ch2 数字语音处理根基(OLD).ppt

第三共振峰F2：虽与舌位关系不密切，但受舌尖活动的影响，舌尖抬高卷起时，F3明显下降。 F1和F2和嘴唇的圆展程度也有关系，如圆唇可使F2降低等 第一共振峰F1：与舌位高低有关，舌位高， F1低；舌位低， F1高。 第二共振峰F2：与舌位前后密切相关，舌位靠前， F2高；舌位靠后， F2低。如前元音[i]的舌位靠前，它的F2高达2000Hz; 后元音[u]的舌位靠后，它的F2只有500Hz。 共振峰（Formant）进一步说明： 舌位、唇形和开口度对F1和F2的影响 表2.3 汉语拼音七个韵母的共振峰频率(Hz) * * 评价值的测量 响度和响度级，噪音级，清晰度指数，噪音评价数。 声源的测量 频谱的时间变化，声功率，指向性，效率，频谱特征，幅值分布等。 音质的测量 混响时间，隔音量，吸音量。 声音客观质量的度量方法 声测量的基本仪器是声级计。声级计是一种能对声音作出类似人耳的反应的仪器，同时，它能进行客观而可重复的声压和声级测量。声压测量的好处很多：它能帮助音乐厅提高音响效果；能对烦扰声音进行精密的、科学的分析。声级测量还能明确地告诉我们什么声音会引起听力损害，并提醒人们采用适当的听力保护措施。因此，声测量是不可少的。 度量声音客观质量的一个主要指标是信噪比SNR（Signal to Noise Ration），信噪比是有用信号与噪声之比的简称。其单位是分贝(dB)。 声音客观质量的度量方法 声音主观质量的度量 采用客观标准方法很难真正评定某种编码器的质量，在实际评价中，主观的质量度量比客观质量的度量更为恰当和合理。通常是对某编码器的输出的声音质量进行评价，例如播放一段音乐，记录一段话，然后重放给实验者听，再由实验者进行综合评定。可以说，人的感觉机理最具有决定意义。当然，可靠的主观度量值是较难获得的。 平均判分（Mean Opnion Scose-MOS）过程是召集一批实验者，请每个实验者对某个编解码器的输出进行质量判分，采用类似于考试的五级分制，不同的MOS分对应的质量级别和失真级别见表4-１。 声音主观质量的度量 声音主观质量的度量 MOS 质量级别 失真级别 5 优(Excellent) 不察觉 4 良(Good) 刚察觉但不可厌 3 中(Fair) 察觉及稍微可厌 2 差(Poor) 可厌(但不令人反感) 1 劣(Unacceptable) 极可厌(令人反感) 声音质量分级与带宽 声音的质量与它所占用的频带宽度有关，频带越宽，信号强度的相对变化范围就越大大，音响效果也就越好。 按照带宽可将声音质量分为4级： 数字激光唱盘质量 ，通常又CD-DA质量，这种质量也就是我们常说的超高保真，即Super HiFi(High Fidelity)。 调频无线电广播，简称FM(Frequency Modulation)质量。 调幅无线电广播，简称AM(Amplitude Modulation)质量。 电话(Telephone)质量。 4级声音质量的频率范围 2.4 语音信号的特性分析方法简介 语音信号的特性：主要指其声学特性、时域波形、频谱特性以及信号的统计特性。 声学特性：包括前面讲述的语音信号的产生机理、感知过程、屏蔽效应等。 统计特性：包括波形振幅概率密度函数和一些统计量如均值和自相关函数等。如概率密度的估算方法就是根据长时间范围内一段话音信号的大量样本数据的幅度绝对值计算出幅度直方图，然后，再根据统计的振幅直方图，寻找近似的概率密度表达式。 语音信号的时域波形——实例1 采样频率：8kHz 量化精度：16bit A点开始[s],C点开始[k]，都是清辅音，波形似白噪声，振幅小，没明显周期性； B点开始[ou], D点开始的[e]，都是元音，波形具有明显的周期性，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，它是声门脉冲的间隔从波形可计算估计值；考察其中一小段元音语音波形，从频率特性大体可以看出它们的共振峰特性。 语音信号的频谱特性——元音[ou] 作法：从波形图180ms处开始，取256个样本：采样率8k，则该音段持续时间为32ms。做FFT前，用hamming窗加权，并用附加零点的办法将信号延长一倍，以提高频率分辨率。 在0~1.83k之间有6个峰点，因此基音频率约为301Hz。观察波形图225～250ms之间大约有8个周期，由此可推断周期约为300Hz. 另外，图中明显的几个凸起点，它们出现的频率即为共振峰频率。 元音频谱具有明显的共振峰特性 语音信号的频谱特性——清辅音[k] 可以看出，频谱峰点之间的间隔是随机的，表明清辅音[k]中没有周期分量，与原来预计是一样的。 语音信号的语谱图——实例2 “同舟共济”的波形图及对应语图 窄带语谱图 宽带语谱图 语谱图相关概念 实现方