matlab 短时过零率,短时平均过零率.ppt

短时平均过零率

第二级判决： 以短时平均过零率为标准，从C点往左和从D点往右搜索，找到短时平均过零率低于某个门限T3的两点E和F，这便是语音段的起止点。门限T3是由背景噪声的平均过零率所确定的。 注意：门限T2，T3都是由背景噪声特性确定的，因此，在进行起止点判决前，T1，T2，T3，三个门限值的确定还应当通过多次实验。 基于MATLAB程序实现能量与过零率的端点检测算法步骤如下： (1)语音信号x(n)进行分帧处理。 (2)得到语音的短时帧能量。 (3)计算每一帧语音的过零率，得到短时帧过零率。 (4)考察语音的平均能量设置一个较高的门限T1，用以确定语音开始，然后根据背景噪声的平均能量确定一个稍低的门限T2，用以确定第一级语音结束点。第二级判决同样根据背景噪声平均过零率ZN，设置一个门限T3，判断语音前端清音和后端尾音。 3.8 基音周期估值 基音周期估值在语音信号处理应用中具有十分重要的作用。本节介绍语音信号基音周期估值最基本的两种方法： 基于短时自相关法的基音周期估值 基于短时平均幅度差函数法的基音周期估值 3.8.1 基于短时自相关法的基音周期估值 语音的浊音信号具有准周期性，其自相关函数在基音周期的整数倍处取最大值。计算两相邻最大峰值间的距离，就可以估计出基音周期。 为了突出反映基音周期的信息，同时压缩其他无关信息，减小运算量，自相关计算之前需要对语音信号进行适当预处理。 预处理的两种方法 第一种方法：先对语音信号进行低通滤波，再进行自相关计算。 第二种方法：先对语音信号进行中心削波处理，再进行自相关计算。常用的有两种削波函数，下面分别介绍。 1.中心削波 中心削波函数为 削波后的序列用短时自相关函数估计基音周期，在基音周期处峰值更加尖锐，可减少倍频或半频错误。 削波前后语音信号对比图及修正自相关对比图 2．三电平削波 为了克服短时自相关函数计算量大的问题，在中心削波法的基础上，还可以采用三电平削波法，削波函数如下式 经削波后的取样值仅有三种可能情况，即+1，0，-1。显然，这种信号的短时自相关函数的计算实际上是不需要乘法运算的，这就大大节省了计算时间。 3.8.2 基于短时平均幅度差函数AMDF法的基音周期估值 对于浊音语音，在基音周期的整数倍上的幅度差值不是零，但总是很小，因此，可以通过计算短时平均幅度差函数中两相邻谷值间的距离来进行基音周期估值。这里使用修正的短时平均幅度差函数并加矩形窗，得到： AMDF函数与短时自相关函数的不同是： 自相关函数进行基音周期估计时寻找的是最大峰值点的位置，而AMDF寻找的是它的最小谷值点的位置。由于清音没有周期性，所以它的自相关函数和平均幅度差函数均不具有准周期性的峰值或谷值。 3.8.3 基音周期估值的后处理 在提取基音时，无论采用哪种方法提取的基音频率轨迹与真实的基音频率轨迹都不可能完全吻合。实际情况是大部分段落吻合，而在一些局部段落和区域中有一个或几个基音频率估计值偏离，甚至远离正常轨迹，通常是偏离到正常值的2倍或1/2处，即实际基音频率的倍频或分频处，称这种偏离点为基音轨迹的“野点”。 为了去除 “野点”，常用的平滑技术主要有：中值滤波平滑处理、线性平滑、动态规划平滑处理。 1. 中值平滑处理 基本原理：设x(n)为输入信号，y(n)为中值滤波器的输出，采用一滑动窗，则n0处的输出值y(n0)就是将窗的中心移到n0处时窗内输入样点的中值。即在n0点的左右各取L个样点。连同被平滑点共同构成一组信号采样值(共(2L+1)个样值)，然后将这(2L+1)个样值按大小次序排成一队，取此队列中的中间者作为平滑器的输出。L值一般取为1或2，即中值平滑的“窗口”一般包括3至5个样值，称为3点或5点中值平滑。 2. 线性平滑处理 线性平滑是用滑动窗进行线性滤波处理 为2L+1点平滑窗，满足 3. 组合平滑处理 为了改善平滑的效果可以将两个中值平滑串接，图3.26(a)所示是将一个5点中值平滑和一个3点中值平滑串接。另一种方法是将中值平滑和线性平滑组合，如图3.26(b)所示。为了使平滑的基音轨迹更为贴近，还可以采用二次平滑的算法。