短时过零率和短时能量.docxVIP

帧和加窗的概念 短时分析将语音流分为一段一段来处理，每一段称为一“帧”； 帧长：10~30ms，20ms 常见；（帧率）帧移：0~1/2 帧长，帧与帧之间的平滑 过度； 3.为了减少语音帧的截断效应，需要加窗处理； 将具有不连续点的周期函数（如矩形脉冲)进行傅立叶级数展开后，选取有限项 进行合成。当选取的项数越多，在所合成的波形中出现的峰起越靠近原信号的 不连续点。当选取的项数很大时，该峰起值趋于一个常数，大约等于总跳变值 的 9%。这种现象称为截断效应，又叫吉布斯效应。 矩形窗、Hamming、Hann 等 窗函数及其比较 三种窗函数都有低通特性，通过分析三种窗的频率响应幅度特性可以发现： 矩形窗的主瓣宽度最小，旁瓣高度最高，会导致泄露现象，汉明窗的主瓣最宽， 旁瓣高度最低，可以有效的克服泄露现象，具有更平滑的低通特性，应用更广 泛。 短时平均能量的主要用途 可以从语音中区别浊音来，因为浊音时短时平均能量的值要比清音时短时 平均能量的值大很多； 可以用来区别声母和韵母的分界、无声和有声的分界等。 短时过零率 短时过零率可以看作信号频率的简单度量 （1）过零就是指信号通过零值。过零率就是每秒内信号值通过零值得次数。 （2）对于离散时间序列，过零则是指序列取样值改变符号，过零率则是每个样 本的改变符号的次数。对于语音信号，则是指在一帧语音中语音信号波形穿过 横轴（零电平）的次数。可以用相邻两个取样改变符号的次数来计算。 应用于语音信号分析中 （1）发浊音时，声带振动，因而声门激励是以此音调频率为基频来使声道共振； 尽管有若干个共振峰，但其能量的分布集中于低于 3KHz 的频率范围内。 （2）发清音时声带不振动，声道某部分阻塞产生类白噪声激励，通过声道后其 能量集中在比浊音时更高的频率范围内。 浊音时能量集中于较低频率段内，具有较低的过零率，而清音时能量集中 于较高频率段内，具有较高的过零率。 短时平均能量和短时平均过零率两个参数，也都可以用于语音识别中。主 要用于识别无声段和语音段的起点和终点的位置。 在背景噪声比较小的时候用平均能量来识别比较有效，在背景噪声比较大 的时候用平均过零率来识别比较有效，但是通常情况是两个参数联合进行识别。 浊音、清音、无声的短时特性 S（无声）U（清音）V（浊音）三种情况下短时平均幅度条件概率密度的示意 图。可以看出，浊音的短时平均幅度最大，无声的短时平均幅度最小。 清音的短时过零率最大，无声居中，浊音的短时过零率最小。 语音信号短时能量和过零率的特征 语音一般分为无声段，清音段和浊音段。一般把浊音认为是一个以基音周期为 周期的斜三角脉冲串，把清音模拟成随机白噪声。由于语音信号是一个非平稳 态过程，不能用处理平稳信号的信号处理技术对其进行分析处理。但由于语音 信号本身的特点，在 10~30ms 的短时间范围内，其特性可以看作是一个准稳态 过程，即具有短时性，因此采用短时能量和过零率来对语音进行端点检测是可 行的。 语音和噪声的区别可以体现在他们的能量上，语音段的能量比噪声段的能量大， 如果环境噪声和系统输入的噪声比较小，只要计算输入信号的短时能量就能够 把语音段和噪声背景区分开，除此之外，用基于能量的算法来检测浊音通常效 果也是比较理想的，因为浊音的能量值比清音大得多，可以判断浊音和清音之 间过渡的时刻[3]，但对清音来说，效果不是很好，因此还需要借助短时过零率 来表征。 短时能量可以近似为互补的情况，短时能量大的地方过零率小，短时能量小的 地方过零率较大。 基于短时能量和过零率的检测方法 尽管基于短时能量和过零率的检测方法各有其优缺点，但是若将这两种基本方 法相结合起来使用也可以实现对语音信号可靠的端点检测。无声段的短时能量 为零，清音段的短时能量又比浊音段的短时能量大，而在过零率方面，理想的 情况是无声段的过零率为零，浊音段的过零率比清音段的过零率要大的多，因 此，假设有一段语音，如果某部分短时能量和过零率都为零或者为很小的值， 就可以认为这部分为无声段，如果该部分语音短时能量很大但是过零率很小， 则认为该部分语音为浊音段，如果该部分短时能量很小但是过零率很大，则认 T T T T 和 为该部分语音为清音段。正如前面提到，语音信号具有短时性，因此在对语音 信号进行分析时，需要将语音信号以 30ms 为一段分为若干帧来进行分析，则 两帧起始点之间的间隔为 10ms。 为防止误判以及无声段过零率太大，设 tmp1 和 tmp2 为相邻两个采样点， 则同时满足 tmp1*tmp20 和 tmp1-tmp2 的绝对值大于 delta 时才算一次过零， 除此之外，为短时能量和过零率分别确定两个门限，一个是较低的门限 EL 和 ZL 其数值较小，对信号的变化比较敏感，很容易就会被超过。另一个是较高的门