语音信号短时分析技术.ppt

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； 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. 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； 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 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 语音有声和无声 在许多语音处理技术中需要判断一段输入信号中哪些是语音段，哪些是无声段（只