语音信号处理数字语音信号预处理及分析初步10.pptVIP

加窗的作用 得到连续的语音特征 抑制吉尔伯特效应 抑制频谱泄漏 * * 1.存储方式： 已量化好的语音信号序列按先入先出的顺序存入数据区。以便一个有限容量的数据区来应付数量极大的语音数据。 二、pretreatment 2.预加重： 在求语音信号频谱时，频率越高，相应的成分越小。预加重的目的是提升高频部分，使信号的频谱变得平坦。以便于频谱分析和声道参数分析。 一般在语音信号数字化后，通过一个一阶数字滤波器：H(z)=1-?z-1, ?接近1。 x(n) x(n) H(z)=1-?z-1 加矩形窗 分帧技术 加窗 加汉宁窗 hanning 第n帧 第n+1帧 第n+2帧 各帧之间有0～1/2的重叠，由窗函数的定义决定的。 w(n)=0.5*[1-cos(2n?/(N-1))] 第n+3帧 t 第n帧 第n+1帧 第n+2帧 第n+3帧 第n+4帧 为什么取10－30ms，因为根据人的发声生理结构变化的连续性，在此时间段内，声带、声道、口腔的特性几乎不变，语音信号近似平稳。 汉宁窗 hanning 海明窗 hamming 矩形窗(rectangular) Window shapes T为帧移 长度 N为帧长 x0(m) 0 N-1 x1(m) T T+N-1 第1帧 第2帧 0 N-1 N 2N-1 第1帧 第2帧 0 N-1 N/2 N+(N/2)-1 加矩形窗(帧移长度为N) 加汉宁窗(帧移长度为N/2) x0(m) x1(m) x0(m) x1(m) 帧移T=0 帧移T= N/2 512点的汉宁窗 当采用汉宁窗 ，原有数据的幅度发生变化，为了保持数据的原始幅度，必须采取各帧数据之间有1/2的重叠。 由于在 10－30ms，语音信号近似平稳。每秒的帧数约为：33～100帧。 窗口的长度N：频率分辨率?f=fs/N。?f随N的增加而减少，频率分辨率得到提高，但时间分辨率降低(与窗长成反比)。应根据不同的应用场合来选择窗口的长度N，应包含7个基音周期，因此可选择100～300点为宜。 Long window: frequency resolution time resolution Short window: frequency resolution time resolution 基音频率为200Hz，采样频率为8kHz, 窗长： 8000?{(1/200)?7}=256 Windowing (frame) In short-term, non-stationary-stationary Non-linear-linear (10ms-25ms) 经过处理，语音信号就已经被分割成一帧一帧的加过窗函数的短时信号，然后再把每一个短时语音帧看成平稳的随机信号，利用数字信号处理技术来提取语音特征参数。在进行处理时，按帧从数据区中取出数据，处理完后再取下一帧。最后得到由每一帧参数组成的语音特征参数的时间序列。 x0(m) 0 N-1 x1(m) T T+N-1 y0(m) 0 N-1 y1(m) T T+N-1 语音信号的特性分析 一、语音信号的时域波形和频谱特性 二、语音信号的语谱图 三、语音信号的统计特性 一、语音信号的时域波形和频谱特性 时域波形：幅度－时间图。大致得出音节的起始点、清音和浊音以及浊音的基音频率。 女声汉语拼音a的时域波形