基础知识数字水印基础教程.ppt

4、基础知识 本章内容 人类听觉特点与语音质量评价 语音信号处理基础 人类视觉特点与图像质量评价 图像信号处理基础 其他数据的特点 人类对语言的认识 语言的产生 决定想传达给对方的内容是什么 将内容转化成语言的形式（词和语法） 语言学 研究语音中各个音的排列规则及其含义，包括重音、语调、声调等（各国语言，各民族语言，地方方言等） 语音学 研究语音信号是由哪些最基本的单位组成的，发声器官是如何发出声音的，建立语音产生模型，便于人类对语音信号的特性进行研究 语音的产生 声门（激励源） 肺部：产生能量 喉部：产生声带的振动 声道（信道） 口腔 鼻腔 嘴 人能够发出各种不同的声音，取决于声门和声道中各种可变的部分 声带 振动：产生浊音（元音和浊辅音） 不振动：产生清音（清辅音） 声道： 是一个具有某种谐振特性的腔体，且其横截面积是可变的 声道的频率特性主要取决于声道截面的最小值出现的位置，主要由舌的位置来控制 嘴是声道的最末端，嘴的形状也影响所发出的声音 用数学模型表示语音信号 用数学模型分别模拟 激励源 声道 辐射模型 语音是时变信号，但可以认为在10－20ms的时间范围内是近似不变的 语音的数字模型是一个缓慢时变的线性系统，在10－20ms的时间内是时不变系统 1、激励源模型 激励源 浊音： 激励信号由一个周期脉冲发生器产生，其周期称为基音周期 为了使浊音的激励信号具有声门气流脉冲的实际波形，还需要使这一脉冲序列通过一个声门脉冲模型滤波器，其传输函数为G（Z） 清音：激励信号由一个随机噪声发生器产生 1、激励源模型 浊音 声门脉冲滤波器 浊音的产生模型 周期信号，通过一个声门脉冲滤波器，经过幅度调节，产生浊音信号 清音 2、声道模型 声道可以用一个全极点模型来模拟，其系统函数的极点对应为语音的共振峰 3、嘴唇辐射模型 嘴唇辐射模型与嘴型有关，其传输函数： 完整数学模型 系统函数 人类说话和收听的过程 影响语音感知的主要因素 听觉范围 正常人可听声音的频率范围为0.016---16KHz，年轻人可听到20KHz的声音，而老年人可听到的最高频率为10KHz左右 感觉域：容忍的最高声压。当声压高到一定程度时，耳朵会出现不适感。对正常人而言，一般取120dB为不适阈，140dB为痛阈，且与频率无关。强度范围为-5dB～130dB 强度差阈：正常人对频率固定的声音所能辨别的最小强度差值 人耳的听阈曲线 听阈：声音能被听见的最低声压 人耳对各频率声音所能听到的最小声压级所绘出的听阈曲线 图中，2kHz～5kHz，人耳对这一频段的声音最敏感 影响语音感知的主要因素 音调 对于频率低的声音，听起来感觉它的音调“低”，而频率高的声音，听起来感觉它的音调“高” 但是音调与声音的频率并不成严格的正比关系，它还与声音的强度及波形有关 影响语音感知的主要因素 掩蔽效应 当人耳听到两个强度不同的声音时，强的声音的频率成分会影响人耳对弱的声音的频率成分的收听 频率掩蔽：通常，低音容易掩蔽高音，而高音掩蔽低音较难 时间掩蔽：强声音后面的弱音容易被掩蔽；强声音前面的弱音也容易被掩蔽 时间掩蔽示意图 影响语音感知的主要因素 掩蔽效应 噪音对单音的掩蔽：一个单音可以被以它为中心频率，具有一定频带宽度的连续噪音所掩蔽 噪音掩蔽的临界带宽：如果在这一频带内噪声功率等于该纯音的功率，这时该纯音处于刚能被听到的临界状态，则称这一带宽为临界带宽 音频中的信息隐藏，主要利用人耳听觉特性以及掩蔽特性，设计隐藏算法 如回声隐藏等 语音信号的特征波形 静息波 准周期波 噪声波 脉冲波 语音信号的特征波形 元音的共振峰 影响语音感知的主要因素 限幅 峰值削波：将幅度超过某一门限的值限制在门限上 中心削波：将幅度小于某一门限的值置为零 限幅的影响 在峰值无限削波的情况下，仍然相当好地保留了单词的清晰度 削去声波幅度的一半，清晰度几乎降为零 结论：语音信号中的大部分信息都保存在其低幅值的部分 影响语音感知的主要因素 语音强度 语音强度，影响对语音的正确辨别率 频率选择性 虽然语音信号的大部分功率包含在低频分量之中，但是它们对清晰度的贡献并不是很大 去掉高频成分对于辅音清晰度影响大 去掉低频成分对于元音清晰度影响大 影响语音感知的主要因素 频率选择性 用低通滤波器 保留5KHz以下的频率成分，清晰度不受影响 保留1.5KHz以下的频率成分，清晰度约下降一半 保留200Hz以下的成分时，清晰度降为零 用高通滤波器 保留400Hz以上的频率成分清晰度基本不受影响 保留1000Hz以上的部分，则语音信号的功率可能损失了约80%，但清晰度却仅下降了10% 保留2300Hz以上的频率成分，清晰度下降一半左右 保留6KHz以上的频率成分时，清晰