语音信号处理复习资料

语音信号处理复习资料一、名词解释：1、基音周期：声带开合一次的时间为基音周期（pitch period）。

它的倒数称为基频。

2 、音色：也叫音质；由混入基音中的倍音决定。

3 、音高：声音的高低；主要用基频反映。

基频值越大，反映出的音高越高。

4、音强：发音的轻重；可以用声压或声强来表示声音的强度，一般用相对声压或相对声强表示。

5、音长：声音的长短，取决于发音持续时间的长短。

6、响度：是一种主观心理量，主观感觉到的声音强弱的一种衡量标准，它与频率有关。

一样的音强，不一样的频率，则响度也会有所不同。

7、听觉掩蔽效应：一个更响的音调可以将其频率附近的较低的音调掩蔽。

可以分为同时掩蔽和异外时掩蔽。

8、临界频带：一个纯音可以被以它为中心频率，且具有一定带宽的连续噪声所掩蔽，如果在这一频带内噪声功率等于该纯音的功率，这时该纯音处于刚好能被听到的临界状态，即称这一带宽为临界带宽。

临界带宽有许多近似表示，一般在低于500 Hz的频带内，临界带宽约为100Hz，在高于500Hz 时，临界带宽约为中心频率的20% 。

人耳的基底膜具有与频谱分析仪相似的作用。

频率群的划分相应地将基底膜分成许多小的部分，每一部分对应一个频率群。

掩蔽效应就是在这些频率群内发生，这是因为对应的那一频率群的基底膜部分的声音，在大脑中似乎是叠加在一起来评价的，如果这时同时发声，可以互相掩蔽。

9、采样的基础知识：对于一个有限带宽的模拟信号，其频谱的最高频率为F0，在对其进行采样时，其采样频率在Fs>2F0时，采样后的信号才能保证信息不丢失。

语音信号中人耳可以感知的最大频率在3.4KHz左右采样频率在8KHz~16KHz之间短时分析：内平稳语音信号是一种随时间而变化的信号，可能是浊音激励也可能是清音激励，浊音的基音周期以及信号幅度等语音特性也都随时间变化，但这种变化是缓慢的，在一小段短时间内10~30ms，语音信号近似不变。

于是，我们把变化的语音信号分成一些相继的短时间段来处理。

《语音信号处理》期末考试复习资料（涉及考点的教材课后复习题）授课教师：薛雅娟老师整理人：通信161班梁雨（第2-5章）通信161班左自睿（第6-10章）根据成都信息工程大学通信工程学院选修课《语音信号处理》期末考试范围，整理成期末考试的复习资料以供学弟学妹们参考。

所有权归属成都信息工程大学。

在此衷心感谢薛老师平时悉心地教育指导。

整理人均系在读本科学生，水平有限，错误与不足之处在所难免，敬请大家见谅，欢迎批评、斧正。

第二章：语音信号处理的基础知识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？答：分为同时掩蔽和短时掩蔽。

同时掩蔽是指同时存在的一个弱信号和一个强信号频率接近时，强信号会提高弱信号的听阈，当弱信号的听阈被升高到一定程度时就会导致这个弱信号变得不可闻。

当A声和B声不同时出现时也存在掩蔽作用，称为短时掩蔽。

短时掩蔽分为前向掩蔽和后向掩蔽。

语音信号的数学模型包括哪些子模型？激励模型是怎样推导出来的？辐射模型又是怎样推导出来的？它们各属于什么性质的滤波器？答：①激励模型②声道模型③辐射模型④完整的语音信号的数学模型激励模型一般分成浊音激励和清音激励。

浊音激励：发浊音时，声激励是一个准周期的单位脉冲串，Av为增益参数；为了使浊音的激励信号具有声门振动气流脉冲的实际波形，需将冲激序列通过一个声门脉冲模型滤波器（实际上是一个斜三角波形）G(z)。

最后形成一个以基音周期为周期的斜三角波形。

清音激励模拟为随机噪声，实际中一般使用均值为0、方差为1的白噪声。

辐射模型：从声道模型射出的是速度波ul(n)，而语音信号是声压波pl(n)，二者之倒比称为辐射阻抗Zl。

在语音信号参数分析前为什么要进行预处理，有哪些预处理过程？答：预滤波的目的有两个：一是抑制输入信号各频域分量中频率超出fs/2的所有分量（fs为采样频率），以防止混叠干扰；二是抑制50Hz的电源工频干扰。

预处理过程：预加重、加窗和分帧。

《语音信号处理》课程笔记第一章语音信号处理的基础知识1.1 语音信号处理的发展历程语音信号处理的研究起始于20世纪50年代，最初的研究主要集中在语音合成和语音识别上。

在早期，由于计算机技术和数字信号处理技术的限制，语音信号处理的研究进展缓慢。

随着技术的不断发展，尤其是快速傅里叶变换（FFT）的出现，使得语音信号的频域分析成为可能，从而推动了语音信号处理的发展。

到了20世纪80年代，随着全球通信技术的发展，语音信号处理在语音编码和传输等领域也得到了广泛应用。

近年来，随着人工智能技术的快速发展，语音信号处理在语音识别、语音合成、语音增强等领域取得了显著的成果。

1.2 语音信号处理的总体结构语音信号处理的总体结构可以分为以下几个部分：（1）语音信号的采集和预处理：包括语音信号的采样、量化、预加重等操作，目的是提高语音信号的质量，便于后续处理。

（2）特征参数提取：从预处理后的语音信号中提取出能够反映语音特性的参数，如基频、共振峰、倒谱等。

（3）模型训练和识别：利用提取出的特征参数，通过机器学习算法训练出相应的模型，并进行语音识别、说话人识别等任务。

（4）后处理：对识别结果进行进一步的处理，如语法分析、语义理解等，以提高识别的准确性。

1.3 语音的发声机理和听觉机理语音的发声机理主要包括声带的振动、声道的共鸣和辐射等过程。

声带振动产生的声波通过声道时，会受到声道形状的影响，从而产生不同的音调和音质。

听觉机理是指人类听觉系统对声波的感知和处理过程，包括外耳、中耳、内耳和听觉中枢等部分。

1.4 语音的感知和信号模型语音的感知是指人类听觉系统对语音信号的识别和理解过程。

语音信号模型是用来描述语音信号特点和变化规律的数学模型，包括时域模型、频域模型和倒谱模型等。

这些模型为语音信号处理提供了理论基础和工具。

第二章语音信号的时域分析和短时傅里叶分析2.1 语音信号的预处理语音信号的预处理主要包括采样、量化、预加重等操作，目的是提高语音信号的质量，便于后续处理。

语音信号处理复习资料8预加重和去加重的理解7线性预测编码特点和定义5隐马尔可夫差数特点计算以上三题没有老师画的其他的重点为红色标记的（注意：仅供参考）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。

它与语音学、语言学、声学、认知科学、生理学、心理学有密切关系。

二、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。

§.2语音信号处理的发展概况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。

3、语音识别：语音识别是使计算机判断出所说的话得内容。

§.2语音产生的过程一、语音、清音、浊音1、语音：声音是一种波，能被人耳听到，振动频率在20Hz-20kHz之间。

语音是声音的一种，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、浊音、清音：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。

二、语音的产生过程：空气从肺部排出形成气流。

空气通过声带时，如果声带是紧绷的，则声带将产生张弛振动，即声带周期性地开启和闭合。

声带开启时，空气流从声门喷射出来，形成一个脉冲；声带闭合时相应于脉冲序列的间歇期。

语言交际：通过连接说话人大脑的一连串心理、生理、和物理的转换过程实现的。

这个过程包括：发音-传递-感知。

语音信号处理复习第二章语音信号处理基础知识1，定义：（1）语音是指人们讲话时发出的话语，它是一种声音，具有声学特征的物理特性。

而它又是一种特殊的声音，是人们进行信息交流的声音，是组成语言的声音。

因此语音是语言和声音的组合体。

（2）语音是由人的发声器官发出的一种声波，它具有音色、音调、音强和音长。

①音色：是一种声音区别于另一种声音的基本特征②音调：指声音的高低，取决于声波的频率③音强：指声音的强弱，取决于声波的振幅④音长：指声音的长短，取决于发音时间的长短（3）任何语言都有语言的元音和辅音两种音素：元音：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。

一个重要的声学特性是共振峰。

辅音：由于通路的某一部分封闭起来或者受到阻碍，气流被阻不能畅通。

包括清音和浊音。

①浊音：声带振动②清音：声带不振动（4）人的听觉系统有两个重要的特性：①时频分析特性：人的耳蜗就像一个频谱分析仪，将复杂的信号分解成各种频率分量。

②听觉掩蔽效应：心理声学中的听觉掩蔽效应指在一个强信号附近，弱信号将变得不可闻，被掩蔽掉了。

掩蔽效应分为同时掩蔽和短时掩蔽。

2，语言信号生成的数学模型：①激励模型：在声门（声带）以下，称为“声门子系统”，它负责产生激励振动，是激励系统②声道模型：从声门到嘴唇的呼气通道是声道，是声道系统③辐射模型：语音从嘴唇辐射出去，则嘴唇以外是辐射系统3，语音信号的特性分析：（1）语音信号的时域波形和频谱特性：①时域波形：周期性，周期对应声带振动的频率，即基音频率。

②频谱特性：共振峰特性。

元音频谱有明显的几个凸起点，它们出现的频率就是共振峰频率。

清辅音频谱峰点之间的间隔是随机的，没有周期分量。

（2）语谱图：语谱图是一种三维图谱，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。

语谱图中显示了大量的与语音的语句特性相关的信息，它综合了频谱图和时域波形的特点，明显地显示出语音频谱随时间的变化情况，或者说是一种动态的频谱。

语音信号处理考试试题一、简答题1. 请解释什么是语音信号处理？语音信号处理指的是对语音信号进行数字信号处理的过程。

它涉及到声音的采集、编码、分析、合成和识别等一系列处理技术，旨在提高语音通信和语音识别系统的性能。

2. 请列举一些常见的语音信号处理应用。

常见的语音信号处理应用包括语音通信、语音识别、语音合成、语音增强、语音压缩等。

3. 请简要描述语音信号处理系统的基本框架。

语音信号处理系统的基本框架包括声音的采集、预处理、特征提取、模型训练和解码等步骤。

首先，声音信号通过麦克风采集，并进行预处理，如去除噪声、归一化等。

然后，从预处理的信号中提取出特征，如音频频谱、共振峰等信息。

接下来，使用这些特征进行模型的训练，以建立语音信号的模型。

最后，通过解码器将输入的语音信号与训练好的模型进行匹配，从而实现语音的识别或合成。

4. 请列举一些常用的语音信号处理算法或技术。

常用的语音信号处理算法或技术包括数字滤波、时域和频域特征提取、自动语音识别（ASR）、线性预测编码（LPC）、傅里叶变换（FFT）、Mel频谱倒谱系数（MFCC）、隐藏马尔可夫模型（HMM）等。

5. 请解释什么是Mel频谱倒谱系数（MFCC）算法。

Mel频谱倒谱系数（MFCC）算法是一种常用的语音信号处理算法，主要用于语音特征提取。

它模拟了人类听觉系统的工作原理，通过对语音信号进行分帧、加窗、傅里叶变换等处理，提取出与人耳感知的频率特征相关的Mel频率倒谱系数。

MFCC算法具有较好的语音信号特征提取效果，广泛应用于语音识别等领域。

二、计算题1. 对下述数字信号进行离散傅里叶变换（DFT）：x(n) = [1, 2, 3, 4]首先，对x(n)进行零填充，得到长度为N的信号x'(n) = [1, 2, 3, 4, 0, 0, 0, 0]。

然后，对x'(n)进行DFT计算，得到频谱X(k)。

X(k) = [10, -2+2j, -2, -2-2j, 0, 0, 0, 0]2. 对下述频谱进行逆离散傅里叶变换（IDFT）：X(k) = [10, -2+2j, -2, -2-2j]首先，对X(k)进行逆DFT计算，得到时域信号x(n)。

数字语音处理复习题数字语音处理复习题数字语音处理是一门研究如何通过计算机技术来处理和分析语音信号的学科。

在现代通信和人机交互领域，数字语音处理发挥着重要的作用。

下面我们来复习一些数字语音处理的基本概念和技术。

一、语音信号的采样和量化语音信号是连续的模拟信号，为了方便计算机处理，需要对其进行采样和量化。

采样是指在时间上对语音信号进行离散化处理，常用的采样频率为8kHz或16kHz。

量化是指对采样后的信号进行幅度的离散化处理，常用的量化位数为8位或16位。

二、离散傅里叶变换（DFT）离散傅里叶变换是一种将时域信号转换为频域信号的方法。

在数字语音处理中，DFT常用于对语音信号进行频谱分析。

通过DFT，我们可以得到语音信号的频谱图，从而可以分析语音信号的频率特征。

三、线性预测编码（LPC）线性预测编码是一种用于语音信号压缩的技术。

LPC假设语音信号是由前一段时间的语音信号线性预测得到的，通过计算预测系数，可以将语音信号压缩为较低的比特率。

LPC在语音通信和语音识别中得到广泛应用。

四、语音识别语音识别是将语音信号转换为文本的过程。

在数字语音处理中，语音识别是一个重要的研究方向。

常用的语音识别方法包括基于隐马尔可夫模型（HMM）的方法和基于深度学习的方法。

语音识别的应用包括语音助手、语音翻译和语音命令等。

五、语音合成语音合成是将文本转换为语音信号的过程。

在数字语音处理中，语音合成可以通过拼接已有的语音片段或者通过合成参数来实现。

语音合成的应用包括语音导航、语音广播和语音播报等。

六、语音增强语音增强是指通过信号处理技术提高语音信号的质量。

在实际通信中，语音信号可能会受到噪声、回声等干扰，语音增强可以帮助提高语音的清晰度和可懂度。

常用的语音增强技术包括降噪、回声消除和语音增益等。

七、语音情感识别语音情感识别是指通过语音信号分析判断说话人的情感状态。

语音情感识别可以应用于情感智能交互、情感监测和情感诊断等领域。

常用的语音情感识别方法包括基于声学特征的方法和基于深度学习的方法。

考试时间：6月21日下午1：30-3：20考试地点：七（1、3、5班）、六阶（2、4及重修）《数字语音处理及Matlab仿真》1.语音信号短时分析的帧长一般取多长？10-30ms2.男性和女性的基音频率分别在什么范围？*P41 男50-250Hz 女100-500Hz3.语音信号的频率范围是多少？*300-3400Hz4.语音信号处理中，经济实用的采样率是多少？*8000Hz5.从能量和过零率两方面说明清音和浊音的区别。

*P 30：浊音能量明显高于清音 P 30：清音过零率高于浊音6.给出基音周期检测的两种方法。

*P 45：基于短时自相关法的基音周期估值和基于短时平均幅度差函数法的基音周期估值。

7.给出语音倒谱的两种应用。

*P 88、90：基因检测与共振峰检测8.语音信号典型的时域特征有哪些？*P190 ：平均能量、短时平均过零率、基音周期。

9.在语音识别和说话人识别中主流的频域特征是什么？*P191 ：MFCC10.在只考虑身高的矢量量化中，如果量化码本中只包含“姚明（2.26米）”和“潘长江（1.58米）”两个码字，你本人应该用哪个码字量化？*1.92以上姚明；1.92以下潘长江11.名词解释（写出缩写的英文缩写的全称、中文名称、简单含义，下同）：MFCC*P24312.什么是基音频率？*P45：浊音声带振动基频称之为及音频率13.名词解释：LPC*P24214.线性预测分析的基本思想是什么？*P95：基本思想：一个语音取样的现在值可以用若干个语音取样过去值的加权线性组合来逼近，在线性组合中的加权系数称为预感器系数。

通过使实际语音抽样和线性预测抽样之间差值的平方和达到最小值，能够决定唯一的一组预测器系数。

15.语音编码从采用的编码方法的角度可以分为哪三类？*P138：波形编码、参数编码、混合编码。

16.名词解释：PCM*P24317.8k采样率、8位量化的编码速率是多少？*64kbit/s18.ADPCM中“D”和“A”分别是什么含义？*P240：A自适应 D差分19.LPC-10的编码速率是多少?它采用的哪类编码方法？*P163：2.4kbit/s 参数编码20.语音合成的方法分为哪三类？*P172：波形合成法、参数合成法、规则合成法。

《语音信号处理》中期复习要点[0].什么是语音？解释音质、音量、音调[1].解释元音、辅音[2].解释音素、音节[3].语音信号的最大特点是什么？[4].解释基音、共振峰的概念[5].列于几种语音预处理的方法[6].语音预处理中的预加重，加重的是哪部份？[7].相同条件下，时间分辨率、频率分辨率、时宽、带宽相互之间成什么关系？[8].讨论窗口大小对短时能量分析的影响。

[9].讨论窗口大小对短时幅度分析的影响。

[10].已知某音频信号的采样率为10kHz，量化精度为16位，均匀量化，则该信号的编码率为？（单位bps）[11].短时能量分析和短时平均幅度分析的本质是相同的，都是以对语音信号的什么为研究对象的。

[12].短时相关分析和短时平均幅度差分析出发点相同，以语音的什么为考察对象的？[13].过零率和什么密切相关?[14].三条曲线分别代表三种音素：浊音V、清音U、无声S（能量较小的背景噪声）的短时过零概率分布，在图中标注对应位置。

[15].三条曲线分别代表三种音素：浊音V、清音U、无声S（能量较小的背景噪声）短时幅度概率分布，在图中标注对应位置。

[16].E n、Mn的作用是什么？[17].解释短时自相关分析为什么能够提取基音。

[18].估计该图语音的基音周期[19].经过修正和没有经过修正的短时自相关分析有何区别？为什么要进行修正？[20].经过修正和没有经过修正的短时平均幅度差分析有何区别？为什么要进行修正？[21].人耳对语音的高频还是低频部分更加敏感？[22].利用语音信号（浊音）的准周期性，来提取基音信息或区分清浊音的时域方法有哪些？[23].E n(k)=21)]()([1∑-=++-+NmkmnxmnxN可以用来提取什么？两个窗口的大小关系是？[24].什么是短时自相关分析的“谱平整”[25].比较短时自相关和AMDF的算法优缺点[26].语音信号的STFT，是一个关于和的二元函数，分别固定它们时，可以得到两种解释，一种是，一种是。

《通信中的语音信号处理》复习大纲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。