语音信号处理复习3、语音信号分析

1、语音信号和一般电 信号的时域分析有 什么不同呢？
2、语音信号频域分析有什么特别之处吗？
3、语音信号倒谱？？有什么用呢？

语音信号加窗分帧，预加重

分帧


分帧是用可移动的有限长度窗口 进行加权的方法来实现的，就是 用一定的窗函数ω(n)来乘s(n)， 从而形成加窗语音信号Sω(n)=s(n)× ω(n)

窗函数时域表达式

窗函数时域对比

窗函数选择
1、加窗函数时，应使窗函数频谱的主瓣 宽度应尽量窄，以获得高的频率分辨能力；
2、旁瓣衰减应尽量大，以减少频谱泄漏 （拖尾）；但二者矛盾需考虑折中，
3、各种窗的差别主要在集中于主瓣的能 量和分散在所有旁瓣的能量之比。
4、对语音信号的短时分析来说，窗口的 形状是至关重要的。选用不同的窗口将使 时域分析参数的短时平均能量的平均结果 不同。

窗函数特征



2、矩形窗的谱平滑性能较好，但损失了高频成分，使 波形细节丢失；而汉明窗则相反，从这一方面来看，汉 明窗比矩形窗更为合适。

窗口长度
采样周期Ts = 1/fs， 窗口长度N和频率分辨率Δf 之间存在以下关系：

要考虑语音信 号的基音周期。 通常在8kHz取 样频率下，N折 中选择为80～ 160点为宜(即 10～20ms持 续时间)。
语音信号 短时信号 短时语音帧 平稳的随机信号 提取语音特征参数 按帧从数据区中取出数据 每一帧参数组成的 语音特征参数的时间序列。

语音信号时域分析

1、短时能量及短时平均幅度分析
1.幅度分析的依据：是基于语音信号幅度随时间变 化。清音段幅度小，其能量集中于高频段；浊音段幅度较 大，其能量集中于低频段。
2.短时能量函数和短时平均幅度函数
短时平均能量

短时能量及短时平均幅度分析
En是一个度量语音信号幅度值变化的函数，但它有一个缺 陷，即它对高电平非常敏感（因为它计算时用的是信号的 平方)。

短时能量和短时平均幅度作用

（1）区分清/浊音： 大，对应浊音， 小，对应清音。
（2）在SNR高的情况下，能进行有声/无声判决 无声时，背景噪声的 小 有声时， 显著增大。判决时可设置一个门限
（3）大致能定出浊音变为清音的时刻，或反之。 存在的问题： **短时能量函数对信号电平值过于敏感，在实际应用中 （如定点设备）很容易溢出。**此时可以用平均幅度函数 代替，单对清/浊音，有/无声 的幅度差不如短时能量 明显

短时过零率
短时过零率：一帧语音中语音信号波形穿过横轴(零电 平)的次数。
对于连续语音信号，过零即意味着时域波形通过时间 轴；
对于离散信号，如果相邻的取样值改变符号则称为过 零。过零率就是样本改变符号的次数。
短时过零率分析

短时过零率分析 (1)区分清/浊音： 清音平均过零率高，集中在高频端 浊音平均过零率低，集中在低频端 (2)从背景噪声中找出是否有语音。以及语音的起点
短时过零率分析 在实际应用中，
短时平均过零率容易受到A/D转 换的直流偏移、50Hz交流电源的干扰以及噪声的 影响。 减少这些干扰可以有两种方法: (1)采用带通滤波器消除信号中的直流和50Hz低频 分量

(2)用过门限率来修改过零率，减少随机噪声的影 响过门限率反应了穿过正负门限的次数，如果存在随 机噪声， 只要信号没有超过[-T,T]的范围，就没有过零率的 产生

短时相关分析
相关分析是一种常用的时域波形分析方法，并有自相 关和互相关之分。这里主要讨论自相关函数。
自相关函数具有一些性质，如它是偶函数；假设序列 具有周期性，则其自相关函数也是同周期的周期函数 等。可以应用于语音信号的时域分析中。 在语音信号分析中，采用的是短时自相关函数。

1．短时自相关函数
定义语音信号xn(m)的短时自相关函数Rn(k)的计算式如下：
短时自相关函数

短时自相关函数存在的问题：随着k的变化，参加运算的项 减少。极限k=N-1时无运算！ 改进方法：两个不同长度的窗
3．相关函数的作用 （1）区分清/浊音 浊音语音的自相关函数具有一定的周期性 清音语音的自相关函数不具有周期性，类似噪声。 （2）估计浊音语音信号的周期，即估计基音周期
短时平均幅度差函数(AMDF)。
短时自相关函数是语音信号时域分析的重要参量。但是， 计算自相关函数的运算量很大，其原因是乘法运算所需 要的时间较长。为了避免乘法，一个简单的方法就是利 用差值。为此常常采用另一种与自相关函数有类似作用 的参量，即短时平均幅度差函数(AMDF)。
平均幅度差函数能够代替自相关函数进行语音分析的原 理： 如果信号是完全的周期信号(设周期为Np)，则相 距为周期的整数倍的样点上的幅值是相等的，差值为零。

短时平均幅度差函数
语音信号频域分析

语音信号的频域分析就是分析语音信号的频域特征。
从广义上讲，语音信号的频域分析包括语音信号的频 谱、功率谱、倒频谱、频谱包络分析等， 而常用的频域分析方法有带通滤波器组法、傅里叶变 换法、线性预测法等几种。本节介绍的是语音信号的 傅里叶分析法。
因为语音波是一个非平稳过程，因此适用于周期、瞬 变或平稳随机信号的标准傅里叶变换不能用来直接表 示语音信号，而应该用短时傅里叶变换对语音信号的 频谱进行分析，相应的频谱称为“短时谱”。