语音信号的时域分析.ppt

第4章语音信号的时域分析第4章语音信号的时域分析
4.1概述
语音信号携带各种信息：男声、女声，喜、怒，中、英等。
不同场合感兴趣的信息不同；
◆判断信号是否为语音，只需人类语音信号的一般特征；
◆区分语音为清、浊音，需语音能量谱和基频；
◆数字传输或数字存储时，目的不同，保留信息精度不同；
语音信号处理的任务：
◆去除与应用目的不相干或影响不大的语音信息
◆需要的信息不仅应当提取出来，有时还需要加强。
以上涉及语音信号中，各种信息的表示问题。
表示方法的原则：最方便、最有效。
短时分析技术贯穿于语音分析的全过程。整体的语音信号来讲，分析出的是由每一帧特征参数组成的特征参数时间序列。
语音信号分析：时域分析、频域分析、倒频域分析等；
语音信号分析：模型分析、非模型分析；
模型分析法是指依据语音信号产生的数学模型，来分析和提取表征这些模型的特征参数，
◆模型分析：共振峰分析、无损级联声管分析法
◆非模型分析：不进行模型化的分析
语音的预处理：语音信号的数字化、语音信号的端点检测、
预加重、加窗、分帧等，
本章重点：语音信号的各种时域分析技术，是语音处理技术
的基础知识。第4章语音信号的时域分析
4.2语音信号的数字化和预处理
信号数字化：放大、增益控制、反混叠滤波、取样、
A/D变换及编码（PCM编码）；
预处理：预加重、加窗、分帧、端点检测等；
图4.1：语音信号数字分析或处理的系统框图。

4.2.1预滤波、取样、A/D变换
预滤波：带通滤波器（上、下截止频率为fH、fL）
◆防混叠滤波，抑制>fs/2的输入信号分量（fs为取样频率）
◆抑制工频干扰（50Hz电源）。
多数语音编/译码器：fH=3.4kHz，fL=60~100Hz，fs=8kHz。
语音识别：◆对电话用户指标与语音编/译码器时相同；
◆要求较高或很高：fH=4.5or8kHz,fL=60Hz,fs=10or20kHz。
A/D变换需对信号量化，编码为二进制，产生量化误差。
量化误差（量化噪声）：量化信号值与原信号值之差；
信号波形的变化足够大或量化间隔足够小时，
量化噪声符合具有下列特征的统计模型：
①量化噪声是平稳的白噪声过程；
②量化噪声与输入信号不相关；
③量化噪声在量化间隔内均匀分布，即具有等概率密度分布。量化信噪比SNR（信号与量化噪声的功率比）为：

式中，——输入语音信号序列的方差，
——噪声序列的方差，
——信号的峰-峰值，B——量化字长，
设语音信号的幅度服从Laplace分布，则
取，上式改写为：

B=7bit，SNR=35dB，能满足一般通信系统的要求。
语音波形的动态范围达55dB，故B应取10bit以上。
为保持35dB的信噪比，常用12bit量化，附加的5bit用于补偿30dB左右的输入动态的变化。A/D变换器：分为线性和非线性两类。
目前采用绝大部分的线性A/D变换器是12bit。
非线性A/D变换器一般是8bit，它与12bit线性变换器等效。
有时需要将非线性的8bit码转换为线性的12bit码。

数字化的反过程是从数字化语音中重构语音波形。
必须在D/A后加平滑滤波器，对重构的语音波形的高次谐波起平滑作用，以去除高次谐波失真。
预滤波、取样、A/D和D/A变换、平滑滤波等许多功能可以用一块芯片完成，在市场上有多种这样的集成芯片供选用。4.2.2预处理
预处理：预加重、加窗、分帧、端点检测等；
语音的一个特征：约8kHz高频端按-6dB/倍频程跌落。
预加重：提升语音的高频部分，使信号的频谱变得平坦，
◆可在反混叠滤波前，可压缩动态范围，提高信噪比。
◆也可在数字化后、参数分析之前。
预加重用6dB/倍频程的提升高频特性的预加重数字滤波器：

式中，μ为常系数，值接近于1，通常取μ=0.92~0.94。
恢复原信号，对测量值进行去加重处理，
即加上-6dB/倍频程的下降的频率特性来还原成原来的特性。4.2.3窗函数的作用
采用连续分段或交叠分段的方法分帧，33~100帧/秒。
图4.2：帧移与帧长示例。
帧与帧之间的信号平滑过渡，保持其连续性。
帧移：前后帧的交叠部分。
帧移与帧长的比值一般为0~1/2。
移动窗函数加权实现：

x(n)为语音信号，w(n)为窗函数，sw(n)为窗选语音信号。
讨论窗函数的形状和长度的影响。
1.窗函数的形状
好的窗函数的标准：
◆时域：减小时间窗两端的坡度，使窗口两端边缘平滑过渡到到零，减小语音帧的截断效应；
◆频域：较宽的3dB带宽和较小的边带最大值。
常用的窗函数（窗长为N）：
(1)矩形（rectangular）窗：

(2)Hamming（汉明）窗：

(3)Hanning（汉宁）窗：

(4)Bartlett（巴特雷特）窗：

(5)Blackman（布累克曼）窗：