分形理论在语音信号处理中应用探析.docVIP

分形理论在语音信号处理中的应用探析 　　【关键词】分形理论 语音信号处理 实践应用 当前是一个经济全球化时代，语音信号处理学科的发展要与时俱进，跟上时代前进脚步。语音作为人类语言的声学表现，是社会大众实现各种信息相互传递的重要手段，它能够有效提高人们信息的传递效率，方便人们的日常学习生活。因此，语音信号处理工作变得尤为重要，工作人员通过应用分形理论能够进一步提高语音信号处理的工作效率，成功描述出非线性信号 1 分形的概念与特性 对于分形理论传统的理解是破碎和不规则，主要用来表现那些“由于整体以某种方式相似的部分组成的一类形体”或者“Harsdorff维数严格大于拓扑维数的集合”。然而，严格意义来说当前学者还并没有对其进行完整的定义，仅仅只能给出简单描述性定义，通过将其看成是具备一定性质的集合，主要特征包括了以下几点： （1）分形的自相似性； （2）分形具备精细的结构： （3）分形维数超过了自身的拓扑维数； （4）分形能够由迭代递归产生 分形典型的基本特性包括了以下几个方面： 1.1 分形自相似性 自相似性指的是部分与整体或者另一局部无论是在作用、形态，还是在信息等方面都是具备一定的相似性，通过适当的缩小或者增大分形对象的集合尺寸，也不会造成结构的变化 1.2 标度不变性 标度不变性作为分形集所特定的特性，具体指的是我们无论如何去改变变形测量对象的尺度，也不会导致测量对象的性质发生任何的变化。但是，要排除严格的数学模型外，比如Koch曲线，对于存在的实际分形集来说，此种标度不变形仅仅只能够保持在某个范围内应适用。一般情况而言，标度不变性的适用空间被叫做为分形体的无标度区间，工作人员要严格按照研究对象的性质去明确判定无标度区间的实际范围 1.3 分形维数 分形维数的产生是经过分形标度关系而获得了的一个实际定量数值，其有效打破了普通拓扑集维数为整数的局限，将维数有整数成功扩大到分数，分形维数的基本特性又包括了以下几点： （1）分形维数和尺度不存在联系； （2）分析维数是作为一个相对量的存在； （3）分析维数大小充分体现了轮廓在空间的不规则、复杂和充满空间的具体程度，通常而言，维数越小，细节越少，位数越大，则细节越多 2 分形理论在与语音信号处理中的实践应用 语音作为人们实际生活中的重要信息交流工具，它的作用至关重要，因此，就出现了语音信号处理这一门新兴综合学科。根据空气动力和升学研究表明，语音信号是一个复杂的非线性过程，在整个过程中存在着产生混沌的机制，其在对应的尺度下部分与整体之间具备了统计自相似性，分形理论能够有效被应用在语音信号处理工作领域的前提是，语音信号具备了一定的分形特征。当前研究市场上，分形的语音信号处理技术主要体现在以下几方面： （1）语音分割和端点检测； （2）语音合成； （3）语音增强等 2.1 语音分割和端点检测 由于人类耳朵听力对语音高频部分的分辨率远远小于低频部分的分辨率，然而清音段作为语音高频的重要组成部分，从听觉角度去看不存在任何影响，所以工作人员在实际语音信号处理过程中，时常要通过对语音进行清浊音分割。因为它们两者之间存在一定的不规则形，工作人员可以通过对其分维值的测量，从而达到分割清音和浊音的目的 端点检测指的是对初始声音信息数据中的纯粹语音段局部进行明确定位，要准确获得某个需求语音单位的起点和终点。一般情况下，这个语音单位可以是词，或者是音素、音节。端点检测作为语音信号处理过程的重中之重，它的准确性直接关系到最终提取语音特征是否具备了可用性。实际上相邻的音素分维值是存在一定的差异的，分维轨迹会发生突变，工作人员可以根据这个特性去明确一个相对门限值。如果某一帧的语音分维值低于这个相对门限，那就可以得出此帧开始的语音与此帧前的语音是不相同的音素，从而有效实现了语音音素的分割工作，完成端点检测 2.2 语音合成 语音合成作为语音信号处理的一个重要工作内容，它的发展与语音编码存在着密不可分的关系。上文说道，语音信号是具有自相似新的，具体体现为它某种结构特征在不相同的时间和空间尺度上是相似的。虽然语音信号的时域波形是存在一定的分形特性，然而却不是完全的分形，一般情况下仅仅是在某个范围内呈现出分形特。通过根据IFS理论和拼贴定理研究分析，将语音信号有效划分成一个不重叠的小区间序列，然后在获取任何一帧的IFS三参数，实现对其的数据压缩。工作人员在语音合成过程中，通过对获取的IFS参数进行反复迭代，直到有效收敛至IFS的吸引子，这样就能够获得需求的合成语音信号 3 结束语 综上所述，分形理论在语音信号处理中的应用是至关重要的，相关研究工作者要充分认识到其重要性