修后-基于短時(shí)自相關(guān)法的周期估值+(1)

1、基于短時(shí)自相關(guān)法的基音周期估值 【摘要】 MATLAB 是一種科學(xué)計(jì)算的軟件，其具有處理數(shù)據(jù)的重要作用。且 MATLAB 運(yùn)用的形式是矩陣形式。另外， MATLAB 把性能的數(shù)值計(jì)算與可視化 集合為一個(gè)整體， 還提供了大量的內(nèi)置函數(shù)。 也正是因?yàn)槿绱耍?它在當(dāng)代科學(xué)計(jì) 算工作、系統(tǒng)控制以及處理信息等領(lǐng)域得到廣泛的應(yīng)用和研究。 【關(guān)鍵詞】清音；濁音；基音周期；自相關(guān)函數(shù) ；研究 隨著現(xiàn)代語(yǔ)音處理技術(shù)的快速發(fā)展以及檢測(cè)方法的進(jìn)一步提高，其在實(shí)施 過(guò)程中，想要去除聲音的刺激是否是完整的周期脈沖， 與聲道的影響是十分困難 的。照此一來(lái)， 基音周期就進(jìn)行定位的定位間距是不可能的， 或者具有相當(dāng)大的 困難

2、。除此之外，加上基音周期的變化范圍比較廣，因此，其個(gè)人發(fā)音的習(xí)慣、 性別、年齡、發(fā)音力度以及發(fā)音時(shí)情感等多重因素都對(duì)基音周期定量具有嚴(yán)重的 影響，并且不能夠準(zhǔn)確確定。照此一來(lái)，在這樣的前提下，其健壯和準(zhǔn)確的特性 就起不到應(yīng)有的作用。 直至今日， 還未發(fā)現(xiàn)任何一種萬(wàn)能方法， 能夠確保其在任 何情況下都能準(zhǔn)確地、 可靠地估計(jì)出基音的周期。 根據(jù)調(diào)查發(fā)現(xiàn)， 當(dāng)前運(yùn)用的主 要方法主要有基于傳統(tǒng)的語(yǔ)音模型， 最具代表性的就是自相關(guān)法、 平均幅度差函 數(shù)法、線性預(yù)測(cè)分析方法、小波變換法及在四種算法上的基礎(chǔ)上的衍生算法等。 此外，由于語(yǔ)言的本身的語(yǔ)音聲學(xué)性能， 加上語(yǔ)言的自然性， 其成為當(dāng)前人類傳 播的最有

3、效， 最方便的一種方式。 在當(dāng)前信息化盛行的現(xiàn)代， 其針對(duì)語(yǔ)音處理技 術(shù)內(nèi)容所做的研究不僅具有現(xiàn)代意義， 同時(shí)還有助于其更有效的生產(chǎn)， 運(yùn)輸，存 儲(chǔ)，訪問(wèn)應(yīng)用程序以及儲(chǔ)存語(yǔ)音信息， 更重要的一點(diǎn)是還推動(dòng)了社會(huì)發(fā)展， 具有 不可替代的重要作用。因此，有必要對(duì)基音周期估計(jì)量進(jìn)行研究。 一般情況下，信號(hào)與系統(tǒng)中 MATLAB 應(yīng)用的方式是通過(guò)用符號(hào)運(yùn)算和數(shù)值 計(jì)算進(jìn)行仿真分析的。 加上信號(hào)與系統(tǒng)課程中的許多內(nèi)容大都是基于公式而進(jìn)行 演算，此外， MATLAB 又是借助數(shù)學(xué)符號(hào)工具箱來(lái)為工作提供的運(yùn)算功能的， 這在一定程度上基本滿足設(shè)計(jì)的實(shí)際需求。 舉個(gè)簡(jiǎn)單的例子， 解微分方程、 傅里 葉、拉普拉斯正

4、反及 Z 的正反變換等均有所體現(xiàn)。 一、關(guān)于語(yǔ)音信號(hào)時(shí)域的簡(jiǎn)單分析 （一）、語(yǔ)音信號(hào)的時(shí)域分析 語(yǔ)音信號(hào)是一種非平穩(wěn)的時(shí)變信號(hào)， 攜帶著各種各樣的信息。 例如，在語(yǔ)音 編碼和語(yǔ)音合成時(shí)， 增強(qiáng)了語(yǔ)音識(shí)別和語(yǔ)音處理， 從而提取各種信息中包含的語(yǔ) 音。一般來(lái)說(shuō)，語(yǔ)音處理的目的主要有兩個(gè)：第一個(gè)是特征提取和分析，基于語(yǔ) 音信號(hào)進(jìn)行后續(xù)處理。 第二個(gè)是語(yǔ)音信號(hào)的處理。 例如，在背景噪聲抑制噪聲時(shí)， 其語(yǔ)音逐漸增強(qiáng)，語(yǔ)音獲得相對(duì)比較“干凈” 。且在語(yǔ)音合成和拼接平滑分段語(yǔ) 音，進(jìn)行語(yǔ)音合成， 以便于獲得更高的主觀質(zhì)量， 這個(gè)應(yīng)用程序也是基于語(yǔ)音信 號(hào)的信息提取和分析的。 簡(jiǎn)而言之， 語(yǔ)音信號(hào)分析的目的是

5、方便高效的提取和進(jìn) 行語(yǔ)音信號(hào)的信息。 根據(jù)參數(shù)類型分析， 語(yǔ)音信號(hào)的分析可以分為： 時(shí)域分析和頻域（頻域分析， 倒譜域）。時(shí)域分析法是最簡(jiǎn)單，最直觀的一種方法，其主要是直接對(duì)語(yǔ)音信號(hào) 的時(shí)域波形，平均幅度和短時(shí)能量特征參數(shù)的提取， 短時(shí)平均過(guò)零率， 短時(shí)間的 自相關(guān)函數(shù)和短時(shí)平均幅度差函數(shù)。 （二）、語(yǔ)音信號(hào)的預(yù)處理 實(shí)際意義上講，語(yǔ)音信號(hào)是模擬信號(hào)，從而在對(duì)語(yǔ)音信號(hào)的數(shù)字處理之前， 首先模擬語(yǔ)音信號(hào)S （t） t采樣的采樣周期，離散的（N）,為了避免信號(hào)頻譜混 疊，其根據(jù)帶寬和采樣模擬語(yǔ)音信號(hào)定理來(lái)確定選擇采樣周期。另外， 在語(yǔ)音信 號(hào)的離散量化過(guò)程中還帶來(lái)了一定的量化噪聲和失真。 數(shù)字語(yǔ)

6、音的方式主要有兩 種：正式和非正式。 正式是指大型公司釋放語(yǔ)音或者是語(yǔ)音研究機(jī)構(gòu)中對(duì)語(yǔ)音數(shù) 據(jù)庫(kù)的確認(rèn)等。非正式主要是指?jìng)€(gè)別研究人員記錄在記錄軟件或硬件電路和麥克 風(fēng)隨時(shí)隨地的一些發(fā)音和聲明。 通常情況下， 作為一個(gè)初學(xué)者， 我們可以先使用 多媒體計(jì)算機(jī)， 通過(guò)安裝相關(guān)的音頻處理軟件來(lái)獲取相應(yīng)的語(yǔ)音數(shù)據(jù)文件。 由于 語(yǔ)音信號(hào)的頻率范圍通常保持在 300 3400Hz 的范圍之內(nèi)，從而一般采樣為頻 率為 8kHz 。其中語(yǔ)音數(shù)據(jù)文件包括：預(yù)處理的語(yǔ)音預(yù)加重和窗框。且語(yǔ)音信號(hào) 的預(yù)處理數(shù)字語(yǔ)音信號(hào)預(yù)加重的輸入， 其目的是語(yǔ)音的高頻部分明顯加重， 去除 唇部的輻射， 提高語(yǔ)音的頻率分辨率。 一階 F

7、IR 高通數(shù)字濾波器的傳遞函數(shù)來(lái)實(shí) 現(xiàn)預(yù)加重的聲音設(shè)置時(shí)間N x (n)的樣品，經(jīng)過(guò)預(yù)加重的輸出。 (三) 、語(yǔ)音信號(hào)的窗口 語(yǔ)音預(yù)加重的數(shù)字經(jīng)過(guò)濾波處理，然后進(jìn)行窗框。語(yǔ)音信號(hào)本身是一種時(shí) 間變化的信號(hào)， 分為濁音和清音兩大類。 周期性的基音， 表示該信號(hào)的幅度和信 道參數(shù)是隨時(shí)間進(jìn)行緩慢變化的。 由于發(fā)音器官的慣性運(yùn)動(dòng)， 可以在短時(shí)間內(nèi)(通 常是10 30ms)確認(rèn)語(yǔ)音信號(hào)是大致相同的，也就是說(shuō)語(yǔ)音信號(hào)的短時(shí)間具有 穩(wěn)特性。在這種方式中，可以把語(yǔ)音信號(hào)分成若干段(稱為分析框架)分別進(jìn)行 處理。語(yǔ)音信號(hào)幀的電纜長(zhǎng)度窗口移動(dòng)加權(quán)法。 根據(jù)實(shí)際情況， 其一般每秒的幀 的數(shù)量大約是 33 100幀

8、。除此之外， 其框架可以用連續(xù)分段處理， 主要采用的 方法是重疊分割方法，能夠使其平滑。 二、關(guān)于基音周期估值的基本分析 在實(shí)驗(yàn)中我們使用了三個(gè)實(shí)驗(yàn)法檢測(cè)基音周期估計(jì)。 自相關(guān)函數(shù)法和平均幅 度差函數(shù)屬于時(shí)域， 而倒頻譜方法屬于頻域處理方法。 由于時(shí)域波形的語(yǔ)音信號(hào) 的變化是隨時(shí)間變化的聲激勵(lì)，基音提取的最基本的方法是對(duì)語(yǔ)音信號(hào)的波形， 并檢測(cè)來(lái)自波形的基本頻率。 提取頻率和頻率中的更多信息。 信號(hào)的頻率成分之 間的和諧關(guān)系。所以在頻率時(shí)域提取的基本頻率時(shí)有很多嘗試使用信息的方法。 (一) 、自相關(guān)函數(shù)的方法 (1) 自相關(guān)函數(shù) 對(duì)于離散的語(yǔ)音信號(hào)x(n)，它的自相關(guān)函數(shù)定義為： R(k)=藝

9、 x(n)x(n-k), 如果信號(hào)x(n)自身有周期性，那么與它相關(guān)的自相關(guān)函數(shù)也是有周期性的， 更重要的一點(diǎn)是其周期與信號(hào)x( n)的周期性是相同的。自相關(guān)函數(shù)提供了一種方 法獲得的周期信號(hào)的周期。 在周期信號(hào)的周期的整數(shù)倍， 其自相關(guān)函數(shù)可以達(dá)到 最大值，所以我們可以不考慮起始時(shí)間， 并從自相關(guān)函數(shù)的最大值的第一位置估 計(jì)音調(diào)信號(hào)，使自相關(guān)函數(shù)作為一種工具來(lái)估計(jì)信號(hào)的音調(diào)。如果信號(hào) x( n) 的周期自相關(guān)函數(shù)，所以它是周期性的，和周期和信號(hào)x (n)相同的周期性。 (2) 短時(shí)自相關(guān)函數(shù) 語(yǔ)音信號(hào)是非平穩(wěn)信號(hào)，因此信號(hào)處理采用短時(shí)自相關(guān)函數(shù)。短時(shí)自相關(guān)函 數(shù)是在 N 采樣信號(hào)的信號(hào)的短時(shí)

10、窗口攔截附近，做自相關(guān)計(jì)算結(jié)果。 Rm(k)=工x(n)x(n-k)式中，n表示窗函數(shù)是從第n點(diǎn)開(kāi)始加入。 (二) 、程序代碼 function pitch x=wavread(E:luyinwkxp.wav);% 讀取聲音文件 figure(1); stem(x,.); 取20ms的聲音片段，即160個(gè)樣點(diǎn) 對(duì)每一幀求短時(shí)自相關(guān)函數(shù) 顯示聲音信號(hào)的波形 n=160; % for m=1:length(x)/n; % for k=1:n; Rm(k)=0; for i=(k+1):n; Rm(k)=Rm(k)+x(i+(m-1)*n)*x(i-k+(m-1)*n); end end p=Rm(

11、10:n);% 防止誤判， 去掉前邊 10 個(gè)數(shù)值較大 的點(diǎn) Rmax,N(m)=max(p); % 讀取第一個(gè)自相關(guān)函數(shù)的最大點(diǎn) end% 補(bǔ)回前邊去掉的 10 個(gè)點(diǎn) N=N+10; T=N/8; % 算出對(duì)應(yīng)的周期 figure(2);stem(T,.);axis(0 length(T) 0 10); xlabel(幀數(shù)(n);ylabel(周期(ms);title(各幀基音周期); T1= medfilt1(T,5);%去除野點(diǎn) figure(3);stem(T1,.);axis(0 length(T1) 0 10); xlabel(幀數(shù)(n );ylabel( (三)、運(yùn)行結(jié)果與分析

12、(1) 運(yùn)行 x=wavread(E:luyinwkxp.wav);% figure(1); stem(x,.); 周期(ms);title( 各幀基音周期 ) 2 ; 讀取聲音文件 顯示聲音信號(hào)的波形 得到的波形如下 0.3 0.2 0.1 C -0.1 -0.2 -0.3 ”0 411i11111 00.511.522533.5445 3 4 X W 原來(lái)的聲音文件時(shí)長(zhǎng)為t=5s,采樣率為8kHZ。故總共有5*8k=40000個(gè)采樣點(diǎn) （詳情如圖所示）。圖中的三個(gè)波形分別對(duì)應(yīng)a,o,e 三、關(guān)于語(yǔ)音合成的基本原理分析 （一）、語(yǔ)音生成模型 通過(guò)對(duì)聲測(cè)管的研究，它可用在多段級(jí)聯(lián)的不段的統(tǒng)一管

13、道進(jìn)行描述， 一般 被稱為級(jí)聯(lián)無(wú)損聲管模型。利用計(jì)算流體力學(xué)方法可以證明一個(gè)統(tǒng)一的頻率響應(yīng) 每個(gè)管道可以使用一個(gè)極點(diǎn)模型近似，所以由聲管管道可以由一個(gè)n階全極點(diǎn)濾 波器表示，即： 對(duì)于典型的男性， N = 10，所有桿分別形成共軛對(duì)確保系數(shù)是真實(shí)的?？紤] 到聲音信號(hào)，可以得到語(yǔ)音信號(hào)的語(yǔ)音產(chǎn)生的離散模型，如圖所示 4： （二），語(yǔ)音預(yù)測(cè)模型 假設(shè)ai的系數(shù)，如下圖輸入和輸出，構(gòu)成一個(gè)語(yǔ)音模型，語(yǔ)音信號(hào) S （n） 到預(yù)測(cè)濾波器，得到預(yù)測(cè)殘差 e（ n）： 圖2:簡(jiǎn)化的語(yǔ)音生 成 首先要分析一段（一般是10ms）語(yǔ)音得到它的最佳a(bǔ)i系數(shù)。給定這些系 數(shù)后，就可以適當(dāng)?shù)妮斎雭?lái)合成語(yǔ)音。 對(duì)于濁音信

14、號(hào)，一種可取的激勵(lì)模型就是 以特定頻率重復(fù)的單位樣值序列， 這個(gè)頻率就是基音頻率。對(duì)清音，最好選擇隨 機(jī)噪聲或者白噪聲作為輸入。但在不做清濁判決的情況下，全部采用周期激勵(lì)的 合成質(zhì)量也是可以接受的。 分析過(guò)程如下：首先，抽樣的語(yǔ)音信號(hào)被分成 10ms長(zhǎng)的段；然后，對(duì)每 段數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，計(jì)算相鄰樣點(diǎn)的相關(guān)性并最終得到最佳預(yù)測(cè)系數(shù)。 合成過(guò) 程就是利用這些預(yù)測(cè)系數(shù)，以及周期的單位樣值序列作為輸入，依次得到每段合 成語(yǔ)音。除此之外，還要分析變速不變調(diào)。所謂變速不變調(diào)，是指聲音播放時(shí)， 速度的改變不會(huì)導(dǎo)致音調(diào)的變化。為了實(shí)現(xiàn)變速不變調(diào)，必須要先把表示“調(diào)” 的內(nèi)容從語(yǔ)音中分離出來(lái)，由前述語(yǔ)音預(yù)測(cè)模

15、型，表示“調(diào)”的有兩個(gè)部分，一 是共振峰頻率，也就是預(yù)測(cè)模型的參數(shù)；二是基音周期，也就是激勵(lì)信號(hào)的參數(shù)。 接下來(lái)的工作就是在不改變這兩種參數(shù)的前提下改變數(shù)據(jù)長(zhǎng)度。也就是將10ms 的80個(gè)樣點(diǎn)的激勵(lì)變成20ms160個(gè)樣點(diǎn)（千萬(wàn)注意保持單位樣值的周期不變）， 在這20ms內(nèi)保持預(yù)測(cè)模型系數(shù)不變，就合成了 20ms語(yǔ)音了。新語(yǔ)音的聲調(diào)和 原有語(yǔ)音是完全相同的，只不過(guò)時(shí)間變長(zhǎng)了而已 。 綜上所述，還必須考慮到激勵(lì)信號(hào)頻率增加（注意不改變信號(hào)的長(zhǎng)度），而 共振峰頻率增加（即兩極的說(shuō)法是增加的，或上半平面桿逆時(shí)針旋轉(zhuǎn)，下半平面 桿順時(shí)針旋轉(zhuǎn)，但注意，旋轉(zhuǎn)角度，同樣不轉(zhuǎn)負(fù)實(shí)軸），合成語(yǔ)音的頻率得到的 要

16、高。除此之外，還有語(yǔ)音重建模型多種內(nèi)容，由于篇幅問(wèn)題，本人在此就不一 一詳細(xì)講述了。 四、基于短時(shí)平均幅度差函數(shù) AMD!法的基音周期估值 使用修正的短時(shí)平均幅度差函數(shù)并加矩形窗: jV-1 8 = 乂 忱 00 zQi + A) L ft = OjIj jV 1+j D AMDF方法尋找上述函數(shù)的最小值，第二個(gè)最小值與原點(diǎn)之間距離代表 語(yǔ)音信號(hào)的基音周期。 程序如下： %AMDFF于短時(shí)平均幅度差估計(jì)基音周期 clear all; fid=fope n(a.txt,rt); b,cou nt=fsca nf(fid,%f,1,i nf); fclose(fid); b仁b(6001:1200

17、0);%提取有用信號(hào) N=320;%窗長(zhǎng) A=; for k=1:320%延遲長(zhǎng)度 sum=0; for m=1:N sum=sum+abs(b1(m)-b1(m+k-1); end A(k)=sum; end s=b(6001:12000); figure(1) subplot(211); plot(s); subplot(212); plot(A); 上述程序運(yùn)行結(jié)果如下圖: 五、基于短時(shí)自相關(guān)法的周期估值研究條件 (一)、主觀條件：基于課外學(xué)習(xí)語(yǔ)言的基礎(chǔ)處理，特別是在知識(shí)上有強(qiáng)烈的求 知欲望，盡管有許多的基音估計(jì)方法，但到目前為止沒(méi)有方法能夠準(zhǔn)確地提取基 音周期。C編程學(xué)習(xí)的本科課程中的

18、計(jì)算機(jī)技能，但也有一定的基礎(chǔ)，能夠與計(jì) 算機(jī)帳戶對(duì)該課題在一起研究。 (二八客觀條件：MATLAB是一個(gè)流行的，功能強(qiáng)大，易于理解，應(yīng)用軟件和 程序設(shè)計(jì)語(yǔ)言；學(xué)校圖書(shū)館資源，網(wǎng)絡(luò)資源可以在相關(guān)參考文獻(xiàn)和研究發(fā)現(xiàn)，奠 定了本課題的進(jìn)一步研究打下堅(jiān)實(shí)的基礎(chǔ)。 基于主觀和客觀條件，我認(rèn)為我可以 完成這個(gè)任務(wù)11 o (三八設(shè)計(jì)中遇到的問(wèn)題 (1) 設(shè)計(jì)中遇到的問(wèn)題： 由于每一幀短時(shí)自相關(guān)，RM (K)幾點(diǎn)開(kāi)始值比第一峰周期較大，因此無(wú)法 提取第一峰點(diǎn)。啟動(dòng)程序運(yùn)行結(jié)果如下圖所示： 圖2 于是經(jīng)過(guò)和老師討論之后決定舍棄 Rm開(kāi)始幾個(gè)值較大的點(diǎn)，于是運(yùn)行結(jié)果 就正常了。 電t直蘭T H- 圖3 【10】

19、 （2）心得體驗(yàn)： 對(duì)基音檢測(cè)短時(shí)自相關(guān)函數(shù)法的主要原理是相似的原始信號(hào)，通過(guò)比較它轉(zhuǎn) 移到確定基音周期的信號(hào)之間，可移動(dòng)的距離等于螺距，所以有一個(gè)或兩個(gè)最大 信號(hào)的相似性?；谧韵嚓P(guān)函數(shù)的基音估計(jì)算法是一種常用的方法，瀝青特別適 用于噪聲環(huán)境中提取。在基音周期自相關(guān)函數(shù)的峰值，兩個(gè)相鄰的一個(gè)基音周期 的峰值之間的間隔。但頻率和大量的短時(shí)自相關(guān)函數(shù)的計(jì)算方法，同時(shí)，要注意 低頻率的現(xiàn)象。 六、結(jié)束語(yǔ) 在本設(shè)計(jì)中我學(xué)到了很多知識(shí)。例如，區(qū)分濁音和清音，濾波matlab課程 設(shè)計(jì)周即將結(jié)束，通過(guò)這次設(shè)計(jì)，我深深地明白我的信號(hào)處理能力的嚴(yán)重短缺， MATLAB的應(yīng)用也很奇妙。 在設(shè)計(jì)過(guò)程中，很多理論

20、原理不能理解，在原來(lái)的時(shí)候是一團(tuán)糟。沒(méi)有搜索 材料發(fā)揮作用。一些公式原理不能理解和程序的運(yùn)行是不好的。 在設(shè)計(jì)中遇到的 問(wèn)題，也是教師的講解和同學(xué)交流后的和自相關(guān)函數(shù)曲線無(wú)影響。 也許是因?yàn)樘?氣，心情在設(shè)計(jì)過(guò)程中的煩惱，浪費(fèi)了很多時(shí)間。但通過(guò)老師的指導(dǎo)和幫助，我 終于克服困難，堅(jiān)持完成論文的全部工作 本文是在王曉麗老師精心指導(dǎo)和大力支持下完成的。 王曉麗老師以其嚴(yán)謹(jǐn)求 實(shí)的治學(xué)態(tài)度、 高度的敬業(yè)精神、 兢兢業(yè)業(yè)、 孜孜以求的工作作風(fēng)和大膽創(chuàng)新的 進(jìn)取精神對(duì)我產(chǎn)生重要影響。 她淵博的知識(shí)、 開(kāi)闊的視野和敏銳的思維給了我深 深的啟迪。同時(shí)，在此次論文設(shè)計(jì)及寫(xiě)作過(guò)程中我也學(xué)到了許多了關(guān)于基于短時(shí) 自相關(guān)法的基音周期估值方面的知識(shí)， 實(shí)驗(yàn)技