语音信号处理知识点

大家好，又见面了，我是你们的朋友全栈君。

语音信号处理过程的总体结构：

语音输入–>预处理–>数字化–>特征提取

预处理：对信号适当放大和增益控制，并进行反混叠滤波来消除工频信号干扰

数字化：进行A/D转换

特征提取：用反映语音信号特点的若干参数来代表语言

共振峰：当把声道看成一个发音的腔体的时候，激励的频率达到他的固有频率，则声道会以最大的振幅来振荡，即产生共鸣，这个频率称为共振频率(formant frequency)，简称共振峰(formant)

语音信号分析分为时域、频域、倒谱域

时域分析优点：简单直观、清晰易懂、运算量小、物理意义明确

常用的频域分析方法有带通滤波器组方法、傅里叶变换方法和线性预测分析法

频谱分析方法优点：频谱对外界环境变化具有一定的顽健性。利用频域分析获得语音特征具有实际的物理意义。如：共振峰参数、基音周期等参数

倒谱域是将对数功率谱进行反傅里叶变换后得到的

语音信号分析分为模型分析法和非模型分析法。

模型分析法：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：共振峰模型分析和线性预测分析

语音信号数字化

数字化之前，必须进行防混叠滤波及防工频干扰滤波。防混叠滤波指滤除高于1/2采样频率的信号成分或噪声，是信号带宽限制在某个范围内，否则产生频率混叠；工频干扰指50Hz的电源干扰。

语音信号的采样与量化：将语音信号变成时间和幅度都离散的数字信号。

采样：把模拟信号在时间域上进行等间隔取样，两个取样点之间的间隔成为采样周期，倒数称为采样频率。当采样频率大于信号最高频率的两倍的时候，在采样过程中就不会丢失信息，且可以用采样后的信号重构原始信号。

量化：将整个信号的幅度值分成若干个有限的区间，并把落入同一区间的样本点用同一个幅度表示，这个幅度值称为量化值。 零记忆量化、分组量化、序列量化

预加重：提升高频部分，使信号的频谱变得平坦，便于进行频谱分析或升到参数的分析。

u值接近于1，典型取值在0.94~0.97之间，预加重后的信号在分析处理之后需要进行去加重处理。

短时加窗处理

为了得到短时的语音信号(10ms~30ms短时间内是平稳的)，窗函数平滑地在语音信号上滑动，将语音信号分成帧。分针可以连续，也可以采用交叠分段的方法，交叠部分称为帧移，一般为窗长的一半。

矩形窗：

汉明窗:

汉宁窗：

N为窗口长度，不同的窗函数形状将影响分帧后短时特征的特性。

矩形窗的谱平滑性较好，但波形细节丢失，并且矩形窗会产生泄露现象；而汉明窗可以有效地克服泄露现象，应用范围也最为广泛。

时域分析

短时能量分析：

表示x(n)经过加窗处理

hn=w2n, En表示信号的第n个点开始加窗函数时的短时能量。

短时能量可以区分清音和浊音，浊音能量比清音大；其次可以用短时能量对有声段和无声段进行判定、对声母韵母分解以及对连字分界等；作为特征中的一维参数来表示语音信号能量的大小和超音段信息。

由于短时能量是对信号进行平方运算，因而人为增加了高低信号之间的差距，可以用短时平均幅值来表示能量变化

短时平均过零率：

每帧内信号通过零值的次数。对于连续信号，考察时域波形通过时间轴的情况；对于离散信号，信号采样点符号变化的次数

一般，浊音段有较低的过零率，清音段有较高的过零率

将短时平均过零率和短时能量结合起来判断语音起止点的位置，即进行端点检测。

上面定义中计算短时平均过零率容易受到低频的干扰，可以设立一个门限T，将过零率的含义修改为跨过正负门限的次数：

待续… …