第三章 语音信号分析频域倒谱线性预测 语音信号处理 课件培训讲解.ppt

§3.4 语音信号的频域分析;一、短时傅立叶变换求语音的短时谱;2.短时谱的卷积形式; 为了使 能够与 具有相同的性质，则要求 是一个冲激函数。窗长N越长， 的主瓣越狭窄尖锐，则 越逼近于 。但窗长N太大，窗选信号不满足语音的短时平稳特性， 不能正确反映短时语音的频谱了。为此，必须要合理选择窗长N。;3.短时功率谱和短时谱的关系;汉宁窗;矩形窗;矩形窗;; 从短时频谱图中可知： （1）快速变化，由激励信号引起的； （2）慢速变化，声道滤波器的共振峰特性引起的； （3）采用汉明窗得到的短时频谱较矩形窗平滑，因而在语音分析中汉明窗用得较普遍。;(1). 可以得到基频、共振峰频率等物理量; ;(2). 利用短时功率谱的统计进行有声和无声的检测;;2.临界带频谱特征矢量的求法;;第1临界带;§3.5 语音信号的倒谱分析 ;一、同态信号处理的基本原理; 语音信号x(n)可视为声门激励信息u(n)及声道响应脉冲响应h(n)的卷积:x(n)=u(n)*h(n) 通过处理可将语音信号的声门激励信息及声道响应信息分离开来，从而求得声道共振特征和基音周期。;Av;2.同态信号处理的基本原理 ;（2）逆特征系统D*-1[] ，恢复为卷积性信号。;a.第一步和第三步的运算相同。 b.第二步不同，前者是对数运算，后者是指数运算。;特征系统 D*[];线性系统;;（2）第二个子系统对加性信号进行所需要的线性处理（满足线性叠加原理等）;二、复倒谱和倒谱;;特征系统;;特征系统;DTFT;2. 倒谱;;3.复倒谱和倒谱的关系;;;; 复倒谱和倒谱具有线性关系。;三、语音信号两个卷积分量的复倒谱;时变数字 滤波器（h(n)）;(1)发清音时，声门激励是频谱均匀的白噪声。(2)发浊音时，声门激励是以基音为周期的冲激序列。 主要考察浊音时的声门激励信号的复倒谱。;M,r均为正整数;(1)对u(n)进行Z变换;(2)对U(z)取对数，并进行泰勒级数展开;; 结论：一个有限长的周期冲激序列，其复倒谱也是一个周期冲激序列，其周期不变，只是序列变为无限长。同时其振幅随着k的增大而衰减，衰减速度比原序列要快。;n;2.声道冲激响应序列;(2)对H(z)取对数，并进行泰勒级数展开;;(3)对 进行逆Z变换，求得h(n)的复倒谱;; (3)复倒谱衰减速度快，更集中于原点附近，具有短时性 ，用短时窗函数提取声道响应序列的复倒谱是很有效的。 (4)如果h(n)是最小相位序列，即bk＝0和dk＝0，则复倒谱序列为因果稳定序列。因此，最小相位序列的复倒谱是因果稳定序列。相反，可以得出，最大相位序列的复倒谱是稳定反因果序列。;四、语音信号的倒谱; 由于倒谱和复倒谱之间的线性关系，因此有： （1）ch(n)的性质与h(n)的复倒谱性质一致，主要集中于原点附近。 （2）cu(n)的性质与u(n)的复倒谱性质一致，呈现周期性,并且逐渐衰减。;Np;浊音信号; 图为一帧浊音信号的倒谱。一般人的基音周期的变化范围为2.2ms至20ms之间。若采样频率为22.05kHz,则对应的样点数为：49～441。;清音信号;图为一帧清音信号的倒谱; 由于ch(n)随n增大而迅速递减，在n的间隔很少的值之外已经非常小，如采样频率10kHz， ch(n)在间隔为[-25,25]之外的值已经很小，可忽略。因此，基音信息和声道信息可以认为是分离的。;DTFT;倒谱;Ln|H(ejw)|; 如果h(n)是最小相位序列，即bk＝0和dk＝0，则复倒谱 序列为因果稳定序列。如果已知ch(n)，可以求出 。;逆特征系统 D*-1[]; 倒谱的作用： （1）区分清/浊音 （2）求浊音的基音周期, 可以得到浊音的激励信号。 （3）得到声道的冲激响应h(n); 同态声码器：;Exercises 1.画出语音生成的数学模型，给出相应的表达式，并简单阐述。 2.结合窗函数，说明语音的短时分析技术。 3.常用的基音周期检测的方法有哪些？它们的基本原理是什么？ 4.常用的清/浊音判别方法有哪些？它们的基本原理是什么？ 5.设序列 (1)求x(n)的复倒谱；（2）大致画出x(n)的倒谱。;DTFT;;五、MEL频率倒谱参数(MFCC);线性频率f; Mel频率带宽随频率的增长而变化，在1000Hz以下，大致呈线性分布，带宽为100Hz左右，在1000Hz以上呈对数增长。将