第三章 语音信号分析精品.pptVIP

LPC法 从线性预测导出的声道滤波器是频谱包络估计器的最新形式，线性预测提供了一个优良的声道模型(条件是语音不含噪声)。尽管线性预测法的频率灵敏度和人耳不相匹配，但它仍是最廉价、最优良的行之有效的方法。 用线性预测对语音信号进行解卷，可以去除激励分量的影响。此时求出声道响应分量的谱峰，就可以求出共振峰。这里有两种途径：一是用标准的求取复根的方法计算全极点模型分母多项式 的根，称为求根法；一是用运算量较少的DFT法，求 的离散频率响应 的谷点来得到共振峰的位置。 * 第三章 语音信号分析 3.8基因周期估计 3.9共振峰估计 3.8基因周期估计 基音是指发浊音时声带振动所引起的周期性，而基因周期是指声带振动频率的倒数。基音周期是语音信号最重要的参数之一，它描述了语音激励源的一个重要特征。 因为汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息，有区别意义的功能，所以基音的提取和估计对汉语更是一个十分重要的问题。 3.8基因周期估计 基音检测算法: 自相关函数(ACF)法、 峰值提取算法(PPA)、 平均幅度差函数(AMDF)法、 并行处理技术、 倒谱法、 SIFT、谱图法、小波法等等。 自相关法 语音信号s(m)经窗长为N的窗口截取为一段加窗语音信号 后,定义 的自相关函数(ACF) (亦即语音信号s(m)的短 时自相关函数)为： 不为零的范围为是k=(-N+1)～(N-1)，且为偶函数。由3.3小节的分析可知，浊音信号的自相关函数在基音周期的整数倍位置上出现峰值；而清音的自相关函数没有明显的峰值出现。因此检测是否有峰值就可判断是清音或浊音，检测峰值的位置就可提取基音周期值。 自相关法 在利用自相关函数估计基音周期时，第一要考虑的是窗的问题。首先，计算所用的语音帧 中应使用矩形窗。其次，窗长的选择要合适，一般认为窗长至少要大于两个基音周期。 第二要考虑的问题是与声道特性影响有关。当基音的周期性和共振峰的周期性混叠在一起时，被检测出来的峰值就会偏离原来峰值的真实位置。为了克服这个困难，可以从两条途径来着手解决。第一条是用一个带宽为60 ～ 900Hz带通滤波器对语音信号进行滤波以减少共振峰的影响。第二条途径是对语音信号进行非线性变换后再求自相关函数。 自相关法 一种有效的非线性变换是“中心削波”。 语音信号的低幅度部分包含大量的共振峰信息，而高幅度部分包含大量的基音信息。 计算自相关函数的运算量是很大的，其原因是计算机进行乘法运算非常费时。为此对中心削波函数进行修正，采用三电平中心削波的方法。 平均幅度差函数法 语音信号的短时平均幅度差函数(AMDF) 定义为： 与短时自相关函数一样，对周期性的浊音语音， 也呈现与浊音语音周期相一致的周期特性，不过不同的是 在周期的各个整数倍点上具有谷值特性而不是峰值特性，因而通过 的计算同样可以来确定基音周期。而对于清音语音信号， 却没有这种周期特性。利用 的这种特性，可以判定一段语音是浊音还是清音，并估计出浊音语音的基音周期。 平均幅度差函数法 利用短时平均幅度差函数来估计基音周期，同样要求窗口取得足够长，同样可以采取LPC逆滤波和中心削波处理等方法来减少输入语音中声道特性或共振峰的影响，提高基音周期估计效果。 近年来许多基于AMDF的不同检测算法被提出。如采用信号经中心削波处理后再计算AMDF函数(C-AMDF)的方法、采用概率近似错误纠正的方法、对基本AMDF函数进行线性加权(W-AMDF)的方法、采用变长度AMDF函数(L-AMDF)的方法、采用原信号经LPC预测分析获得预测残差后再计算残差信号的AMDF函数(LP-AMDF)的方法等。这些算法使得检测结果得到一定改进。 平均幅度差函数法 其中，W-AMDF定义为： 而LV-AMDF定义为： 平均幅度差函数法 一般的浊音语音的短时AMDF所呈现的周期谷值特性中，除起始零点( )外，第一周期谷点大多就是全局最低谷点，以全局最低谷点作为基音周期计算点不会发生检测错误。但是，对于周期性和平稳性都不太好的浊音语音段，其基本AMDF常常会出现第一周期谷点并不是全局最低谷点全局最低谷点出现在其他整数倍点的情况，这种现象在C-AMDF、W-AMDF、LV-AMDF、LP-AMDF中依然存在。在这种情况下，若以全局最低谷点作为基音周期计算点就会产生严重的检测错误。解决这一问题的方法之一是采用适当的基音周期计算点的搜索算法。 并行处理法 运用并行处理(PPROC