语音信号及单片机处理 教学课件 作者 吴黎明 主编 王桂棠 吴正光 副主编 第三章.pptVIP

在语音信号处理中，傅里叶表示一直起主要作用。其原因在于：一方面，稳态语音的生成模型由线性系统组成，此系统由一个随时间周期变化或随机变化的源所激励，因而系统输出频谱反映了激励与声道频率响应特性；另一方面，语音信号的频谱具有非常明显的语言声学意义，可以获得某些重要的语音特征(如共振峰频率和带宽等)。 语音信号是非平稳信号，其非平稳性是由发音器官的物理运动过程而产生的。这个运动过程与声波振动的速度比起来要缓慢得多，因此可以假定它在10～30 ms这样短的时间段内是平稳的。所以对语音信号处理来说，短时分析的方法是有效的。短时分析应用于频域分析就是短时傅里叶变换，相应的频谱称为“短时谱”，即有限长度的傅里叶变换。 从广义上讲，语音信号的频域分析包括语音信号的频谱、频谱包络、功率谱、倒频谱等。常用的频域分析方法有带通滤波器组法、傅里叶变换法、线性预测法等几种。本节介绍语音信号的傅里叶分析法。 短时傅里叶变换最重要的应用是语音分析与合成系统，因为由短时博里叶变换可以精确地恢复语音波形。 它实际上是Xn(e-jω)在频域内的采样。上述两式的物理意义如下： ● 当n固定不变时，例如，n＝n0，则是将窗函数的中心移至 n0处截取信号x(n)，再进行傅里叶变换而得到的一个频谱函数。 ● 当频率固定时，例如ω＝ω0，则Xn(ejω)可看作是信号经过一个中心频率为ω0的带通滤波器后产生的输出。 3.3 傅里叶变换的解释 3.3.1频谱解释 对于短时傅里叶变换 同时功率谱Sn(ejω)是短时自相关函数的傅里叶变换。 根据卷积定理，有 由上式可知，当n固定时，例如n＝n0，则Xn0 (e-jω)是将窗函数的中心移至n处截取信号x(n)，再进行傅里叶变换而得到的一个频谱函数。 3.3.2 滤波器解释 可以从线性滤波角度对Xn(e-jω)进行解释。为此，将短时傅里叶变换的定义式写为 3.4 短时傅里叶反变换 3.4.1 滤波器组求和法 这种方法与短时频谱的滤波器组表示有关。对于某个频率ωk,如果已知Xn(ejω)，则有 考察整个带通滤波器组，其中每个带通滤波器均有相同输入，将其输输出相加，即得恢复信号 3.5语音识别的一般技术 3.5.1 语音识别基本原理 语音识别系统本质上是一种多维模式识别系统，基本结构如图3.4所示。语音识别系统与一般的模式识别系统类似，包括特征提取、语音模式库、模式匹配3个基本单元。 1、预处理 预处理包括预加重、反混叠滤波、模/数转换、自动增益控制等处理过程，用以去除声门激励、口鼻辐射、高于1/2采样频率的高频和噪声信号的影响，实现语音信号的数字化。在语音识别中，预处理还包括在声学参数分析之前正确选择识别基本的问题。 2、特征提取 可选择的语音特征参数具体如下： 时域参数 包括短时平均过零率、短时平均幅度或短时平均能量、基音周期。 频域参数 包括短时频谱（有10~30个通道滤波器组的平均谱、DFT频谱、模仿人耳听觉频率特性的MEL谱等）、前3个共振峰（有幅度、频率、带宽）、倒谱、线性预测系数、PARCOR系数（偏自相关系数）。 其他参数 包括声道的形状函数（用于求取讲话者的个性特征）、随机模型（即隐马尔可夫模型）的概率函数、矢量量化的矢量。 超音段信息函数 包括音长、音调、音色等。 3、语音模型库 语音模型库即声学参数模板，它是用聚类分析等方法，从一个讲话者或多个讲话者的多次重复的语音参数，经过长时间的训练得到的。 4、模式匹配 将输入语音的特征参数同训练得到的语音模式库进行比较分析，从而得到初步识别结果。根据模式识别方法的不同，用于语音识别系统时有统计模式识别法和句法模式识别法两类。 5、后处理 在大词汇量连续语音识别系统中，为了提高识别正确率需要使用语言模型，利用语音识别单位之间连接时的相互制约的关系，采取统计方法与语法相结合的方法建立语言模型，达到限制识别器译码时的自由度，提高系统的性能。目前后处理在嵌入式语音系统中还很难使用。 3.5.2 孤立词识别系统 孤立词识别系统的结构比较简单，其原理框图如图3.6所示。