《语音信号处理》实验指导书初稿.pdf

5-1 语音信号的时域、频域分析 一、实验目的 1. 理解和掌握语音信号短时能量、短时过零、短时自相关和短时平均幅度差函数等分析 方法的理论含义，并理解各种分析方法的应用 2. 掌握语音信号的短时傅里叶分析方法的原理及应用 3. 了解语谱图中三维频谱的具体含义及应用 二、实验原理 语音信号分析是语音信号处理的基础,只有分析出可表示语音信号本质特征的参数,才 有可能利用这些参数进行高效的语音通信,语音合成,语音识别等处理。语音合成的音质好坏, 语音识别率的高低,都取决于对语音分析的准确性和精确性语音分析有举足轻重的作用。 1. 短时分析 语音信号具有时变特性，是一个非平稳的随机过程；但是，语音信号又具有“短时平稳 性”，即在一个短时间范围内其特性基本保持不变。这是语音信号处理的一个重要出发点。 即“短时分析”。 2. 时域分析 时域分析是最简单、最直观的方法，它直接对语音信号的时域波形进行分析。主要提取 的特征参数有：短时能量、短时平均过零率 、短时自相关函数、短时平均幅度差函数。 短时能量 语音信号的能量分析是基于语音信号能量随时间有很大的变化，清音段的能量一般比 浊音段的能量小得多。定义式如下： ∞ n E n ∑[w(m )x (n +m )] 2 ∑[w (m )x (n +m )] 2 −∞ − +1 m m n N 其中 x（n）是语音信号，w（n）为窗函数。 短时平均过零率 语音信号 x(n)的短时平均过零数定义为： 1 N −1 Zn ∑sgn[x (m)] −sgn[x (m −1)] 2 m 0 其中 1 x ≥0 ⎧ sgn(x) ⎨ −1 x 0 ⎩ 清音和浊音过零分布是不同的，清音具有较高的过零数，而浊音则具有较低的过零数。 短时自相关函数 自相关函数有一系列有用的性质： 1） 如果 x(n)是周期信号（N ），则{R(k)}也是周期性信号，而且其周期与 {x(n)} P 相同。即： R(k)＝R(k+N ) P 2） 偶函数：R(k)＝R(－k)。 3） R(0) = |R(k)| , 即零滞后自相关值最大。 语音信号自相关函数定义如下： N −1−k R (k ) ∑x (m)x (m +k )(0 k ≤K ) m 0 3.频域分析 短时傅里叶变换 标准傅里叶分析在信号处理中具有非常重要的作用，适用于周期、瞬变或平稳随机信号 的分析。对语音信号进行频谱分析是认识语音信号和处理语音信号的重要方法。语音信号是 一个非平稳过程，所以标准傅里叶分析不能直接进行。因语音信号具有短时特性，所以可以 采用短时傅里叶变换（STFT），即有限长度的傅里叶变换，相应的谱称为“短时谱”。 短时傅里叶变换定义式： ∞ N −1 X n (ej ω ) ∑x (m)w(n −m)e−j ωm ∑x n (m)e−jwm m −∞ m 0 语谱图 语谱图（Spectrogram）是一