基于倒谱变换法的语音信号基频与共振峰计算matlab仿真

目录

1.倒谱的计算

2.基频估计（F0 Estimation）

3. 共振峰估计（Formant Estimation）

4. matlab程序

5.仿真结果

---

       倒谱变换是一种广泛应用于语音信号分析的技术，主要用于估计语音信号的基频（Fundamental Frequency, F0）和共振峰（Formants）。倒谱变换是傅立叶变换的逆过程，即从频域信号反推至时域上的信号。对于语音信号而言，它通过分析信号功率谱的对数倒数来揭示信号的谐波结构。语音信号主要由一系列以基频整数倍频率出现的谐波构成，而倒谱能够凸显这些谐波成分。

1.倒谱的计算

       倒谱（Cepstrum）是一种信号处理工具，最初由 Bogert, Healy 和 Tukey 在 1963 年提出，主要用于分析具有周期性或准周期性的信号。在语音信号处理领域，倒谱被广泛应用在基频（Fundamental Frequency, F0）估计、共振峰（Formants）分析及其它相关任务上。

       给定一段离散语音信号x[n]，先对其进行短时傅立叶变换（Short-Time Fourier Transform, STFT），得到短时功率谱P(ω,n)：

其中，X(ω,n) 是信号x[n] 的 STFT，ω 是频率，n 是帧索引。

接下来计算对数功率谱L(ω,n)：

这里引入了很小的正值ϵ 来避免零功率导致的对数运算问题。

再对L(ω,n) 进行倒谱变换（cepstral analysis），得到倒谱系数C(m,n)：

这里 F−1 表示逆傅立叶变换，m 是倒谱系数的索引。

2.基频估计（F0 Estimation）

      基频（Fundamental Frequency, F0）是指语音信号中振动最频繁的主要频率成分，尤其在声带振动产生的语音信号中最为显著。基频通常与语音的音调高低紧密相关，是人耳感知语音声调变化的主要依据。

       在倒谱序列中，第一项（或经过适当的平滑处理后的第一项）与语音信号的基频密切相关。可以通过搜索倒谱序列中相邻峰值间的最小距离来估计基频：

       其中Δmn​ 是倒谱序列中第 n 个局部最小值与下一个局部峰值之间的倒谱系数索引差，fs​ 是采样频率。

3. 共振峰估计（Formant Estimation）

       共振峰（Formant）是在声音频谱中能量相对集中的特定频率区域，特别是在语音信号分析中，它指的是声音经过声道（即人体的口腔、鼻腔和喉部形成的复杂共振腔）时，某些特定频率的声波得到了增强的现象。这些被增强的频率区域对应着声道内各共振腔体（例如喉、咽、口、鼻腔）的自然谐振频率，形成了声谱包络曲线上的尖峰，即共振峰。

       在语音学中，共振峰对语音的音质有着决定性的作用，特别是对于区分不同的元音至关重要。通常，人类语言中的元音音素可以由一连串共振峰的位置来表征，比如第一共振峰（F1）、第二共振峰（F2）和第三共振峰（F3）等。其中，前两个共振峰尤为关键，它们与发音时舌头在口腔内的位置（舌位）密切相关，从而决定了元音的前后高低特征。

      共振峰反映的是语音声腔的几何特性，通常出现在倒谱序列的后续几项中。为了确定共振峰的位置，通常需要对倒谱序列进行希尔伯特变换（Hilbert transform）或峰值检测，找到峰值对应的频率位置。例如，第k 个共振峰Fk​ 可以通过以下步骤获得：

其中C′(m,n) 是倒谱序列C(m,n) 的一阶导数，argmax 表示寻找使目标函数取得最大值的频率 ω。

4. matlab程序

.......................................................

% 计算平均基频与共振峰
Fpitch_mean  = 0;
Fgz1_m = 0;
Fgz2_m = 0;
Fgz3_m = 0;
Fgz4_m = 0;
cnt1 = 0;
cnt2 = 0;
cnt3 = 0;
cnt4 = 0;
count_pitch = 0;

% 忽略能量低于最大能量一半的帧
for i=1:Nframe
    if Fengy(i) > Emax/2
        if Fpitch(i) > 0
            Fpitch_mean = Fpitch_mean + Fpitch(i);  % 计算有效基频平均值
            count_pitch = count_pitch + 1;
        end
        if Fgz(1,i) > 0
           Fgz1_m = Fgz1_m + Fgz(1,i);% 计算F1共振峰平均值
           cnt1 = cnt1 + 1;
        end
        if Fgz(2,i) > 0
           Fgz2_m = Fgz2_m + Fgz(2,i); % 计算F2共振峰平均值
           cnt2 = cnt2 + 1;
        end
        if Fgz(3,i) > 0
           Fgz3_m = Fgz3_m + Fgz(3,i); % 计算F3共振峰平均值
           cnt3 = cnt3 + 1;
        end
        if Fgz(4,i) > 0
           Fgz4_m = Fgz4_m + Fgz(4,i);% 计算F4共振峰平均值
           cnt4 = cnt4 + 1;
        end
    end
end
% 计算最终的平均基频与共振峰
Fpitch_mean = Fpitch_mean/count_pitch; % 最终基频结果
Fgz1_m = Fgz1_m / cnt1; % 平均共振峰1,2,3,4
Fgz2_m = Fgz2_m / cnt2;
Fgz3_m = Fgz3_m / cnt3;
Fgz4_m = Fgz4_m / cnt4;

% 绘制基频与共振峰图形
figure
plot(Fpitch); 
title('基频');
 
figure
hold on
plot(Fgz(1,:),'r');
plot(Fgz(2,:),'g');
plot(Fgz(3,:),'b');
plot(Fgz(4,:),'c');
title('共振峰');

% 输出最终结果
fprintf("Results: \n 基频频率 %f \n", Fpitch_mean);
fprintf(" 共振峰: F1= %f, F2= %f, F3= %f, F4= %f \n", Fgz1_m, Fgz2_m, Fgz3_m, Fgz4_m)
up4075

5.仿真结果

      实际应用中，基频和共振峰的估计可能会受到噪声、非平稳性等因素的影响，因此常常会结合其他技术，如噪声抑制、峰值跟踪、平滑滤波等方法，来优化估计结果的准确性。