《语音信号处理》第三章总结——时域分析

第3章

1、语音信号特性：语音信号有时变特性，是一个非平稳的随机过程。但在一个短时间范围内其特性基本 保持不变，即语音的“短时平稳性”。

2、取样：所谓取样，就是以固定的时间间隔，将模拟信号的振幅记录下来。取样率经常取10 kHz

   量化：用固定数目的位来表示这些取样值。

 

3、反混叠滤波器（一个截止特性良好的低通滤波器，实际中做成一个带通滤波器100hz~3.4khz）

预滤波的目的：

A.为了防止混叠失真和噪声干扰

B.为了防止50 Hz市电频率干扰

4、预加重——（深刻理解+记忆）

a) 原因：由于语音信号的平均功率谱受声门激励和口鼻辐射的影响，高频端大约在800 Hz以上按6dB/倍频程跌落，（造成高频端的信号信噪比到达不能容忍的程度）为此要在预处理中进行预加重（人为加重输入信号的高频分量）

b) 目的：提升高频部分，使信号的频谱变得平坦，以便于进行频谱分析或声道参数分析。

c) 位置：预加重可在A/D变换前的反混叠滤波之前进行，这样不仅能够进行预加重，而且可以压缩信号的动态范围，有效地提高信噪比。

5、能量分析：短时平均能量和短时平均幅度——（理解）

En的作用：反映出语音的能量或振幅随时间缓慢变化的规律。（浊音段能量比清音段大的多）

En的应用：

1）区分清音段和浊音段 ；

2）区分声母和韵母；

    3）区分无声和有声的分界(信噪比较高的信号)；

4）区分连字的边界；        

5）用于语音识别

En的缺点：对高电平过于敏感，给加窗宽度的选择带来了困难。扩大了振幅不相等的任何两个相邻取样值(此处的取样值是指某语帧的短时平均能量值)之间的幅度差别，必须用较宽的窗函数才能平滑能量幅度的起伏。

为了使En能准确反映语音能量的时变规律：

－ 数据窗w(n)或滤波器h(n)函数形式和宽度的选择相当重要

Mn和En的对比：

窗口长度N对平均幅度函数的影响与短时平均能量的分析结果相同。

短时平均幅度的动态范围(最大值与最小值之比)比短时平均能量要小，实际上短时平均幅度的动态 范围接近于短时平均能量的平方根。

同样可以区分出清音和浊音，但二者的电平差不如短时能量那样明显。

在清音的范围内，Mn和En二者的区别特别显著。

【过零：信号波形穿越时间轴或零值线；对于离散时间信号而言就是相邻的取样值符号改变。

平均过零率：单位时间（或单位样本）内过零的次数。浊音低、清音高、纯粹的噪音高】补充扩展内容

6、短时自相关函数：信号与延迟后信号之间相似性的度量。

短时自相关函数应用：分析语音信号的同步性和周期性。

确定性信号序列自相关函数定义：

序列自相关函数的性质：

1) 若此序列是周期的(周期为Np)，则R (k)=R (k + Np)

2) R (k)= R (-k)

3) R (0)≥│R (k)│

4) R(0)等于确定性信号序列的能量或随机序列的平均功率

由性质1)、3)可知浊音的自相关函数周期性出现峰值点，且周期为基音周期。

 

Rn(k)＝[x(n)x(n-k)］*hk(n) 

短时自相关函数可看做序列［x(n)x(n-k)］通过单位函数响应为hk(n)的数字滤波器的输出