耳语音元音共振峰研究1.docVIP

耳语音元音共振峰研究*1 邓秀慧? （ 摘要关键词 中图分类号： 文献标识码：A 文章编号： The research of formantwhispered vowel speech Deng Xiuhui (College of Computer engineering, Nanjing Institute of Technology, Nanjing ,211167，China) Abstract The whisper is a kind of speech, it refers to the slight vibration or the no vibration of the vocal cords, and it can avoid being overheard. In this paper, a series of comparative studies are carried out on the whispered speech and the normal speech. After analyzing the formation and basic features of the whispered speech, a series of studies about formant frequency and formant bandwidth compared with normal speech has been carried out in this paper. Key words Speech recognition，Whispered speech1 引言 熵函数法端点检测 ms/帧），将每帧信号分为四个子帧来计算宽带语谱图，信号的宽带频谱是加hamming窗后对每个子帧求傅里叶变换得到的。 （1） 如下式所示，将滤波信号求幅值函数可以得到它的功率谱： （2） （3） 这里定义Ef为频域能量。由四个子帧的频域能量平均得到每帧的频域能量。 令 ，因为p(k)反映了语音语谱的状态分布，并且具有概率密度函数的特性，同时满足∑p(k)=1，故定义p(k)为频域概率密度函数。由此可得到频域信息熵H： (4) 由四个子帧的熵经过平均后得到每帧的信息熵。低熵值表示谱有规律并且可预测，高熵值表示谱很平坦。噪声的熵值一般高于语音，而宽带噪音一般具有高的熵值。[23]因此可以找到一个阈值，使小于该阈值的信号为语音段。初始阈值的参考信号选取开始的一段噪声，在语音间隙段，该阈值可自适应调整。如果当熵值从高于阈值下降到低于阈值时，并且其后的几帧熵值连续低于阈值，则可以判定此帧为语音起始帧；反之，如果熵值从低于阈值上升到高于阈值时，并且其后的几帧熵值应连续高于阈值，则可以判定此帧为语音终止帧。在一段语音段内，如果检测到的语音长度太短，我们就认为此段信号是干扰信号。试验表明采用信息熵，可以很好的对耳语音进行端点检测。[5] 3耳语音元音共振峰研究 3.1共振峰估算的理论基础 由语音信号的LP模型，可以将一帧语音信号x(n)表示为： （5） 用差分方程表示，相应的声道传递函数H(z)可以由 （6） 表示。其中或,取功率谱模值，用P(f)表示 （7） 利用FFT方法可对任意频率求得它的功率谱幅值响应，并从幅值响应中找到共振峰的信息。用由LPC法求取共振峰信息有2种思路：一个是用抛物线内插的方法（内插法）；[6]另一个是用线性预测系数求复数根的方法（求根法）。[7]下面详细介绍本文中使用的是LPC求根法。 3.2 LPC求根法介绍 声道传递函数H(z)表示为 （8） 其中预测误差滤波器 A(z)的表达式为 (9) 而共振峰位置和带宽可以由A(z)的多项式系数分解来精确地求得。[27]找出多