[特徴抽出] matlabフォルマント推定に基づく[Matlabソースコード550期間を含む]

1.はじめに

フォルマントとは、エネルギーが比較的音のスペクトルに集中している領域を指します。フォルマントは、音質の決定要因であるだけでなく、サウンドトラック（共振空洞）の物理的特性も反映します。

母音と子音の音のスペクトルの包絡線上のピーク位置。フォルマントの本来の意味は、音響空洞の共振周波数を指します。母音と子音の生成では、音源のスペクトルは音響空洞によって変調されます。元の倍音の振幅は、周波数の増加に伴って減少しなくなりますが、一部は強まり、一部は弱まり、浮き沈みのある新しいパッケージを形成します。周波数曲線のピークの値は、音響空洞の共振周波数と一致しています。母音に関する限り、最初の3つのフォルマントには音色の定性的な規制があります。最初の2つのフォルマントは舌の高さに特に敏感であり、音響母音マップはこれら2つのフォルマントの周波数値に基づいて描画されます。。of。フォルマントの3次元超音波検査は、エネルギーが集中した水平バーとして表示されます。

フォルマントは声道の共鳴特性を反映した重要な特徴であり、発音情報の最も直接的な情報源であり、人々は音声認識でフォルマント情報を使用します。そのため、フォルマントは音声信号処理において非常に重要な特性パラメータであり、音声認識の主な特性や音声符号化伝送の基本情報として広く利用されています。フォルマント情報は周波数エンベロープに含まれているため、フォルマントパラメータを抽出するための鍵は、自然な音声スペクトルエンベロープを推定することです。一般に、スペクトルエンベロープの最大値はフォルマントです。

フォルマント生成の原理とその音質への発現

フォルマントの分布位置は、音を出す媒体の共鳴物理構造（共鳴物理構造）に基づいています。

人間の声であろうと楽器であろうと、その音の特徴は、人間の声帯や楽器の振動する葦などの音響システムと、共鳴システムの2つの要素に由来します。楽器の共鳴システムが異なると、特定の周波数領域の部分音の振幅が目立つようになります。このように、これらの領域は、この楽器に固有の共鳴ピークを生成します。これらの共鳴ピークは、楽器のサイズと形状に密接に関連しています。レゾナンスボディ。楽器の構造は安定しているため、基本周波数に関係なく、楽器が発するすべての音は同じ共鳴ピークを示しますが、その重要性は強いか弱いかです。これは、多くの楽器で、同じ楽器によって生成された異なる音が同じ音質である理由を説明するのに役立ちます。

音声音響学では、人間の声には、鼻孔、咽頭腔、口腔のサイズなど、独自の生理機能の影響を受ける独自のフォルマント領域もあります。これらの共鳴空間の形や大きさの変化（喉や口の形の変化など）を利用することで、音のフォルマントを変えることができます。異なる人間の声と母音を区別できる理由は、主にそれらのフォルマント分布の位置に基づいています。

1フォルマントとフォルマントの役割
　　について前に話したように、声道の周期的なパルス励起信号が声道を通過すると、声道に共鳴が生じます（このプロセスは声道モデルと呼ばれます）。音声生成モデルでは）、結果として一連の共振周波数が発生します。この一連の共振周波数はフォルマント（周波数）と呼ばれます。一般に、音声スペクトルエンベロープのいくつかの最大値はフォルマント周波数であると考えられています。フォルマントの周波数と帯域幅を正確に検出することは、さまざまな決勝戦を区別し、音声セマンティクスの認識を向上させるのに役立ちます。

2共鳴ピークの推定の難しさ
（1）誤った共鳴ピークの存在。
（2）隣接するフォルマント周波数が比較的近い場合を区別するのが難しい。
（3）高音の音声を抽出するのが難しい。
要するに、ピッチ周期推定と同様に、現在、完全に正確な推定方法はありません。

3フォルマント推定前処理
（1）プリエンファシス。目的は、唇の放射の影響を取り除き、声道反応の分析を容易にすることです。
（2）エンドポイント検出。目的はピッチ周期推定と同じであり、サイレントセグメントの音声を分析する必要はありません。

4共鳴ピーク推定法
（1）ケプストラム法。
　　音声のケプストラム処理では、励起信号を声道応答から分離し、励起信号を削除してから、フーリエ変換を実行して声道応答のエンベロープを取得し、エンベロープの最大値を見つけることができます。これは対応するフォーマントです。周波数。
（2）LPC法で
　　は、線形予測により予測係数のセットを取得できます。この係数のセットと全極チャネル応答モデルに従って、FFT変換を実行してチャネル伝達関数のパワースペクトルを取得し、次に、対応する最大値を計算すると、対応するフォルマント周波数を取得できます。
（3）HHT
　　法は詳細に調べられておらず、具体的な手順はまだわかっていません。これは主に経験的モード分解（EMD）とヒルベルトによるものです。変換して、信号の振幅、周波数、位相を見つけます。

第二に、ソースコード

%实倒谱法共振峰估计
clear all; clc; close all;

waveFile='C4_3_y.wav';               % 设置文件名
[x, fs, nbits]=wavread(waveFile);                 % 读入一帧数据
u=filter([1 -.99],1,x);                                   % 预加重
wlen=length(u);                                          % 帧长
cepstL=6;                                                   % 倒频率上窗函数的宽度
wlen2=wlen/2;               
freq=(0:wlen2-1)*fs/wlen;                          % 计算频域的频率刻度
u2=u.*hamming(wlen);		                      % 信号加窗函数
U=fft(u2);                                                 % 按式(4-26)计算
U_abs=log(abs(U(1:wlen2)));                     % 按式(4-27)计算
 [Val,Loc,spect]=Formant_Cepst(u2,cepstL);       % 计算出共振峰频率
FRMNT=freq(Loc);                                 % 计算出共振峰频率
subplot(211)
plot(freq,U_abs,'k'); 
xlabel('频率/Hz'); ylabel('幅值/dB');
title('(a)信号对数谱X\_i(k)')
axis([0 4000 -6 2]); grid;
subplot(212)
plot(freq,spect,'k','linewidth',2); 
%LPC内插法的共振峰估计
clear all; clc; close all;

fle='C4_3_y.wav';                            % 指定文件名
[x,fs]=wavread(fle);                        % 读入一帧语音信号 
u=filter([1 -.99],1,x);                     % 预加重
wlen=length(u);                             % 帧长
p=12;                                       % LPC阶数
freq=(0:256)*fs/512;                        % 频率刻度

[F,Bw,pp,U]=Formant_Interpolation(u,p,fs);          %LPC内插法求共振峰
plot(freq,U,'k');
title('声道传递函数功率谱曲线');
xlabel('频率/Hz'); ylabel('幅值');
ll=length(F);                             % 共振峰个数
for k=1 : ll
    line([F(k) F(k)],[0 pp(k)],'color','k','linestyle','-.');    
end
% LPC求根法的共振峰估计
 clc; close all;

fle='C4_3_y.wav';                            % 指定文件名
[xx,fs]=audioread(fle);                       % 读入一帧语音信号

u=filter([1 -.99],1,xx);                    % 预加重
wlen=length(u);                             % 帧长
p=12;                                       % LPC阶数
n_frmnt=4;                                  % 取四个共振峰
freq=(0:256)*fs/512;                        % 频率刻度
df=fs/512;                                  % 频率分辨率

[F,Bw,U]=Formant_Root(u,p,fs,n_frmnt);
plot(freq,U,'k');
title('声道传递函数功率谱曲线');
xlabel('频率/Hz'); ylabel('幅值/dB');
p1=length(F);                              % 在共振峰处画线
m=floor(F/df);
pp=U(m);                                    %共振峰幅度
for k=1 : p1
    line([F(k) F(k)],[-5 pp(k)],'color','k','linestyle','-.');
end

3、実行中の結果

ここに画像の説明を挿入します

四、備考