4—短时时域处理技术NEW.pptVIP

数字语音处理 第 4 章  短时时域处理技术 学习内容 语音信号的预处理 语音信号的短时处理方法 短时时域处理技术 短时时域处理技术应用 第一节 语音信号的预处理 数据结构：将数字化的信号用循环队列的方式来存储。以便用一个有限容量的数据结构来处理数据量极大的语音数据，依次处理后抛弃。 预加重处理(Pre-emphasis)：求语音信号频谱时，频率越高相应的成分越小；预加重的目的是提升高频成分，使高频的成分变得平坦，能用同样的信噪比求频谱。 预加重数字滤波器：预加重一般在数字化后、参数分析之前用预加重数字滤波器来实现，滤波器是一阶的数字滤波器：H(z)= 1 – ? z-1；? 值接近于1。filter([1-0.9375],1,x); 分帧处理 一般每秒的帧数约为33-100帧；视实际情况确定； 分帧一般采用交叠分段的方法，使帧与帧之间平滑过渡，保持其连续性。如下图所示。ENFRAME.M函数实现。 交叠部分称为帧移；帧移M与帧长N的比例取为0 - 1/2; 加窗处理 分帧是用可移动的有限长度窗口进行加权的方法来实现； 设原始语音信号为x(n)，窗函数为w(n)，s(n)=x(n)*w(n)； 通常用得较多的是矩形窗、汉明窗； 在采样频率为10Kz的情况下，通常将窗宽选为N=100～200，相应于10～20ms； 汉明窗函数例 汉明窗:N=256;结果取值在0.08与1之间; 窗口频率特性 下图为N=51时的矩形窗、汉明窗的频率特性H(ej?) 窗口特性的比较 对语音信号短时处理而言，选用不同的窗口，时域分析参数的平均结果会不同。 汉明窗的主瓣宽度比矩形窗大一倍，旁瓣衰减大一倍多； 矩形窗的谱平滑性能较好，但丢失高频成分(波形细节)； 窗口长度的选择 窗口长度的选择，需要考虑信号的基音周期。 由于人的基音周期变化很大(男女儿童老人，2ms-14ms)，基音频率的变化范围50-700Hz，最高女声基音是最低男声基音的10倍，N的选择比较困难； 通常在10kHz取样频率时，N折中选择为100-200点； 经过预处理，语音信号被分成了一帧一帧的加过窗的短时信号，可看成平稳的随机信号来处理。 第二节 语音信号的短时处理方法 语音是不平稳随机过程，其特性是随着时间变化的，但这种变化很缓慢； 将语音信号分成一些相继的短段进行处理的方法，就是所谓短时处理技术。 短时时域处理技术主要是计算语音的短时能量、短时平均幅值、短时平均过零率和短时自相关函数。 短时时域处理方法的主要优点：直观、简单，处理结果能够描述语音的某些重要特性，因而在实际中获得广泛的应用。 语音短时处理原则 1）短段一般长10-20ms，称为帧；相邻短段可以有部分相重叠； 2）每个短段是从一个具有固定特性的持续语音中截取出来的，这个持续语音通常认为是由该短时语音周期性重复得到的；因此，对每个短段语音进行处理等效于对固定特性的持续语音进行处理。 3）对各个短段语音的处理即可以在时域内进行，也可以在频域内进行； 在时域内进行，通常是计算语音时间波形的能量、短时平均幅值、短时平均过零率或短时自相关函数； 在频域内进行，通常是对语音信号进行傅里叶分析，得到若干个频谱数据；为时间序列形式； 语音的时间序列表示 设原始语音信号取样序列为x(m); 1）分短段等效于乘以幅度为1的移动窗w(n-m)；窗函数一般每隔一帧移动一个位置； 2）对语音信号进行短段处理，实际上是对短段进行某种变换或施以某种运算； 3）短段处理可以得到一个时间序列，用Qn表示，有 Qn=T[x(m) w(n-m)]； 其中，符号T[ ]是变换，或是运算；可以是线性、非线性的；参变的或时变的； 第三节 短时时域处理技术 短时能量：语音信号的一个短段的能量称为短时能量； 设第n段的短时能量为En En = ? [x(m) w(n-m)]2 （1） 它等于该段语音采样值的平方和，这里T[ ]是指平方和运算； 如果用h(n-m)代表[w(n-m)]2，即h(n)代表w2(n) ，数据窗的平方，则 En= ? x(m)2h(n-m) （2） 意义为：首先计算原始语音信号各个采样值的平方，然后让其通过一个冲激响应为h(n-m)的滤波器，最后输出就是短时能量构成的时间序列。两种计算方法都能得到短时能量。 短时能量计算例 语音信号在x(n)中 短时平均幅度 由于短时能量的平方运算必须选择较宽的窗，才能对采样间的平方幅度起伏有较好的平滑作用；但这样可能导致En反映不出语音能量的时变特点