基于短时傅里叶变换语音信号时频分析.docVIP

基于STFT的语音信号时频分析 摘要：视频分析是近年来信号处理的新热点。本文首先介绍了语音信号STFT的相关知识，随后利用MATLAB将采集到的语音信号进行处理，并进行了信号时域和频域的相关分析。 关键词：语音信号 STFT 时频分析 语音信号的短时傅里叶变换 傅里叶变换是一种信号的整体变换，要么完全在时域，要么完全在频域进行分析处理，无法给出信号的频谱如何随时间变化的规律。而有些信号，例如语音信号，它具有很强的时变性，在一段时间内呈现出周期性信号的特点，而在另一段时间内呈现出随机信号的特点，或者呈现出两个混合的特性。对于频谱随时间变化的确定性信号以及非平稳随机信号，利用傅里叶变换分析方法有很大的局限性，或者说是不合适的。傅里叶变换无法针对性的分析相应时间区域内信号的频率特征。可以用一个窗函数与时间信号相乘积，当该窗函数的时宽足够窄，使取出的信号可以被看成是平稳信号时，就可以对乘积信号进行傅里叶变换，从而反映该时宽中的信号频谱变化规律。 早在1946年，Gabor就提出了短时傅立叶变换（Short Time Fourier Transform，STFT）的概念，用以测量声音信号的频率定位[64]。 给定一信号，其STFT定义为 式中 及 ， 并且窗函数应取对称函数。STFT的含义可解释如下： 在时域用窗函数去截（注：将，的时间变量换成），对截下来的局部信号作傅立叶变换，即得在时刻得该段信号得傅立叶变换。不断地移动，也即不断地移动窗函数的中心位置，即可得到不同时刻的傅立叶变换。这些傅立叶变换的集合，即是，如图1所示。显然，是变量的二维函数。 设语音波形分帧处理后得到的第n帧语音信号为 Xn(m)，则Xn(m)满足下式： 其中，n＝0，1T，2T，…，并且N为帧长，T为帧移长度。某一帧的短时傅里叶变换的定义如下： 式中w(n-m)是窗函数。不同的窗函数，可得到不同的傅里叶变换的结果。可以看出短时傅里叶变换有两个变量，即离散时间n及连续频率w。若令，则可得到离散的短时傅里叶变换如下： 它实际上就是 频率抽样。将上述某一帧语音信号的傅里叶变换写为 可以看出时变傅里叶变换是时间标号n的函数，当n变化时，窗函数w(n-m)沿着x(m)滑动。 图1 窗函数w(n-m)沿着x(m)滑动 可以得出结论：短时傅里叶变换实际就是窗选语音信号的标准傅里叶变换。这里，窗w(n-m)是一个“滑动的”窗口，它随n的变化而沿着序列X(n)滑动。由于窗口是有限长度的，满足绝对可和条件，所以这个变换是存在的。当然窗口函数不同，博里叶变换的结果也将不同。 对于w(n-m)窗来说，它除了具有选出x(m)序列中被分析部分作用外，其形状对时变傅里叶变换的特性也具有重要作用，从标准傅里叶变换可以方便的解释这种作用。如果被看成是w(n-m)x(m)序列的标准傅里叶变换，同时假设x(m)及w(m)的标准傅里叶变换存在，即： 当n固定时，序列w(n-m)的傅里叶变换为 根据卷积定理，有： 因为上式右边两个卷积项均为关于角频率w的以2π为周期的连续函数，所以也可将其写成以下的卷积积分形式： 假设x(m)的DTFT是，且的DTFT是，那么是和的周期卷积。 根据信号的时宽带宽的积为一常数这一基本性质，可知主瓣宽度与窗口宽度成反比，N越大，的主瓣越窄。为了使忠实再现的特性，相对于来说必须是—个冲激函数。所以为了使，需；但是N值太大时，信号的分帧又失去了意义。尤其是N大于语音的音素长度时，已不能反映该语音音素的频谱了。因此，应折衷选择窗的宽度N。另外，窗的形状也对短时博氏频谱有影响，如矩形窗，虽然频率分辨率很高(即主辩狭窄尖锐)，但由于第一旁瓣的衰减很小，有较大的上下冲，采用矩形窗时求得的与的偏差较大，这就是Gibbs效应，所以不适合用于频谱成分很宽的语音分析中。而汉明窗在频率范围中的分辨率较高，而且旁瓣的衰减大，具有频谱泄漏少的优点。所以在求短时频谱时一船采用具有较小上下冲的汉明窗。 短时傅里叶变换有下列性质： (1) 时移性 设 则 (