第一部分：基本理论：.doc

第一部分：基本理论： 语音信号处理方法 细则 解释 备注 时域处理 语音数字化和预处理 数字化：取样-量化 预处理目的：提升语音信号的高频部分，使信号的频谱变得平坦。以便于进行频谱分析或声道参数分析。 短时平均能量和短时平均幅度 短时平均能量主要用途： 可以从清音中区分出浊音 可以用来确定声母与韵母，无声与有声，连字等的分界。 可以作为一种超音段信息用于语音识别。 短时平均幅度： 因为短时平均能量对于高电平信号处理过于灵敏，所以采用短时平局幅度。 短时过零分析 如果信号按段分割，就称为短时，把各段信号的过零率作统计平均，就是短时平均过零率。 短时自相关函数和平均幅度差函数 短时自相关函数具有自相关函数所有的性质，是语音信号时域分析的一个重要参量。 短时平均幅度差函数与短时自相关函数类似的功效，但运算量和对硬件的要求可以降低许多，相对来说，这种技术应用广泛。 高阶统计量 一般指高阶矩、高阶累积量、高阶矩谱、高阶累积量谱。 时频处理 短时傅里叶变换 是个一个二维函数，也称时频函数。 物理意义：函数将窗函数的中心移至某处截取信号，再做傅里叶变换。 矩形窗具有较窄的主瓣，因而具有较高的频率分辨率，但它具有较高的旁瓣，且会产生“破碎”的频谱；采用哈明窗得到的短时频谱却要平滑的多，因而应用的比较普遍。 短时傅里叶变换以固定的滑动窗对信号进行分析，从而可表征信号的局域频率特性。 小波变换 时域等宽的分析方法并不是对所有信号都合适，例如：在信号的低频端具有很高的频率分辨率，而在高频端的频率分辨率较低。所以出现了 小波变换。 分析的目的：既要看到森林（信号的概貌），又要看到树木（信号的细节）。 倒谱同态处理 复倒谱和倒谱 无论对于语音通信、语音合成还是语音识别，倒谱参数所含的信息都比其他参数多，其缺点是运算量较大。尽管如此，倒谱分析仍是一种有效的语音信号分析方法。 语音信号的倒谱分析与同态解卷积 将语音信号中的激励信号与声道响应分离，并且只需用十几个倒谱系数就能相当好地描述语音信号的声道响应。 避免相位卷绕的算法 缘由：在复倒谱分析中，Z变换后得到的是复数，所以取对数时进行的是复对数运算，这时存在相位的多值性问题，称为“相位卷绕”，由于相位卷绕使后面求复倒谱、以及由复倒谱恢复语音等运算均存在不确定性而产生错误。 解决方法：最小相位信号法 第二部分：语音识别系统 项目 细节 解释 备注 语料库 基本特征 理论语言学原则指导 构成和取样按照明确的语言学原则并采取随机抽样方法收集语料，而非简单堆积。 作为自然语言运用的样本，具有代表性。 以电子文本形式存储且通过计算机自动处理。 基于语料库的研究以量化研究为基石，以概率统计为基本手段，以“数据驱动”为基本理念。 语料文本是一连续的文本或话语片断，而不是孤立的句子和词汇。 类型 以不同层面来考虑可以划分为不同的类型。 语音语料库 建立、收集和标注。 语音特性描述。 863汉语普通话合成语料库 语音识别的预处理 语音识别单元的选取 1、选择原则： 首先，对于不同的语言，基元选择的考虑是不同的，例如：汉语，可用“声母—韵母”，也可用音节字、词、等作为识别单元。 第二，识别基元选择具有灵活性，用它可以组成其他的语音或语法单位，具有稳定性。灵活性希望基元尽可能地小，如音素；而稳定性则希望基元尽可能地大，如词甚至词组。 第三，基元的选择还需要考虑搜索时间模型存储开销。基元选择愈小、存储量愈小，算法愈复杂，正识率愈低。 第四，基元选择也与实际用途有关，有限词汇量的识别基元可以选的大一点（如词或短语等）；而无限词汇量则应选的小一点（如音素、声母—韵母等）。 这是语音识别中非常重要的环节 自动分段—端点检测技术 作用：用数字处理技术来找出语音信号中的各种段落（如音素、音节、词素、词等）的始点和终点的位置。 方式： 基于能量的端点检测 基于LPC-10声码器的端点检测。 基于信息熵的语音端点检测 基于频带方差的端点检测 基于倒谱特征的带噪语音信号端点检测 基于HMM的端点检测方法 基于分形技术的端点检测 基于自相关相似距离的端点检测 基于迟滞编码的端点检测 10、实时端点检测算法 在汉语中主要目的是找出字的两个端点，进而找出其中声母段和韵母段 ▲语音信号特征参数 基音周期 概念：指发浊音时声带震动所引起的周期运动时间间隔。 几种有效且实用的的方法： 1、自相关法及其改进：区分清音和浊音并估计出基音周期。 具体方法：1、先对语音信号进行低通滤波，然后再计算短时自相关函数。 2、采用中心削波技术 3、用短时幅度差函数来代替短时自相关函数，这样也省去乘法运算