第三章 语音信号分析.ppt

第三章 语音信号分析;Av;§3.2 语音信号的数字化和预处理; 1.预滤波的作用：抑制输入信号中频率超出fs/2的所有分量，防止混叠；抑制50Hz的电源工频干扰。 预滤波器是一个带通滤波器，一般情况下，上、下截止频率为： fH=3400Hz， fL=60～100Hz。;t;Ideal sampling and real sampling; 对离散时间信号进行量化，在每一时刻对xa(nT)独立进行量化，把给定的幅度连续的信号变成为有限多个幅度的集合中某个幅度值的过程。;;量化误差(噪声) e(n)=x(n)- xa(nT) -?/2 ? e(n) ? ?/2;量化信噪比;SNR=6.02B+4.77－20log(Xmax/?x)＝6.02B－7.27 Xmax表示其峰值 B为量化的比特数 当语音信号的幅度服从拉普拉斯分布时，Xmax＝4?x 量化器每增加一个比特，SNR提高约6dB。当B=8,SNR=40dB，满足一般通信系统的要求。当量化噪声的信噪比达到 60－70dB，才能保障有高水平通话质量，这时要求量化为 11－13bits。一般的音频A/D、D/A转换芯片，量化为12bits。;A/D of some common audio signals ;1.存储方式： 已量化好的语音信号序列按先入先出的顺序存入数据区。以便一个有限容量的数据区来应付数量极大的语音数据。;2.预加重： ;2. 加窗分帧处理： ;汉宁窗 hanning;Window shapes;T为帧移 长度;第1帧;512点的汉宁窗 ; 由于在 10－30ms，语音信号近似平稳。每秒的帧数约为：33～100帧。 窗口的长度N：频率分辨率?f=fs/N。?f随N的增加而减少，频率分辨率得到提高，但时间分辨率降低(与窗长成反比)。应根据不同的应用场合来选择窗口的长度N，应包含7个基音周期，因此可选择100～300点为宜。;Long window: frequency resolution time resolution Short window: frequency resolution time resolution;Windowing (frame) In short-term, non-stationary-stationary Non-linear-linear (10ms-25ms); 经过处理，语音信号就已经被分割成一帧一帧的加过窗函数的短时信号，然后再把每一个短时语音帧看成平稳的随机信号，利用数字信号处理技术来提取语音特征参数。在进行处理时，按帧从数据区中取出数据，处理完后再取下一帧。最后得到由每一帧参数组成的语音特征参数的时间序列。;x0(m);§3.3 语音信号的时域分析;1.幅度分析的依据：是基于语音信号幅度随时间变化。清音段幅度小，其能量集中于高频段；浊音段幅度较大，其能量集中于低频段。 2.短时能量函数和短时平均幅度函数; 男声“深圳 广州 珠海”的短时幅度统计。在采样频率为22050Hz的情况下，取20ms作为一帧，帧长为441点，一共统计了180帧。;3.短时平均幅度函数和能量函数的作用; 女声汉语拼音a的一帧信号（在采样频率为22050Hz的情况下，取20ms作为一帧），浊音的短时能量78.61; 男声汉语拼音s的一帧信号（在采样频率为22050Hz的情况下，取20ms作为一帧），清音的短时能量3.88。;静音检测（VAD）和舒适噪声(CNG)的生成; 短时能量函数一个主要的问题是En对信号电平值过于敏感。由于需要计算信号样值的平方和，在实际应用中（如定点设备）很容易溢出。因此，一般用平均幅度函数Mn来代替En。但这时，清音和浊音、有声和无声的幅度差不如短时能量明显。;1.过零率定义：信号跨越横轴的情况。 对于连续信号，观察语音时域波形通过横轴的情况； 对于离散信号，相邻的采样值具有不同的代数符号，也就是样点改变符号的次数。; ZCR; 对于语音信号，是宽带非平稳信号，应考察其短时平均过零率。;3、短时平均过零的作用; 女声汉语拼音a的一帧信号（在采样频率为22050Hz的情况下，取20ms作为一帧），短时过零率为46。; 男声汉语拼音s的一帧信号（在采样频率为22050Hz的情况下，取20ms作为一帧），短时过零率为183。;; 在实际应用中，短时平均过零率容易受到A/D转换是的直流偏移、50Hz交流电源的干扰以及噪声的影响。 减少这些干扰可以有