语音信号处理－－韩纪庆－－笔记2－4

语音信号特征应用：

基音周期估计－－基音是指发出浊音时声带振动所引起的周期性。基音周期的提取对汉语语音信号的处理尤为重要－－汉语是一种有调语言，基音变化的模式称为声调。根据加窗的短时语音帧来估计基音周期在语音编解码、语音识别、说话人确认及生理缺陷辅助系统等领域都是很重要的一部分。基音检测的问题主要在－－声门激励波形并不是一个完全周期的序列，语音头尾并不具有声带振动那样的周期性（并不是完美周期信号，头尾有瑕疵）；从语音信号中去除声道影响，仅提取与声带振动有关的声源信息较难（声音进入人耳前经历了声道，信号受其影响且很难消除该影响）；浊音段也很难精确确定每个基音周期的开始和结束（不仅不完美周期，周期段还不确定）；基音周期变化范围大（周期值不稳定）；丰富的谐波分量可能比基波分量还强。

基音检测的方法－－波形估计、相关处理法、变换法（变换域，同态分析）

几种常见方法：

①自相关法－－浊音信号自相关函数在基音周期的整数倍上出现峰值，清音信号自相关函数没有明显峰值。声道响应最影响准确性，检测前需要先预处理－－语音信号低幅值部分包含大量共振峰信息。，高幅值部分包含较多的基音信息，因此可以抑制低幅值部分－－削减与声道响应有关的波动－－中心削波法；或者经过一个线性相位低通滤波器滤除高次谐波分量，这样处理后基本只含第一共振峰以下的基波和谐波。  ps.计算自相关函数的运算量很大，因为涉及到很多乘法且计算机进行乘法计算比较笨。

②短时平均幅度差法－－不需要削波或三电平量化，仅有加减法和绝对值，没有乘法（简）

③倒谱法－－对语音信号利用倒谱解卷原理可以得出激励序列的倒谱，它有与基音周期相同的周期。语音信号对数频谱包含慢变分量和快变分量，进行一次滤波或IDFT可以实现二者的分离。基音峰值的变换和频谱包络变换的间隔足够大，从而容易识别。 ps.适合无噪语音的基音检测。

④简化逆滤波法－－先抽取声道模型参数，对原信号逆滤波，从预测误差中得到声源序列，再用自相关法求得基音周期（简）

无论哪种方法得到的基音周期轨迹不可能与真实情况完全一致－－大部分一致，局部段落或区域中会有一个或几个偏离了正常轨迹－－野点－－去除野点采用各种平滑算法。

共振峰估计：共振峰反映声道谐振特性－－信息包含在语音频谱包络中，一般认为谱包络最大值即为共振峰。－－存在的问题－－虚假峰值、合并峰值（相邻共振峰靠的太近难以分辨）、高音调语音（其谐波间隔比较宽，频谱包络估值提供的样点比较少）。

常用的几种共振峰提取方法：

①基于线性预测  ②倒谱法