语音识别基础read.ppt

语音识别基础 第三章 语音信号处理基础 3.1 短时分析与窗函数 3.2 时域分析 3.3 频域分析 3.4 倒谱域分析 3.5 线性预测分析 3.6 矢量量化法 3.1 短时分析与窗函数 3.1.1 语音信号的数字化* 3.1.2 短时分析概要* 3.1.3 几种典型窗口* 3.2 时域分析 3.3 频域分析 3.4 倒谱域分析 3.5 线性预测分析 3.6 矢量量化法 第三章 回家作业 ： 提交时间： 3.1.1 语音信号的数字化 采样： 　时间方向的离散化 －采样频率(S) 　－采样定理 量化： 　幅度方向的离散化 3.1.2 短时分析的概要 3.1.3 几种典型的窗函数 矩形窗： 汉明窗(Hamming)： 哈宁窗(Hanning)： 3.2.1 短时平均能量、幅度及过零数 短时平均能量的定义：* 短时平均幅度的定义：* 短时平均过零数的定义：* 短时平均能量Ej的定义 N-1 E = ∑{ x (n)2 } n=0 x (n)：原样本序列x(n)在j时刻起，由长度为N 的窗口w(n)所切取出的短时语音段。 Elog(j) = 10log10(1+Ej) Elog(j)：语音信号的对数短时平均能量（分贝）。 短时平均幅度Mj的定义 N-1 M = ∑ x (n) n=0 x (n)：原样本序列x(n)在j时刻起，由长度为N 的窗口w(n)所切取出的短时语音段。 短时平均过零数Zj的定义 N-1 Z = ∑{ neg(x (n)x (n+1))} n=0 x (n)：原样本序列x(n)在j时刻起，由长度为N 的窗口w(n)所切取出的短时语音段。 neg(x)= 静息、无声及有声语音的Ej和Zj的分布关系 (a)短时平均能能量(dB) (b)短时平均过零数(次/10ms) 3.2.3 短时自相关函数与平均振幅函数 短时自相关函数* (Short-Time Auto-Correlation Function) 短时平均幅度差函数* (Average Magnitude Differential Function) 自相关函数与AMDF函数 3.3.1 短时傅里叶变换(DFT) (1) DFT(Discrete Fourier Transform) 3.3.2 DFT与快速傅里叶变换(FFT) 在使用算法时应注意： (1) 时间窗要求采用两端衰减型的窗函数 (2) 数据长度要求满足：N=2 3.3.3 振幅谱和功率谱 (1) 振幅谱|X (k)| 3.4.1 倒谱的概念 定义：倒谱定义为信号短时振幅谱的对数傅里叶反变换。 特点：具有可近似地分离并能提取出频谱包络信息和细微结构信息的特点。 3.4.2 倒谱的分析流程 A：短时信号；B：短时频谱；C：对数频谱； D：倒谱系数；E：对数频谱包络； F：基本周期 3.4.3 倒谱系数的求法 3.4.4 倒谱分析在语音识别中的用途 提取声道特征信息：提取频谱包络特征，以此作为描述音韵的特征参数而应用于语音识别。 提取音源信息：提取基音特征，以此作为描述音韵特征的辅助参数而应用于语音识别。 3.5.1 线性预测分析的概念 概念：一个语音取样的现在值，可以用若干个语音取样的过去值的加权线性组合来逼近，在线性组合中的加权系数就称为线性预测系数(LPC:Linear Predictive Coding)。 特点：利用LPC技术可以从语音信号中抽取出声道特性。 3.5.2 线性预测系数的求解概要(1) （1）设ej(n)表示时刻n的预测误差： ej(n) = xj(n)- x’j(n) = xj(n)+a1xj(n-1)+a2xj(n-2)+ … apxj(n-p) = ∑aixj(n-i) （这里，a0 = 1.0。） 3.5.2 线性预测系数的求解概要（2） （2）对在分析区内的N个语音取样值的预测误差分别取其平方，然后进行累加。即， 计算预测误差的能量Ej：