二、短时过零率分析三、短时相关分析四、短时

6、平均幅度差函数1.幅度分析的依据：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.短时能量函数和短时平均幅度函数一、短时能量及短时平均幅度分析T为帧移长度N为帧长男声“深圳广州珠海”的短时幅度统计。在采样频率为22050Hz的情况下，取20ms作为一帧，帧长为441点，一共统计了180帧。短时平均幅度原始语音3.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、M

7、n小；有声时，En、Mn显著增大。判决时可设置一个门限。(3)大致能定出浊音变为清音的时刻，或反之。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），浊音的短时能量78.61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），清音的短时能量3.88。