第4章 语音识别特征（幻灯讲义）.pdf

第四章 语音识别特征 1. 语音信号的主要特点 1.1. 语音信号带宽 语音信号的带宽约为 5KHz ，主要能量集中在低频段。 1.2. 语音信号是典型的随机信号 1）人的每次发音过程都是一个随机过程。很难得到两次完 全相同的发音样本。 2 ）在信号处理中，通常假设语音信号是短时平稳的。例如， 可以认为在语音的浊音段部分，语音的二阶矩统计量是平稳的 (在 5~10mS 内) ，即二阶矩平稳，或称为宽平稳。 1 2. 语音信号的时域波形 图4-1. 语音信号的波形（shi4 ） 2 图4-2. 语音信号波形（shi4 ）的局部细节 3 2.1. 语音时域信号特征 2.1.1. 语音时域信号的特点 1）清音段：能量低，过零率高，波形特点有点像随机的噪 声。这部分信号常与语音的辅音段对应。 2 ）浊音段：能量高，过零率低，波形具有周期性特点。所 谓的短时平稳性质就是处于这个语音浊音（元音）段中。 3 ）过渡段：一般是指从辅音段向元音段信号变化之间的部 分。信号变化快，是语音信号处理中最复杂、困难的部分。 4 2.1.2. 语音的短时能量、短时平均幅度和短时过零率 N −1 （1）短时能量: E S n(2 ) ∑ w n 0 N −1 （2 ）短时平均幅度: M S n( ) ∑ w n 0 （3 ）短时过零率: N −1 ⎫ ⎧ 1 − ( 1)]n − sgn[ZS (n)] sgn[S ⎬ 2 ⎨∑ w w n 0 ⎭ ⎩ 1 ⎧0 x ≥ 其中 sgn[ ] n ⎨ −1 ⎩0 x 5 3. 语音信号的短时谱特征 3.1. 短时傅立叶谱分析 对于能量受限的时域信号 ，它的傅立叶变换可以写成 f t( ) ∞ j −t ω ˆ f ( ) f t( )ω ∫ ⋅e −∞ 以上这个傅立叶变换，在“宏观上”给出信号 的频谱信息，