语音信号预处理原理介绍

语音信号的预处理是语音信号进行后续处理的关键步骤，这里简单介绍下有关预处理的一些方法。语音信号的预处理一般包括：预加重、分帧、加窗等。

预加重

语音信号在经过声门激励和口鼻辐射影响时，其功率会有大幅度的衰减，而且语音信号的频谱中高频对应的能量的较小、低频对应的能量较大，所以未经处理的语音信号的高频部分更加难求，预加重的目的就是为了提高高频部分，使得语音信号的频谱变得平坦，进而在整个频带内可以用相同的信噪比求得频谱，便于频谱分析。预加重一般采用的是一阶高通滤波器
$$H\left(z\right)=1-\mu z^{-1}$$
其中，$\mu$的取值一般接近于1.

分帧

一般来说语音信号都是非平稳的，而分帧处理使得信号在帧内处于平稳状态便于后续处理。同时，为了使得帧与帧之间过渡平滑，前一帧与后一帧之间会有重叠的部分，称为帧移。帧移与帧长的比值一般取50%。

加窗

语音信号处理中常用的窗为矩形窗和汉明窗，其中矩形窗的表达式为
$$w\left(n\right)=\{\begin{array}{rl}& 1,0\le n\le N-1\\ & 0,else\end{array}$$
汉明窗的表达式为
$$w\left(n\right)=\{\begin{array}{rl}& 0.54-0.46\cos \left[2\pi n/\left(N-1\right)\right]0\le n\le N-1\\ & 0,else\end{array}$$
基于上述表达式可以得到它们的形状为

类型	主瓣宽度	旁瓣峰值	最小阻带衰减
矩形窗	$4\pi /N$	-13dB	-21dB
汉明窗	$8\pi /N$	-41dB	-53dB

一般来说，窗的形状和大小对后续的分析会有较大的影响。

窗的形状的影响

窗的形状在时域上减小窗口的坡度，使得窗口两端能够平滑过渡到零，进一步减小语音帧的截断效应；在频域上要具有较宽的带宽以及较小的边带。对于矩形窗来说，其在频域上的表达式为
$$H\left(e^{j\omega T}\right)=\frac{\sin \left(N\omega T/2\right)}{\sin \left(\omega T/2\right)}{e}^{-j\omega T\left(N-1\right)/2}$$
第一零点频率为
$$f_{01}=f_s/N=1/N{T}_s$$
其中，$f_s$对应的为采样频率，$T_s$对应的为采样周期。而汉明窗的第一零点频率比矩形窗要大很多，但是其在阻带内的衰减相应也要大上很多。
矩形窗以及汉明窗的傅氏变换如下

未取对数时，也可以看出两种窗的特性，比如矩形窗的主瓣较窄，旁瓣较高；而汉明窗的主瓣较宽，旁瓣较低，这也与上面的分析一致。为了明显地看出两者的区别，将其取对数后可以得到如下结果

从图中可以看出，汉明窗的主瓣宽度要比矩形窗的主瓣宽度要宽很多，但是汉明窗的旁瓣要比矩形窗低很多。矩形窗的平滑性能较高，但是损失了高频成分，使得波形的细节方面丢失；汉明窗则与之相反。

窗的大小的影响

频率分辨率
$$\Delta f=\frac{f_s}{N}=\frac{1}{N{T}_s}$$
当采样周期确定时，可以看出，频率分辨率$\Delta f$随着窗口大小$N$的增加而逐渐减小，也就是说窗口越大，其频率分辨率越高，但是相应地时间分辨率就会降低；同样地，窗口大小减小时，频率分辨率下降，而时间分辨率提高，即时间分辨率和频率分辨率存在着矛盾的关系。另外，对于高斯窗函数来说，其时间分辨率和频率分辨率能取得较好的平衡。
进一步地，如果窗口大小$N$很大，那么其等效为一个很窄的低通滤波器，当语音信号通过时，高频信息就会被滤除，短时能量随时间变化较小；而$N$过小时，滤波器的带宽就会增加，短时的能量就会急剧变化，得不到平滑的能量的函数，因此在实际的问题的处理过程中，应当选取合适的窗函数。

代码如下

clear;
close all;
clc;
N=100;
n=(0:N-1);
w_rect = boxcar(N);
w_ham = hamming(N);
figure(1);
stem(n,w_rect);
hold on;
stem(n,w_ham);
xlabel('n');
ylabel('Amplitude');
axis([-10 110 -0.2 1.4]);
grid on;
legend('矩形窗','汉明窗');
N=1024;
w1_fft=fftshift(fft(w_rect,N));
w2_fft=fftshift(fft(w_ham,N));
figure(2);
plot(20*log10(abs(w1_fft)/max(abs(w1_fft))),'linewidth', 2);
hold on;
plot(20*log10(abs(w2_fft)/max(abs(w2_fft))),'linewidth', 2)
grid on;
legend('矩形窗','汉明窗');
xlim([400 624])

参考文献：
[1]赵力. 语音信号处理: 机械工业出版社 2016.