语音信号处理第七章

科大讯飞语音合成在线演示
/ttsdemo/interPh onicShow.aspx
3.3 语音编码
语音编码的研究目 的是如何在尽量减 少失真的情况下高 效率地对模拟语音 信号进行数字表达。
VOIP (Voice Over Internet Protocol)
与此同时，语音识别的线性预测参数LPC首次 被提出来，采用线性预测进行研究的实践开始。 以后的低速率语音编码技术，很大程度上都是 依靠线性预测进行来实现的。
国外发展历史
同时，动态时间弯曲DTW技术出现，有效的解 决了语音识别过程中，不等音长的匹配问题。 此时的许多系统，都是建立在LPC参数和DTW 匹配技术基础上的孤立词识别系统。
测肌肉活动的红外线发射器及侦测器，譬如他想打招 呼，说声"你好"，他先以眼球控制红外线感应器，选 定在屏幕上轮流出现的英文字母，当计算机出现他想 要的"H"时，霍金再动眼球，这样计算机就会不断显示 以"H"为字头的英文字，当"HELLO"出现时，他又动一 下以选定这个字，当他造句完毕后，才把句子传至合 成器发声。因此霍金要说一句话，就要逐字逐句输入 计算机，再由语音合成器将文字化成声音，一分钟只 能处理3-5个字。
国外发展历史
20世界90年代，语音识别开始从实验室走向市 场。CMU、BBN、IBM和AT&T都推出自己的语 音识别产品。Microsoft、 Apple、Toshiba、 Philips和Intel不甘落后，也开始致力于语音识 别系统开发。语音识别朝着大词汇量、非特定 人、自然连续语音方向发 展。目前，Microsoft Office XP以上版本已经集成了语音识别功能， 可以采用语音输入法输入汉字。

d (T ( i ), R ( j )) d ( i , j )
最佳匹配失真测度/距离 D(T,R)= g(I,J)/(I+J)
31
j
g(i,j) d(T(i),R(j)) 1 d(T(i),R(j-1))
2 g(i-1,j-2)
i
g ( i , j ) g ( i 1, j 2 ) 2 d (T ( i ), R ( j 1)) d (T ( i ), R ( j ))
6 6
7 8
8 10
22
例如：汉字 “学”有三个音素x,u,e,用特征O1、O2、O3
j
j
A
i
i
B
23
原理描述
DTW 是把时间规整和距离测度计算结合起来。测试语音
参数共有I帧矢量，而参考模板共有J帧矢量，I和J不等，寻
找一个时间规整函数j=w(i)，它将测试矢量的时间轴i非线性 地映射到模板的时间轴j上，并使该函数w(i)满足：

p
ci (k ) c j (k )
2
计算两倒谱矢量帧(i和j) 间的欧氏距离，两矢量 帧中分别具有p个倒谱参数。
24
k 1
j
j
时间规整函数 j=w(i)
A
i
i
为了使T（测试）的第i个样本与R（参考）的
第j个样本对正，其对应的点不在直线对角线上，
得到一条弯曲的曲线j=w(i) 。j=w(i)称为规整函数。
6
五、语音识别的主要问题
3.语音的模糊性。说话者在讲话时，不同的词可能 听起来是相似的。这在英语和汉语中常见。 4.单个字母或词、字的语音特性受上下文的影响， 以致改变了重音、音调、音量和发音速度等。 5.环境噪声和干扰对语音识别有严重影响，致使识 别率低。

slp课程设计一、课程目标知识目标：1. 学生能掌握SLP（Speech and Language Processing，语音与语言处理）基本概念，了解其在日常生活和学习中的应用。

2. 学生能够运用所学的SLP知识，分析并理解简单的语言处理任务。

3. 学生能够描述语音和语言处理技术的基本原理及其在实际案例中的应用。

技能目标：1. 学生能够运用SLP技术，完成简单的语言模型建立和语音识别任务。

2. 学生能够通过实际操作，学会使用至少一种SLP工具或软件，并解决实际问题。

3. 学生能够通过小组合作，共同探讨SLP技术的应用，提高团队协作和沟通能力。

情感态度价值观目标：1. 学生能够认识到SLP技术在现代社会中的重要性，培养对科学技术的兴趣和热爱。

2. 学生在学习和实践过程中，培养解决问题的耐心和毅力，增强自信心。

3. 学生能够关注SLP技术在社会生活中的应用，关注科技进步对社会发展的影响，树立正确的价值观。

课程性质：本课程为实践性较强的学科课程，结合理论知识与实际操作，培养学生的语音与语言处理能力。

学生特点：六年级学生具有较强的求知欲和动手能力，对新鲜事物充满好奇心，但注意力容易分散。

教学要求：教师需结合学生的年龄特点和认知水平，采用生动有趣的教学方法，注重理论与实践相结合，提高学生的参与度和积极性。

通过分解课程目标为具体的学习成果，使学生在课程结束后能够达到预期的学习效果，为后续教学设计和评估提供依据。

二、教学内容1. SLP基本概念：介绍语音与语言处理的基本定义、发展历程和主要应用领域，让学生对SLP有整体的认识。

教材章节：第一章《语音与语言处理简介》2. 语音信号处理：讲解语音信号的采集、预处理、特征提取等基本操作，分析不同特征参数对语音识别效果的影响。

教材章节：第二章《语音信号处理》3. 语言模型：介绍统计语言模型、神经网络语言模型等，让学生了解语言模型的构建方法及其在自然语言处理中的应用。

.
.
第二章 语音信号的产生、特征与人耳的 听觉特性
☆临界频带这个参数提出的意义是可将人耳当
作一个并联的滤波器组，各个滤波器有不同 的带宽，分别对听觉作出不同的贡献
☆临界频带的单位一般用Bark来表示以纪念科
学家Barkhauseu。1 Bark用来指明一个临界 频带的频率宽度
☆若记Bark域的频率变量为b,赫兹(Hertz)域
第二章 语音信号的产生、特征与人耳的 听觉特性
60
50
强 度SPL（dB）
40
30
20
后向屏蔽区
10
前向屏蔽区
0
-100
-50
0
50
100
150
200
时 间 （ ms）
非同时掩蔽（时间掩蔽）：. 纯音的非同时掩蔽现象
第二章 语音信号的产生、特征与人耳的 听觉特性
§2.5 人耳的各种听觉效应
哈斯（Hass）效应 双耳效应 鸡尾酒会效应
第一章 声音信号的分类与数字化
§1.4 声音信号的数字存储格式 WAV：数字音频波形格式，微软公司开发 VOC和DAT：多用于声霸卡等一些声音采集
程序的DOS软件环境，新加坡创新公 司开发 AU：工作站的UNIX环境下使用 MIDI：数字乐器合成器，多用于合成音乐 目前我们遇到的多数为.wav和.mid文件
社，1987 11、陈尚勤等 “语言信号数字处理” 电子科技大学出版社，1991 12、陈永彬, 王仁华 “语言信号数字处理” 中国科技大学出版社，
1990
.
参考文献
外文
1 、 R.P.Ramachandran, R.Mammane “Modern Methods of Speech Processing”, Kluwer Academic Publishers, 1995