语音信号处理第2章-语音信号基础.ppt

2.5 语音信号生成的数学模型 混合型 2.5 语音信号生成的数学模型 辐射模型 辐射阻抗的公式如下： 式中， ， (a是口唇张开时的开口半径)，c是声波传播速度 辐射模型是一阶类高通滤波器，其等价的z变换 2.6 语音信号的特性分析 语音信号的特性： 声学特性 时域波形 频谱特性 统计特性 2.6 语音信号的特性分析 语音信号的时域波形和频谱特性 在时间域里，汉字‘天’的拼音“tian”的时间波形fs=8kHz，16bit。 2.6 语音信号的特性分析 语音信号的时域波形和频谱特性 清辅音，波形类似于白噪声，振幅很小，没有明显的周期性； 元音具有明显的周期性，且振幅较大。它们的周期对应的就是声带振动的频率，即基音频率。 2.6 语音信号的特性分析 语音信号的时域波形和频谱特性 语音信号属于短时平稳信号，一般认为在10～30ms内语音信号特性基本上是不变的，或者变化很缓慢。 2.6 语音信号的特性分析 语音信号的语谱图 时域分析对语音信号的频率特性没有直观的了解；而频域分析出的特征中又没有语音信号随时间的变化关系。 语音的时频分析特性，用语谱图（Sonogram，或者Spectrogram）表示 2.6 语音信号的特性分析 语音信号的统计特性 波形振幅概率密度函数 统计量如均值和自相关函数 2.6 语音信号的特性分析 语音信号的统计特性 语音信号振幅分布的概率密度有两种逼近方法，修正伽玛（Gamma）分布概率密度函数： 拉普拉斯（Laplace）分布概率密度函数： 2.6 语音信号的特性分析 语音信号的统计特性 对于长期统计来说，用拉普拉斯分布描述语音信号的统计特性不及用伽玛分布描述精确，但其函数式却简单一些。也可以用高斯分布（Gaussian）来近似。这三个分布函数中，伽玛函数逼近的效果最好，其次是拉普拉斯函数，而高斯分布逼近效果最差。 * 2.4 语音生成系统和语音感知系统 短时掩蔽 2.5 语音信号生成的数学模型 语音信号是非平稳随机过程 短时分析：短段时间内表示语音信号时，采用线性时不变模型。 2.5 语音信号生成的数学模型 声道模型 语音信号 的产生模型 激励模型 辐射模型 声管模型 共振峰模型 级联型 并联型 混合型 系统模型 对于一阶全极点传递函数 传递函数所对应的幅度响应实际上是： 当a0 当a0 系统模型 对于二阶的全极点传递函数 其对应的幅度响应？ 由于传递函数中，a、b均为实数，且要求极点在单位圆内，因此传递函数的极点应该是共轭对称的。 系统模型 极点位置在[0 π/2]内时 系统模型 极点位置在[π/2 π]内时 系统模型 在采样率fs=4000Hz，如果假设共振峰频率为fc=500Hz，则一个二阶的全极点传递函数应该如何设计？ 则极点为共轭的，因此极点的角频率为： 则极点位置为： p=0.98 P=0.5 系统模型 一阶全零点系统 其频谱响应？ 系统模型 当a0 系统模型 当a0时 系统模型 对于二阶的全零点系统 零点的位置没有限定要求，那么其幅度响应 当零点在[0 π/2]内时 在零点在[π/2 π]内时 2.5 语音信号生成的数学模型 语音信号的数学模型 完整的语音信号数字模型是：激励模型、声道模型和辐射模型的串联。 2.5 语音信号生成的数学模型 语音信号的数学模型 U(z)是激励信号，浊音时U(z)是声门脉冲即斜三角形脉冲序列的z变换；在清音的情况下， U(z)是一个随机噪声的z变换。 V(z)是声道传输函数，既可用声管模型，也可以共振峰模型等来描述。 R(Z)是辐射模型，一阶高通。 2.5 语音信号生成的数学模型 激励模型 浊音激励 浊音:由于声带不断张开和关闭，将产生间歇的脉冲波，因此浊音激励波是一个以基音周期为周期的斜三角脉冲串，其数学表达式如下： 2.5 语音信号生成的数学模型 由于单个斜三角波的z变换形式为： 而斜三角波的脉冲串可以看成单位脉冲串(脉冲串的传递函数为E(z)通过斜三角波的滤波器，因此斜三角波脉冲串的模型是单位脉冲和斜三角波的乘积 2.5 语音信号生成的数学模型 清音激励 随机白噪声 2.5 语音信号生成的数学模型 声道模型 共振峰模型 一个元音用前三个共振峰来表示，而对于较复杂的辅音或鼻音，用前五个以上的共振峰。 可以建立起三种实用的共振峰模型：级联型、并联型和混合型。 2.5 语音信号生成的数学模型 级联型 声道是一组串联的二阶谐振器：从共振峰理论来看，整个声道具有多个谐振频率和多个反谐振频率，所以它可被模拟为一个零极点的数学模型； 对于