语音信号及单片机处理 教学课件 作者 吴黎明 主编 王桂棠 吴正光 副主编 第二章.pptVIP

平均幅度差函数能够代替自相关函数进行语音分析，是基于这样一个事实，即语音的浊音具有准周期性（设周期对应的样点数为N）。如果信号是完全的周期信号，则相距为周期倍数的样点上的幅值是相等的，差值为零，即 而实际的语音信号，d(n)虽然不为零，但值仍很小。这些极小值将出现在整数倍周期的位置上。 定义2.5短时平均幅度差函数 当窗函数{}和{}为矩形窗，且窗长分别为N和N+k时，有 这样计算Fn (k)只需加、减法和取绝对值的运算，与自相关函数的相加和相乘运算相比，其运算量大大减小，尤其是在硬件实现语音信号分析时有很大好处。为此，AMDF已被用在许多实时语音处理系统中。 2.7 计算机中音频的存储 音频文件通常分为两类：声音文件和MIDI文件。 声音文件：指的是通过声音录入设备录制的原始声音，直接记录了真实声音的二进制采样数据，通常文件较大。 MIDI文件：它是一种音乐演奏指令序列，相当于乐谱，可以利用声音输出设备或与计算机相连的电子乐器进行演奏，由于不包含声音数据，其文件尺寸较小。 （1）WAVE文件——*.WAV Wave文件使用三个参数来表示声音：采样位数、采样频率和声道数。在计算机中采样位数一般有8位和16位两种，而采样频率一般有11025HZ（11KHz），22050HZ（22KHz）、44100Hz（44KHz）三种。以单声道为例，则一般WAVE文件的比特率可达到88K～704Kbps。 具体介绍如下： WAVE格式是Microsoft公司开发的一种声音文件格式，符合RIFF（Resource Interchange File Format）文件规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持。 Wave格式支持MSADPCM、CCITT A Law、CCITT μ Law和其它压缩算法，支持多种音频位数、采样频率和声道，是PC机上最为流行的声音文件格式。但其文件尺寸较大，多用于存储简短的声音片段。 （2）AIFF文件——AIF/AIFF AIFF是音频交换文件格式（Audio Interchange File Format）的英文缩写，是苹果计算机公司开发的一种声音文件格式， 被Macintosh平台及其应用程序所支持，Netscape Navigator浏览器中的LiveAudio也支持AIFF格式，SGI及其它专业音频软件包同样支持这种格式。 AIFF支持ACE2、ACE8、MAC3和MAC6压缩，支持16位44.1Kz立体声。 （3） Audio文件——*.AUDIO Audio文件是Sun Micosystems公司推出的一种经过压缩的数字声音格式，是Internet中常用的声音文件格式。 Netscape Navigator浏览器中的LiveAudio也支持Audio格式的声音文件。 （4）MPEG文件——*.MP1/*.MP2/*.MP3 MPEG是运动图像专家组（Moving Picture Experts Group）的英文缩写，代表MPEG标准中的音频部分，即MPEG音频 第*页 第二章 语音时域分析 2.1 语音分析处理概述 2.2 语音信号的数字化和预处理 2.3 语音信号的加窗处理 2.4 短时平均能量与短时平均幅度 2.5 短时平均过零率 2.6 短时相关分析 2.7 计算机中音频的存储 2.1 语音分析处理概述 1876年贝尔发明的电话，首次用声电转换技术实现了远距离的语音传输。 1939年Dudley研制成功第一个声码器，奠定了语音产生模型的基础，在语音信号处理领域具有划时代的意义。 1947年贝尔实验室发明了语谱图仪，将语音信号的时变频谱用图形表示出来，为语音信号分析提供一个有力工具。 1948年美国Haskins实验室研制成功“语图回放机”，把手工绘制在薄膜片上的语谱图自动转换为语音，并进行语音合成，共振峰合成方法就是源于这一思想。 语音处理系统包括： 语音通信 语音识别 语音合成 前提和基础：是语音信号的分析： 语音分析就是从语音信号中抽取表现其本质的特征参数的语音处理技术，只有分析出表现语音信号本质的特征参数，才有可能利用这些参数进行高效的语音通信，才可能建立用于识别的模板或知识库以及语音合成的语音库。语音识别率的高低、语音合成音质的好坏，都取决于对语音信号分析的准确性和精度。 2.2 语音信号的数字化和预处理 语音分析全过程的是短时分析技术。 由于语音在一个短时间范围内的物理特征与频谱特征近似不变，具有短时平稳特性，即语音信号是一种准平稳过程，因此可以把语音的分析和处理建立在短时分析技术的