第二章语音信号分析.ppt

第二章 语音信号分析 2.1 语音信号的短时处理方法 2.2 短时能量和短时平均幅度 2.3 短时平均过零率. 2.4 短时自相关函数 2.5 短时傅里叶变换的定义 2.6 短时傅里叶变换的性质 2.7 短时傅里叶变换的线性滤波实现 2.8 短时傅里叶谱的取样 2.9同态处理的基本原理 2.10复倒谱和倒谱 2.11线性预测分析 窗宽的选择 使 能及时地跟踪语音能量的缓慢时变规律 对语音振幅在一个基音周期时间内的瞬时快变化有显著平滑作用.窗宽时间为10～20ms 短时能量的应用： 1 区分清音段和浊音段 2 区分声母和韵母 3 区分无声和有声的分界(信噪比较高的信号) 4 区分连字的边界 5 用于语音识别 短时能量的缺点： 对高电平过于敏感，给加窗宽度的选择带来了困难。扩大了振幅不相等的任何两个相邻取样值之间的幅度差别，必须用较宽的窗函数才能平滑能量幅度的起伏。为了使En能准确反映语音能量的时变规律： 数据窗w(n)或滤波器h(n)函数形式和宽度的选择相当重要。 1.???? 定义： 时域离散确定信号的自相关函数定义为： 时域离散随机信号的自相关函数定义为：  若信号为一周期信号，周期为P，则 上式说明，周期信号的自相关函数也是一个同样周期的周期信号。 自相关函数具有下述性质： (1)??对称性 R（k）= R（-k） (2)在k = 0处为最大值，即对于所有k来说，|R(k)|≤R(0) (3)对于确定信号，值R(0）对应于能量，而对于随机信号，R(0）对应于平均功率 在上述的第（2）个性质中，如果是一个周期为P的信号，则在取样0，±P，±2P，处，其自相关函数也是最大值，因此可以根据自相关函数的最大值的位置来估计周期信号的周期值。 对于语音来说，可以定义短时自相关函数为 2．实现 因为 所以有 定义 则 可以写成： 上式表明，序列经过一个冲激响应为 的数字滤波器滤波即得到短时自相关函数。 也可采用直接运算的方法，令 且令 将其代入到式 得： 当 时， 为非零值； 当 时， 为非零值， 当 均为非零值时，则有， 3． 分析 对于浊音语音信号，由于其自身具有周期性，故Rn( k )也具有明显的峰值且呈周期分布；对于清音语音信号，则没有很强的自相关周期峰。 实验表明，对短时自相关函数来说，使用矩形窗比使用哈明窗具有更明显的周期性。为了反映语音信号特性的变化，N必须足够小，而另一方面，为了得到周期性的自相关函数，窗的宽度N必须大于最长的基音周期的两倍。 当N值一定，而k值增加，则由于求和上限减少，Rn(k)值下降，于是导致在k值增加时，相关峰的幅度减小。 如上页图 所示，给出N=401，N=251和N=125时浊音的自相关函数，其中（c）对应于使用N=125的窗，基音周期约等于72，窗内没有包含两个完整的基音周期。当基音周期很宽时，如果加大N，使其等于或大于基音周期的两倍，虽然能克服相关峰幅度减小这一问题，但是对于短的基音周期来说，又增加了运算量。 2.6 短时傅立叶变换的性质 2.8 短时傅立叶谱的取样 2.8 短时傅立叶谱的