语音信号数字处理：第九章语音检测分析

1、1第九章语音检测分析 9.1基 音 检 测自相关法并行处理法倒谱法简化逆滤波法9.2共振峰估值带通滤波器组法离散傅里叶变换(DFT)倒谱法LPC法语音检测分析主要涉及语音特征参数的提取和分析。 29.1基 音 检 测基音是语音信号的一个重要参数，在语音产生的数字模型中它也是激励源的一个重要参数。基音是指发浊音时声带振动所引起的周期性，而基音周期是指声带振动频率的倒数。准确地检测语音信号的基音周期对于高质量的语音分析与合成、语音压缩编码、语音识别和说话人确认等具有重要的意义。 39.1基 音 检 测基音检测的主要困难反映在： 声门激励信号并不是一个完全周期的序列，在语音的头、尾部并不具有声带振动

2、那样的周期性。在许多情况下，清音语音和低电平浊音语音段之间的过渡段是非常细微的，确认它是极其困难的。 从语音信号中去除声道影响，直接取出仅和声带振动有关的激励信号的信息并不容易，例如声道的共振峰有时会严重影响激励信号的谐波结构。这种影响在发音器官快速动作而共振峰也快速改变时，对基音检测是最具危害性的。49.1基 音 检 测 语音信号包含有十分丰富的谐波分量，基音频率最低可达80Hz左右，最高可达500Hz左右，但基音频率处在100200Hz的情况占多数。因此，浊音信号可能包含有三四十次谐波分量，而其基波分量往往不是最强的分量。因为语音的第一共振峰通常在3001 000Hz范围内，这就是说，28

3、次谐波成分常常比基波分量还强。丰富的谐波成分使语音信号的波形变得非常复杂，经常发生基频估计结果为实际值的二、三次倍频或二次分频的情况。59.1基 音 检 测 在浊音段很难精确地确定每个基音周期的开始和结束位置，这不仅因为语音信号本身是准周期性的(即音调是有变化的)，还由于波形的峰或过零受共振峰的结构、噪声等的影响。 在实际应用中，背景噪声强烈影响基音检测的性能，这对于移动通信环境尤为重要，因为经常会出现高电平噪声。 基音频率变化范围大，从老年男性的80Hz到儿童女性的500Hz，接近三个倍频程，给基音检测带来了一定的困难。69.1基 音 检 测基音检测方法的研究： 稳定并提取准周期性信号的周期

4、性方法； 因周期混乱，采取基音提取误差补偿的方法； 消除声道(共振峰)影响的方法。在基音提取时，容易错误地提取真正基频两倍的频率(倍基音)和基频一半的频率(半基音)，至于产生哪种错误随抽取方法而变化。79.1基 音 检 测基音检测的方法大致可分为三类： 波形估计法。直接由语音波形来估计，分析出波形上的周期峰值。其特点除了比较简单、硬件实现容易外，还可定出峰值点的位置，这在一些处理中是很有用的。 相关处理法。在时域中，周期信号的最明显特征就是波形的类似性，因而可以通过比较原始信号和它位移后的信号之间的相似性来确定基音周期。如果移位距离等于基音周期，那么，两个信号具有最大类似性(相关性最强)。大多

5、数现存的基音检测法都基于这一概念，最具代表性的是自相关函数法。这种方法在语音信号处理中被广泛使用，这是因为相关处理法抗波形的相位失真强，另外它在硬件处理上结构简单。 变换法。将语音信号变换到频域或倒谱域来估计。比如倒谱法(CEP) 。虽然倒谱分析算法比较复杂，但基音估计效果较好。89.1基 音 检 测直方图(Histogram)也叫柱状图，是一种统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况。99.1基 音 检 测自相关法 浊音信号的自相关函数在基音周期的整数倍位置上出现峰值，而清音的自相关函数没有明显的峰值出现；因此检测是否有峰值就可判断是清音或浊音，检测峰值的位置就可提取基音周期

6、值。短时自相关函数中保留的语音信号的幅度太多，它有许多峰值，而其中许多都起因于声道响应的阻尼振荡。当基音的周期性和共峰峰的周期性混叠在一起时，被检测出来的峰值就会偏离原来峰值的真实位置。109.1基 音 检 测自相关法 主要问题 第一共振峰可能对基音造成干扰：在某些浊音中，第一共振峰频率可能会等于或低于基频；如果其幅度很高，就可能在自相关函数中产生一个峰值，而该峰值又可以同基频的峰值相比拟。例:图9-1 一个女子发音的自相关函数，语音信号以8kHz取样119.1基 音 检 测自相关法 处理思路:对语音信号进行预处理以去除声道响应的影响及其他带来扰乱的特征分析:语音信号的低幅度部分包含大量的共振

7、峰信息，而高幅度部分包含大量的基音信息。方法之一:非线性处理。非线性处理的优势是在采用硬件时可在时域低成本地实现。处理效果:任何削减或者抑制语音低幅度部分的非线性处理都会使自相关函数的性能得到改善。129.1基 音 检 测自相关法 图9-2中心削波中心削波后的语音通过一个自相关器，这样在基音周期位置呈现大而尖的峰值，而其余的次要峰值幅度都很小。 139.1基 音 检 测自相关法 计算自相关函数的运算量是很大的，其原因是计算机进行乘法运算非常费时。为此可对中心削波函数进行修正，采用三电平中心削波的方法 y(n)=Cx(n)1，x(n)CLy(n)=Cx(n)0，x(n)CLy(n)=Cx(n)-

8、1， x(n)-CL 三电平中心削波的自相关函数的计算很简单，设y(n)表示削波器的输出，则由自相关函数直接计算的公式Rn(k)y(n+m)w(m)y(n+m+k)w(m+k)如果窗口为直角窗，则上式变为Rn(k)y(n+m)y(n+m+k)上式中y(n+m)y(n+m+k)的取值只有-1、0、1三种情况，因而不需作乘法运算而只需要简单的组合逻辑即可以。149.1基 音 检 测自相关法 (a) 不削波(b) 中心削波(c) 三电平削波Rn(k)均归一化图9-4信号波形及其自相关函数的举例159.1基音检测并行处理法(时域估计方法)语音最初经截止频率为900Hz的低通滤波，如果需要的话还附加高通

9、滤波去除50Hz的交流声。 语音信号在经过预处理后，形成一系列脉冲，这一串脉冲保留了信号的周期性特性，而略去了与基音检测无关的信息,找出峰点和谷点，再根据其位置和幅度产生6个脉冲序列 对这些基音检测器的输出作逻辑组合，得出估计值 估计这6个脉冲序列，得出6个基音周期的估值 m1(n)取峰值m2(n)峰值减前一谷值m3(n)峰值减前一峰值m4(n)取谷值m5(n)谷值减前一峰值m6(n)谷值减前一谷值169.1基音检测并行处理法(时域估计方法)m1(n)取峰值m2(n)峰值减前一谷值m3(n)峰值减前一峰值m4(n)取谷值m5(n)谷值减前一峰值m6(n)谷值减前一谷值179.1基 音 检 测倒

10、谱法浊音语音的复倒谱中存在峰值，其出现时间等于基音周期；而清音语音段的复倒谱则不出现这种峰值。利用这一性质可以进行清/浊音判断并估计浊音的基音周期。这种方法的步骤:计算复倒谱解卷提取出声门激励信息，在预期的基音周期附近寻找峰值如果峰值超过了预先设定的门限，则语音段定为浊音，而峰的位置就是基音周期的估值。如果不存在超出门限的峰值，则语音段定为清音。如果计算的是依赖于时间的复倒谱，则可估计出激励源模型及基音周期随时间的变化。 189.1基 音 检 测倒谱法倒谱和复倒谱表现出相同的性质估计基音周期，因而没有必要对语音波形完全解卷，所以用倒谱c(n)就完全可以，这样可以从复杂的相位计算中解脱出来。由于

11、人耳对语音信号的相位不很敏感，因而可以假定输入语音信号是最小相位序列，这样可由最小相位信号法计算c(n)。 199.1基 音 检 测倒谱法图9-6 倒谱示意图包括两个分量：相应于频谱包络的慢变分量、相应于基音谐波峰值的快变分量。通过滤波或再取一次傅里叶反变换，即可将慢变分量与快变分量分离开。靠近原点的低倒频部分是频谱包络的变换，而位于t0处的窄峰为谐波峰值的变换，表示基音周期。如果基音峰值的变换与频谱包络变换之间的间隔足够大，则可很容易地提取基音信息。 209.1基 音 检 测倒谱法 取样率为10kHz，帧长51.2ms，然后求出c(n)。采用海明窗，长度及窗相对于语音信号的位置对倒谱峰的高度

12、有相当大的影响。为使倒谱具有明显的周期性，并考虑到窗的逐渐弱化效应，窗口选择的语音段应至少包含有两个明显的基音周期。窗应尽可能短，使得分析间隔中的语音参数变化减至最小。这是短时处理的要求。219.1基 音 检 测倒谱法 求出倒谱峰值IPK和其位置IPOS，如果峰值未超过某门限值，则进行过零计算；若过零数超过某门限值，则为无声语音帧。反之，则为有声，且基音周期仍等于该峰值的位置。 无声检测器是时域信号的峰值检测器；若低于某门限值，则认为是无声，勿须进行上述由倒谱检测基音的计算。229.1基 音 检 测倒谱法图9-9含噪语音的对数功率谱示意图 对数功率谱的低电平部分被噪声填满，并处于主导地位，从而

13、掩盖了基音谐波的周期性。这意味着倒谱的输入不再是纯净的周期性成分，而倒谱中的基音峰值将会展宽并受到噪声的污染。随着噪声电平的增加，对数功率谱的有用部分将会变得越来越小，从而使倒谱的灵敏度也随之下降。 如何处理？239.1基 音 检 测简化逆滤波法逆滤波的作用:将频谱包络逐渐平坦下去。得到的线性预测误差信号只包含有激励的信息，而去除了声道影响，所以它提供了一个简化的(廉价的)频谱平滑器。激励信号正比于预测误差信号，如果线性预测模型与产生实际语音信号的系统越接近，则e(n)就越接近激励信号。对于浊音，可以预料在每一基音周期的起始处预测误差较大。检测e(n)信号相邻两最大脉冲之间的距离即可对基音周期

14、作出估计。 24提取LPC参数。这里LPC滤波器的阶数P4，因为，四阶滤波器完全可作为01kHz频率范围内信号谱的模型，因为此范围内通常只有12个共振峰。然后进行逆滤波，得到接近平坦的谱。9.1基 音 检 测简化逆滤波法25进行短时自相关运算，检测出峰值及其位置，得到基音周期值。为提高基音周期值的分辨率，可以对最大峰值所处范围的自相关函数进行内插。最后进行有/无声判决。此处与倒谱法类似，有一个无声检测器，以减少运算量。 图9-12基音检测的简化逆滤波法9.1基 音 检 测简化逆滤波法269.1基 音 检 测简化逆滤波法279.1基 音 检 测简化逆滤波法289.1基 音 检 测简化逆滤波法 基

15、音检测有很多方法，大多是基于低通滤波和自相关法的。其主要缺点是： 准确性不够高； 一般只能求出分析帧的平均基音周期值，难以对每个基音周期进行准确的定位和标记，而这在许多场合却是很重要的。采用小波分析技术进行基音检测能得到比较好的效果。 299.2共振峰估值 谱包络中的极大值就是共振峰。共振峰估计存在的问题：虚假峰值。共振峰合并。高基音语音。 高基音语音(如女声和童声)的谐波间隔比较宽，因而为频谱包络估值所提供的样点比较少，所以谱包络本身的估计就不够精确。即使采用线性预测方法，所得到的谱包络的峰值仍然比较接近谐波峰值而常常偏离真正的共振峰位置。309.2共振峰估值 带通滤波器组法 通过滤波器组的

16、设计可以使估计的共振峰频率同人耳的灵敏相匹配，其匹配程度比线性预测法要好。滤波器的中心频率有两种分布方法：一种是等间距地分布在分析频段上，则所有带通滤波器的带宽可设计成相同，从而保证了各通道的群延时相同。另一种是非均匀地分布，例如为了获得类似于人耳的频率分辨特性，在低频端间距小，高频端间距大，带宽也随之增加。这时滤波器的阶数必须设计成与带宽成正比，使得它们输出的群延时相同，不会产生波形失真。为了使频率分辨率提高，滤波器的阶数应取足够大的值，使得带通滤波器具有良好的截止特性，但同时也意味着每个滤波器均有较长的冲激响应。由于语音信号具有时变特性，显然较长的冲激响应会模糊这种特性，所以频率分辨率与时

17、间分辨率总是相互矛盾的。319.2共振峰估值 带通滤波器组法 这种方法的缺点是：由于滤波器组中滤波器数目的限制，估计的共振峰频率不可避免地存在误差；而且对共振峰带宽不易确定；由于无法去除声门激励的影响，可能会造成虚假峰值。图9-15给出了一种利用滤波器组进行共振峰估值的系统结构示意图。滤波器的中心频率从150Hz到7kHz，分析带宽从100Hz到1kHz，频率按对数规律递增。滤波器输出经全波整流而用于提供频谱包络估值。辨识逻辑用于对适当频率范围内的峰值进行辨识而获得前三个共振峰。频谱峰值被依次指定，每一峰值都被约束在其已知的频率范围之内并且高于前边共振峰的频率。329.2共振峰估值 离散傅里叶

18、变换1浊音时声门激励为周期脉冲序列，因而语音信号具有明显的周期性，所以信号谱中出现多个谐波频率，其值为nfp(这里fp为基频，n为正整数)。由于进行DFT得到的频谱受基频谐波的影响，最大值只能出现在谐波频率上，因此共振峰测定误差较大。为减少误差，可由谐波频率n fp及上、下两个次极值频率(n-1) fp、(n+1) fp的插值求得共振峰频率。339.2共振峰估值 离散傅里叶变换2清音时信号具有随机噪声的特点，其频谱不具有离散谐波特性，但其包络基本上反映了声道的特性。对其频谱进行线性平滑而得到谱包络，并用一个峰值搜索算法来确定峰值，并标记为共振峰参数。 349.2共振峰估值 倒谱法 可在倒谱域用

19、一个滤波器滤除声门激励的影响。这个滤波器称为倒滤波器，其形式为l(n)1,nn0l(n)0,nn0 其中n0值应选得比基音周期NP小。利用IDFT求c(n)时，与时域取样类似，为避免发生混叠，需要将N取得足够大 359.2共振峰估值 倒谱法 对于浊音和清音，倒谱法的检测效果不同： 浊音时，若频谱包络的变换和基音峰值的变换在倒谱域中的间隔足够大，则前者很容易识别。而声道冲激响应h(n)的倒谱的特性取决于声道传递函数H(z)的极零点分布。当H(z)的极零点的模不是很接近于1时，将随n的增加而迅速减小。 清音时，声门激励序列具有噪声特性，其倒谱没有明显峰值，且分布于从低倒谱域到高倒谱域的很宽的范围内，因而在低倒谱域对声道响应的信息产生了影响。因而求得的声道模型对数谱与实际的声道对数谱之间将存