语音信号处理件__第05章同态滤波及倒谱分析.ppt

第5章 语音的同态滤波及倒谱分析;5.1 概述;5.1 概述;5.1 概述;同态信号处理也称为同态滤波，它实现了将卷积关系变换为求和关系的分离处理。 为了分离加性组合信号，常采用线性滤波方法。 为了分离非加性组合(如乘积性或卷积性组合)信号，常采用同态滤波技术。同态滤波是一种非线性滤波，但它服从广义叠加原理。 对语音信号进行同态分析后将得到其倒谱参数，所以同态分析也称为倒谱分析。由于对语音信号分析是以帧为单位进行的，所以得到的是短时倒谱参数。 无论是对于语音通信、语音合成还是语音识别 倒谱参数优点：所含的信息比其他参数多，也就是说语音质量好、识别正确率高； 倒谱参数缺点：是运算量较大。 尽管如此，倒谱分析仍是一种有效的语音信号分析方法。;5.1 概述;5.1 概述;5.2 同态信号处理的基本原理;5.2 同态信号处理的基本原理;5.2 同态信号处理的基本原理;5.2 同态信号处理的基本原理;5.2 同态信号处理的基本原理;5.2 同态信号处理的基本原理;5.2 同态信号处理的基本原理;5.3复倒谱和倒谱---两种同态处理方法;1.复对数的多值性问题： 并不是一对一的变换;5.3 复倒谱和倒谱;5.3 复倒谱和倒谱;5.3 复倒谱和倒谱;5.3 复倒谱和倒谱;5.3 复倒谱和倒谱;5.3 复倒谱和倒谱;c(n)即是 中的偶对称分量。是时间序列，因为它是从频率逆变换得到的。 如果c1(n)和c2(n)分别是x1(n)和x2(n)的倒谱，并且x(n)=x1(n)*x2(n)；那么x(n)的倒谱为c(n)=c1(n)+c2(n)。 与复倒谱不同的是，在倒谱情况下一个序列经过正逆两个特征系统变换后，不能还原成自身；这是因为在计算倒谱的过程中将序列的相位信息丢失了。;5.4 语音信号两个卷积分量复倒谱的性质;5.4 语音信号两个卷积分量复倒谱的性质;5.4 语音信号两个卷积分量复倒谱的性质;5.4 语音信号两个卷积分量复倒谱的性质;5.4 语音信号两个卷积分量复倒谱的性质;5.4 语音信号两个卷积分量复倒谱的性质;5.4 语音信号两个卷积分量复倒谱的性质;5.4 语音信号两个卷积分量复倒谱的性质;5.4 语音信号两个卷积分量复倒谱的性质; 在复倒谱分析中，z变换后得到的是复数，所以取对数时进行的是复对数运算。这时???在相位多值性问题，称为“相位卷绕”。相位卷绕使得求语音的复倒谱，以及从复倒谱中恢复语音等运算都会由于不确定性而产生错误。下面来分析复倒谱分析中相位卷绕是怎样产生的。;上式的相位也可表示为： 式中，虽然φl(ω)和φ2(ω)的范围均在(0，2π)内，但φ (ω)的值可能不在(0，2π)之内，而计算机处理时总相位值只能用主值Φ(ω)(在(0，2π)内)来表示。所以可能存在下面的情况： （k为整数） 此时即产生了相位卷绕。显然，相位卷绕的产生是由于相位的多值性问题。它会使后面求复倒谱以及由复倒谱恢复语音等运算存在不确定性而产生错误。求复倒谱时避免相位卷绕的方法有限制法、微分法、最小相位信号法等。其中，限制法的思想是将复倒谱的相位限制在-π φ(ω) π的范围内，从而有φ(ω)=Φ(ω)。但对于语音信号来讲，由于语音信号是随机的，所以这种限制是不科学的。下面介绍其他两种求复倒谱时避免相位卷绕的方法。;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.5 避免相位卷绕的算法;5.6 语音信号的复倒谱分析实例;5.6 语音信号的复倒谱分析实例;5.6 语音信号的复倒谱分析实例;5.6 语音信号的复倒谱分析实例;5.6 语音信号的复倒谱分析实例;5.6 语音信号的复倒谱分析实例;5.6 语音信号的复倒谱分析实例;5.6 语音信号的复倒谱分析实例;同态信号处理的基本原理（小结） 不同信号的处理方法 － 加性信号 线性关系、叠加原理，处理方法成熟;特征系统D*[ ] 把卷积转换为和，把非线性变为线性;3 同态滤波的基本原理 设有x(n) = x1(n) * x2(n) (1) D*[ ] ;4 复倒谱和倒谱 概念;复倒谱的幅度与相位 同傅立叶变换，复倒谱有幅频特性、相频