语音信号的短时分析技术.ppt

《语音信号的短时分析技术.ppt》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、语音信号的短时分析技术分析是处理的前提和基础；分析的目的是提取需要的信息，获取特征表示参数；可分为时域分析、频域分析、同态分析等；模型分析与非模型分析等；分析技术：短时分析10～30ms相对平稳（5～50ms,20～200ms）分析帧长一般为20ms常用的短时分析技术有：短时能量短时平均幅度短时过零率短时自相关函数短时平均幅度差函数短时频谱短时功率谱预滤波预滤波的目的防止混叠干扰抑制50Hz的电源干扰预滤波实际上是一个带通滤波器，其上下截止频率分别为fH和fL。对于绝大多数语音编码器而言，要求fH=3400Hz,fL=60~100Hz，fs=8KHz.对于语音识别系统而言，用于电话用户时

2、要求技术指标与语音编码器相同，如果对于更高的要求场合，则fH=4500Hz或8000Hz,fL=60Hz，fs=10KHz或20KHz帧和加窗的概念短时分析将语音流分为一段一段来处理，每一段称为一“帧”；帧长：10～30ms，20ms常见；（帧率）帧移：0～1/2帧长，帧与帧之间的平滑过渡；为了减小语音帧的截断效应，需要加窗处理；矩形窗HammingHann不同的窗口选择（形状、长度），将决定短时平均能量的性质。什么样的窗口，其短时平均能量才能更好的反映语音信号的振幅变化哪？首先是窗口的形状，窗口有多种形状，他们都是中心对称的。其次是窗口的长度，无论什么形状的窗口，窗口序列的长度N将起决

3、定性的作用。N选得太大，滤波器的通带变窄，波形的振幅变化细节就看不出来，反之，如果N太小，则滤波器的通带变宽，信号得不到足够的平均。所谓窗口长度的长短，都是相对于语音信号的基调周期而言的。通常认为在一个语音帧内，应含有1—7个基调周期为好。可是人的语音的基调周期值是变化的，从女性小孩的2ms到老年男子的14ms（即基调频率为500Hz至70Hz），所以N的选择是比较困难的。通常折衷的选择N为100~200点为宜。若采用频率为10KHz，则相当于每帧的长度（即窗口序列的长度）约为10~20ms为宜。若采样频率为8KHz，200点相当于25ms，40帧/s；120点相当于15ms，66帧/s.

4、窗函数及其比较三种窗函数都有低通特性，通过分析三种窗的频率响应幅度特性可以发现：矩形窗的主瓣宽度最小，旁瓣高度最高，会导致泄漏现象，哈明窗的主瓣最宽，旁瓣高度最低，可以有效的克服泄漏现象，具有更平滑的低通特性，应用更广泛。窗口的形状和长度对分析影响很大，不同的分析方法对窗函数的要求不尽一样；HammingHann矩形窗语音信号的短时能量（语音信号强度的度量参数）如果窗的起点是n=0，短时能量为如果窗的起点为n=m，短时能量为：不同窗口宽度的短时能量函数示意图短时平均能量的主要用途可以从语音中区别出浊音来，因为浊音时短时平均能量的值要比清音时短时平均能量的值大很多；可以用来区别声母和韵母的分

5、界、无声和有声的分界等最为一种超音段信息，用于语音识别中。语音信号的短时平均幅度如果窗的起点是n=0，短时平均幅度为如果窗的起点为n=m，短时平均幅度为：短时过零率波形穿过横轴（零电平）的次数短时过零可以看作信号频率的简单度量语音信号的短时过零率Z过零就是指信号通过零值。过零率就是每秒内信号值通过零值的次数。对于离散时间序列，过零则是指序列取样值改变符号，过零率则是每个样本的改变符号的次数。对于语音信号，则是指在一帧语音中语音信号波形穿过横轴（零电平）的次数。可以用相邻两个取样改变符号的次数来计算。如果窗的起点是n=0，短时过零率Z为将Z应用于语音信号分析中发浊音时，声带振动，因而声门激励

6、是以此音调频率为基频来使声道共振；尽管有若干个共振峰，但其能量的分布集中于低于3KHz的频率范围内。发清音时声带不振动，声道某部分阻塞产生类白噪声激励，通过声道后其能量集中在比浊音时更高的频率范围内。浊音时能量集中于较低频率段内，具有较低的过零率，而清音时能量集中于较高频率段内，具有较高的过零率。浊音和清音情况下典型的平均过零率的直方图。直方图的分布形状与高斯分布很吻合，而且浊音时的短时平均过零率的均值为14过零/10ms，清音时短时过零率的均值为47过零/10ms。注意到浊音和清音有一个交叠区域，此时很难分清是浊音还是清音，尽管如此，平均过零率仍可以粗略的判断清音和浊音。短时平均能量和短

7、时平均过零率两个参数，也都可以用于语音识别中。主要用于识别无声段和语音段的起点和终点的位置。在背景噪声比较小的时候用平均能量来识别比较有效，在背景噪声比较大的时候用平均过零率来识别比较有效，但是通常情况是两个参数联合进行识别。E、M、Z的条件概率密度函数浊音、清音、无声的短时特性S（无声）U（清音）V（浊音）三种情况下短时平均幅度的条件概率密度的示意图。可以看出，浊音的短时平均幅度最大，无声的短时平均幅度最小。清音的短时