基于短时自相关函数的基因周期检测讲解PPT概要.pptx

基音周期的检测 什么是基音周期检测 人在发音时，根据声带是否震动可以将语音信号分为清音跟浊音两种。浊音又称有声语言，携带者语言中大部分的能量，浊音在时域上呈现出明显的周期性；而清音类似于白噪声，没有明显的周期性。发浊音时，气流通过声门使声带产生张弛震荡式振动，产生准周期的激励脉冲串。这种声带振动的频率称为基音频率，相应的周期就成为基音周期。? 通常，基音频率与个人声带的长短、薄厚、韧性、劲度和发音习惯等有关系，在很大程度上反应了个人的特征。此外，基音频率还跟随着人的性别、年龄不同而有所不同。一般来说，男性说话者的基音频率较低，大部分在70～200Hz的范围内，而女性说话者和小孩的基音频率相对较高，在200～450Hz之间。? 目前，基音检测的算法有很多种，常用的检测算法有自相关法、平均幅度差函数法、并行处理法、倒谱法、简化逆滤波法等。 本次基音周期的检测，我们选用的是短时自相关函数法，包括四个模块。 第一个模块为基音的端点检测，主要为了区分浊音和清音。第二个模块为基音检测中的带通滤波器，主要为了减少共振峰的干扰。第三个模块为短时自相关函数法做基音检测，主要为了计算出基音周期。第四个模块为平滑处理，主要为了消除偏离值点。 基音周期的检测（端点检测） 1.设计数据文件 名称:audioread 功能：读入以.wav为扩展名的音频文件。 调用格式：[ y , fs , nbits ] = audioread ( wavFilename ) 说明：输出参数Y是数字化的音频；fs是信号采样频率；nbits是每个样点在编码时的二进制位数。 2.分帧处理 先定义一个帧数*帧长的数组，然后计算帧 的偏移量来，按语音数据的位置把x放入y中。 名称：enframe 功能：把语音信号按帧长和帧移进行分帧 调用格式：f = enframe ( x , win ,inc ) 3.端点检测 名称：pitch_vad1 功能：用能熵比法进行端点检测。 说明：输入参数y是分帧后的数组，一般是一列表示一帧数据;fn是信号的总帧数；T1是一个阈值；输出参数voiceseg是语音端点的信息；vosl是几个有话段，当该帧为有话段时SF=1；否则为0，Ef是能熵比值。 pitch_vad1 for i=1:fn Sp = abs(fft(y(:,i))); % FFT取幅值(:表示所有 y(:,1)表示第一列) Sp = Sp(1:wlen/2+1); % 只取正频率部分 Esum(i) = sum(Sp.*Sp); % 计算能量值 （能量放入Esum里） prob = Sp/(sum(Sp)); % 计算概率 H(i) = -sum(prob.*log(prob+eps)); % 求谱熵值（eps表示很小的数，避免为零）（谱熵放入H里） end 谱熵值很类似与过零率值，在有话段内的谱熵值小于噪声段的谱熵值，所以如同能零比一样，用能熵比更能突出噪声段的差别。 基音周期的检测（基音检测中的带通滤波器） 什么是带通滤波器 带通滤波器（band-pass filter）是一个允许特定频段的波通过同时屏蔽其他频段的滤波器。 带通滤波器的作用 在使用相关法和AMDF法的基音检测之前常用到低通滤波器和带通滤波器，其主要目的是减少共振峰的干扰。我用了500Hz作为滤波器的上限频率，选择截止频率高不利于减少噪声和共振峰的影响。所以在本次的基音检测中的预滤波器选择的带宽为60~500Hz，高频截止频率选择500Hz，是因为基频区间的高端就在这个区域中，低频截止频率选择60Hz是为了减少工频和低频噪声的干扰。 什么是共振峰 共振峰是指在声音的频谱中能量相对集中的一些区域，共振峰不但是音质的决定因素，而且反映了声道（共振腔）的物理特征。 声音在经过共振腔时，受到腔体的滤波作用，使得频域中不同频率的能量重新分配，一部分因为共振腔的共振作用得到强化，另一部分则受到衰减。由于能量分布不均匀，强的部分犹如山峰一般，故而称之为共振峰。 为什么要减小共振峰 声道特性与基音周期估计有关，会对基音周期检测造成一定干扰。从语音信号中去除声道的影响，直接取出仅与声带振动有关的声源信息并非易事。声道共振峰可能强烈改变声门波形的结构，从而严重影响激励信号的谐波结构，给基因检测造成困难。 我选用IIR滤波器中的椭圆滤波器，因为IIR滤波器的运算量比FIR少，当然IIR滤波器会带来延迟，也就是相位的变化，但语音信号是对相位不敏感的信号；又选用椭圆滤波器，因为它在经典滤波器设计中相同过渡带和带宽条件下，需要的阶数比较