短時(shí)過零率和短時(shí)能量

1、幀和加窗的概念1.短時(shí)分析將語(yǔ)音流分為一段一段來處理，每一段稱為一“幀”；2.幀長(zhǎng)：1030ms，20ms常見；（幀率）幀移：01/2幀長(zhǎng)，幀與幀之間的平滑過度；3.為了減少語(yǔ)音幀的截?cái)嘈?yīng)，需要加窗處理；將具有不連續(xù)點(diǎn)的周期函數(shù)（如矩形脈沖)進(jìn)行傅立葉級(jí)數(shù)展開后，選取有限項(xiàng)進(jìn)行合成。當(dāng)選取的項(xiàng)數(shù)越多，在所合成的波形中出現(xiàn)的峰起越靠近原信號(hào)的不連續(xù)點(diǎn)。當(dāng)選取的項(xiàng)數(shù)很大時(shí)，該峰起值趨于一個(gè)常數(shù)，大約等于總跳變值的9%。這種現(xiàn)象稱為截?cái)嘈?yīng)，又叫吉布斯效應(yīng)。矩形窗、Hamming、Hann等窗函數(shù)及其比較三種窗函數(shù)都有低通特性，通過分析三種窗的頻率響應(yīng)幅度特性可以發(fā)現(xiàn)：矩形窗的主瓣寬度最小，旁瓣高

2、度最高，會(huì)導(dǎo)致泄露現(xiàn)象，漢明窗的主瓣最寬，旁瓣高度最低，可以有效的克服泄露現(xiàn)象，具有更平滑的低通特性，應(yīng)用更廣泛。短時(shí)平均能量的主要用途（1）可以從語(yǔ)音中區(qū)別濁音來，因?yàn)闈嵋魰r(shí)短時(shí)平均能量的值要比清音時(shí)短時(shí)平均能量的值大很多；（2）可以用來區(qū)別聲母和韻母的分界、無聲和有聲的分界等。短時(shí)過零率短時(shí)過零率可以看作信號(hào)頻率的簡(jiǎn)單度量（1）過零就是指信號(hào)通過零值。過零率就是每秒內(nèi)信號(hào)值通過零值得次數(shù)。（2）對(duì)于離散時(shí)間序列，過零則是指序列取樣值改變符號(hào)，過零率則是每個(gè)樣本的改變符號(hào)的次數(shù)。對(duì)于語(yǔ)音信號(hào)，則是指在一幀語(yǔ)音中語(yǔ)音信號(hào)波形穿過橫軸（零電平）的次數(shù)?？梢杂孟噜弮蓚€(gè)取樣改變符號(hào)的次數(shù)來計(jì)算。應(yīng)用

3、于語(yǔ)音信號(hào)分析中（1）發(fā)濁音時(shí)，聲帶振動(dòng)，因而聲門激勵(lì)是以此音調(diào)頻率為基頻來使聲道共振；盡管有若干個(gè)共振峰，但其能量的分布集中于低于3KHz的頻率范圍內(nèi)。（2）發(fā)清音時(shí)聲帶不振動(dòng)，聲道某部分阻塞產(chǎn)生類白噪聲激勵(lì)，通過聲道后其能量集中在比濁音時(shí)更高的頻率范圍內(nèi)。（3）濁音時(shí)能量集中于較低頻率段內(nèi)，具有較低的過零率，而清音時(shí)能量集中于較高頻率段內(nèi)，具有較高的過零率。（4）短時(shí)平均能量和短時(shí)平均過零率兩個(gè)參數(shù)，也都可以用于語(yǔ)音識(shí)別中。主要用于識(shí)別無聲段和語(yǔ)音段的起點(diǎn)和終點(diǎn)的位置。（5）在背景噪聲比較小的時(shí)候用平均能量來識(shí)別比較有效，在背景噪聲比較大的時(shí)候用平均過零率來識(shí)別比較有效，但是通常情況是兩個(gè)

4、參數(shù)聯(lián)合進(jìn)行識(shí)別。濁音、清音、無聲的短時(shí)特性S（無聲）U（清音）V（濁音）三種情況下短時(shí)平均幅度條件概率密度的示意圖?？梢钥闯?，濁音的短時(shí)平均幅度最大，無聲的短時(shí)平均幅度最小。清音的短時(shí)過零率最大，無聲居中，濁音的短時(shí)過零率最小。語(yǔ)音信號(hào)短時(shí)能量和過零率的特征 語(yǔ)音一般分為無聲段，清音段和濁音段。一般把濁音認(rèn)為是一個(gè)以基音周期為周期的斜三角脈沖串，把清音模擬成隨機(jī)白噪聲。由于語(yǔ)音信號(hào)是一個(gè)非平穩(wěn)態(tài)過程，不能用處理平穩(wěn)信號(hào)的信號(hào)處理技術(shù)對(duì)其進(jìn)行分析處理。但由于語(yǔ)音信號(hào)本身的特點(diǎn)，在1030ms的短時(shí)間范圍內(nèi)，其特性可以看作是一個(gè)準(zhǔn)穩(wěn)態(tài)過程，即具有短時(shí)性，因此采用短時(shí)能量和過零率來對(duì)語(yǔ)音進(jìn)行端點(diǎn)檢

5、測(cè)是可行的。語(yǔ)音和噪聲的區(qū)別可以體現(xiàn)在他們的能量上，語(yǔ)音段的能量比噪聲段的能量大，如果環(huán)境噪聲和系統(tǒng)輸入的噪聲比較小，只要計(jì)算輸入信號(hào)的短時(shí)能量就能夠把語(yǔ)音段和噪聲背景區(qū)分開，除此之外，用基于能量的算法來檢測(cè)濁音通常效果也是比較理想的，因?yàn)闈嵋舻哪芰恐当惹逡舸蟮枚?，可以判斷濁音和清音之間過渡的時(shí)刻3，但對(duì)清音來說，效果不是很好，因此還需要借助短時(shí)過零率來表征。短時(shí)能量可以近似為互補(bǔ)的情況，短時(shí)能量大的地方過零率小，短時(shí)能量小的地方過零率較大?；诙虝r(shí)能量和過零率的檢測(cè)方法 盡管基于短時(shí)能量和過零率的檢測(cè)方法各有其優(yōu)缺點(diǎn)，但是若將這兩種基本方法相結(jié)合起來使用也可以實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)可靠的端

6、點(diǎn)檢測(cè)。無聲段的短時(shí)能量為零，清音段的短時(shí)能量又比濁音段的短時(shí)能量大，而在過零率方面，理想的情況是無聲段的過零率為零，濁音段的過零率比清音段的過零率要大的多，因此，假設(shè)有一段語(yǔ)音，如果某部分短時(shí)能量和過零率都為零或者為很小的值，就可以認(rèn)為這部分為無聲段，如果該部分語(yǔ)音短時(shí)能量很大但是過零率很小，則認(rèn)為該部分語(yǔ)音為濁音段，如果該部分短時(shí)能量很小但是過零率很大，則認(rèn)為該部分語(yǔ)音為清音段。正如前面提到，語(yǔ)音信號(hào)具有短時(shí)性，因此在對(duì)語(yǔ)音信號(hào)進(jìn)行分析時(shí)，需要將語(yǔ)音信號(hào)以30ms為一段分為若干幀來進(jìn)行分析，則兩幀起始點(diǎn)之間的間隔為10ms。為防止誤判以及無聲段過零率太大，設(shè)tmp1和tmp2為相鄰兩個(gè)采樣

7、點(diǎn)，則同時(shí)滿足tmp1*tmp2<0和tmp1-tmp2的絕對(duì)值大于delta時(shí)才算一次過零，除此之外，為短時(shí)能量和過零率分別確定兩個(gè)門限，一個(gè)是較低的門限和，其數(shù)值較小，對(duì)信號(hào)的變化比較敏感，很容易就會(huì)被超過。另一個(gè)是較高的門限和，數(shù)值較大，信號(hào)必須達(dá)到一定的強(qiáng)度，該門限才可能被超過。低門限被超過有可能是時(shí)間很短的噪聲引起的，高門限被超過則可以基本確定是由語(yǔ)音信號(hào)引起的，如圖3所示。短時(shí)能量分析是通過能量的高低來區(qū)分清音和濁音，不容易確定語(yǔ)音信號(hào)片段的起始點(diǎn)；而過零率分析僅僅是表明清音的過零率高于濁音，對(duì)噪聲的存在比較敏感，如果背景中有反復(fù)穿越坐標(biāo)軸的隨機(jī)噪聲，會(huì)產(chǎn)生大量的虛假過零率，影響檢測(cè)結(jié)果。對(duì)于背景噪聲和清音的區(qū)分則顯得無能為力。將這兩種方法結(jié)合起來，通過短時(shí)能量分析