第3章_时域分析.pptVIP

语音分析的重要性 语音信号分析是语音信号处理的基础,只有分析出可表示语音信号本质特征的参数,才有可能利用这些参数进行高效的语音通信,语音合成,语音识别等处理 语音合成的音质好坏,语音识别率的高低,都取决于对语音分析的准确性和精确性 语音分析有举足轻重的作用 加窗分帧方法： 计算自相关函数的运算量很大，因此常常采用另一种与自相关函数有类似作用的参量，即短时平均幅度差函数(AMDF). 语音的浊音具有准周期性，如果信号是完全的周期信号，则相距为周期的倍数的样点上的幅值是相同的，差值为0，即 短时平均幅度差函数的定义 采用直角窗时， 课堂作业： 1、叙述时域分析中至少三种分析的定义、实现及其应用。 2、可以用于区分清浊音的短时时域技术有几种，每种方法的依据是什么？ 1. 自相关函数的定义和性质 一、短时自相关函数 对于确定性信号序列，自相关函数定义为 3.5 短时相关分析 对于随机性信号序列或周期性信号序列，自相关函数定义为 自相关函数有一系列有用的性质： （1） 如果x(n)是周期信号(设周期为NP )，则{R(k)}也是周 期性信号，而且其周期与{x(n)}相同。即：R(k)＝R(k+NP) （2） 偶函数：R(k)＝R(－k)。 （3） R(0) = |R(k)| , 即零滞后自相关值最大。 （4） R(0)等于确定性信号序列的能量或随机性序列的平均功率。 3.5 短时相关分析 2. 短时自相关函数的定义 3.5 短时相关分析 x(n) 延时 k hk(n) Rn(k) 图3-17 短时自相关函数的实现框图 x(n-k) 3.5 短时相关分析 若定义 则 10KHz取样，计算 时的自相关值 1、短时自相关函数可以明显地反映浊音信号的周期性 2、清音的短时自相关函数没有周期性，不具有明显突起的峰值，其性质类似于噪声。 二、修正的短时自相关函数 窗口长度的选择 N值至少要大于基音周期的两倍，否则找不到第二个最大值点 N值要尽可能的小；因为语音信号的特性是变化的， 如果N过大将影响短时性。 为此提出了修正的自相关函数 思路：用两个长度不同的窗口，截取两个不等长的序列进行乘积和，窗口长度相差最大延迟点数为K,这样始终保持乘积和的项数不变。 3.5 短时相关分析 修正的短时自相关函数的定义 其中 3.5 短时相关分析 这里， 和 采用不同长度的窗口 语音波形 窗选信号 窗选信号，包括 个外加抽样 严格地说， 计算的是两个不同长度的语音段，具有互相关函数的特性，而不是自相关函数。 3.5 短时相关分析 3.5 短时相关分析 三、短时平均幅度差函数（AMDF） 3.5 短时相关分析 式中，R是信号x(n)的平均值 显然，如果x(n)在窗口取值范围内具有周期性，则Fn(k)在k=Np，2Np，…处出现极小值。 * * 第三章 3.1 概述 语音信号处理包括语音通信、语音合成、语音识别、说话人识别和语音增强等，基础知识是对语音信号的分析。 语音处理的目的： 一、对语音信号进行分析，提取特征参数。 LPC参数编码,清/浊音信息,增益常数,基音周期,反射系数,共振峰等. 二、加工语音信号 3.1 概述 语音信号分析方法： 时域分析 频域分析 倒谱域分析 线性预测分析 3.1 概述 时域分析：最简单、最直观的方法，它直接对语音信号的时域波形进行分析。 提取的特征参数： 短时平均能量 短时平均幅度 短时平均过零率 短时自相关函数 短时平均幅度差函数 3.1 概述 频域分析 以输入信号的频率为变量，在频率域，研究语音信号的特征参数与信号之间的关系。 3.1 概述 语音信号具有时变特性，是一个非平稳的随机过程； 但是，语音信号又具有“短时平稳性”，即在一个短时 间范围内其特性基本保持不变。这是语音信号处理的 一个重要出发点。即“短时分析”。 “短时分析”—— 对语音信号采用分段或叫分帧来处理。 短时分析技术： 注：语音通常在10~30ms内保持相对平稳，所以帧长取为： 10~30ms 3.1 概述 3.2 语音信号的数字化和预处理 一、取样率和量化字长的选择 模拟语音 ? 数字语音，须经过取样、量化 电话带宽语音： 300~3400Hz 通信系统中，数字化取样率一般为8KHz， 语音信号处理中，取样率为 10KHz 取样率的选择 2. 量化字长的选择 量化过程：将整个幅度值分割为有限个区间， 落入同一个区间的样本都赋予相同的幅度值 。 量化过程不可避免会产生量化误差。