新·第3讲语音信号处理第3.1~3.5章-精.pptVIP

预加重的频谱提升作用 Hamming window 2.修正的短时自相关函数 随着延迟k的增加，进行乘积和的项数在减少，导致自相关函数的幅度值随着延迟k的增加而下降 不利于基频估计 过大的N影响短时性 修正的短时自相关函数 严格意义不是自相关，而是互相关 在周期信号的周期的倍数上有峰值，与R(0)最接近的第一个最大值点仍然代表了基音周期的位置 利用语音的短时傅里叶变换求语音的短时谱 对第n帧语音信号xn(m)进行傅里叶变换(离散时域傅里叶变换，DTFT)，可得到短时傅里叶变换，其定义如下： 短时傅里叶变换的等效性 时宽、带宽积 为常数 窗形对STFT频谱的影响 矩形窗：频率分辨率高（主瓣狭窄尖锐），第一旁瓣衰减较小 汉明窗：在频率范围中的分辨率较高，且旁瓣的衰减大，具有频谱泄漏少的优点 窗对频谱的影响 临界带特征 求功率谱 确定临界带划分 计算临界带特征值 构建临界带特征 倒谱分析实例：MEL频率倒谱参数（MFCC） MFCC（Mel-Frequency Cepstral Coefficents MFCC） 着眼于人耳的听觉特性，因为，人耳所听到的声音的高低与声音的频率并不成线性正比关系，而用Mel频率尺度则更符合人耳的听觉特性。 所谓Mel频率尺度，它的值大体上对应于实际频率的对数分布关系。 MFCC MFCC的计算方法 FFT LPC变换法 线性频率与Mel频率间的对应关系如图： 梅尔频率 类似于临界频带的划分，Mel滤波器组将语音频率划分成一系列三角形的滤波器序列，即Mel滤波器组。 Mel滤波器组 Mel频率 线性频率 ml ml ml 梅尔滤波器组的划分 在Mel频率轴上配置L个三角形滤波器, L的个数由信号的截止频率决定. 每个三角形滤波器的中心频率c(l)在Mel频率轴上等间隔分配. o(l),c(l)和h(l)分别是第l个三角形滤波器的下限,中心和上限频率 相邻三角形之间的下限,中心和上限频率的关系: 相邻三角形滤波器之间的关系 f c(l) h(l-1) o(l+1) l l-1 l+1 c(l+1) h(l) c(l-1) o(l+1) 梅尔滤波器组的划分 中心频率f(m)可以用下面的方法定义： 其中 、 为滤波器的频率应用范围的最低频率和最高频率, N为DFT(或FFT)窗宽， 为采样频率，而 为B的逆函数： 梅尔滤波器组的中心频率 当m值小时,相邻f(m)之间的间隔也小，随着m的增加 , f(m)的间隔逐渐变大 Mel频率滤波器组即为在语音的频谱范围内设置的若干个带通滤波器 M为滤波器的个数。每个滤波器具有三角滤波特性，其中心频率为f(m), 每个带通滤波器的传递函数为： 梅尔滤波器组的传递函数 幅度谱 Mel滤波 MFCC 梅尔频率倒谱系数 人的听觉系统是一个特殊的非线性系统，它响应不同频率信号的灵敏度是不同的。 在语音特征的提取上，人类听觉系统做得非常好，它不仅能提取出语义信息, 而且能提取出说话人的个人特征，这些都是现有的语音识别系统所望尘莫及的。 MFCC 考虑到了人类的听觉特征，先将线性频谱映射到基于听觉感知的Mel非线性频谱中，然后转换到倒谱上。 MFCC参数具有良好的识别性能和抗噪能力 使用的最广泛的特征之一 考虑了人耳的听觉生理特征 在语音识别中，相比于LPC系数、PARCOR系数，MFCC有更强的鲁棒性和可靠性 MFCC的应用 求MFCC流程 输入语音 预加重、分帧和加窗 FFT (Fast Fourier transform) 取绝对值或平方值 Mel滤波 取对数 DCT (Discrete cosine transform) 输出特征向量 √ √ √ √ 动态特征(Delta MFCC) √ 原始语音信号经过预加重、分帧和加窗处理后，需要将时域信号变换到频域。 常用的变换方法为 “傅立叶变换(DFT)”或者其快速算法“快速傅里叶变换(FFT)” 在实际应用中，常常通过FFT（蝶形算法）进行时域到频域的变换 求MFCC---FFT 将上述线性频谱利用前面提到的Mel滤波器组进行Mel滤波 Mel滤波器组 则有线性频谱到对数频谱的中传递函数为： 求MFCC：Mel滤波 在MFCC中，对滤波器组的输出使用了离散余弦变换（DCT）来去除相关性并获得倒谱系数c(n)： 当n=0时，c(0)为第0阶MFCC，反应频谱能量 DCT (Discrete cosine transform) 求MFCC 倒谱的计算过程： DFT ln|·| 逆DFT 时域信号 信号频谱 对数谱 倒谱 求MFCC 参数转换公式 MFCC---LPC转换法 矩形窗：分辨率高，但第一旁瓣衰减很小，具有较大的上下冲 汉明窗：在频率范围内分辨率较高，旁瓣的衰减大，频谱泄漏少。 短时平均幅