基于MATLAB語音信號檢測分析及處理

于B理第一章緒論Matab是矩陣實驗室（MatrixLaboratory）的簡稱，是美國MathWrs司高括Matlab和Simulink兩。1.1Matlab簡介B是英文MATrixLABoratoy矩陣實驗室的縮寫早期的B用N語言編寫的盡管功能十分簡單但作為免費軟件還是吸引了大批使用者。經(jīng)過幾年的校際流傳，在JohnLittle。CleveMoler和SteveBanger合作，于1984年成立s出B第一版版。從這時起B(yǎng)的核心采用C語言編寫，功能越來越強大，除原有的數(shù)值計算功能外，還新增了圖形處理功能。s于2的0；4年推出了4.2版擴充了4.0版的功能，尤其在圖形界面設計方面提供了新方法1997年春5.0版問世5.0程9的3版在很多方面又進一步改進了B語和Simulink3.0達到了高平；200年10月，0使界與C語言接口及性與的Simulink4.0版的新功能也特別引人注目2001年6月推出的1版及Simulink4.1版，功能已經(jīng)十分強大2002年6月推出的5版及Simulink5.0版，在計算方法圖形功能用戶界面設計編程手段和工具等方面都有了重大改進；2004年，s公司推出了最新的ML.0版，其中集成了最新的7編譯器Simumlink6.0仿很。Matab主要面科學算、可化以交互式序設計高科計算環(huán)。它將數(shù)分析陣計算科數(shù)據(jù)視化以非線性態(tài)系的建模仿真等諸多強功能集在一易于使的視環(huán)境中科學研程以必須行效計眾科領供一面決案代當國1于B理。MATB的優(yōu)勢(1)工作平臺編程環(huán)境十分友好（2）編程語言簡單易用3）（4（5用（6（7。語言的特點B語言被稱為第四代計算機語言其利用豐富的函數(shù)資源，使程序員從繁瑣的程序代碼中解放出來，其最突出的特點就是簡潔。B了C和N言的冗長代碼，給用戶帶來最直觀、最簡潔的程序開發(fā)環(huán)境，下面簡單介紹一下B的主要特點。語言簡潔緊湊，使用方便，庫函數(shù)十分豐富B程序書寫的形式自由利用豐富的庫函數(shù)避開了繁瑣的子程序編程任務由于庫函數(shù)都是由本領域的專家編寫，所以不必擔心函數(shù)的可靠性。高效方便的矩陣和數(shù)組運算，B語言不需要定義數(shù)組的維數(shù)，并給出了矩陣函數(shù)、特殊矩陣函數(shù)、特殊矩陣專門的庫函數(shù)，使得在求解信號處理、這。B。B立M的的C語語的、C型。B的圖形功能強大。在C和N語言里，繪圖都很不容易，但在BB還具有較強的編輯圖形界面的能力。B擁有功能強大的工具箱，主要用來擴充其符號計算功能、圖示建模仿真功能、文字處理功能以及與硬件實施交互功能。源程序的開放性強。除內部函數(shù)以外，所有B的核心文件和工具箱文件都是可讀可改變的源文件用戶可通過對源文件的修改以及加入自己的文件構成新的工具箱。2于理自4成放不。1.2語音概述1.2.1語音簡介負和進行社會活動的最基本手段,因此我們要對語音信號進行處理分析，優(yōu)化人類通人好音。目的是從包含語音的一段信號中找出語音的起始點及結束點，從而只存儲和處理有效語音信號。有效的端點檢測不僅可以減少數(shù)據(jù)的存和處理時間而且能排除無聲段的噪聲干擾端點檢測的困難在于無聲段或者語音段前后人為呼吸等產(chǎn)生的雜音語音開始處的弱摩擦音或弱爆破音以及終點處的鼻音，這些使得語音的端點比較模糊，需要綜合利用語音的各種信號特征從而確保定位的精確性避免包含噪音信號和丟失語音信號近年來出現(xiàn)了很多種端點檢測的方法如短時能量短時過零率、語用。安語端差，檢。3于理1.2.2研究背景及意義語音是語言的聲學表現(xiàn)形式語言是人類特有的功能聲音是人類常用的信自，機著、，。。辦的、事和、系，并領，者。話些因為在實際環(huán)境中沒有完全純凈的語音信號，一般都會伴有噪聲或其它干擾。語音檢測的任務就是判斷待處理信號是語音還是非語音從輸入信號中找到語音部分的起止點語音檢測是語音識別語音增強以及語音編碼等中的一個重要環(huán)節(jié)。有效的語音檢測技術不僅能減少系統(tǒng)的處理時間提高系統(tǒng)的處理實時性而且能排除無聲段的噪聲干擾，從而使后續(xù)工作的性能得以較大提高。4于B理第二章語音信號處理2.1語音信號特點語音信號是隨時間變化的一維信號由一連串的音組成各個音的排列有一音信號般在200H~350z將顯有3KHz~4KHz。從，動。在5s的范圍內，音信的頻譜性和些物特征參基本保持變樣我就可將平過程的理方和理引入到音信的短時處中。此，“短時析技術”貫于語音析的過程。成音和音”果為“聲成“聲”濁音”、“清音”三類。一個音節(jié)由元音和輔音構成。元音在音節(jié)中占主要部分。所有元音都是濁音。在漢語普通話中，每個音節(jié)都是輔音一元構成的。在信號處理中，語音按其激勵形式的不同可分為2類：（1）濁音當氣流通過聲門時如果聲帶的張力剛好使聲帶發(fā)生張弛振蕩式的振蕩產(chǎn)生一股準周期的氣是1規(guī)率的器。（2）清音當氣流通過聲門時，如果聲帶不振動，而在某處收縮，迫使氣流高速通過這一收縮部分而產(chǎn)生湍流就得到清音清音是由不規(guī)則的激勵產(chǎn)生的，發(fā)清音時聲帶不振動，其時域波形不具有周期性，自相關函數(shù)沒有很強率。5于B理2.1.1語音信號的“短時譜”對于非平穩(wěn)信號，它是非周期的，頻譜隨時間連續(xù)變化，因此由傅里葉變換得到的頻譜無法獲知其在各個時刻的頻譜特性如果利用加窗的方法從語音流中取出其中一個短段，再進行傅里葉變換，就可以得到該語音的短時譜。2.1.2基音周期濁為頻估計低于期在域取。2.2語音信號預處理為了消除因為人類發(fā)聲器官本身和因一些采集語音信號的設備等所引起的，預能。2.2.1預加重在進行語音信號數(shù)字處理時為了獲取一段語音信號的時域波形首先要將語音信號轉換成電信號，再用A/D轉換器將其變?yōu)殡x散的字化采樣號。己經(jīng)數(shù)字化語音信號依次進一個數(shù)據(jù)由于語音號的平功率受聲門激勵和口鼻輻射影響高頻端大約在800Hz以上按6/倍跌即6dBot2倍頻或20dBdc10倍頻)，是的，中圖1的6于B理程語音 樣 化 重 窗幀 法理圖1語處理預加重一般是在語音信號數(shù)字化之后，用具有6/倍頻程的提升高頻特性的預加重數(shù)字濾波器來實現(xiàn)，它一般是一階的數(shù)字濾波器：H(1z （21）式中的值近于1。有要復信要做預重號譜求際頻時對測量值進行去加重處理，即加上6/倍頻程的下降的頻率特性來還原成原來的特性。2.2.2幀語音信號檢測首先要進行分幀處理，然后依次判斷每一幀是否為語音的端在窗窗以點。號同準為10ms~20ms。圖2幀移7于B理圖2滑，值一為005窗數(shù)號)號:S)· （2-2）由于窗函數(shù)一般取為S(n)中間大兩頭小的光滑函數(shù)這樣的沖激響應所對應的濾波器具有低通特性其帶寬和頻率取決于窗函數(shù)的選取用得最多的三種窗函數(shù)是矩形窗、漢明(Hmmig)和漢窗(Hannig)，它們的定義如下:矩形窗：,,

0nN1其他

（23）漢窗：40.46cs(n(NnN1,他漢窗： 51cosnN),0 ,其他

（24）（25）式中N數(shù)(n)度影響很大為此應該選擇合適的窗口使其短時參數(shù)能更好地反映語音信號的特性變化以上這些窗函數(shù)的幅度頻率響應都具有低通特性它們的主瓣寬度和旁瓣高度如表11所示。表1-11s長的各種窗主瓣寬度旁瓣高度矩形 漢明 漢寧主瓣寬度 0.81Hz旁瓣寬度 -13dB

1.19Hz 1.87Hz-43dB -32dB從表中可知最瓣8于理信。2.3語音信號分析但性，板信。2.3.1時析語號是號時分析方法應用最廣泛的一方法種方法直利用語音號的時波形時分析通常于最基的參數(shù)分均，參。。析特可信信。2.3.2析參預。1法和9于B理和音為。（1譜號(m)為X(ew)則Xew)與(m)的n n n n式1-6。X(ew)N1(m)em （26）n nm0語的譜為X(ew)有np(ew)X(ew) （27）n n語的時率的幅的方所短功譜算法為G(ew)n（2）譜離

X(ew)2 （28）n語信的譜析通同處來現(xiàn)同信處也為態(tài)濾波是非性題為性題處方由于語音信號可視為聲門激勵信號和聲道沖擊響應的卷積可以對語音信號進行解卷倒譜能很好表示語音的特征在強噪聲環(huán)境下可通過倒譜系數(shù)求得倒譜距離使用倒譜距離來作為端點檢測的特征。信號的倒譜也可以定義為信號的能量譜密度函數(shù)(叻的對數(shù)的傅里葉級數(shù)展開式的系數(shù)，logs(w)c(new （29）nc即倒系，過譜數(shù)倒距幾d為n ceppd4.3429cepp（3）熵

(c(n)c(n))22(c(n)c(n))2 （2-0）1 0 1 0n1熵(用H表示)物質的雜程的一種映。熵H代表X的信息量，X的概率分布越模，越難斷，0于B理n則X為 Hplogp （1）iini12法，過語誤映。，的。原。1于B理第三章語音信號檢測3.1清音濁音檢測3.1.1信號采集該設計以本人的聲音為分析樣本?？傻贸雎曇舻牟蓸宇l率為z且用d電子信息的音頻信sx對換)并畫出頻譜圖如圖1所示，程序如下：; %率xwara(i.a';; %讀號“息”fgr(1))po() %做形tite始音信波形;xlabel(樣點數(shù); %x軸是“樣點數(shù)”yae(幅值; %y軸名字是“幅值”gridon;N2;n=:-1;;a;f0lg())f/nhy;

%對x換%求值換fgr(1)sbo(2)la; %做圖xlabel(頻率(;yae(幅值');tte原始信號頻譜圖;grdon;2 n于B n圖1 圖集在200kHz到4.5kHz之間，從聲音頻譜的包絡來看，樣本聲音的能量集中在25Hz)以內0.4以外高分少所信度似為1.1Hz，由樣理得fs2fo2*2.55Z。3.1.2短時能量和短時平均幅度能量是語音的一個重要特性由于語音信號的能量隨時間變化清音和濁音短：E[x(m)(nm[x(m)(nmnm mnN1

（31）其，W（n）函，N窗特當形，為：E(m)nm

（32）由此表明,窗口加權短時平均能量En相當于將“語音平方”信號通過一個單位函數(shù)響應為h(n)的線性濾波器的輸出。本次語音信號的短時平均能量和短時平均幅度如下圖2所示及程序如下：N4;Y=aved(inwv';LetY;3于B理LLlnghY)N;fgr(2)E=s(-*0;frii1(L1*40,t=(i0;E(ismtm.ep;dj[(-*4;)ptj,m,'; %繪制短時平均能量線xlabel(幀數(shù)');ylae(短時能量';tte時平均能量;grdon;短度Mns(s)NMnzeo(,L-)20;frii1(L1*40,t=(i0;M()s(b(m)N;dfgr(2)j[(-*4;sbo(2)poj,Mnb); %繪線xlabel(幀數(shù)');yae(短時平幅度';tte時平均幅度;grdon;4于B理圖2度由上圖發(fā)現(xiàn),語音濁音段的短時平均能量遠遠大于清音段的短時平均能量。因,短時平均能量En的計算給出了區(qū)分清音段與濁音段的依,即En濁)>En清。根據(jù)En由高到低的跳變可定出濁音變?yōu)榍逡粽Z音的時,En由低向高的跳變可定出清音變?yōu)闈嵋粽Z音的時刻，而只有濁音才有基音周期,清音的基音周期為零。故清濁音判斷是基音檢測的第一步。該算法中窗口選擇漢明窗,選擇漢明窗的理由是窗函數(shù)的選取原則為窗函數(shù)截取后的x(n)盡量是中間大兩頭小的光滑函,沖激響應對應的濾波器具有低通特性。從漢明窗的構成及頻率響應特性上看,漢明窗具有這種特性,而矩形窗及漢寧窗則稍遜之。漢明窗雖然主瓣最帶寬大),但旁瓣最通帶外的衰減大),可以有效地克服泄露現(xiàn)象,具有更好的低通特性。故選擇漢明窗而不選擇別的窗函,能使短時平均能量En更能反映語音信號的幅度變化。短時能量函數(shù)的應:1）可用于區(qū)分清音段與濁音段En值大對應濁音，En值小對于清音段。2）可用于區(qū)分濁音變?yōu)榍逡艋蚯逡糇優(yōu)闈嵋舻臅r間（根據(jù)En值的變化趨勢。3）對高信噪比的語音信號，也可以用來區(qū)分有無語音（語音信號的開始點5于B理En顯。3.1.3短時過零率過零率可以反映信號的頻譜特性對于連續(xù)語音信號可以考察其時域波形我為“零”。過數(shù)特別是用來估計清音的起始位置和結束位置。短時平均過零率定義為：Zs[[ms[x(mw(nm)nm

（33）在形條下可簡為2NnZ1 [x(m)[x(mn2NnmnN1

（34）短過率以略計的譜性語的?？蓾嵋魰r聲振，管道個振，由聲波了譜高衰，因濁能集于3Z以下清由聲不動聲某部阻塞頻。.為息”的短時過零率的波形圖如下圖3所示及程序如下：Znzeo(1(L1)20);frii2(L1*40,tm1=inYi:i20);tpsnYi:+01;Ziua(ptp;dfgr(3)j=1(L-)24];pt,nb; %繪制短率線6于B理xlabel('幀數(shù)');ylabel(短時過零率');tte時過零率;grdon;圖3 率率為5為1左右，兩但者分布之間有相互交疊的區(qū)域所以單純依賴于平均過零率來準確判斷清濁音是不可能的在實際應用中往往是采用語音的多個特征參數(shù)進行綜合判決。短時過零率的應用：1）區(qū)別清音和濁音。清音的過零率高，濁音的過零率低。此外，清音和濁音的兩種過零分布都與高斯分布曲線比較吻合。2）從背景噪聲中找出語音信號。語音處理領域中的一個基本問題是，如何將一串連續(xù)的語音信號進行適當?shù)姆指钜源_定每個單詞語音的信號亦即找出每個單詞的開始和終止位置。3）在孤立詞的語音識別中，可利用能量和過零作為有話無話的鑒別。7于B理3.2語音信號端點檢測3.2.1基于短時能量和短時過零率的雙門限端點檢測原理雙門限法是利用短時能量和過零率的乘積進行檢測的在基于短時能量和過零率的雙門限端點檢測算法中首先為短時能量和過零率分別確定兩個門限一個過過。：，由于采集的聲音信號中最初的短時段多為無聲或背景噪聲，這樣就可以利用已知為“靜態(tài)”的最初幾幀(一般取10幀信計算過零閥值zr及高值amp(低量閥)和amp1高能閥)。過零率公式：r(i)N1x(n)x(n) （35）i in1計算amp2和am1時首計最初10幀信號每的短平能或均幅度E，最大記為max，小為min。本文在計算短時能量之前濾擾是z或z言，代為)量：;;。過限ap1、am2、zr1、zc2,其中am2、zc2分別為短易外amp1、zr1是比高門，數(shù)比大信必達一定的強該限可被過低限超未就語信的始可能是時間很短的噪聲引起的。高門限被超過則可以基本確信是由于語音信號引起的。8于B理程量s率的到個。能通到續(xù)。3.2.2雙析1、置雙在B軟件環(huán)境下進行仿真實驗。文中語音信號樣本是在實驗室安靜環(huán)境下采用麥克風進行錄音，以wav格式存儲為較純凈的語音樣本實驗所加的噪聲為偽隨機加性高斯白噪聲實驗中對較純凈語音樣本進行加噪，形成不同SNR的帶噪語音樣本，然后分別對較純凈的語音樣本和加噪后的語音樣本進行語音端點檢測并對它們的檢測結果進行比較在語音端點檢測之前首先要對被測的語音信號進行預處理等，包括分幀加窗等。文中加Hmmaing窗通過特性為(1-0941的波預加對他數(shù)進設置如設置音幀度，移長，T取2，門限閥值設置等。2、性能準則在各種各樣的信號處理系統(tǒng)中噪聲信號相對于有用信號而言所造成的都是干擾和破壞作用但是噪聲卻是普遍存在的噪聲信號一般分為加性噪聲和非況。（1聲。態(tài)分布，記為N(，2)，其中和2為分布的參數(shù)，分別為高斯分布的期望和方差特別當=0，2=1時，X的分布為標準正態(tài)分布。（2）信噪比比,，：92s(于B2s(SNR10gSN其中S、N分別表示原始信號功率與噪聲信號功.而波形信號計算式為：R10(e(n)2)中I為原始語音信號，n；p1為原始信號功率p2為噪聲信號功率。文中采用的端點檢測通過在較純凈語音信號中加入加性高斯噪聲然后對其進行語音端點檢測改變信噪比值觀察在高信噪比和低信噪比條件下雙門限語音端點檢測結果通過實驗仿真圖比較和分析噪聲對各算法語音端點檢測結果的影響。3、分析基于短時能量和短時過零率的雙門限語音端點檢測算法是結合短時能量和過零率各自優(yōu)點來進行檢測，雙門限端點檢測圖中紅色豎線用來表示語音起點線，綠色豎線表示語音終點線，其檢測的實驗仿真圖如3.7所示：functionsnr=SNR(I,In)p1=1/length(I)*norm(I)^2;p2=1/length(I)*norm(In-I)^2;snr=10*log(p1/p2);endtm1efaexllnt(x-)，F(xiàn)rmLn，F(xiàn)ramln);tmp=enrae(x2:engh())，F(xiàn)rmen，F(xiàn)raee;sgs(p.tp<;difs=(mp1tmp)>002;zrsmsin.dfs，2);圖4端檢測音語測圖0于B理圖5SN=2.7圖圖6SN=2.7圖圖4從語成。圖5比S7測。圖6可比7終。圖4圖5圖6純（7比（7信，，，率容。1于B理3.3基于倒譜特征的語音端點檢測3.3.1征倒譜能很好表示語音的特征,因此在大多數(shù)語音識別系統(tǒng)中選擇倒譜系數(shù)作為輸入特征矢量在噪聲環(huán)境下短時能量與其它特征參數(shù)都不能很好地區(qū)分語音段與非語音段,因此可采用倒譜系數(shù)來作為端點檢測的參數(shù)，運用倒譜特征來檢測語音端點也是目前語音識別系統(tǒng)中比較典型的方法之一。3.3.2離號)，倒換為c(n。信號倒的一種義是信號能量信倒譜的一種定義是信號能量譜密度函數(shù)S()的對數(shù)的傅里葉反變換，或者可以將號s(n的倒譜c(n)看成是gS()即gS()c(nen （36）n式，c(n)為倒系，且c(n)=c(n)，c(0)算2=1gS() （7）23.3.3理如何很好地提取語音信號聲道特性的譜包絡,并用少量參數(shù)表示出來，在語音識別、語音合成和語音編碼中都是最重要的問題。按照語音產(chǎn)生模型的理論，語音信號是由激勵信號與聲道響應相卷積產(chǎn)生的要想提取反映聲道特性的譜包，只取。根據(jù)Parseval定理,對于兩個不同信號(n)和s(n)其倒譜差異的均方值0 1用倒譜距離表示：2 d2 1gS()gS()2dcep 1 2 =(c(n)c(n))2 （38）1 0ncS式中d為倒譜距離，(n)和c(n)分別是對應于譜密度函數(shù)()和S()cScep 0 1 0 1的倒譜系數(shù)。信號與其倒譜是一一對應的變換，因此倒譜的均方距離可以反映兩個信號比如語音與背景噪)譜的，譜離作端測判參屬于2于B理。1算用C中避免了復對數(shù)中相位卷繞的繁瑣處理C譜中用C。C倒數(shù)(8~32)后可較好地表征道特性但它是按實際頻率尺度的倒譜系數(shù)C美爾倒譜系數(shù)算法效率較高，既考慮了聲道激勵，又兼顧人耳聽覺，理論上具有一定的可行性。（1）線性預測系數(shù)LPC通過用C特干語樣的性合近計按某析幀(時)內實際的各語音樣本與各預測得到的樣本間差值的平方和最小準則，可以決定唯一的一組預測系數(shù)，即C。（2）C譜C性預測分析推定的聲道模型系統(tǒng)函數(shù)為語音信號的倒譜指的是信號能量譜密度函數(shù)S()的對數(shù)的傅立葉變換用測量倒譜距離的方法來判斷每一幀信號是語音信號還是噪聲信號根據(jù)每一幀信號與噪聲的倒譜距離的軌跡就可以進行語音端點檢測C（LC于線測系數(shù)相，避相，復且C用T算在B中采用迭代算法計算C：n%算C數(shù);;;;當n<n_lpc時，采用下述算法來計算c譜rc;r1;endend3于B理;;rk;r1ifi=1%對于階數(shù)為1，2要特殊處理MC(1,j)=lpcc1(j)+a*MC(1,j+1);endifi==2MC(2,j)=(1-a^2)*MC(1,j+1)+a*MC(2,j+1);endendendlpcM(,);圖7圖2驟的C譜出：（1）預處理。對z采樣信號進行預加重處理,然后分幀加窗,幀長取30msS(240個采樣點),移1,對加20點hg窗。（2離d。數(shù)p取1，抽樣信號起始10幀cepsi是背景噪聲，利用這10幀的前5幀倒譜系數(shù)的統(tǒng)計平均值作為背景嗓聲倒譜系數(shù)的估計值用向C表（315計這10幀后5幀譜平0中c(n)表，c(n)1 0為對應于C的。0（3）算d值逐計倒系數(shù),然由幀號倒系和噪cep4于B理過(3-15)式計算倒譜距離。（4）確定判決門限。采用類似于短時能里檢測法的動態(tài)門限判決準則，設定兩個門限1