该段语音的起始帧为第63帧,结束帧为93帧。设定了阈值的过零率可以对噪声的干扰有一定的抑制作用。
实验二 语音信号的特征提取
一、实验目的
1、掌握语音信号的Mel倒谱特征(MFCC)的求解方法 2、掌握语音信号的线性预测原理以及LPC特征的求解方法 二、仪器设备 HP计算机、Matlab软件
三、实验原理
1、线性预测分析包含的基本概念:一个语音的抽样能够用过去若干个语音抽样的线性组合来逼近。通过使实际语音抽样和线性预测抽样之间差值的平方和(在一个有限间隔上)达到最小值,即进行最小均方误差的逼近,能够决定唯一的一组预测系数。这组系数就能反映语音信号的特性,可以作为语音信号特征参数来用于语音编码、语音合成和语音识别等应用中。
线性预测模型一般均采用全极点模型,在语音线性预测方面的文献和资料中,绝大多数情况采用全极点模型。这是因为: ①全极点模型最容易计算,对全极点模型作参数估计是对线性方程组组的求解过程,相对来说比较容易。而若模型中含有有限个零点,则是解非线性方程组,实现起来非常困难。
②如果不考虑鼻音和摩擦音,那么语音的声道传递函数就是一个全极点模型。
为了使模型的假定能够很好地符合语音产生的模型,需要考虑如下两个因素。
1)模型阶数的选择:阶数p应与共振峰的个数相吻合,通常一对极点对应一个共振峰,因此当共振峰数为5时,应取p=10。此外当语音为鼻音和摩擦音时,声道传递函数并不符合全极点模型的假定,而是一个既有极点又有零点的模型,但由于可以用多个极点来近似一个零点,所以仍然可以采用全极点模型的假定,但要求有足够高的阶数。考虑到这些情况,一般按如下的方式计算模型阶数,P=2*D+1,其中D为共振峰的个数。
2)通过预加重进行高频提升:由于声门脉冲形状和口唇辐射的影响,语音信号的频谱在总趋势上会产生高频衰落的现象,大约每倍程下降6dB。要抵消这一影响,通常在LPC分析之前采用一个非常简单的一阶FIR滤波器进行预加重以进行高频提升,其传递函数为 1??Z?1,其中?为预加重系数,对10kHz采样的语音,一般取?=0.95。
2、基于Mel频率的倒谱MFCC:
根据人类听觉系统的特性,人耳分辨声音频率的过程犹如一种取对数的功能,基于此,出现了Mel 频率的倒谱系数(MFCC) MFCC: Mel-Frequency Cepstrum Coefficients
MFCC 比LPCC(线性预测倒谱)更能反映听觉特性,在语音识别系统中有着广泛的应用,是目前公认的性能最好的特征参数之一
Mel频率与实际频率的对应关系如下:
Mel?f??f??2595log10?1??700??求MFCC参数的流程为:
(1) 首先确定每一帧语音采样序列的点数,对每帧序列进行预加重处理后再经过离散FFT变换,取模的平方得到离散能量谱S(n)。
(2) 计算S(n)通过M个 Mel滤波器后所得的功率值,得到M个参数X(k)。 (3) 计算X(k)的对数,得到相应频带的对数功率谱,并 计算其离散余弦变换,得到L个MFCC系数。 计算式如下:
Cn
M?
?logX(k)cos[?(k?0.5)nk?1Mn?1,2?,L四、实验内容
1、找到机器中声音文件,对其进行相应的文件操作。 2、对该声音文件提取MFCC特征和LPC特征。 3、画图分析对比实验结果 五、实验步骤及程序
1、实验步骤:
(1)读语音信号;
(2)编写程序进行LPC特征提取; (3)编写程序进行MFCC特征提取。 2、实验流程:
开始
求倒谱,提取特征 求预测语音与原始语音的误差E 用LPC求线性预测系数 取第60帧语音信号,加窗处理 读入语音信号 用specgram求频谱
3、实验程序: (1)、LPC
I = wavread('C:\\Users\\powertrue\\Desktop\\1.wav');%读入原始语音 subplot(3,1,1) plot(I);
title('original wave') %对指定帧位置进行加窗处理 Q = I';
N = 256; % 窗长
Hamm = hamming(N); % 加窗 frame = 60;%需要处理的帧位置
M = Q(((frame - 1) * (N / 2) + 1):((frame - 1) * (N / 2) + N)); %帧长为N/2
Frame = M .* Hamm';%加窗后的语音帧
[B,F,T] = specgram(I,N,N/2,N);
[m,n] = size(B); for i = 1:m
FTframe1(i) = B(i,frame); end
P =input('please input a P = '); ai = lpc(Frame,P); % 计算lpc系数
LP = filter([0 -ai(2:end)],1,Frame); % 建立语音帧的正则方程 FFTlp = fft(LP);
E = Frame - LP; % 预测误差
subplot(3,1,2),plot(1:N,Frame,1:N,LP,'-r');grid; title('original and predicted wave') subplot(3,1,3),plot(E);grid; title('predicted error'); pause
fLength(1 : 2 * N) = [M,zeros(1,N)]; Xm = fft(fLength,2 * N); X = Xm .* conj(Xm); Y = fft(X , 2 * N); Rk = Y(1 : N);
PART = sum(ai(2 : P + 1) .* Rk(1 : P)); G = sqrt(sum(Frame.^2) - PART); %增益
A = (FTframe1 - FFTlp(1 : length(F'))) ./ FTframe1 ;
subplot(2,1,1),h=plot(F',20*log(abs(FTframe1)),F',(20*log(abs(1 ./ A))),'-r');grid;
xlabel('frequency/dB');ylabel('amplitude'); title('short_time spetrum');
legend(h,'original fft','lpc fft',2);
subplot(2,1,2),plot(F',(20*log(abs(G ./ A))));grid; xlabel('frequency/dB');ylabel('amplitude'); title('LPC spetrum'); pause
%求出预测误差的倒谱
pitch = fftshift(rceps(E)); %rceps求倒谱函数