基于自相關(guān)法的語(yǔ)音基音周期估計(jì)

1、綜合實(shí)驗(yàn)報(bào)告自相關(guān)法及其變種學(xué) 院 電子與信息學(xué)院 專 業(yè) 信息與信號(hào)處理 學(xué)生姓名 學(xué)生學(xué)號(hào) 提交日期 2013年7月10日 一、實(shí)驗(yàn)?zāi)繕?biāo)1.1 了解語(yǔ)音基音周期估計(jì)方法，掌握自相關(guān)法估計(jì)基音周期的原理，分析其變種。二、實(shí)驗(yàn)基礎(chǔ)知識(shí)2.1 基音與基音周期估計(jì)人在發(fā)音時(shí)，根據(jù)聲帶是否震動(dòng)可以將語(yǔ)音信號(hào)分為清音跟濁音兩種。濁音又稱有聲語(yǔ)言，攜帶者語(yǔ)言中大部分的能量，濁音在時(shí)域上呈現(xiàn)出明顯的周期性；而清音類似于白噪聲，沒(méi)有明顯的周期性。發(fā)濁音時(shí)，氣流通過(guò)聲門(mén)使聲帶產(chǎn)生張弛震蕩式振動(dòng)，產(chǎn)生準(zhǔn)周期的激勵(lì)脈沖串。這種聲帶振動(dòng)的頻率稱為基音頻率，相應(yīng)的周期就成為基音周期?；糁芷诘墓烙?jì)稱謂基音檢測(cè)，基音檢

2、測(cè)的最終目的是為了找出和聲帶振動(dòng)頻率完全一致或盡可能相吻合的軌跡曲線。基因周期作為語(yǔ)音信號(hào)處理中描述激勵(lì)源的重要參數(shù)之一，在語(yǔ)音合成、語(yǔ)音壓縮編碼、語(yǔ)音識(shí)別和說(shuō)話人確認(rèn)等領(lǐng)域都有著廣泛而重要的問(wèn)題，尤其對(duì)漢語(yǔ)更是如此。漢語(yǔ)是一種有調(diào)語(yǔ)言，而基因周期的變化稱為聲調(diào)，聲調(diào)對(duì)于漢語(yǔ)語(yǔ)音的理解極為重要。因?yàn)樵跐h語(yǔ)的相互交談中，不但要憑借不同的元音、輔音來(lái)辨別這些字詞的意義，還需要從不同的聲調(diào)來(lái)區(qū)別它，也就是說(shuō)聲調(diào)具有辨義作用；另外，漢語(yǔ)中存在著多音字現(xiàn)象，同一個(gè)字的不同的語(yǔ)氣或不同的詞義下具有不同的聲調(diào)。因此準(zhǔn)確可靠地進(jìn)行基音檢測(cè)對(duì)漢語(yǔ)語(yǔ)音信號(hào)的處理顯得尤為重要。2.2 基音周期估計(jì)的現(xiàn)有方法到目前為

3、止，基音檢測(cè)的方法大致上可以分為三類：1）時(shí)域估計(jì)法，直接由語(yǔ)音波形來(lái)估計(jì)基音周期，常見(jiàn)的有：自相關(guān)法、并行處理法、平均幅度差法、數(shù)據(jù)減少法等；2）變換法，它是一種將語(yǔ)音信號(hào)變換到頻域或者時(shí)域來(lái)估計(jì)基音周期的方法，首先利用同態(tài)分析方法將聲道的影響消除，得到屬于激勵(lì)部分的信息，然后求取基音周期，最常用的就是倒譜法，這種方法的缺點(diǎn)就是算法比較復(fù)雜，但是基音估計(jì)的效果卻很好；3）混合法，先提取信號(hào)聲道模型參數(shù)，然后利用它對(duì)信號(hào)進(jìn)行濾波，得到音源序列，最后再利用自相關(guān)法或者平均幅度差法求得基因音周期。三、實(shí)驗(yàn)原理3.1 自相關(guān)函數(shù)能量有限的語(yǔ)音信號(hào)x(n)的短時(shí)自相關(guān)函數(shù)定義為：此公式表示一個(gè)信號(hào)和延

4、遲m點(diǎn)后該信號(hào)本身的相似性。如果信號(hào)x(n)具有周期性，那么它的自相關(guān)函數(shù)也具有周期性，而且周期與信號(hào)x(n)的周期性相同。自相關(guān)函數(shù)提供了一種獲取周期信號(hào)周期的方法。在周期信號(hào)周期的整數(shù)倍上，它的自相關(guān)函數(shù)可以達(dá)到最大值，因此可以不考慮起始時(shí)間，而從自相關(guān)函數(shù)的第一個(gè)最大值的位置估計(jì)出信號(hào)的基音周期，這使自相關(guān)函數(shù)成為信號(hào)基音周期估計(jì)的一種工具。3.2 短時(shí)自相關(guān)函數(shù)法語(yǔ)音信號(hào)是非穩(wěn)態(tài)信號(hào)它的特征是隨時(shí)間變化的，但在一個(gè)很短的時(shí)間段內(nèi)可以認(rèn)為具有相對(duì)穩(wěn)定的特征即 短時(shí)平穩(wěn)性。因此語(yǔ)音具有短時(shí)自相關(guān)性。這個(gè)時(shí)間段約5ms-50ms。為其統(tǒng)計(jì)特性和頻譜特性都是對(duì)短時(shí)段而言的。這使得要對(duì)語(yǔ)音信號(hào)作

5、數(shù)字處理必須先按短時(shí)段對(duì)語(yǔ)音信號(hào)分幀。這樣每一幀信號(hào)都具有短時(shí)平穩(wěn)性從而進(jìn)行短時(shí)相關(guān)分析。能量有限的語(yǔ)音信號(hào)s(n)的短時(shí)自相關(guān)函數(shù)定義為：一般要求一幀至少包含2個(gè)以上的周期。而且相鄰幀之間要有足夠的重疊。3.3 自相關(guān)方法變種 中心削波由于語(yǔ)音信號(hào)與聲道特性影響有關(guān)，有的情況下即使窗長(zhǎng)已選得足夠長(zhǎng)，第一最大峰值點(diǎn)與基音仍不一致，這就是聲道特性的共振峰特性造成的“干擾”。實(shí)際上影響從自相關(guān)函數(shù)中正確提取基音周期的最主要的因素就是聲道響應(yīng)部分。當(dāng)基音的周期性和共振峰的周期性混疊在一起時(shí)，被檢測(cè)出來(lái)的峰值就會(huì)偏離原來(lái)峰值的真實(shí)位置。另外，某些濁音中，第一共振峰頻率可能會(huì)等于或低于基音頻率。此時(shí)，如

6、果其幅度很高，它就可能在自相關(guān)函數(shù)中產(chǎn)生一個(gè)峰值，而該峰值又可以同基音頻率的峰值相比擬，從而給基音檢測(cè)帶來(lái)誤差。為了提高基音周期檢測(cè)的可靠性，采用中心削波法對(duì)原始信號(hào)進(jìn)行預(yù)處理。 其中削波電平 CL 一般取最大信號(hào)幅度的 60%70%。圖1給出了中心削波處理后的結(jié)果。中心削波后，再用自相關(guān)檢測(cè)出基音頻率，錯(cuò)判為倍頻或分頻的情況就可以大大減少了。中心削波法實(shí)質(zhì)上是對(duì)信號(hào)做非線性處理，它消除語(yǔ)音信號(hào)的低幅值部分，而保留高振幅的峰值，從而能有利于信號(hào)的基音周期估計(jì)。圖1 中心削波處理經(jīng)過(guò)中心削波后的信號(hào)，削去了大部分與聲道響應(yīng)有關(guān)的波動(dòng)，只保留了超過(guò)削波電平的部分。對(duì)中心削波后的語(yǔ)音信號(hào)計(jì)算自相關(guān)函

7、數(shù)，這樣在基音周期位置呈現(xiàn)大而尖的峰值，而其余的次要峰值幅度都很小。 三電平削波由自相關(guān)函數(shù)表達(dá)式可知，自相關(guān)需要大量的乘法運(yùn)算，算法的運(yùn)行效率低。結(jié)合自相關(guān)函數(shù)法和中心削波法對(duì)信號(hào)做基音周期估計(jì)，并在不影響基音周期估計(jì)準(zhǔn)確性的前提下，用兩個(gè)信號(hào)的互相關(guān)序列代替自相關(guān)序列而避免了大量的乘法運(yùn)算，有效地提高了算法的運(yùn)行效率。 圖2 顯示的是經(jīng)過(guò)三電平削波后的信號(hào)。經(jīng)過(guò)三電平削波后的信號(hào)原始輸入的語(yǔ)音信號(hào)圖2 經(jīng)過(guò)三電平削波后的信號(hào)顯然 x(n)只有-1，0，1 三種可能的取值。自相關(guān)中的乘法運(yùn)算都變成了加減運(yùn)算，使得算法的效率得到大幅度的提高。 基于時(shí)域自相關(guān)平方函數(shù)第一峰值點(diǎn)的位置非常重要，峰

8、值越尖銳則確定的位置就越準(zhǔn)確。求短時(shí)自相關(guān)函數(shù)的平方：它們周期一致，但平方后在峰值處波形尖銳尤為明顯。圖3示為某女性發(fā)元音a的波形/短時(shí)自相關(guān)函數(shù)及短時(shí)自相關(guān)平方函數(shù)波形.圖3 某女性發(fā)元音a的波形/短時(shí)自相關(guān)函數(shù)及短時(shí)自相關(guān)平方函數(shù)波形 3.4 短時(shí)能量分析語(yǔ)音信號(hào)x(n)的某幀信號(hào)的短時(shí)平均能量En的定義為：式中，w(n)為窗函數(shù)，N為窗長(zhǎng)，h(n)= w2(n)，則有 由上式表明，短時(shí)平均能量En相當(dāng)于將語(yǔ)音信號(hào)的平方通過(guò)一個(gè)單位沖激響應(yīng)為h(n)的線性濾波器的輸出。實(shí)驗(yàn)統(tǒng)計(jì)發(fā)現(xiàn)，語(yǔ)音中濁音段的短時(shí)平均能量遠(yuǎn)遠(yuǎn)大于清音段的短時(shí)平均能量。因此，短時(shí)平均能量的計(jì)算給出了區(qū)分清音段與濁音段的依

9、據(jù)，即En(濁)>En(清)。根據(jù)E由高到低的跳變可定出濁音變?yōu)榍逡粽Z(yǔ)音的時(shí)刻，E由低向高的跳變可定出清音變?yōu)闈嵋粽Z(yǔ)音的時(shí)刻，又由于只有濁音才有基音周期，清音的基音周期為零，這樣就可判別出清、濁音。圖4 男聲“確定”的語(yǔ)音波形及其局部短時(shí)能量四、結(jié)果與分析檢測(cè)流程如下：我們先通過(guò)Matlab實(shí)現(xiàn)，然后再通過(guò)C+實(shí)現(xiàn)。圖5 基于自相關(guān)函數(shù)的基因周期檢測(cè)流程實(shí)驗(yàn)采用一段男聲讀“播放”兩個(gè)字的聲音wav文件，其為16KHz采樣率，16bit量化。整段語(yǔ)音長(zhǎng)656.7ms，節(jié)點(diǎn)共10508個(gè)。圖6 男聲讀“播放”兩個(gè)字的聲音文件4.1 濾波將濾波器低端截止頻率設(shè)為60Hz，這是因?yàn)榭梢砸种?0Hz電源工頻的干擾；高端截止頻率設(shè)為900Hz既可除去大部分共振峰影響，又可以當(dāng)基音最高頻率為450Hz時(shí)仍能保留其一二次諧波。圖7 經(jīng)過(guò)濾波器后的語(yǔ)音信號(hào)4.2 不同幀長(zhǎng)窗口長(zhǎng)度至少要大于基音周期的兩倍。一般，基頻最低50Hz，故周期最長(zhǎng)為20ms，再根據(jù)采樣率確定幀長(zhǎng)。圖8 截取不同幀長(zhǎng)的語(yǔ)音信號(hào)4.3 清濁音區(qū)分這里我們通過(guò)計(jì)算短時(shí)能量來(lái)區(qū)分清濁音，結(jié)果如圖9所示。圖9 清、濁音短時(shí)能量圖4.4 平滑 去除野點(diǎn)。圖10 平滑后的結(jié)果五、總結(jié)通過(guò)本次課程實(shí)驗(yàn)設(shè)計(jì)，我們從中學(xué)習(xí)了語(yǔ)音信號(hào)處理的一些基本知識(shí)，了解了基音周期的