语音识别过程分析2

1 预加重

首先通过软件实现数字语音信号的预加重，预加重的作用是将高频提升，以弥补声音在唇部辐射时产生的高频损失。实现的方法是使用预加重数字滤波器，它一般是一阶的数字滤波器： 。μ值接近于1。（要有具体程序）；

2 加窗、分帧

然后采用汉明窗对数字语音信号加窗，加窗的原因是：语音信号一般在10ms到30ms之间，我们可以把它看成是平稳的。为了处理语音信号，我们要对语音信号进行加窗，也就是一次仅处理窗中的数据。因为实际的语音信号是很长的，我们不能也不必对非常长的数据进行一次性处理。明智的解决办法就是每次取一段数据，进行分析，然后再取下一段数据，再进行分析。本文选择加汉明窗，汉明窗的窗函数是：。（这里要用C语言实现这个窗函数）本文将窗长定位20ms，即一帧的长度为20ms，帧移设为10ms；

3 语音信号的起始点和终止点检测。

本文借鉴期刊论文《一种语音端点检测方法的探究》中提出的基于经典端点检测方法——Lawrence Rabiner提出的以过零率ZCR和能量E为特征的端点检测方法改进的新算法。

以过零率ZCR和能量E为特征的起止点算法的根据是背景噪声与语音的短时段ZCR及E特征从统计看都有相当的区别。这里E特征指的是能量类特征，用到的是该类特征中得段时段平均幅度M特征。

过零率ZCR的定义为：在统计的短时段中，信号波形穿越零电平的次数。

记x(n)为离散语音信号时间序列；w(n)为时窗函数（其有效长度为N），可以为矩形窗，如汉明窗等。则ZCR和M的计算式分别为：

其中sign[x(n)]=1(当x(n)≥0)或sign[x(n)]=-1（当x(n)<0）；w(n)=1/2N(0≤n≤N-1)或w(n)=0(n为其它)。

该方法的要点为：由于采集声音信号的最初的短时段为无语音段，仅有均匀分布的背景噪声信号。这样就可以用已知为“静态”的最初几帧（一般取10帧）信号计算其过零率阈值IZCT及能量阈值ITL（低能量阈）和ITU（高能量阈）。

IZCT的具体计算式为：

                            （1）

其中IF为固定值，一般取25；和分布为根据所取最初10帧样值算得的过零率的“均值”和“标准差”。

计算ITL和ITU时，先算出最初10帧信号每帧的平均幅值M，最大者记为IMX，最小者记为IMN。然后令：

I₁=0.03×(IMX-IMN)+IMN

I₂=4×IMN

最后按下式计算出ITL和ITU：

ITL=min(I₁,I₂)                                 （2）

ITU=5×ITL                                  （3）

接下来就可以用过零率阈值IZCT及能量阈值ITL（低能量阈）和ITU（高能量阈）来进行起点及止点的判别。

先根据ITL、ITU算得一初始起点N₁。方法为从第11帧开始，逐次比较每帧的平均幅度&