語音頻號處理知識點

語音頻號處理過程的總體結構：

語音輸入-->預處理-->數位化-->特徵提取

預處理：對訊號適當放大和增益控制，並進行反混疊濾波來消除工頻訊號干擾

數位化：進行a/d轉換

特徵提取：用反映語音頻號特點的若干引數來代表語言

共振峰：當把聲道看成乙個發音的腔體的時候，激勵的頻率達到他的固有頻率，則聲道會以最大的振幅來振盪，即產生共鳴，這個頻率稱為共振頻率(formant frequency)，簡稱共振峰(formant)

語音頻號分析分為時域、頻域、倒譜域

時域分析優點：簡單直觀、清晰易懂、運算量小、物理意義明確

常用的頻域分析方法有帶通濾波器組方法、傅利葉變換方法和線性**分析法

頻譜分析方法優點：頻譜對外界環境變化具有一定的頑健性。利用頻域分析獲得語音特徵具有實際的物理意義。如：共振峰引數、基音週期等引數

倒譜域是將對數功率譜進行反傅利葉變換後得到的

語音頻號分析分為模型分析法和非模型分析法。

模型分析法：依據語音頻號產生的數學模型，來分析和提取表徵這些模型的特徵引數：共振峰模型分析和線性**分析

語音頻號數位化

數位化之前，必須進行防混疊濾波及防工頻干擾濾波。防混疊濾波指濾除高於1/2取樣頻率的訊號成分或雜訊，是訊號頻寬限制在某個範圍內，否則產生頻率混疊；工頻干擾指50hz的電源干擾。

語音頻號的取樣與量化：將語音頻號變成時間和幅度都離散的數碼訊號。

取樣：把模擬訊號在時間域上進行等間隔取樣，兩個取樣點之間的間隔成為取樣週期，倒數稱為取樣頻率。當取樣頻率大於訊號最高頻率的兩倍的時候，在取樣過程中就不會丟失資訊，且可以用取樣後的訊號重構原始訊號。

量化：將整個訊號的幅度值分成若干個有限的區間，並把落入同一區間的樣本點用同乙個幅度表示，這個幅度值稱為量化值。零記憶量化、分組量化、序列量化

預加重：提公升高頻部分，使訊號的頻譜變得平坦，便於進行頻譜分析或公升到引數的分析。

u值接近於1，典型取值在0.94~0.97之間，預加重後的訊號在分析處理之後需要進行去加重處理。

短時加窗處理

為了得到短時的語音頻號(10ms~30ms短時間內是平穩的)，窗函式平滑地在語音頻號上滑動，將語音頻號分成幀。分針可以連續，也可以採用交疊分段的方法，交疊部分稱為幀移，一般為窗長的一半。

矩形窗：

漢明窗:

漢寧窗：

n為視窗長度，不同的窗函式形狀將影響分幀後短時特徵的特性。

矩形窗的譜平滑性較好，但波形細節丟失，並且矩形窗會產生洩露現象；而漢明窗可以有效地克服洩露現象，應用範圍也最為廣泛。

時域分析

短時能量分析：

短時能量可以區分清音和濁音，濁音能量比清音大；其次可以用短時能量對有聲段和無聲段進行判定、對聲母韻母分解以及對連字分界等；作為特徵中的一維引數來表示語音頻號能量的大小和超音段資訊。

由於短時能量是對訊號進行平方運算，因而人為增加了高低訊號之間的差距，可以用短時平均幅值來表示能量變化

短時平均過零率：

每幀內訊號通過零值的次數。對於連續訊號，考察時域波形通過時間軸的情況；對於離散訊號，訊號取樣點符號變化的次數

一般，濁音段有較低的過零率，清音段有較高的過零率

將短時平均過零率和短時能量結合起來判斷語音起止點的位置，即進行端點檢測。

上面定義中計算短時平均過零率容易受到低頻的干擾，可以設立乙個門限t，將過零率的含義修改為跨過正負門限的次數：

待續... ...