《语音信号处理》基音及提取方法.pptx

基音及提取方法;内容提要;概念列表;基音周期;基音周期？;精确基音周期估计困难;典型基音周期估计方法;自相关法

语音信号s(m)经窗长为N的窗口截取为一段加窗语音信号Sn(m)后，定义Sn(m)的自相关函数(ACF)Rn(k)(亦即语音信号s(m)的短时自相关函数)为：

Rn(k)不为零的范围为是k=(-N+1)～(N—1)，且为偶函数。

浊音信号的自相关函数在基音周期的整数倍位置上出现峰值；而清音的自相关函数没有明显的峰值出现。因此检测是否有峰值就可判断是清音或浊音，检测峰值的位置就可提取基音周期值。;自相关法—需要考虑的问题;平均幅度差函数法（AMDF）

语音信号的短时平均幅度差函数(AMDF)Fn(k)定义为：

与短时自相关函数一样，对周期性的浊音语音，Fn(k)也呈现与浊音语音周期相一致的周期特性

Fn(k)在周期的各个整数倍点上具有谷值特性而不是峰值特性，因而通过Fn(k)的计算同样可以来确定基音周期。

对于清音语音信号，Fn(k)却没有这种周期特性。利用Fn(k)的这种特性，可以判定一段语音是浊音还是清音，并估计出浊音语音的基音周期。;并行处理技术（PPROC）方法

基本思想：对经过预处理的语音信号实施一系列的基音初步检测，或分别对原始信号和经处理后的信号实施系列检测，然后根据系列检测的初步结果，综合判定基音周期。

图3-21所示的是一个并行处理法的实现框图，它是一种时域方法，检测器找出语音波形的六个测度，而这六个测度应用于六个独立的基音检测器。由六个检测器驱动“服从多数”逻辑电路而进行最终的基音判决。

找出的基音测度与经过检验确定的基音测度相当吻合，而且处理过程具有抗噪声能力。;并行处理技术（PPROC）方法

;基音周期并行处理法;6个冲激产生示意图;倒谱（CEP）法

倒谱法是传统的基音周期检测算法之一，它利用语音信号的倒频谱特征，检测出表征声门激励周期的基音信息。

正如在3.5小节介绍的，语音s(n)是由声门脉冲激励e(n)经声道响应v(n)滤波而得。即：

s(n)=e(n)*v(n)

设三者的倒谱分别为s^(n)、e^(n)及v^(n)，则有：

s^(n)=e^(n)+v^(n)

可见，倒谱域中基音信息与声道信息可以认为是相对分离的。采取简单的倒滤波方法可以分离并恢复出e(n)和v(n)，根据激励e(n)及其倒谱的特征可以求出基音周期。;倒谱（CEP）法

然而，反应信息的倒谱峰，在过渡音和含噪语音中将会变得不清晰甚至完全消失。其原因当然主要是因为过渡音中周期激励信号能量降低和类噪激励信号干扰或含噪语音中的噪声干扰所致。对于一帧典型的浊音语音的倒谱，其倒谱域中基音信息与声道信息并不是完全分离的，在周期激励信号能量较低的情况下，声道响应(特别是其共振峰)对基音倒谱峰的影响就不可忽略。如果设法除去语音信号中的声道响应信息，对类噪激励和噪声加以适当抑制，倒谱基音检测算法的检测结果将有所改善，特别对过渡语音的检测结果将有明显改善。;简化逆滤波法（SIFT）

简化的逆滤波跟踪(SIFT)算法是相关处理法进行基音提取的一种现代化的版本。该方法的基本思想是：先对语音信号进行LPC分析和逆滤波，获得语音信号的预测残差，然后将残差信号通过自相关滤波器滤波，再作峰值检测，进而获得基音周期。语音信号通过线性预测逆滤波器后达到频谱的平坦化，因为逆滤波器是一个使频谱子坦化的滤波器，所以它提供了一个简化的（亦即廉价的）频谱平滑器。预测误差是自相关器的输入，通过与门限的比较可以确定浊音，通过辅助信息可以减少误差。;简化逆滤波法（SIFT）

简化逆滤波器的原理框图如图3-26所示。其工作过程为：

①语音信号经过10kHz取样后，通过0-900Hz的数字低通滤器，其目的是滤除声道谱中声道响应部分的影响，使峰值检测更加容易。然后降低取样率5倍（因为激励序列的宽度小于1kHz，所以用2kHz取样就足够了)；当然，后面要进行内插。

②提取降低取样率后的信号模型参数（LPC参数），检测出峰值及其位置就得到基音周期值。

③最后进行有/无声判别。此处与倒谱法类似，有一个无声检测器，以减少运算量。;简化逆滤波法（SIFT）

;小波变换法

一个信号的小波变换具有这样的性质：信号小波变换的极值点对应于信号的锐变点或不连续点。语音的产生过程实际上是气流通过声门再经声道响应后变成声音。对于浊音语，它是由气流冲击声门，使声门发生周期性的开启或闭合，这种周期性的气流经声道响应就形成了浊音语音。声门的这种开启与闭合，在语音信号中引起一个锐变。对语音信号作小波变换则其极值点对应于声门的开启或闭合点，相邻极值点之距离就对应着基音周期。因而，采用音信号的小波变换可以检测基音周期。;小波变换法

;组合方法;组合方法：基音计算流程;