OLA/SOLA/WSOLA语音重叠相加算法分析

OLA重叠相加算法

OLA将语音时长规整分为分解和合成两个阶段。分解阶段，以长度为N的帧长、长度为的帧间距进行分帧，共分M帧；在合成阶段，以帧间距进行合成。

合成前信号的长度La如下式

合成后的语音长度Lb如下式

Sa与Ss的比值大小决定了规整因子a的大小，即,若a>1则语音拉伸；若a<1则语音压缩。

OLA算法中一般固定，根据的大小调整。

算法优点：计算量小，保证了非重叠区语音信号的基频不变(即变速不变调)。

算法缺点：没有考虑帧间的连续性，造成相位不连续，相邻帧重叠区域产生基频失真。

SOLA同步重叠相加算法

SOLA算法也是分为分解和合成两部分，SOLA为了减少OLA算法中的基频断裂的问题，加入了使叠加部分波形最相似的方法，即首先引入一个离散的时间参数km，再通过km来确定相邻帧在间隔Ss附近重叠区的最大相关位置，最后把这个最大相关位置作为合成的拼接点，可以用交叉相关系数来表述这个最大相关位置。

算法具体步骤分4步

①对输入信号分解，分解时帧长为N，帧间隔为Sa。

②确定合成间隔，合成间隔由规整因子a决定，合成间隔

③合成分解帧，合成第m帧时

      m=1时，直接作为输出。

      m>1时，在应该插入的位置处的左右附近范围内，重新找一个插入位置点，插入第m帧。

              (这个插入点要满足插入的第m帧信号与已核查的信号在重叠区的互相关系数最大)

      互相关系数的计算公式如下

 

上式中x(.)为分解后的信号，y(.)已经合成的信号，k为的附近范围内偏移量，L为当前偏移量下，分解帧和已合成帧的重叠长度。

④重复步骤3直到所有的分解帧被插入，获得规整信号。

SOLA算法的优点：规整信号平滑度高（因为相邻帧都是在重叠区波形相似的点叠加的）。

SOLA算法的缺点：1.偏移量的加入改变了规整因子的预期规整精度，导致规整误差大。2.仍有失真。

WSOLA波形相似性重叠相加算法

WSOLA算法与SOLA算法的不同在于步骤3找插入点的方式不同。

①确定合成间隔，合成间隔由规整因子决定，合成间隔

②合成分解帧，合成第m帧时

      m=1时，直接作为输出。

      m>1时，在应该插入的位置处的左右附近范围内，重新找一帧，把这一帧插入Ss处。(这一帧要满足该帧与第m-1帧合成帧的波形最相似)

帧移Ss保持不变，找的这一帧与第m-1帧合成帧的相关度由如下公式(归一化)

      互相关系数的计算公式如下

其中，满足。

输出合成语音y(i)即为

其中，w(n)为窗函数，常用的为汉宁窗，50%重叠，长度

对于参数值的选择，Sa过小，语音生硬，有明显的金属感；Sa过大，会产生气泡音，啪啪声。

Sa的最佳取值区间为8~14ms。的取值不小于语音基音周期的一半，为了防止产生回响，。

更多音频算法文章，代码，文档，关注公众号《音频核》