【语音处理】4个基本的时域信号特征分析技术 .pdfVIP

【语音处理】4个基本的时域信号特征分析技术

上一节主要介绍了关于加窗函数的相关内容。对语音的时域信号

进行分析是最直观的分析方式。本文将介绍语音信号处理中四种时域

特征，分别是短时能量、短时过零率、短时自相关函数以及短时平均

幅度差。

作者编辑|小米粥

编辑|言有三

1.短时能量

由于语音信号具有短时平稳性，我们通常对语音进行分帧处理。

首先定义矩形窗为w(m)，那么对于语音信号x(t)，其加窗分帧后第n

帧语音信号xn(m)为

矩形窗的是最直观、简单的窗函数，我们以其为例进行说明。矩

形窗的表达式为：

在该计算式中，n=0,T,2T,...,N为帧长，T为帧移长度。

第n帧语音信号xn(m)的短时能量En为

使用幅值平方将对高幅值信号具有较大的敏感度，为了降低敏感

度，定义短时平均幅度函数Mn为

短时能量En和短时平均幅度函数Mn的主要用途：

1.浊音相比较于清音的En具有较大的数值，因而可用于区分浊音

和清音。

2.利用短时能量区分有声段和无声段，也可对声母和韵母分界，

对无间隙的连字分界。

3.在语音识别任务中作为特征，表示能量特征和超音频信息。

2.短时过零率

短时过零率表示一帧语音中波形信号穿过零值的次数。对于连续

信号，过零意味着波形通过时间轴，而对于离散信号，过零意味着相

邻采样点的符号改变。

首先定义符号函数sgn[·]为

则第n帧语音信号xn(m)的短时过零率Zn为

由于短时过零率容易受到低频干扰，可设置相关门限T，将过零修

改为穿过正负门限的次数，即

门限的存在使得短时过零率Zn具有一定的扛干扰能力，避免随机

噪声导致的虚假过零。

短时过零率的主要用途：

1.浊音能量集中于3kHz内的低频率段，清音能量集中于高频率段，

而短时过零率可以一定程度反映频率高低，因而浊音段相对于清音段，

其短时过零率减低。

2.将短时过零率和短时能量结合实现端点检查。短时能量适用于

背景噪声较小的情况，而短时过零率适用于背景噪声较大的情况。实

际中，通常结合两个参数实现语音起点和终点的判断。

3.短时自相关函数

语音信号xn(m)的短时自相关函数Rn(k)为：

其中，若信号xn(m)具有周期性，则短时自相关函数Rn(k)也具有

周期性，且两者周期相同；Rn(k)为偶函数，当k=0s时，自相关函数

具有最大值。

假设语音信号xn(m)的周期为T，那么短时自相关函数Rn(k)将在

k=T,2T...取值时出现峰值。若要出现第一个峰值（即k=T)，根据计算

式

需要取到信号中x(m=2T的样本点，即语音帧宽至少应大于两个

周期，否则第一个峰值将无法较好的显示。例语音最小基频为80Hz，

最大周期为12.5ms，两倍周期为25ms，因此10kHz的采样信号的帧

宽至少为250个采样点。

另一方面，考虑到语音信号的短时性，应设置较低的帧长，因此

可使用修正短时自相关函数，其定义为

其中，有

而

相比于短时自相关函数Rn(k)，在修正短时自相关函数中，第一项

xn(m)与Rn(k)中的xn(m)相同，而第二项xn(m)与Rn(k)中的xn(m)

相比，差异在于额外向后包括了k个样本点。

在严格定义中，修正短时自相关函数是一个互相关函数，其不满

足自相关函数的性质（偶函数性），但其仍在周期整数倍上具有峰值。

短时自相关函数的用途：

1.浊音的自相关函数具有周期性，而清音的自相关函数类似于高

频白噪声，没有周期性。

2.根据自相关函数的第一个峰值的位置，估算浊音的基音频率。

4.短时平均幅度差函数

短时自相关函数使用大量乘法运算，计算时间较长，短时平均幅

度差Fn(k)使用减法代替了乘法，大大减少了运算量，大量运用于实时

语音处理方案上，其定义为

对于周期为T的语音信号，短时平均幅度差Fn(k)在k=T,2T...等取

值上具有周期性的极小值。类似的，修正短时平均幅度差为

短时平均幅度差Fn(k)和R