第05章同态技术方案.ppt

* * 除原点外，我们可以用“高（序号）复倒谱窗”从语音信号的复倒谱中提取出浊音激励信号的复倒谱，从而提取出基音信号。 * 由上述公式可知声道响应的复倒谱随着n的增大而迅速衰减 * 上述框图中g(n)实际上应该是辅助因子周期延拓的形式，其周期为短时加窗的长度N * x(n)是一个最小相位序列，其复倒谱也是一个因果序列（求复倒谱运算过程中收敛域不变)。 * * 5.4 语音信号两个卷积分量复倒谱的性质 5.4 语音信号两个卷积分量复倒谱的性质 语音信号的复倒谱 5.5 避免相位卷绕的算法 相位卷绕： 求复倒谱中的取对数运算存在的相位多值性问题，我们称之为相位卷绕。它的不确定性将使复倒谱恢复语音的运算产生错误。 三种避免相位卷绕的方法（非取相位主值的方法） 5.5 避免相位卷绕的算法 1.微分法： 本质：利用傅里叶变换微分、对数微分特性。 微分特性： x(n)的复倒谱 对数谱 5.5 避免相位卷绕的算法 5.5 避免相位卷绕的算法 图5-4利用傅里叶变换的微分特性求复倒谱的框图 缺点：会引起严重的频谱混叠 原因：nx(n)频谱中的高频分量比x(n)的多，有效最高频率比x(n)的大，若仍按原取样率分析将引起此现象。 5.5 避免相位卷绕的算法 2.最小相位信号法： 本质：由最小相位信号序列的复倒谱性质及希尔伯特变换的性质推导而来。 适用范围：是一种好方法，但仅适用于最小相位信号。 5.5 避免相位卷绕的算法 原理： 5.5 避免相位卷绕的算法 5.5 避免相位卷绕的算法 图5-5因果序列的分解和恢复 5.5 避免相位卷绕的算法 图5-6最小相位信号法求复倒谱 5.5 避免相位卷绕的算法 3.递推法： 适用范围：仅限于最小相位信号。 基本原理：设 x(n)为最小相位序列 5.5 避免相位卷绕的算法 5.5 避免相位卷绕的算法 是一个因果序列: 是一个最小相位序列： 5.5 避免相位卷绕的算法 这是一个递推公式，求出n=0时的值，所有其它值均可求出。但n=0要用其他办法求出 5.5 避免相位卷绕的算法 5.5 避免相位卷绕的算法 缺陷：对某些信号，若初值x(0)过小，则复倒谱在递推计算时将出现发散的情况。 5.6 语音信号的复倒谱分析实例 在进行语音倒谱和复倒谱分析之前 必须对语音信号进行加窗处理： 1.倒谱分析： 5.6 语音信号的复倒谱分析实例 在x(n)是最小相位序列的情况下，复倒谱与倒谱之间有以下的关系： 由于倒谱等于复倒谱的偶对称部分，故有着与复倒谱相同的特性，且为偶函数。 5.6 语音信号的复倒谱分析实例 先用窗w(n)选择一个语音段，再计算复倒谱，然后将欲得到的复倒谱分量用一个“复倒谱窗”l(n)分离出来。所得到的窗选复倒谱用逆特征系统进行处理以恢复所需的卷积分量。 图5-8语音同态滤波系统的构成 5.6 语音信号的复倒谱分析实例 2.倒谱分析实例： 图(a)是一段加窗语音的时域波形图，窗长为15 ms，fs＝10 kHz，因此共包括150个语音样点。这段语音用海明窗加权，基音周期为Np＝45； 图(b)所示为其对数幅度谱，其谐波分量是由输入信号的周期性所引起的； 图(c)显示出相位主值的不连续性， 5.6 语音信号的复倒谱分析实例 2.倒谱分析实例： 图(d)所示的避免了卷绕的相位谱就没有不连续性。 图(b)和图(d)合在一起构成图(e)所示复倒谱的傅里叶变换。 图(e)中正负两侧等于基音周期的时间点上出现的尖峰，迅速衰减的低复倒谱域分量表示声道、声门激励以及辐射的组合效应。 图(f)所示为倒谱，它只是对对数幅度谱进行傅里叶反变换(即设相位恒为零)。实际上倒谱也表现出和复倒谱相同的一般性质，这是因为倒谱是复倒谱的偶对称分量。由图(f)可见，倒谱是一个偶函数；这是因为它是一个偶对称分量。 5.6 语音信号的复倒谱分析实例 图5-9浊音语音用同态滤波分离出声门激励和声道响应的示例 (a) 声道的对数幅频特性的估值；(b) 声道相频特性的估值； (c) 声道冲激响应的估值；(d) 声门激励脉冲的估值 其中图(a)和图(b)为特征系统中得到的对数幅度谱及相位谱，经过低复倒谱窗l(n)和 之后的输出波形即声道冲激响应如图(c)所示。图(d)给出了声门激励信号。可以看出，声门激励波形近似于一个冲激串，其幅度随时间的变化关系保持了加权所用的海明窗形状。 5.6 语音信号的复倒谱分析实例 图5-10给出了相同条件下一段加窗清语音的时域波形及其倒谱。 其中图(a)是一个海明窗乘过的清音语音段,图(b)为这段语音的对数幅度谱，图(c)为其倒谱。 可见对数幅度谱的变化没有规律，没有体现出谐波分量，这是因为激励信号是随机的，因而语音的短时