《语音信号处理》学习笔记

一、基本概念

• 语言：从人们的话语中概括总结出来的规律性符号系统。
• 语音：一连串音组成的声音。
• 音节：具有一个响亮的中心，并被明显感觉到的语音片段。
• 音素：发音最小片段。分为元音、辅音（清音、浊音、半元音）。
  
  • 元音：声腔开放。
  • 辅音：声腔受阻。（唇舌位置，形状）
• 共振峰：元音激励进入声道引起的共振特性。
  
  • F1：舌位高则低
  • F2：舌位前则高
  • F3：舌尖卷则低
  • 鼻化：共振峰加上了两对零极点。
• 元音发音方式：
  
  1. 声道受声带振动；
  2. 声道不极端狭窄，形状持续稳定；
  3. 与鼻腔不耦合；
• 浊音（声带振动）：基音频率→声调轨迹→韵律
• 重音：时长、音高，音强不重要。
• 汉语声韵结构：V,CV,VC1，CVC1
• 声调：浊音基音周期的变化；
• 基音周期：声带振动周期；
• 语谱图：横轴-时间，纵轴-频率，深浅-强弱。
• 幅度符合Gamma分布：
  $$\begin{align} P_{G}(x) & =\frac {\sqrt{x}} {2\sqrt{\pi}} \frac{e^{-k|x|}} {\sqrt{\lvert x\rvert}} &\text{where}\;k=\frac{\sqrt{3}}{2 \sigma x} \end{align}$$

二、语音信号分析

1、数字化和预处理

• 预滤波：滤除$\frac{f_s}{2}$以外的分量；抑制50Hz工频。
  
  • 电话→$f_H=3400Hz,f_L=60到100Hz,f_s=8kHz$
  • 高要求→$f_H=4500Hz,f_L=60Hz,f_s=10kHz$
• 量化：
  
  • 量化噪声：当信号波形足够大或者量化间隔足够小时，可以证明量化噪声符合①平稳的白噪声；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。
  • 量化信噪比有
    
    SNR(