语音信号处理实验报告
一、原理
1．端点检测
语音信号一般可分为无声段、清音段和浊音段。无声段是背景噪声段, 平均能量最低，波形变化缓慢，过零率最低; 浊音段为声带振动发出对应的语音信号段, 平均能量最高; 清音段是空气在口腔中的摩擦、冲击或爆破而发出的语音信号段, 平均能量居于前两者之间，波形上幅度变化剧烈, 过零率最大。端点检测就是首先判断有声还是无声, 如果有声,则还要判断是 清音还是 浊音。为正确地实现端点检测, 一般综合利用短时能量和过零率两个特征,采用/双门限检测法。
① 语音信号x(n)进行分帧处理，每一帧记为Si（n），n=1，2，…，N，n为离散语音信号时间序列，N为帧长，i表示帧数。
② 短时能量：
Ei??si2?n?n?1NN
③ 过零率：2.基音检测
Zi??sgn??si?n????sgn??si?n?1???n?1
能量有限的语音信号s(n)?的短时自相关函数定义为：
?Rn(?)?N?1??m?0?[s(n?m)w(m)][s(n?m??)w(m??)] 其中，?为移位距离，w(m)是 偶
对称的窗函数。
短时自相关函数有以下重要性质：
①如果s(n)?是周期信号，周期是P，则R(?)也是周期信号，且周期相同，即
?R(?)?R(P??)。
②当τ=0时，自相关函数具有最大值；当??0,?P,?2P,?3P…处周期信号的自相关函数达到极大值。
③自相关函数是偶函数，即R(?)?R(??)。
短时自相关函数法基音检测的主要原理是利用短时自相关函数的第二条性质，通过比较原始信号和它移位后的信号之间的类似性来确定基音周期，如果移位距离等于基音周期，那么，两个信号具有最大类似性。在实际采用短时自相关函数法进行基音检测时，使用一个窗函数，窗不动，语音信号移动，这是经典的短时自相关函数法。 3.自相关法解线性预测方程组
自相关方法
a.Levinson-durbin递推算法
E?(i)?(1?k)E2i(i?1),E(p)?Rn(0)?(1?ki2),|ki|?1i?1p
aj?a(jp),j?1,2,3...,pki 称为反射系数，也称PARCOR系数 b.E(p)是预测残差能量
在起始端，为了预测x(0),需要用到x(-1),x(-2),……,x(-p).但是这些值均为0，这样预测会带来误差。对于结尾有类似的结果。所以选择汉明窗。 c.当N>>P时，误差比例比较小，一般也符合这个条件。 4．Lpc倒谱
(1??aiz)?nh(n)z?ii?1n?1p???n?1??iaiz?i?1i?1p
????h(1)?a1n?1?????h(n)?an??(1?i/n)aih(n?i),1?n?p
i?1?p??^?h(n)??(1?i/n)aih(n?i),n?p?i?1?二、设计流程图
1. 端点检测
2.基音检测
3.总流程图