概述
语音信号是一种非平稳的时变信号，它携带着大量信息。在语音编码、语音合成、语音识别和语音增强等语音处理中，都需要提取语音中包含的各种信息
语音处理的目的
- 对语音信号进行分析，提取特征参数，用于后续处理
- 加工语音信息，如语音增强和语音合成中的应用
根据所分析的参数类型，语音信号可以分成：
- 时域分析
- 最简单、最直观
- 直接对语音信号的时域波形进行分析
- 特征参数：语音的短时能力、平均幅度、短时平均过零率、短时自相关函数和短时平均幅度差函数等
- 对语音信号进行分析（时域/变换域）之前，一般都要对其做预处理
- 变换域（频域、倒谱域）分析
语音信号的预处理
模拟语音信号s(t)，离散化为s(n) ，即数字处理
获得数字语音的途径
- 正式：大公司或语音研究机构发布的被大家认可的语音数据库
- 非正式：研究者个人用录音软件或硬件电路加麦克风随时随地录制的一些发音或语句
语音信号数字化：采样
- 语音信号的频率范围通常是300 ~ 3400Hz
- 一般情况下取采样频率为8kHz即可
- 采样定理：当采样频率fs大于信号中最高频率fmax的2倍时（fs>2fmax），采样之后的数字信号完整地保留了原始信号中的信息
- 一个连续信号在被采样化了以后，其频域就是原信号频谱的周期性延拓；每隔一个采样频率重复一次
语音信号数字化：量化
语音信号的预加重处理
- 语音信号的平均功率受声门激励和口唇辐射的影响，大约在200 ~ 500Hz处按6dB/倍频程跌落
- 预加重的目的：提升语音信号高频部分，去除口唇辐射的影响，增加语音的高频分辨率，保持在低频到高频的整个频带中，能用同样的信噪比求频谱，便于进行频谱分析或者声道参数分析
- 实现：通过一阶FIR高通数字滤波器来实现
- H(z) = 1 - az-1
- 其中a为预加重参数，通常可以取0.9 < a < 1.0
- 设n时刻的语音采样值为x(n)，用差分方程实现预加重的方程为：y(n)=x(n)-ax(n-1)
- 高通滤波器的幅频特性
- 一段语音信号在预加重前后的时域波形和频谱图
- 语音信号的加窗处理
- 为了方便对语音信号进行分析，假设语音信号在10~30ms短时间内是平稳的。可把语音信号分帧进行处理。采用可移动的有限长度窗口进行加权实现分帧
- 典型的窗函数
- 矩形窗
- 汉明窗
- 汉宁窗
- 矩形窗
- 哪种窗函数较好？
- 汉明窗能相对更好地保留原语音信号的频率特性，使用最广泛
- 为了方便对语音信号进行分析，假设语音信号在10~30ms短时间内是平稳的。可把语音信号分帧进行处理。采用可移动的有限长度窗口进行加权实现分帧
- 频率泄露/截断效应：频谱分析的傅里叶变换会作周期延拓，把截取的有限长序列当成是无限长序列的一个周期，不断的复制，取得一个新的无限长序列。这个新的序列与原序列是不一样的，分析得到的频谱自然也不同（会多出一些本来没有的频率）
- 帧长：一般每帧10-30ms（采样率10kHz时，100~300个点），帧移10ms。原因如下：
- 当窗较宽时，平滑作用大（每一帧内作数据统计），能量变化不大，反映不出能量变化
- 当窗较窄时，没有平滑作用，反映了能量的快变细节，而看不出包络的变化
操作小记
矩形窗
代码
x = linspace(0, 100, 10001); %在0-100的横坐标去10001个值
h = zeros(10001, 1); %为矩阵h赋0指
h(1:2001) = 0; %前2000个值为0值
h(2002:8003) = 1; %窗长，窗内取值为1
h(8004:10001) = 0; %后2000个值为0值
figure(1); %定义图号
subplot(1, 2, 1); %画第一个子图
plot(x, h ,'k'); %画波形，横坐标x，纵坐标h，k表示黑色
title('矩形窗时域波形'); %图标题
xlabel('样点数'); %横坐标名称
ylabel('幅度'); %纵坐标名称
axis([0, 100, -0.5, 1.5]); %限定横纵坐标范围
line([0, 100], [0,0]); %画出x轴
w1 = linspace(0,61,61); %取窗长内的61点
w1(1:61) = 1; %赋值1，相当于矩形窗
w2 = fft(w1, 1024); %对时域信号进行1024点的快速傅里叶变换
w3 = w2/w2(1); %幅度归一化
w4 = 20*log10(abs(w3)); %对归一化幅度取对数（根据dB的定义）
w = 2*[0:1023]/1024; %频率归一化
subplot(1, 2, 2); %画第二个子图
plot(w, w4, 'k'); %画幅度特性图
axis([0,1,-100,0]) %限定横纵坐标范围
title('矩形窗幅度特性'); %图标题
xlabel('归一化频率 f/fs'); %横坐标名称
ylabel('幅度/dB'); %纵坐标名称
代码分析
linspace(x1,x2,n)- 功能：生成 n 个点。这些点的间距为 (x2-x1)/(n-1)
- 参数：
x1：起始值x2：中止值N：元素个数，默认点数为100
- 具体可参看：生成线性间距向量 - MATLAB linspace - MathWorks 中国
效果
汉明窗
代码
x = linspace(0, 60, 61); %在0-60的横坐标间取61个值作为横坐标点
h = hamming(61); %取61个点的汉明窗值为纵坐标
figure(1); %画图
subplot(1, 2, 1); %第一个子图
plot(x, h, 'k'); %横坐标x，纵坐标h，k为黑色
title('Hamming窗时域波形'); %图标题
xlabel('样点数'); %横坐标名称
ylabel('幅度'); %纵坐标名称
w1 = linspace(0, 61, 61); %去窗长内的61个点
w1(1:61) = hamming(61); %加汉明窗
w2 = fft(w1, 1024); %对时域信号进行1024点傅立叶变换
w3 = w2/w2(1); %幅度归一化
w4 = 20*log10(abs(w3)); %对归一化幅度取对数
w = 2*[0:1023]/1024; %频率归一化
subplot(1, 2, 2); %画第二个子图
plot(w, w4, 'k'); %画幅度特性图
axis([0, 1, -100, 0]); %限定横、纵坐标范围
title('Hamming窗幅度特性'); %图标题
xlabel('归一化频率 f/fs'); %横坐标名称
ylabel('幅度/dB'); %纵坐标名称
效果
汉宁窗
代码
x = linspace(0, 60, 61); %在0-60的横坐标间取61个值作为横坐标点
h = hann(61); %取61个点的汉宁窗值为纵坐标
figure(1); %画图
subplot(1, 2, 1); %第一个子图
plot(x, h, 'k'); %横坐标x，纵坐标h，k为黑色
title('Hanning窗时域波形'); %图标题
xlabel('样点数'); %横坐标名称
ylabel('幅度'); %纵坐标名称
w1 = linspace(0, 61, 61); %去窗长内的61个点
w1(1:61) = hann(61); %加汉宁窗
w2 = fft(w1, 1024); %对时域信号进行1024点傅立叶变换
w3 = w2/w2(1); %幅度归一化
w4 = 20*log10(abs(w3)); %对归一化幅度取对数
w = 2*[0:1023]/1024; %频率归一化
subplot(1, 2, 2); %画第二个子图
plot(w, w4, 'k'); %画幅度特性图
axis([0, 1, -100, 0]); %限定横、纵坐标范围
title('Hanning窗幅度特性'); %图标题
xlabel('归一化频率 f/fs'); %横坐标名称
ylabel('幅度/dB'); %纵坐标名称
效果
