语音信号处理2 ----- 预处理

预加重

－－
　　预加重是语音信号处理的前提，主要目的是提升语音信号中的高频分量。
　　人的发生系统是从肺开始，肺作为能量源，气流通过声带，引发周期性震动（元音），能量经过咽、口腔、唇、舌， 形成最后的声音。元音能量主要集中在1KHz以下，并且以6dB/十倍频的速度下降。辅音一般不引起声带振动，频率更高。其中口唇辐射对低频影响比较小，但是对高频段影响比较大， 预加重就是为了消除这种影响，提升高频分量。
　　在语音信号中，提升高频分量的目的主要是因为高频分量（即辅音）包含了更多的信息，而元音的频率普遍较低。功率谱随频率的增加而减小，其大部分能量集中在低频范围内。这就造成消息信号高频端的信噪比可能降到不能容忍的程度。
　　总之，预加重保持信号的低频部分不变，提升信号的高频部分；而去加重衰减信号的低频部分，保持高频部分。预加重/去加重的目的都是提升信号中高频部分的能量，以补偿信道对高频部分衰减过大。
传递函数：
　　H(z) = 1 - $\alpha$ z^-1
设n时刻的语音采样值为x(n)，经过预加重处理后的结果为：
　　y(n) = x(n) - $\alpha$ y(n-1) ，0.9 < $\alpha$ < 1

分帧

－－
　　从宏观上看，语音信号是一个非平稳信号，信号（信号对应的特征及其参数）每时每刻都在变化。但是根据人体的发声机理来看，肌肉的运动过程（主要是口腔肌肉变化、唇舌的位置变化）相对于信号的变化是非常缓慢的，因此，从很短的时间段上，又可以认为语音信号时准平稳信号，即短时平稳信号。
　　基于此，语音信号处理的全过程都是基于短时平稳这一概念，这一个很短的时间段一般可取10ms ~ 30ms, 语音信号的处理都可以建立在这样的一个个小的时间段上，这个时间段就是“帧”的概念。
分帧，就是讲语音信号处理成一个个小的时间段，对语音信号进行处理。帧包含的数据点的数目（或者对应的时间长度）就是“帧长”。
　　但是，如果把语音信号直接按帧长切分，信心分析之后，帧与帧的连接处容易出现数据的剧烈变化，因此一般的处理方法是，帧与帧之间保持一个重叠（overlap）, 即下一帧的起始在当前帧的内部，这一段移动距离称为“帧移”（inc）。
　　分帧之后的分析是通过加窗实现的，窗的长度一般等于帧长（不是绝对的）。关于overlap，窗函数较多的都是钟形的，中间高两边低，如果帧与帧之间是首位相连的， 窗函数与信号相乘，必定一帧的首尾信号被削弱甚至是消失。针对这种情况，可以使帧与帧之间有部分重叠，这样就可以保证减少信号的丢失。
　　
　　分帧帧数计算为：
　　N = (L - win_size) / inc + 1,　　　 L表示信号长度，win_size表示窗长或者帧长， inc表示帧移。 其中除法向上取整。

加窗

－－
　　语音信号短时分析的分帧，是通过加窗得到的。加窗分析之后得到的是一个特征参数序列组成的序列。加窗可以加载时域上，也可以加载频域上，主要还是在时域上进行分析。
　　窗函数主要有矩形窗、汉明窗、汉宁窗。
　　简单的分帧难以确保信号的周期性截断、而信号的非周期性截断会带来频谱泄漏（对于频率是F的信号，分帧分析之后应该只在频率F处有能量，其他频率分量能量为0， 但是由于非周期性截断，导致在其他频率分量上也有能量，即可以看做频率从F处泄露出去了 ）。 但是频谱泄露是不可避免的， 为了尽量减少泄露带来的影响，可以对语音信号加窗。

矩形窗的主瓣宽度小于汉明窗，具有较高的频谱分辨率，但是矩形窗的旁瓣峰值较大，因此其频谱泄漏比较严重。相比较，虽然汉明窗的主瓣宽度较宽，约大于矩形窗的一倍，但是它的旁瓣衰减较大，具有更平滑的低通特性，能够在较高的程度上反映短时信号的频率特性。

所以选择合适的窗函数要考虑以下两个方面：
（1）窗口的形状
一个好的窗函数的标准是：在时域内语音波形乘以窗函数，要减小时间窗两端的坡度，使窗口边缘两端不引起急剧变化而平滑过渡到零，这样可以使截取出的语音波形缓慢降为零，减小语音帧的截断效应；在频域要有较宽的3dB带宽以及较小的边带最大值。
（2）窗口的长度
如果长度很大，则它等效于很窄的低通滤波器，语音信号通过时，反映波形细节的高频部分被阻碍，短时能量随时间变化很小，不能真实地反映语音信号的幅度变化：反之，长度太短时，滤波器的通带变宽，短时能量随时间有急剧的变化，不能得到平滑的能量函数。通常认为在一个语音帧内应包含1-7个基音周期。然而不同人的基音周期变化很大，从女性和儿童的2ms到老年男子的14 ms（即基音频率的变化范围为500-70 Hz），所以N的选择比较困难。通常在10kHz取样频率下，N折中选择为100-200点较合适（即 10-20 ms 持续时
原文链接

泄露/频谱泄露

见reference

reference

• 语音预加重
• 希腊字母表MarkDown
• 预加重的原理是什么？
• 什么是预加重/去加重？
• 为什么对语音信号预加重？
• 语音分帧加窗
• 什么是泄露？
• 语音信号处理（四）—加窗
• 语音信号处理基础（五）——语音分帧与加窗
• 数字语音信号处理学习笔记——语音信号的短时时域分析（1）
• 语音识别之特征提取
• 北邮信号与系统-预加重与去加重