3839基音和共振峰估计要点.ppt

§3.7 基音周期和共振峰频率估计 一、基音周期估计 二、共振峰估计 本章小结 THANKS * 语音信号处理 天津商业大学信息工程学院 电子教案 X 第1-*页 §3.7 基音周期和共振峰频率估计 一、基音周期估计 二、共振峰估计 一、基音周期估计 1.基音周期估计的重要性 基音周期是语音信号最重要的参数之一，它描述了语音激励源的一个重要特征。基音周期信息在多个领域中有着广泛的应用，如：语音识别、说话人识别、语音编码、语音合成、发音系统疾病诊断、听觉残障者的语言指导等。因为汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息，有区别意义的功能，所以，基音的提取和估计对汉语更是一个十分重要的问题。 2.基音周期估计的方法 (1)自相关法 (2)平均幅度差函数法 (3)并行处理法 (4)倒谱法 (5)简化逆滤波法 (6)小波变换法 （1）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。由3．3小节的分析可知，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。 （2）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，不过不同的是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。而对于清音语音信号，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。 （3）并行处理技术（PPROC）方法 运用并行处理技术检测基音周期的方法的基本思想是：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。用到的波形属性是正负峰值的幅度和位置，后峰至前峰的测度以及峰值至谷值的测度。语音最初经截止频率为900Hz的低通滤波，如果需要的话加高通滤波去除60Hz的交流声。用这种方法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。 （4）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。 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。 （5）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