《语音信息处理》PPT课件

SNRdB 6.02B 4.77 20log10 (
x
xmax
)
(3-11)
3.1 语音信号的短时处理方法 脉冲编码调制
若是xmax取为4倍方差(δx)
SNRdB 6.02B 7.27
取样之位数 8 16 24
(3-12)
数字信号的信噪比 41 dB 89 dB 137 dB
3.1 语音信号的短时处理方法 脉冲编码调制
一个数字信号取样之后，变成离散时间信号，接下来就是要用数字 方式来表示这个离散时间信号上的每个取样值。 一个电位波形会有固定的电压范围，一个取样值可以是在此电压范 围内的任何电位。如果只能用固定数目的位来表示这些取样值，那 么这些二进数字就只能代表固定的几个电位值，这个转换就是量化 (quantization)，而转换之后只允许存在的几个电位值就是量化阶 数(quantization level)。 执行量化转换的硬件电路，就是量化器（quantizer)。以二进数字 表示的信号就是数字信号(digital signal)，而这种将信号波形转 变成二进数字的方法，就叫脉冲编码调制(pulse code modulation, PCM)。
3.1 语音信号的短时处理方法
预处理 平滑滤波器：D/A后面的低通滤波器是平滑滤 波器，对重构的语音波形的高次谐波起平滑 作用，以去除高次谐波失真。 预加重：




现象: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，为此要在预处理中进行预加重。 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。 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。

语音信号处理简称语音处理，是以语音学和数 字信号处理为基础而形成的一门综合性学科， 处理的目的是要得到一些语音参数以便高效的 传输或存储，或者通过处理的某种运算以达到 某种用途的要求，例如人工合成出语音，辨识 出说话者，识别讲话的内容等。 基础： 指导： 技术手段:

语音信号处理的发展
在语音波形片断拼接之前首先根据语义用psola算法对拼接单元的韵律特征进行调整使合成波形既保持了原始语音基元的主要音段特征又使拼接单元的韵律特征符合语义从而获得很高波形合成法参数合成法规则合成法基本信息波形特征参数语言的符号组合语音质量词汇量小500字以下大数千字无限合成方式pcmadpcmapclpclsp共振数码率9664kbits2496kbits5075bits1mbit可合成的语音长度15100s100s7分钟无限合成单元音节词组句子音节词组句子因素音节装置简单比较复杂复杂目前的语音合成方法实质上并未解决机器说话的问题本质上只是一个声音还原的过程
量化等级的划分
量化级越多，量化误差越小。每个采样点占用的 Bit就会越多，在语音信号处理中常用的有16bit、 8bit等量化。
xa(t)
xa(nT)
x(n)
采样
x1
xa1
量化
xk
xak xak+1
x(n)=Q[xa(nT)]
xk+1
xaL
xL xaL+1

量化后的信号值与原信号值之间的差值称为 量化误差(噪声) e(n)=x(n)- xa(nT) -/2 e(n) /2




建立数学模型：寻求一种可以表达一定物理状态 下量与量之间关系的数学表示。 语音生成系统： 在声门以下，负责产生激励振动——激励系统 从声门到嘴唇的呼吸通道是声道——声道系统 语音从嘴唇辐射出去，嘴唇以外——辐射系统 语音信号的分析，就是找出语音产生模型的各种 参数（语音的特征参数），应用于语音的编码、 识别和合成等。

11
8.1.3.1 波形合成法
波形合成法
波形编码合成
波形编辑合成
主要步骤：将需要合成的 语音的波形进行存储或者 进行波形编码压缩后存储， 合成重放时再解码组合输 出
特点：所需存储空 间较大，合成的语 音词汇量较为有限
主要步骤：对自然语 言的波形进行编辑拼 接后输出。合成时对 语音段不做大的修改
特点：需要比较大 的语音单位（如词 组、语句）作为合 成基元
17
小贴士：语音合成的基本术语2 ——合成参数(Synthesis Parameters)
在参数合成和规则合成方式中，控制语音合成器以 输出所需语音的一组参数 合成参数分为两类 音色参数（音段参数），常用的有：共振峰频率， 线性预测系数和生理发音参数 韵律参数（超音段参数），主要有控制音强的幅 度参数，控制音高的基频参数，控制音长的时间 参数等
PSOLA算法实现语音合成的主要步骤
1.基音同步分析
以同步标记为中 同步分析的功能 心，选择适当窗 主要是对语音合 长做加窗处理， 成单元进行同步 得到一组短时信 号 标记设置
25
PSOLA算法实现语音合成的主要步骤
2.基音同步修改
增加基频
减小基频
分析基音标记 和合成基音标 记未必是一一 对应关系，很 有可能出现一 对多或多对一 的情况
31
8.2.3 共振峰合成的特点
优点 共振峰模型的理论基础是对声道的一种比较准确的模拟， 因而可以合成出自然度比较高的语音 共振峰参数有着明确的物理意义，直接对应于声道参数， 因此共振峰可以解释自然语音中的各种现象，进而可以利 用声学规律用于共振峰合成系统 缺点 若建立的声道模型不够精确会影响合成质量 共振峰模型虽然描述了语音信号最基本的一些特征，但对 于有些细微特征仍无法描述，势必会对合成语音的自然度 造成影响 共振峰合成器往往十分复杂，需要控制的参数（如幅度、 基频、清浊音开关等）很多

10.2.2 人耳声源定位线索
（3）头相关传输函数
从某一个方位的声源发出的声信号在到达听者的耳膜之前 必然与听者的头部、肩部以及躯干、耳廓发生了反射、折 射、散射以及衍射等声学作用，其既与声源相对于听者的 方向有关，也因人体部位形状及大小的不同而存在个体差 异。人体的这些部位对声信号的影响可以统一用一个函数 来表示，即头部相关传输函数 HRTF。HRTF描述了声波 从声源到双耳的传输过程，它是综合了 ITD、ILD 和频谱 结构特性的声源定位模型。在自由场情况下，HRTF定义 为： PL (l , , , f ) H L H L (l , , , f ) P0 (l , f )
10.3.1 窄带阵列信号处理模型
假设麦克风阵由M个全向麦克风组成，信号源的个数为P， 所有到达阵列的波可近似为平面波。将第一个阵元设为参 考阵元，则到达参考阵元的第j个信号为：
A B θ r O D
L1
L2
C
θ
反转模型就可以得到水平角度θ， 如下式所示： c g 1 ( ITD ( , f )) r f 上式不能通过普通方法求解方程， 可使用切比雪夫序列获得的多项式 -1 近似，进而获得g 的近似表示：
3 5 x x x g 1 ( x ) 2 96 1280
10.2.1 人耳听觉定位原理
人耳可以听到频率在20Hz-20kHz范围内的声音。人耳听觉 系统有两个重要的特性，一个是耳蜗对于声信号的分频特 性；另一个是人耳听觉掩蔽效应。人耳对声源目标的水平 方位评估相比其垂直仰角而言，则要精确的多。 在混响环境中，优先效应起到重要作用，它是心理声学的 特性之一。所谓的优先效应，当同一声源的直达声和反射 声被人耳听到时，听音者会将声源定位在直达声传来的方 向上，因为直达声首先到达人耳处，即使反射声的密度比 直达声高10dB。当将优先效应用在混响环境中识别语音时， 就产生了哈斯效应。哈斯观察早期反射声时，发现早期反 射声只要到达人耳足够的早将不会影响语音的识别，相反 的由于增加了语音的强度而有利于语音的识别。