在用VAD算法确定静音和语音数据的开始和起止点之前,需要对语音数据进行处理,然后再计算语音数据的开始和起止点,这个过程称为数据的预处理,有些VAD算法是基于短时能量和过零率实现的,并不进行预处理操作,但实验表明,对数据进行预处理之后的效果要比不进行预处理的效果好。这里,对数据进行去除直流和加窗两个预处理。
一,去除直流
至少有这几个理由,要求我们去除直流。
- 直流,是频域的慢变成分,一般都是因为信号采集过程中仪器所致。
- 如果需要进行频谱分析,那么因为直流的频谱泄漏,会严重影响低频谱的分析。
- 直流一般不随时间变化,不反应信号的趋性。
去除直接代码如下:
float new_last_data ,last_data ; // 上次计算的去除直流之后和之前的值。
float *remove_dc(short *data,int frame_size){
float in0 =0.0 ,of0 = 0.0 ;
float *tf = new float[frame_size];
for (int i=0; i < frame_size; i++){
tf[i] = in0 = (float)(data[i]);
tf[i] = in0 - last_data + 0.9997 * new_last_data; // 这里所采用的去除直流公式:s_new(n) = s_old(n)-s_old(n-1)+0.9997*s_new(n-1)
last_data = in0;
new_last_data = of0 = tf[i];
}
return tf;
}
加窗的作用就更明显了,见 语音信号的加窗处理
float *hamming(short *data,int frame_size){
float *tf = new float[frame_size];
float a = 6.28318530717959 / (frame_size - 1); // 2 * PI = 6.28318530717959
for (int i=0; i< frame_size;i++){
tf[i] = (float)(data[i]);
tf[i] *= (0.54 - 0.46 * cos(a*i)); //ω(n) =0.54-0.46cos[2πn/(N-1)]
}
return tf;
}