进度报告语音讯号处理.pptVIP

進度報告語音訊號處理 報告人:賴長柏 指導教授:陳有圳 教授 報告時間:2008/11/05 第一章 緒論 用電腦技術來處理語言問題的最終目的，希望人類與機器可以用自然語言來溝通。 1.2 語音處裡的幾個技術 語音編碼(speech coding) 將聲波訊號轉變成為電的訊號，如電流或電壓，再經過一個類比到數位轉換器(analog-to-digital converter，ADC)，變成數位的表達方式。 最基本的試用脈碼調變的方式來記錄聲音的波形。 語音合成(speech synthesis) 文句轉語音系統(text-to-speech system, TTS system)是將每個字(character)或詞(word) 為合成單位，轉換成以語音合成的參數，串接起來合成整句話。 例如”XXX號請到X號櫃檯辦理” 語音辨認(speech recognition) 讓機器聽懂人說的話，就是自動語音辨認(automatic speech recognition, ASR) ，一般的語音辨認單位(speech recognition unit)是音素、次音節、音節、或詞。 語音增強(speech enhancement) 語音中含有背景噪音(background noise)，而語音訊號增強就是要抑制噪音，使語音變得更清晰。 說話人辨認(speaker recognition) 在許多應用的場合，需要認出說話人是誰，或是對一個宣稱他是誰的人，從他說話的聲音來確認是否真的就是這個人，前者是說話人的識別(speaker identification)，後者是說話人的確認(speaker verification)。 第二章 語音的產生與語音學 人類能以語言溝通，進而累積知識，形成文化，就是因為人類具有比其他生物優越的發音器官。 人類的發音器官能夠產生多樣性的聲音，構成豐富的詞彙。 2.1 人類的發音器官 發音的過程大致如下： (1)空氣經過聲帶(vocal folds)，氣流通過時會使得開口變成一開一閉的週期性動作，造成週期性的激發氣流，產生聲音。 (2)振動的氣流會在口腔內產生共振(resonance)現象，由嘴唇出去，型成有近似週期性的聲音，稱為元音或母音 (vowel)。 (3)氣流進入口腔時，將舌頭提起，使口腔與鼻腔相通，則鼻腔的共振會改變口腔內的共振現象，傾向於將低頻成分壓低，就會發出鼻音(nasal)。 (4) 讓口腔中某些部位，將氣流先暫時堵住再放開，產生亂流，這類聲音會發生在母音之前或之後，稱為輔音或子音(consonant)，其實就是對母音作修飾的動作。 2-3. 聲學語音學 元音 發元音時，聲帶振動，音強也較大，波形上可以看到大的呈現週期性振幅。其週期就是音高週期，對應的頻率就是基頻，通常以F0表示。 正常說話時，元音的音長大約是50到400ms之間。 表2-4 各元音的前三個共振峰平均頻率(Hz) 輔音 輔音是對元音的前或後作修飾。 帶聲的輔音會有類似元音的共振峰，因為聲帶振動，所以和元音一樣有諧振的成分，但相對於元音，能量小得多。 第五章 短時段之語音處理 我們在處理語音訊號時，通常是一小段一小段地觀察語音訊號的變化，也就是以音框為單位，對每一音框內的訊號，抽取出代表語音的特徵參數，這就是短時段之語音處理。 5.1 離散時間訊號 ADC 類比到數位轉換器(analog-to-digital converter ) 如數位錄音機，將麥克風取到的類比訊號，經過ADC轉換成數位訊號。 DAC 數位到類比轉換器(digital-to-analog converter) 例如從CD光碟裡，取出數位訊號，經由DAC轉成電流類比訊號，去推動喇叭輸出聲音。 將類比訊號轉換成數位訊號的過程，需經過兩個步驟，就是取樣(sampling)與量化(quantization)。 取樣 就是以固定的時間間隔，將類比訊號的振幅記錄下來。將類比訊號乘上一個週期性的脈衝訊號，得到一序列的脈衝， 而脈衝的大小就代表類比訊號的振幅。 這個訊號在時間軸上是不連續的，稱之為離散時間訊號(discrete-time signal)，其取樣的週期為Ts，取樣頻率(sampling frequency)就是Fs=1/Ts。 5.2 脈碼調變(PCM) 一個訊號取樣之後變成離散時間訊號，用數位方式來表示這個離散時間訊號上的每個取樣值。 量化 只用固定數目的位元來表示這些取樣值，那麼這些二進數字就只能代表固定的幾個電位值， 這個轉換就叫做量化。 均勻量化 這種量化方式是採用固定的量化間距，劃分的每個格子是一樣的寬度。 訊噪比SNR 其訊號強度對噪音強度的比值，就