第一章绪论
1.语音信号处理是以语音语言学和数字信号处理为基础而形成的一门涉及面很广的综合性的学科。p1d3
2.语音信号处理的应用技术列举：语音编码、语音识别、语音合成、说话人识别和语种辨识、语音转换和语音隐藏（语音信息伪装、语音数字水印技术）、语音增强等p4d3
3.当前语音信号处理应用的3个主流技术：矢量量化技术、隐马尔可夫模型技术、人工神经网络技术。p4d3
第二章语音信号处理基础知识
1.语音是组成语言的声音，是声音（Acoustic）和语言（Language）的组合体。p5d2
2.语音的基本声学特性包括音色，音调，音强、音长。p7d2
音色：也叫音质，是一种声音区别于另一种声音的基本特征。
音调：是指声音的高低，它取决于声波的频率。
音强：声音的强弱，它由声波的振动幅度决定。
音长：声音的长短，它取决于发音时间的长短。
3. 说话时一次发出的，具有一个响亮的中心，并被明显感觉到的语音片段叫音节（Syllable）。一个音节可以由一个音素（Phoneme）构成，也可以由几个音素构成。音素是语音发音的最小单位。p7d3
4.任何语言都有语音的元音（V owel）和辅音（Consonant）两种音素。p7d3
8.当声带振动发出的声音气流从喉腔、咽腔进入口腔从唇腔出去时，这些声腔完全开放，气流顺利通过，这种音称为元音。p7d3
9.呼出的声流，由于通路的某一部分封闭起来或受到阻碍，气流被阻不能畅通，而克服发音器官的这种阻碍而产生的音素称为辅音。p7d3
7.发辅音时由声带是否振动引起浊音和清音的区别，声带振动的是浊音，声带不振动的是清音。p7d3
8.元音构成音节的主干（因为无论从长度还是能量看，元音在音节中都占主要部分。）p7d3
9.元音的一个重要声学特性是共振峰（Formant）。共振峰参数是区别不同元音的重要参数，它一般包括共振峰频率（Formant Frequency）的位置和频带宽度（Formant Bandwidth）。p7d5 16.人类的声道和鼻道可以看作是非均匀截面的声道管，声道管的谐振频率称为共振峰频率（共振峰）。p7d5
10.汉语音节一般由声母、韵母和声调三部分组成。汉语普通话中有6000多个常用字，每个汉字是一个音节。p10d6
10. 发浊音时，气流通过声门时使声带发生振动，产生准周期激励脉冲串，这个脉冲串的周期就称为基音周期（pitch），其倒数成为基音频率。
11.汉语是一种声调语言，声调的变化就是浊音基音周期（或基音频率）的变化。p14d5 13. 无论是单音节语音还是连续语音，其中浊音段的基因频率是随时间而变化的，基因频率的不同轨迹成为声调。p9d11
14. 当两个响度不同的声音作用于人耳时，响度较高的频率成分的存在会影响到对响度较低的频率成分的感受，使其变得不易察觉，这种现象成为掩蔽效应。
15.语音信号的生成模型可由激励模型、声道模型和辐射模型三个子模型构成，三者是串联（串联/并联）的关系。p21-26
16.语音信号激励模型一般分为浊音激励和清音激励，发浊音时激励模型为脉冲波。p21d6
17.语音信号激励模型一般分为浊音激励和清音激励，发清音时激励信号通常被模拟为随机白噪声。p22d2
16.语音信号生成模型的辐射模型是一阶类高通滤波器。 p25d2
17.设截取的一段语音共有160个样本，而采样频率为8kHz ，则该段语音持续时间为20ms 。 18.设采样频率为8kHz ，则25ms 长的语音共有200个采样值。
18.研究语音的时频分析特性所采用的与时序相关的傅立叶分析的显示图形称为语谱图（Sonogram ，或者Spectrogram ）p29d1
19.语谱图是一种三维频谱，它是表示语音频谱随时间变化的图形，其纵轴为频率，横轴为时间，任一给定频率成分在给定时刻的强弱用相应点的灰度或色调的浓淡来表示。p29d1
20.传输函数形式为1
2
1
()1M
i
i i
i a V z b z
c z
--==--∏的共振峰模型为（2）数学模型；
1.全零点；
2.全极点；
3.极零点；
4.以上都不是；
21.传输函数形式为1
2
1
()1M
i
i i
i a V z b z
c z --==--∏的共振峰模型在结构上为（1 ）模型；
1.级联型
2.并联型；
3.混合型；
4.以上都不是；
22.传输函数形式为12
1()1M
i
i i i
A V z
B z
C z --==--∑的共振峰模型为（3）数学模型； 1.全零点； 2.全极点； 3.极零点； 4.以上都不是；
23.传输函数形式为12
1()1M
i
i i i A V z B z
C z --==
--∑的共振峰模型在结构上为（2）模型； 1.级联型
2.并联型；
3.混合型；
4.以上都不是；
24.简述语音产生过程的三个模型：
25.基音频率、共振峰、语谱图的概念，会从语音波形中识别基音周期与共振峰频率。
发浊音时，气流通过声门时使声带发生振动，产生准周期激励脉冲串，这个脉冲串的周
期就称为基音周期（pitch ），其倒数成为基音频率。一般来说，男性说话的基音频率大致分布在50-200Hz 范围内，女性和小孩的基因频率在200-450Hz 之间。
人类的声道和鼻道可以看作是非均匀截面的声道管，声道管的谐振频率成为共振峰频率，简称共振峰。共振峰由低到高依次为第一共振峰、第二共振峰、第三共振峰、。。。，相应的频率用F1、F2、F3。。。。表示。一般浊音中可以辨识的共振峰有5个，其中前三个对于区别不同语音至关重要。
语谱图描述了语音信号随时间而变化的频谱特性。纵轴对应于频率、横轴对应于时间，图像的黑白度对应于信号的能量。
26.汉语中的四种声调与基音频率的关系是什么？
无论是单音节语音还是连续语音，其中浊音段的基因频率是随时间而变化的，基因频率的不同轨迹成为声调。
29.音调：音调是听觉分辨声音高低时，用于描述这种感受的一种特性。音调与声音的频率并不成正比，还与声音的强度及波形有关。描述音调的单位是美（mel ）。一个高于听阈40dB 、频率为1KHz 的纯音所产生的音调定位1000mel ，如果一个纯音听起来比1000mel 的声音调子高一倍，则其音调为2000mel 。音调与频率的关系近似表示为：
3323.23lg(10.001)mel Hz T f ≈+
27.掩蔽效应：当两个响度不同的声音作用于人耳时，响度较高的频率成分的存在会影响到对响度较低的频率成分的感受，使其变得不易察觉，这种现象成为掩蔽效应。
第三章 语音信号分析
21.语音信号分析采用短时分析技术。p32d2
20. 语音信号分析，根据所分析出的参数的性质的不同可以分为：时域分析、频域分析、倒频域分析、线性预测分析等。根据分析方法的不同，分为模型分析方法和非模型分析方法两种。p32d3
22.由于辐射模型的影响，语音信号高频部分衰减较大，所以在预处理中需采用预加重技术，即提升高频部分，使信号的频谱变得平坦。
23.不论是分析怎么样的参数以及采用什么分析方法，在按帧进行语音分析，提取语音参数之前，有一些经常使用的、共同的短时分析技术必须预先进行，如语音信号的数字化、语音信号的端点检测、预加重、加窗和分帧等
23.语音信号加窗、分帧常用的窗函数有矩形窗、汉明窗等（列举两个）。
25.对于频率分布为0~3400Hz 的语音信号，最低无失真采样频率应为6800Hz （2倍采样）
25.若信号波形的变化足够大，或量化间隔Δ足够小时，以下有关量化噪声描述错误的是（4）p33d2
1.是平稳的白噪声过程
2.量化噪声与输入信号不相关
3.量化噪声在量化间隔内均匀分布，即具有等概率密度分布
4.是服从高斯分布的随机过程
26.以下那种分析不属于语音信号时域分析？（4） 1.短时过零率分析； 2.短时相关分析；
3.短时平均幅度差函数；
4.同态分析；
短时能量的主要用途不包括以下那一项（4）p38d5 1.可以区分浊音段和清音段；
2.可以用来查找声母和韵母的分界；
3.可以用来查找无声和有声的分界；
4.可以区分高频和低频分量；
24.采用自相关函数法对基音周期进行估计时，先用60~900Hz 的带通滤波器对语音信号进行滤波，以下描述错误的是（4）p71d2 1.可减少共振峰的影响； 2.可抑制50Hz 的电源干扰；
3.可保留基音频率的一、二次谐波；
4.为了防止8kHz 采样时发生混叠干扰； 定
义
语
音信号
()
n x m 的短时自相关函数
()
n R k 为：
10
()
()(),0
N k
n n n m R k x m x m k
k K --==+<≤∑
，则以下表述错误的是（2）：p40d3 (1) 如果()n x m 是周期的，则()n R k 是同周期的周期函数； (2) ()n R k 是奇函数； (3) (0)()n n R R k ≥
7.设序列x(n)的短时能量定义为：
[]2
()().n m E x m w n m ∞
=-∞
=
-∑
其中窗函数表示为：
,0
()0,0
m a m w m m ?≥=?
8.设序列x(n)的短时能量定义为：
[]2
()().n m E x m w n m ∞
=-∞
=
-∑
其中窗函数表示为：
,()0,m a m N
w m others
?≤?=???
试求E n 的一个递推公式
9.设短时平均过零率的定义为：
[][]1
1sgn ()sgn (1)2n
n n N Z x m x m N
-+=
--∑
证明{}11
sgn[()]sgn[(1)]sgn[()sgn[(1)]2n n Z Z x n x n x n N x n N N
-=+
-------
1.语音的时变性与短时平稳性(p32d2)：语音信号的波形有些波形段有较强的周期性，有的波形段有较强的噪声性，并且周期性语音和噪声性语音的特征也在不断变化中，从而具有时变性。但在较短时间内（10-30ms ）语音信号的特征可以认为基本保持不变，这就是语音信号的短时平稳性。
11.常用的时域基音检测算法有哪些（任选两种作答）？它们的基本原理是什么？ 自相关函数法：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值。 短时平均幅度差函数法：对周期性的浊音语音，短时平均幅度差函数也呈现与浊音语音
周期相一致的周期特性，短时平均幅度差函数在周期的各个整数倍点上具有谷值特性而不是峰值特性，可确定基音周期；而对于清音语音信号，短时平均幅度差函数却没有这种周期特性。利用短时平均幅度差函数的这种特性，可以判定一段语音是浊音还是清音，并估计出浊音语音的基音周期。
12.浊音与清音的短时能量、短时平均过零率、短时自相关函数和短时平均幅度差函数有什么差异？导致这些差异的根本原因是什么？ 相对来说浊音的短时能量大、短时平均过零率低、短时自相关函数的峰值位置具有周期性，短时平均幅度差函数的谷值位置具有周期性。这是因为浊音是由声带振动引起的脉冲波激励声道产生的，能量较大，频率较低，具有与激励波相同的周期性结构，而清音是由白噪声激励而产生，能量较低，频率较高，不具有周期性。
13.若用信号的短时傅立叶变换来定义其短时能量谱密度：
()()
2
j j n n
S e
X e ω
ω=
同时定义信号的短时自相关函数为：
()()()()()n m R k w n m x m w n k m x m k ∞
=-∞
=
---+∑
证明当()()()j j m
n m X e x m w n m e
ω
ω∞
-=-∞
=-∑时，()n R k 与()j n S e ω互为傅立叶变换对。
15.设p 阶线性预测器表达式为1
?()()p
i i s
n a s n i ==-∑，证明在最小均方预测误差准则下，预
测系数1,,p a a 满足方程组：1
(0,)(,),1,2,,p
i i j a i j j p
=Φ=
Φ=∑ ，其中
(,){()()}i j E s m i s m j Φ=--。
解：预测误差为1
?()()()()()p
i i n s n s
n s n a s n i ε==-=--∑，
均方误差为{}2
21()[()()]p
i i E n E s n a s n i ε=??
=--????
∑，为使E{ε2(n)}最小，对a j 求偏导，并
令其为零，有：1[()()]()0,1,...,p
i i E s n a s n i s n j j p =??
---==????
∑，即
1{()()}()(),1,,p i i E s n s n j E a s n i s n j j p =??
-=--=????
∑
又因为(,){()()}i j E s n i s n j Φ=--，代入上式有1
.(0,)(,),1,2,,p
i i j a i j j p =Φ=Φ=∑
设语音信号的线性预测模型为()0.9(1)0.4(2)0.1(3)
s n s n s n s n =-+-+-
，模型增益1G =，求该语音信号的线性预测谱表达式。p59
解：
1()
()()
()
1p
i
i i S z G G
H z E z A z a z -==
==
-∑ 2311
()10.90.40.11j p
j j j j i
i i G H e e e e a e
ωω
ωω
ω----==
=
----∑
第四章 矢量量化技术
1.根据量化的值的维数的不同，量化可分为标量量化和矢量量化。
2.矢量量化常用的失真测度有：欧式距离测度、加权欧式距离测度、Itakura-Saito 距离、似然比测度和识别失真测度。
3. 训练矢量量化码本时，初始码本的生成可采用随机选取法、分裂法、链映射法等。
3.矢量量化LBG 算法每次迭代时将训练集分割为若干个子集所依据的是（1）： 1.最邻近准则；
2. Centroid 质心条件；
3.收敛准则；
4.熵极大化准则；
3.矢量量化LBG 算法每次迭代时计算新码字所依据的是（2）： 1.最邻近准则；
2. Centroid 质心条件；
3.收敛准则；
4.熵极大化准则；
第五章 隐马尔可夫模型
1.HMM 是一个双内嵌式随机过程。
2.HMM 的输出符号序列可见，而状态序列不可见。
3.下图是一个三状态HMM ，S 1是起始状态，S 3是终了状态，该HMM 只能输出a 和b 两种符号，由下图的Viterbi 算法可知输出aab 的最佳路径为S 1->S 1->S 2->S 3
3.对于语音识别用HMM ，可用六个参数{},,,,,M S O A B F π=来定义，这六个参数分别表示什么？
S 是模型中状态的有限集合；O 是输出的观测值序号的集合；A 是状态转移概率的集合；B 是输出观测值概率的集合；pai 是系统初始状态概率的集合；F 是终了状态的集合。
1.从左到右型HMM （即状态的转移只能从左到右或者停留在原状态，不能返回到以前的状态）的状态转移矩阵具有何种形式？（1） 1.上三角矩阵；
2.下三角矩阵；
3.对称矩阵；
4.非奇异矩阵；
2.针对给定的HMM 模型，寻找与给定观察字符序列对应的最佳状态序列可采用（3） 1.前向算法； 2.后向算法；
3.Viterbi 算法；
4.Baum-Welch 算法
训练HMM 模型采用（4） 1.前向算法； 2.后向算法； 3.Viterbi 算法；
4.Baum-Welch 算法；
下图是一个三状态HMM ，S 1是起始状态，S 3是终了状态，该HMM 只能输出a 和b 两种符号，试求解：（参考P98）
1.该HMM 的转移概率矩阵A ；
2.从S 1出发到S 3截止，输出符号序列abb 的概率；
3.最大可能的状态序列；
第七章语音编码
1.语音编码（Speech Coding）的目的是在保证语音质量和可懂度的条件下，采用尽可能少的比特数来表示语音。即降低数码率。
2.信源编码主要解决有效性问题；信道编码主要解决可靠性问题。
3.语音编码通常分为三类：波形编码、参数编码与混合编码。
4.波形编码力图使重建后的语音时域信号的波形与原语音信号保持一致。具有适应能力强、话音质量好等优点，缺点是编码速率高。
5.参数编码又称声码器技术，从听觉感知的角度注重语音的重现，通过建立语音信号的产生模型，提取其特征参数来编码，波形上不要求与原信号匹配。优点是编码速率低；缺点是语音质量差，自然度低，对环境噪声敏感。
6.若普通电话通信中采用8kHz采样，并进行12bit量化，则数码率为96Kbit/s。（每秒8000次采样，每次采样进行12bit量化，相乘得数码率）
7.对语音信号进行压缩编码的基本依据是语音信号的冗余度和人的听觉感知机理。
8.人的听觉生理和心理特性对于语音感知的影响主要表现在：1）人类听觉系统具有掩蔽效应；2）人耳对不同频段声音的敏感程度不同；3）人耳对语音信号的相位变化不敏感。
9.感觉加权滤波器是根据人耳的掩蔽效应来设计的。p138d1
10.均匀量化的特点是：大信号时量化信噪比大，小信号时量化信噪比小。
10.在增量调制（DM）中，语音信号波形发生急剧变化时，容易出现译码波形不能充分跟踪这种急剧变化而产生失真的现象，称为斜率过载。p150d3
11.利用参数编码实现语音通信的设备通常称为声码器。p161d3
12.LPC声码器采用的编码方式为参数编码（波形编码/参数编码）。
7语音信号中存在多种冗余度是语音信号可进行压缩的重要依据，下列选项中（4 ）属于频域冗余度
（1）语音信号幅度非均匀分布性
（2）语音信号样本间的强相关性
（3）浊音语音段具有的准周期性
（4）非均匀的长时功率谱密度
9.下列选项中，（4 ）不属于波形编码方式
（1）PCM
（2）APCM
（3）DM
（4）LPC声码器
8.语音中最基本的元素是音素，设语音的音素共有128个，并假设通常的说话速度为每秒平均发出10个音素，请从信息论角度计算语音信号压缩编码的极限码率。p136
11.一帧典型的LPC参数包括1bit清浊音信息、5bit增益常数、6bit基因周期、每个LPC系数6bit，共8个LPC系数，如果一帧时长20ms，请计算该LPC声码器的码率。p162
解：（1+5+6+6*8）/0.02=3000bit/s
第八章语音合成
共振峰合成法属于（3 ）
1.波形合成法；
2.LPC合成法；
3.参数合成法；
4.规则合成法；
第九章语音识别
1.语音识别从所识别的对象来分，可分为：(1)孤立词语音识别系统：(2)连接词语音识别系统；(3)连续语音识别系统；(4)语音理解；(5)会话识别。
2.语音识别按词汇量来分，可分为：小词汇量、中词汇量、大词汇量语音识别系统。
3.语音识别从讲话人范围来分，可分为单个特定讲话人识别系统、多讲话人、与讲话者无关。
4.以下是一个矢量序列与模板的距离参数，输入适量长度为4，模板长度为5，利用DTW原理计算最佳路径
《数字音视频技术》期末考试试卷 一．选择（每题2分，共20分） 1.可闻声的频率范围（） A.20～2000Hz B.200～20000Hz C.20～20000Hz D.200～2000Hz 2.下面哪一种相加混色产生的色彩是错误的（） A.红色+绿色=黄色 B.红色+蓝色=橙色 C.蓝色+绿色=青色 D.红色+绿色+蓝色=白色。 3.不是数字图像的格式的是（） A.JPG B. GIF C. TIFF D. WAVE 4.在音频数字化的过程中，对模拟语音信号处理的步骤依次为（）A．抽样编码量化 B. 量化抽样编码 C. 抽样量化编码 D. 量化编码抽样 5.将声音转变为数字化信息，又将数字化信息变换为声音的设备是（） A.声卡B．音响 C. 音箱D．PCI卡 6.不属于国际上常用的视频制式的是（） A．PAL制 B.NTSC制C．SECAM制D．MPEG 7.数字音频采样和量化过程所用的主要硬件是（） A．数字编码器 B．数字解码器 C．模拟到数字的转换器（A/D转换器） D．数字到模拟的转换器（D/A转换器） 8.信息接受者在没有接收到完整的信息前就能处理那些已经接受到的信息一边接收，一边处理的方式叫（） A．多媒体技术B．流媒体技术 C．云技术D．动态处理技术
9．影响声音质量的因素不包括（） A．声道数目B．采样频率 C．量化位数D．存储介质 10．我们常用的VCD，DVD采用的视频压缩编码国际标准是（）A．MPEG B．PLA C．NTSC D．JPEG 二．填空（每空2分，共30分） 1.音质三要素：、和。 2.色彩三要素：、和。 3.混色的方法有：和。 4.视频冗余是指相邻帧间和每帧的水平方向和垂直方向上的相邻像素间存在很强的相关性，它包含的种类有：冗余、冗余、冗余、冗余和视觉冗余。 5.色彩模型中的三基色原理是指利用、和三种色光混合，可以产生各种色彩。 三．简答题（每题10分，共50分） 1.常见数字音频文件格式有哪些？ 2. 常见数字视频文件格式有哪些？ 3.什么是5.1声道环绕立体声？
第一章引言 一.填空题 1. 数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为___________________ 。 2. 数字图像处理可以理解为两个方面的操作：一是从图像到图像的处理，如图像增强等； 二是____________________ ，如图像测量等。 3. 数字图像处理可以理解为两个方面的操作：一是 ______________________ ，如图像增强等； 二是从图像到非图像的一种表示，如图像测量等。 4. 图像可以分为物理图像和虚拟图像两种。其中，采用数学的方法，将由概念形成的物体进行表示的图像是__________________________ 。 5. 数字图像处理包含很多方面的研究内容。其中， ____________________ 的目的是根据二维平面图像数据构造出三维物体的图像。 解答: 1. 像素 2. 从图像到非图像的一种表示 3. 从图像到图像的处理 4. 虚拟图像 5. 图像重建 四.简答题 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4 种。 2. 什么是图像识别与理解？ 3. 简述数字图像处理的至少3 种主要研究内容。 4. 简述数字图像处理的至少4 种应用。 5. 简述图像几何变换与图像变换的区别。 解答: 1. ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图 像的可观察性。③图像的几何变换：改变图像的大小或形状。④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 3. ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图 像的可观察性。③图像的几何变换：改变图像的大小或形状。④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。 4. ①在遥感中，比如土地测绘、气象监测、资源调查、环境污染监测等方面。 ②在医学中，比如B超、CT机等方面。 ③在通信中，比如可视电话、会议电视、传真等方面。 ④在工业生产的质量检测中，比如对食品包装出厂前的质量检查、对机械制品质量的监控和筛选等方面。⑤在安全保障、公安方面，比如出入口控制、指纹档案、交通管理等。 5. ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。比如傅里叶变换、小波变换等。
一、 单 项选择题 1. 序列x(n)=Re(e jn π/12 )+I m (e jn π/18 ),周期为( )。 A. 18π B. 72 C. 18π D. 36 2. 设C 为Z 变换X(z)收敛域内的一条包围原点的闭曲线，F(z)=X(z)z n-1 ,用留数法求X(z)的反变换时( )。 A. 只能用F(z)在C 内的全部极点 B. 只能用F(z)在C 外的全部极点 C. 必须用收敛域内的全部极点 D. 用F(z)在C 内的全部极点或C 外的全部极点 3. 有限长序列h(n)(0≤n ≤N-1)关于τ= 2 1 -N 偶对称的条件是( )。 A. h(n)=h(N-n) B. h(n)=h(N-n-1) C. h(n)=h(-n) D. h(n)=h(N+n-1) 4. 对于x(n)= n )21(u(n)的Z 变换，( )。 A. 零点为z=21，极点为z=0 B. 零点为z=0，极点为z=21 C. 零点为z=21，极点为z=1 D. 零点为z=2 1 ，极点为z=2 5、)()(101n R n x =，)()(72n R n x =，用DFT 计算二者的线性卷积，为使计算量尽可能的少，应使DFT 的长度N 满足 。 A.16>N B.16=N C.16
《数字语音处理》复习思考题 电信0904-06 1.什么叫做语音？什么叫做语言？ 2.语音的声学特征中包括的物理属性有哪些？ 3.数字语音处理的概念？数字语音处理的学科基础是什么？数字语音处理研究涉及哪些相 关学科？ 4.语音信号的数字表示方法有哪两种？ 5.数字语音处理应用包括哪些技术？ 6.常用语音文件格式有哪些？语音文件的参数主要包括哪些？简要分析取样精度的高低的 影响。 7.常用语音编辑软件有哪些？怎样制作你自己演唱的MP3歌曲？ 8.基于各种音素发音不同的谐振特点可建立起的共振峰模型有哪三种？各种模型的特点？ 9.语音的构成包括哪些？语音发音的最小单位是什么？ 10.人说话的过程可分为哪五个阶段？ 11.人的言语过程与哪些因素有关？ 12.人类的发音器官包括哪些部分？在发音时各部分都起什么作用？音调频率由什么因素决 定？发声时声道是如何活动的？ 13.汉语语音的特点有哪些？ 14.声道由哪几个部分组成？ 15.掌握发声机理框图，简要解释语音的形成过程。 16.什么是听觉掩蔽效应？简述人类听觉功能的掩蔽效应。 17.人耳听觉的掩蔽效应分为哪几种？掩蔽效应的存在对我们研究语音信号处理系统有什么 启示？ 18.什么是共振峰频率？ 19.舌位的前后高低与元音共振特性有哪些联系？ 20.什么是音调周期（或基音周期）？什么是基音频率（或基频）？ 21.理解语音信号产生的数字模型及模型组成。 22.语音信号的数字模型包含哪些子模型？激励模型与辐射模型分别属于什么性质滤波器？ 23.语音产生的数字模型中的声道子模型有两种建模方法，它们是哪些？ 24.根据分析参数（分析域）的不同，语音信号分析可分为哪些方法？
第一章绪论 一.选择题 1.一幅数字图像是：(B) A、一个观测系统； B、一个有许多像素排列而成的实体； C、一个2-D数组中的元素 D、一个3-D空间的场景。 提示：考虑图像和数字图像的定义 2.半调输出技术可以：(B) A、改善图像的空间分辨率； B、改善图像的幅度分辨率； C、利用抖动技术实现； D、消除虚假轮廓现象。 提示：半调输出技术牺牲空间分辨率以提高幅度分辨率 3.一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：(A) A、256K B、512K C、1M C、2M 提示：表达图像所需的比特数是图像的长乘宽再乘灰度级数对应的比特数。 4.图像中虚假轮廓的出现就其本质而言是由于：(A) A、图像的灰度级数不够多造成的； B、图像的空间分辨率不够高造成； C、图像的灰度级数过多造成的 D、图像的空间分辨率过高造成。 提示：平滑区域内灰度应缓慢变化，但当图像的灰度级数不够多时会产生阶跃，图像中的虚假轮廓最易在平滑区域内产生。 5.数字图像木刻画效果的出现是由于下列原因所产生的：（A） A、图像的幅度分辨率过小； B、图像的幅度分辨率过大； C、图像的空间分辨率过小； D、图像的空间分辨率过大； 提示：图像中的木刻效果指图像中的灰度级数很少 6.以下图像技术中属于图像处理技术的是：（AC）（图像合成输入是数据，图像分类输出 是类别数据） A、图像编码 B、图像合成 C、图像增强 D、图像分类。 提示：对比较狭义的图像处理技术，输入输出都是图像。 二.简答题 1.数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 2.什么是图像识别与理解？ 3.简述数字图像处理的至少3种主要研究内容。 4.简述数字图像处理的至少4种应用。 5.简述图像几何变换与图像变换的区别。 解答: 1. ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。
数字信号处理试题及答案 一、 填空题（30分，每空1分） 1、对模拟信号（一维信号，是时间的函数）进行采样后，就是 离散时间 信号， 再进行幅度量化后就是 数字 信号。 2、已知线性时不变系统的单位脉冲响应为)(n h ，则系统具有因果性要求 )0(0)(<=n n h ，系统稳定要求∞<∑∞ -∞=n n h )(。 3、若有限长序列x(n)的长度为N ，h(n)的长度为M ，则其卷积和的长度L 为 N+M-1。 4、傅里叶变换的几种形式：连续时间、连续频率—傅里叶变换；连续时间离散频率—傅里叶级数；离散时间、连续频率—序列的傅里叶变换；散时间、 离散频率—离散傅里叶变换 5、 序列)(n x 的N 点DFT 是)(n x 的Z 变换在 单位圆上 的N 点等间隔采样。 6、若序列的Fourier 变换存在且连续，且是其z 变换在单位圆上的值，则序列 x(n)一定绝对可和。 7、 用来计算N ＝16点DFT ，直接计算需要__256___次复乘法，采用基2FFT 算 法，需要__32__ 次复乘法 。 8、线性相位FIR 数字滤波器的单位脉冲响应()h n 应满足条件 ()()1--±=n N h n h 。 9. IIR 数字滤波器的基本结构中， 直接 型运算累积误差较大； 级联型 运 算累积误差较小； 并联型 运算误差最小且运算速度最高。 10. 数字滤波器按功能分包括 低通 、 高通 、 带通 、 带阻 滤 波器。 11. 若滤波器通带内 群延迟响应 = 常数，则为线性相位滤波器。 12. ()?? ? ??=n A n x 73cos π错误!未找到引用源。的周期为 14 13. 求z 反变换通常有 围线积分法（留数法）、部分分式法、长除法等。 14. 用模拟滤波器设计IIR 数字滤波器的方法包括：冲激响应不变法、阶跃响 应不变法、双线性变换法。
1·语音信号处理的三大分支：语音合成（说），语音编码（压缩），语音识别（听），语音增强。2·语音是怎样生成的：空气由肺部排入喉部，经过声带进入声道，最后由嘴辐射出声波，这就形成了语音。 3·浊音：发音时声带振动的音称为浊音，它能量高，过零率低。 为周期性斜三角脉冲。清音：声带不振动，能量低过零率高非周期脉冲，可用随机白噪声激励。 4·掩蔽效应：一个声音的听感觉感受受同时存在的另一个声音的影响的现象。 掩蔽效应的应用：它指人耳只对最明显的声音反应敏感，对于不敏感的反应较不敏感，应用此原理人们发明了MP3等压缩的数字音乐格式，只突出记录人耳较为敏感的中频段声音，大大压缩了存储空间。 5·听觉机理：（1）外耳：机械振动，（2）中耳：限幅放大，（3）内耳：耳蜗。 6·语音信号数字模型：1）激励模型、2）声道模型、3）辐射模型。 7·语音生成系统的传递函数： ) ( )z( ) ( ) (z R V z G z H= 8·模型局限性及解决办法： 声道的传输函数具有全极点的性质，这对于元音和大多数辅音来说是比较符合实际的，但对于鼻音和阻塞音来说由于出现了零点，这种模型就不够准确了，一种解决办法是在V(z)中引入若干个零点但这样将使模型复杂化，另一种是适当提高阶数P，使得全极点模型能更好的逼近具有此种零点的传输函数。9·预加重含义：加入一阶高通滤波器。10·预加重处理目的：目的是为了对语音的高频部分进行加重，去除口唇辐射的影响，增加语音的高频分辨率11·预加重处理技术：一般通过传递函数为： z1 1 H(z)- - =α的一阶FIR高通数字滤波器来实现预加重。 12·短时平均能量主要用途： 1）可以作为区分浊音和清音的特征参 数2）在信噪比较高的情况下短时能量 还可以作为区分有声和无声的依据3) 可以作为辅助的特征参数用于语音识 别中。 13常用的窗有两种：一种是矩形窗， 窗函数如下： ? ? ?- ≤ ≤ = 其他 ,0 1 ,1 ) ( N n n ω 可简化为： ∑ - - = - - = n N n m n m x m x z )1 ( |)] 1 ( sgn[ )] ( sgn[ | 2 1 π 另一种是汉明窗，窗函数： ? ? ?≤ ≤ - - = 其他 ,0 )] 1 /( 2[ cos 46 .0 54 .0N n N nπ ω 14·过零率：单位时间内过零的次数。 浊音：过零率低能量高，清音：过零率 高能量高。 15·端点检测目的：从包含语音的一段 信号中确定出语音的起点及结束点。 16·自相关函数： 时域离散确定信号： ∑+∞ -∞ = + = m k m x M x) ( ) ( ) R(k 时域离散随机信号： ∑ - = + + = N N m k m x m x N ) ( ) ( 1 2 1 ) R(k 自相关函数性质：1)对称性： R（K）=R（-K）2）在K=0处为最大值， 即对于所有K来说 )0( |) ( |R K R≤3）对于确定信 号，R（0）对应于能量对于随机信号R （0）对应于平均功率。 17·浊音和清音的短时自相关函数有以 下特点:1)短时自相关函数可以很明显 的反映出浊音信号的周期性 2）清音的短时自相关函数没有周期性， 也不具有明显突出的峰值，其性质类似 于噪声。3）不同的窗对短时自相关函 数结果有一定影响。 18·短时自相关函数（求峰值）两个峰 值之间的距离为周期。短时平均幅度差 函数（求谷值）两个谷值之间的距离为 周期。 19·采用双限门比较的两极判决法：第 一级判决:1)先根据语音短时能量的轮 廓选取一个较高的门限T1进行一次粗 判：语音起止点位于该门限与短时能量 包络交点所对应的时间间隔之外。 2）根据背景噪声的平均能量确定一个 较低的门限T2，并从A点往左、从B 点往右搜索，分别找到短时能量包络与 门限T2相交的两个点C和D，于是CD 段就是双门限方法根据短时能量所判 定的语音段。第二级判决： 以短时平均过零率为标准，从C点往左 和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。 20·当n固定时，它们就是序列 ） ） （m x( m - n ω的傅里叶变 换或离散傅里叶变换。当ω或K固定 时，它们就是一个卷积，相当于滤波器 的运算。 21·基音周期估值的两种方法:第一种 方法：先对语音信号进行低通滤波，在 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，在进行自相 关计算。 判别基音周期的方法：1·短时自相关 函数法。2·短时平均幅度差函数。 22·线性预测编码就是利用过去的样值 对新样值进行预测，然后将样值的实际 值与预测值相减，得到一个误差信号， 显然误差信号的动态范围远小于原始 语音信号的动态范围，对误差信号的进 行量化编码，可大大减少量化所需的比 特数，使编码速率降低。
1 研究语音信号处理的目的是什么？人类的通信有哪三种方式，从而说明语音信号处理有哪三个学科分支？ 它的目的一是要通过处理得到一些反映语音信号重要特征的语音参数以便高效的传输或储存语音信号信息；二是要通过处理的某种运算以达到某种用途的要求。 1.什么叫做语言学？什么叫做语音学？言语过程可分为哪五个阶段？ 语音中各个音的排列由一些规则所控制，对这些规则及其含义的研究学问称为语言学；另一个是对语音中各个音的物理特征和分类的研究称为语音学。人的说话过程如图2-1所示，可以分为五个阶段： （1）想说阶段： （2）说出阶段： （3）传送阶段： （4）接收阶段： （5）理解阶段： 3、有哪几种描述声道特性的数学模型？请说明声管模型流图是如何得出的？有几种共振峰模型？各有什么特点和适用情况？ 声道的数学模型有两种观点： 1）声管模型 将声道看为由多个不同截面积的管子串联而成的系统。在“短时”期间，声道可表示为形状稳定的管道。 另一种观点是把声道视为一个谐振腔，按此推导出的叫“共振峰模型”。 共振峰模型，把声道视为一个谐振腔。共振峰就是这个腔体的谐振频率。由于人耳听觉的柯替氏器官的纤毛细胞就是按频率感受而排列其位置的，所以这种共振峰的声道模型方法是非常有效的。一般来说，一个元音用前三个共振峰来表示就足够了；而对于较复杂的辅音或鼻音，大概要用到前五个以上的共振峰才行。基于物理声学的共振峰理论，可以建立起三种实用的共振峰模型：级联型、并联型和混合型。 （1）级联型声道模型
这时认为声道是一组串联的二阶谐振器。从共振峰理论来看，整个声道具有多个谐振频率和多个反谐振频率，所以它可被模拟为一个零极点的数学模型；但对于一般元音，则用全极点模型就可以了。它的传输函数可分解表示为多个二阶极点的网络的串联： N=10，M=5时的声道模型如下图所示： （2）并联型声道模型 对于非一般元音以及大部分辅音，必须考虑采用零极点模型。此时，模型的传输函数如下： 通常，N>R ，且设分子与分母无公因子及分母无重根，则上式可分解为如下部分分式之和的形式： 这就是并联型的共振峰模型。如图2-21所示（M=5）。 （3）混合型声道模型 上述两种模型中，级联型比较简单，可以用于描述一般元音。当鼻化元音或鼻腔参与共振，以及阻塞音或摩擦音等情况时，级联模型就不能胜任了。这时腔体具有反谐振特性，必须考虑加入零点，使之成为零极点模型。采用并联结构的目的就在于此，它比级联型复杂些，每个谐振器的幅度都要独立地给以控制。但对于鼻音、塞音、擦音以及塞擦音等都可以适用。正因为如此，将级联模型和并联模型结合起来的混合模型也许是比较完备的一种共振峰模型。 22 12112cos(2)()12cos(2)k k k k B T B T M k B T B T k k e F T e V z e F T z e z ππ------=-+=-+∏∑∑=-=--= N k k k R r r r z a z b z V 1 1)(∑ =----=M i i i i z C z B A z V 12 11)(
第一章概述 一.填空题 1. 数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为__________。 5. 数字图像处理包含很多方面的研究内容。其中，________________的目的是根据二维平面图像数据构造出三维物体的图像。 解答:1. 像素5. 图像重建 第二章数字图像处理的基础 一.填空题 1. 量化可以分为均匀量化和________________两大类。 3. 图像因其表现方式的不同，可以分为连续图像和________________两大类。 5. 对应于不同的场景内容，一般数字图像可以分为________________、灰度图像和彩色图像三类。 解答: 1. 非均匀量化 3. 离散图像 5. 二值图像 二.选择题 1. 一幅数字图像是：( ) A、一个观测系统。 B、一个有许多像素排列而成的实体。 C、一个2-D数组中的元素。 D、一个3-D空间的场景。 3. 图像与灰度直方图间的对应关系是：（） A、一一对应 B、多对一 C、一对多 D、都不对 4. 下列算法中属于局部处理的是：（） A、灰度线性变换 B、二值化 C、傅立叶变换 D、中值滤波 5. 一幅256*256的图像，若灰度级数为16，则该图像的大小是：（） A、128KB B、32KB C、1MB C、2MB 6. 一幅512*512的图像，若灰度级数为16，则该图像的大小是：（） A、128KB B、32KB C、1MB C、2MB 解答:1. B 3. B 4. D 5. B 6. A 三.判断题 1. 可以用f(x,y)来表示一幅2-D数字图像。（） 3. 数字图像坐标系与直角坐标系一致。（） 4. 矩阵坐标系与直角坐标系一致。（） 5. 数字图像坐标系可以定义为矩阵坐标系。（） 6. 图像中虚假轮廓的出现就其本质而言是由于图像的灰度级数不够多造成的。（） 10. 采样是空间离散化的过程。（） 解答:1. T 3. F 4. F 5. T 6. T 10. T 1、马赫带效应是指图像不同灰度级条带之间在灰度交界处存在的毛边现象（√） 第三章图像几何变换 一.填空题 1. 图像的基本位置变换包括了图像的________________、镜像及旋转。 7. 图像经过平移处理后，图像的内容________________变化。（填“发生”或“不发生”） 8. 图像放大是从小数据量到大数据量的处理过程，________________对许多未知的数据的估计。（填“需要”或“不需要”） 9. 图像缩小是从大数据量到小数据量的处理过程，________________对许多未知的数据的估计。（填“需要”或“不需要”） 解答:1. 平移7. 不发生8. 需要9. 不需要
数字信号处理试题及答案 一、填空题：（每空1分，共18分） 1、 数字频率ω是模拟频率Ω对采样频率s f 的归一化，其值是 连续 （连续还是离散？）。 2、 双边序列z 变换的收敛域形状为 圆环或空集 。 3、 某序列的 DFT 表达式为∑-==1 0)()(N n kn M W n x k X ，由此可以看出，该序列时域的长度为 N ，变换后数字频域上相邻两个频率样点之间的间隔是 M π 2 。 4、 线性时不变系统离散时间因果系统的系统函数为2 52) 1(8)(2 2++--=z z z z z H ，则系统的极点为 2,2 1 21-=-=z z ；系统的稳定性为 不稳定 。系统单位冲激响应)(n h 的初值 4)0(=h ；终值)(∞h 不存在 。 5、 如果序列)(n x 是一长度为64点的有限长序列)630(≤≤n ，序列)(n h 是一长度为128点 的有限长序列)1270(≤≤n ，记)()()(n h n x n y *=（线性卷积），则)(n y 为 64+128-1＝191点 点的序列，如果采用基FFT 2算法以快速卷积的方式实现线性卷积，则FFT 的点数至少为 256 点。 6、 用冲激响应不变法将一模拟滤波器映射为数字滤波器时，模拟频率Ω与数字频率ω之间的 映射变换关系为T ω = Ω。用双线性变换法将一模拟滤波器映射为数字滤波器时，模拟频率Ω 与数字频率ω之间的映射变换关系为)2 tan(2ω T =Ω或)2arctan(2T Ω=ω。 7、当线性相位 FIR 数字滤波器满足偶对称条件时，其单位冲激响应)(n h 满足的条件为 )1()(n N h n h --= ，此时对应系统的频率响应)()()(ω?ω ωj j e H e H =，则其对应的相位函数 为ωω?2 1 )(-- =N 。 8、请写出三种常用低通原型模拟滤波器 巴特沃什滤波器 、 切比雪夫滤波器 、 椭圆滤波器 。 二、判断题（每题2分，共10分） 1、 模拟信号也可以与数字信号一样在计算机上进行数字信号处理，只要加一道采样的工序就可 以了。 （╳） 2、 已知某离散时间系统为)35()]([)(+==n x n x T n y ，则该系统为线性时不变系统。(╳)
说明：平时作业写在作业本上，注意每次作业之间保持一定空白间距。期末随堂考试写在打印纸上。记得抄题目。最后成绩按作业质量与出勤率评定。谢谢合作！ 第1次作业(第1章) 1.语音信号处理的目的是什么？ 2.语音信息的交换大致可以分为哪三类？ 3.语音信号处理的三个主要分支是什么？ 4.画出语音处理过程的结构框图。 第2次作业(第2章) 1.人的发声器官由哪3部分组成？ 2.浊音和清音的发声机理是什么？ 3.画出语音信号产生的二元激励模型。 第3次作业(第3章) 1.语音信号时域分析提取的特征参数主要有哪些？ 2.对语音信号进行预加重的目的是什么？实现预加重的数字滤波器的传递函数是什么？ 3.什么是语音信号的短时平稳性？用图和公式说明语音信号的分帧加窗过程。 4.短时平均能量的定义式？窗长对短时平均能量计算的影响？短时平均能量的主要用 途？ 5.短时平均过零率的定义式？短时平均过零率的用途？ 第4次作业(第3章) 1.短时自相关函数及其修正型的定义式？对比浊音和清音的短时自相关函数特点。 2.什么叫端点检测？阐述利用能量和过零率进行语音端点检测的两级判决法的实现步骤。 3.基于短时自相关法的基音周期估值中，常用的两种削波函数公式是什么？
第5次作业(第4章) 1.写出一帧语音信号的短时傅里叶变换公式()j X eω。观察矩形窗和汉明窗两种窗函数下 n 的短时频谱图有哪些特点？关于短时谱和移动窗可以得出哪些结论？ 2.画出滤波器组相加法实现短时综合的程序流程图。画出短时综合叠接相加法实现流程图。 第6次作业(第5章) 1.什么叫卷积同态系统？写出信号() x n复倒谱和倒谱的定义式。 2.给出倒谱法求基音周期的实现框图。 第7次作业 1.语音编码的目的是什么？按编码方式可分为三种，它们各自特点是什么？(第8章) 2.阐述语音合成的三种方法,并予以比较。(第9章) 3.语音识别系统的分类？语音识别系统的典型组成框图。(第10章) 期末随堂考试 1.语音信号处理主要研究哪几方面的内容？ 2.语音信号的清/浊音有什么区别？清/浊音的AMDF有什么区别？ 3.解释端点检测、基音、共振峰、语谱图 4.短时分析如何“分帧”？画图表示帧长、帧移。 5.简述时间窗长与频率分辨率的关系。 6.简述中心削波自相关法基音检测的原理及优点。为什么要进行后处理？如何后处理？ 7.论述共振峰合成的原理及其在语音合成中的应用。 8.简述同态信号处理在共振峰估计中的作用。 9.语音识别的目的是什么？如何分类？有哪些方法？ 10.列举5 种语音信号处理应用技术或产品。简述其工作原理？
《通信中的语音信号处理》复习大纲 北科大版 1、了解语音信号处理的目的、实质和发展历史； 实质：是研究用数字信号处理技术对语音信号进行处理的一门学科 目的：通过处理得到一些反映语音信号重要特征的语音参数以便高效地传输或储存语音信号所包含的信息。 通过对语音信号进行某种运算以达到某种要求。 发展历史：1876年电话的发明，贝尔（Bell）； 1939年声码器的研制成功—声源＋声道； 1947年贝尔实验室发明语谱图仪—语音识别研究的开始； 50年代第一台口授打字机和英语单词语音识别器； 60年代出现了第一台以数字计算机为基础的孤立词语音识别器和有限连续语音识别器； 70年代动态规划技术、隐马尔可夫模型、线性预测技术和矢量量化码书生成方法用于语音编码和识别； 80、90年代语音处理技术产品化—IBM Tangora-5和Tangora-20英语听写机，Dragon Dictate 词汇翻译系统(70000)，汉语听写机。 CMU语音组研制成功SPHINX系统（997，95.8%); 国内，清华大学、中科院声学所和中科院自动化所在汉语听写机研究方面有一定成果。 （除了属于这种LPC[线性预测分析法]的方法外，还开发了各种数字语音处理方法。到目前为止，相继实现了语音编码、语音分析、语音合成、语音修正、语音识别、说话者识别等各种具体应用系统。） 2、理解和掌握语音信号的表示和处理方法，常用的语音编码的采样率和相应的数字语音信号的速率； 1.语音表示方法的选择：要保存语音信号中的消息内容；表示形式要便于传输和存储、变换和处理，不至于严重损害消息的内容， 有用信息更易于被提取； 2. 语音信号数字表示的优点： 数字技术能完成许多很复杂的信号处理工作； 语音可以看成是音素的组合，具有离散的性质，特别适合于数字处理； 数字系统具有高可靠性、价廉、紧凑、快速等特点，很容易完成实时处理任务； 数字语音适于在强干扰信道中传输，易于和数据一起在通信网中传输，也易于进行加密传输。 3. 语音信号的数字表示方法：波形表示—采样和量化，保持波形；参数表示—激励源和模型参数（第二章） 语音信号的特点—短时平稳性 4. 处理方法：短时时域处理方法—短时能量、短时平均过零率以及短时自相关函数计算 短时频域分析—短时傅立叶分析 线性预测技术—本质上属于时域分析方法，但其结果可以是频域参数 倒谱和同态分析、矢量量化和隐马尔可夫模型 5. PCM编码：采样率：8000次/second，均匀量化：采样率12bps信号速率96kbps，非均匀量化：采样率8bps信号速率64kbps ADPCM：采样率：8khz速率：32kbps 3、理解语音信号的产生过程、发生机理和语音信号的声学特性； 产生过程：语音是说话人和听者之间相互传递的信号，传递的媒介是声波，说话人的发音器官做出发声动作，接着空气振动形成声波，声波传到听者的耳朵里，立刻引起听者的听觉反应 发生机理： 声学特性：频率：与音高有关；振幅：与响度有关。 4、理解和掌握语音信号浊音的基音频率、共振峰，及共振峰的计算方法； 浊音的基音频率(F0)：由声带的尺寸、特性和声带所受张力决定，其值等于声带张开和闭合一次的时间的倒数。人类基音频率的范围在60Hz至450Hz左右。 共振峰（formant)：声道是一个谐振腔，当激励的频率达到至声道的固有频率，则声道会以最大的振幅振荡，此时的频率称之为共振峰或共振峰频率。声道具有的一组共振峰，声道的频谱特性主要反映出这些共振峰的不同位置以及各个峰的频带宽度。共振峰及其带宽取决于声道某一瞬间的形状和尺寸，因而不同的语音对应于一组不同的共振峰参数。实际应用中，头三个共振峰最重要。
数字信号处理试卷 一、填空题 1、序列()0n n -δ的频谱为。 2、研究一个周期序列的频域特性，应该用 变换。 3、要获得线性相位的FIR 数字滤波器，其单位脉冲响应h （n ）必须满足条件： ； 。 4、借助模拟滤波器的H （s ）设计一个IIR 高通数字滤波器，如果没有强调特殊要求的话，宜选择采用变换法。 5、用24kHz 的采样频率对一段6kHz 的正弦信号采样64点。若用64点DFT 对其做频谱分析，则第根和第根谱线上会看到峰值。 6、已知某线性相位FIR 数字滤波器的一个零点为1+1j ，则可判断该滤波器另外 必有零点 ，， 。 7、写出下列数字信号处理领域常用的英文缩写字母的中文含义： DSP ，IIR ，DFT 。 8、数字频率只有相对的意义，因为它是实际频率对频率的 。 9、序列CZT 变换用来计算沿Z 平面一条线的采样值。 10、实现IIR 数字滤波器时，如果想方便对系统频响的零点进行控制和调整，那么常用的IIR 数字滤波器结构中，首选型结构来实现该IIR 系统。 11、对长度为N 的有限长序列x （n ） ，通过单位脉冲响应h （n ）的长度为M 的FIR 滤波器，其输出序列y （n ）的长度为。若用FFT 计算x （n ）*h （n ） ，那么进行FFT 运算的长度L 应满足 。 12、数字系统在定点制法运算和浮点制法运算中要进行尾数处理， 该过程等效于在该系统相应节点插入一个 。
13、，W k x l X DFT N k kl M ∑-==1 )()( 的表达式是某 由此可看出， 该序列的时域长度是，M W 因子等于， 变换后数字频域上相邻两个频率样点之间的间隔是 。 14、Z 平面上点的辐角ω称为，是模拟频率Ω对（s f ）的归一化，即ω=。 15、在极点频率处，)(ωj e H 出现，极点离单位圆越，峰值越大；极点在单位圆 上，峰值。 16、采样频率为Fs Hz 的数字系统中，系统函数表达式中1-z 代表的物理意义是，其中的时域数字序列x(n)的序号n 代表的样值实际位置是；x(n)的N 点DFT X(k)中，序号k 代表的样值实际位置又是。 17、由频域采样X(k)恢复)(ωj e X 时可利用内插公式，它是用值对 函数加权后求和。 二、是非题（对划“√”，错划“×”，本题共5小题，每小题2分，共10分） 1．级联型结构的滤波器便于调整极点。 （ ） 2．正弦序列sin （ω0n ）不一定是周期序列。 （ ） 3．阻带最小衰耗取决于所用窗谱主瓣幅度峰值与第一旁瓣幅度峰值之比（ ） 4．序列x （n ）经过傅里叶变换后，其频谱是连续周期的。 （ ） 5．一个系统的冲击响应h （n ）=a n ，只要参数∣a ∣＜1，该系统一定稳定。 （ ） 6、模拟信号也可以与数字信号一样在计算机上进行数字信号处理，只要增加一道采样的工序就可以了。 （ ） 7、FFT 是序列傅氏变换的快速算法。 （ ） 8、FIR 滤波器一定是线性相位的，而IIR 滤波器以非线性相频特性居多。 （ ） 9、用窗函数法设计FIR 数字滤波器时，加大窗函数的长度可以同时加大阻带衰减和减小过渡带的宽度。 （ ） 10、FIR 系统的系统函数一定在单位圆上收敛。 （ ）
数字语音处理课程报告
语音信号的采集与分析 摘要 语音信号的采集与分析技术是一门涉及面很广的交叉科学，它的应用和发展与语音学、声音测量学、电子测量技术以及数字信号处理等学科紧密联系。其中语音采集和分析仪器的小型化、智能化、数字化以及多功能化的发展越来越快，分析速度较以往也有了大幅度的高。本文简要介绍了语音信号采集与分析的发展史以及语音信号的特征、采集与分析方法，并通过PC机录制自己的一段声音，运用Matlab进行仿真分析，最后加入噪声进行滤波处理，比较滤波前后的变化。 关键词：语音信号，采集与分析，时域，频域 0 引言 通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息的形式。语言是人类持有的功能．声音是人类常用的工具，是相互传递信息的最主要的手段。因此，语音信号是人们构成思想疏通和感情交流的最主要的途径。并且，由于语言和语音与人的智力活动密切相关，与社会文化和进步紧密相连，所以它具有最大的信息容量和最高的智能水平。现在，人类已开始进入了信息化时代，用现代手段研究语音信号，使人们能更加有效地产生、传输、存储、获取和应用语音信息，这对于促进社会的发展具有十分重要的意义。 让计算机能听懂人类的语言，是人类自计算机诞生以来梦寐以求的想法。随着计算机越来越向便携化方向发展，随着计算环境的日趋复杂化，人们越来越迫切要求摆脱键盘的束缚而代之以语音输人这样便于使用的、自然的、人性化的输人方式。作为高科技应用领域的研究热点，语音信号采集与分析从理论的研究到产品的开发已经走过了几十个春秋并且取得了长足的进步。它正在直接与办公、交通、金融、公安、商业、旅游等行业的语音咨询与管理．工业生产部门的语声控制，电话、电信系统的自动拨号、辅助控制与查询以及医疗卫生和福利事业的生活支援系统等各种实际应用领域相接轨，并且有望成为下一代操作系统和应用程序的用户界面。可见，语音信号采集与分析的研究将是一项极具市场价值和挑战性的工作。我们今天进行这一领域的研究与开拓就是要让语音信号处理技术走人人们的日常生活当中，并不断朝更高目标而努力。 语音信号采集与分析之所以能够那样长期地、深深地吸引广大科学工作者去不断地对其进行研究和探讨，除了它的实用性之外，另一个重要原因是，它始终与当时信息科学中最活跃的前沿学科保持密切的联系．并且一起发展。语音信号采集与分析是以语音语言学和数字
Ch1 绪论 §1.1 语音信号处理概述 一、语音、语音信号处理的名词解释 1、语音：是语言的声学表现，是声音和意义的结合体，是相互传递信息的重要手段，是人类最重要、最有效、最常用和最方便的交换信息的形式。 2、语音信号处理：是研究用数字信号处理技术对语音信号进行处理的一门学科，它是一门新兴的学科，同时又是综合性的多学科领域和涉及很广的交叉学科。 二、语音处理技术的应用领域 语音处理技术的应用领域包括：工业、军事、交通、医学、民用等。 三、语音信号采用数字处理的原因（数字语音的优点） 语音信号均采用数字处理，是因为数字处理与模拟处理相比具有许多优点： 1、数字技术能够完成许多很复杂的信号处理工作； 2、通过语音进行交换的信息本质上具有离散的性质，语音可以看做是音素的组合，适合数字处理； 3、数字系统具有高可靠性、廉价、快速等优点，容易完成实时处理任务； 4、数字语音适合在强干扰信道中传输，也易于加密传输。 四、语音学的名词解释 语音学：是研究言语过程的一门科学，它包括三个研究内容：发音器官在发音过程中的运动和语音的音位特性；语音的物理特性；以及听觉和语言感知。 §1.2 语音信号处理的发展概况 一、语音信号处理的发展史 1、1874年：电话的发明时现代语音通信的开端； 2、1939年：通道声码器技术； 3、40年代后期：语谱仪； 4、50年代初：第一台口授打字机和英语单词语音识别器； 5、60年代：Fant发表《语音产生的声学理论》； 6、70年代初：Flanagan著作《语音分析、合成和感知》； 7、90年代以来：语音识别的研究由实验室走向实用化。 二、语音编码、语音合成、语音识别名词解释 1、语音编码：语音编码技术是伴随着语音信号的数字化而产生的，目前主要应用在数字语音通信领域。 2、语音合成：语音合成的目的是使计算机能像人一样说话，它是一种人机语音通信技术，应用领域广泛。 3、语音识别：语音识别是使计算机判断出所说的话得内容，和语音合成一样也是一种人机语音通信技术。 为了实现人机语音通信，必须具备语音识别和语音理解两种功能 Ch2 基础知识 §2.2 语音产生的过程 一、现代语音学发展的三个分支：发音语音学、声学语音学、听觉语音学。 二、语音、清音、浊音的名词解释及语音的产生过程（名词解释、简答，集中备课） 1、语音：声音是一种波，能被人耳听到，振动频率在20Hz-20kHz之间。语音室声音的一种，它是由人的发音器官发出的、具有一定语法和意义的声音。语音的振动频率最高可达15kHz左右。 2、人类生成语音过程的第一阶段包括神经核肌肉的生理学阶段和产生语音波、传递语音波的物理阶段。 3、语音由声带振动或不经声带振动来产生，其中由声带振动产生的音统称为浊音，而不由声带振动产生的音统称为清音。浊音中包括所有的元音和一些辅音，清音包括另一部分辅音。
一.填空题 1. 数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为像素。 2. 数字图像处理可以理解为两个方面的操作：一是从图像到图像的处理，如图像增强等；二是从图像到非图像的一种表示，如图像测量等。 3. 图像可以分为物理图像和虚拟图像两种。其中，采用数学的方法，将由概念形成的物体进行表示的图像是虚拟图像。 4. 数字图像处理包含很多方面的研究容。其中，图像重建的目的是根据二维平面图像数据构造出三维物体的图像。 5、量化可以分为均匀量化和非均匀量化两大类。 6. 图像因其表现方式的不同，可以分为连续图像和数字离散图像两大类。 5. 对应于不同的场景容，一般数字图像可以分为二值图像、灰度图像和彩色图像三类。8. 采样频率是指一秒钟的采样次数。 10. 采样所获得的图像总像素的多少，通常称为图像分辨率。 11. 所谓动态围调整，就是利用动态围对人类视觉的影响的特性，将动态围进行压缩，将所关心部分的灰度级的变化围扩大，由此达到改善画面效果的目的。 12 动态围调整分为线性动态围调整和非线性动态围调整两种。 13. 直方图均衡化的基本思想是：对图像中像素个数多的灰度值进行展宽，而对像素个数少的灰度值进行归并，从而达到清晰图像的目的。 14. 数字图像处理包含很多方面的研究容。其中，图像增强的目的是将一幅图像中有用的信息进行增强，同时将无用的信息进行抑制，提高图像的可观察性。 15. 我们将照相机拍摄到的某个瞬间场景中的亮度变化围，即一幅图像中所描述的从最暗到最亮的变化围称为动态围。 16. 灰级窗，是只将灰度值落在一定围的目标进行对比度增强，就好像开窗观察只落在视野的目标容一样。 17. 图像的基本位置变换包括了图像的平移、镜像及旋转。 18. 最基本的图像形状变换包括了图像的放大、缩小和错切。 19. 图像经过平移处理后，图像的容不发生变化。（填“发生”或“不发生”） 20. 图像放大是从小数据量到大数据量的处理过程，需要对许多未知的数据的估计。（填“需要”或“不需要”） 21. 图像缩小是从大数据量到小数据量的处理过程，不需要对许多未知的数据的估计。（填“需要”或“不需要”） 22. 我们将平面景物在投影平面上的非垂直投影称为图像的错切，该处理会是的图像中的图形产生扭变。 23. 两种典型的图像噪声是：椒盐噪声和高斯噪声。 24. 椒盐噪声的幅值基本相同，而噪声出现的位置是随机的。 25. 图像上每一点都存在噪声，但是噪声的幅值是随机分布的，这类噪声称为高斯噪声。 26. 均值滤波方法对高斯噪声的抑制效果较好。（填“高斯”或“椒盐”） 27. 中值滤波方法对椒盐噪声的抑制效果较好。（填“高斯”或“椒盐”） 28. 频谱均匀分布的噪声被称为白噪声。 29. 图像噪声可以理解为妨碍人的视觉感知，或妨碍系统传感器对所接收图像源信息进行理解或分析的各种因素，也可以理解为真实信号与理想信号之间存在的偏差。 30. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。垂直方向的微分算子属于一阶微分算子。（填“一阶微分算子”或“二阶微分算子”）