基于声音信号的特征提取方法的研究

2006牟第1期 中图分类号：TN9l2．3 文献标识码 ：A 文章编号：1009—2552(2006)01～【x】91—04 基于声音信号的特征提取方法的研究 李宏松，苏健民，黄英来，于慧伶 (东北林业大学，哈尔滨 150040) 摘 要：主要介绍了利用MATLAB语言对声音文件的采集、调入和一些基本处理方法，对预处 理过程及特征参数的选取做了详细的说明，并着重介绍了线性预测系数 (LPC)及其倒谱系数 (LPCC)和梅尔频率倒谱系数 (MFCC)，且对它们进行了比较。 关键词：语音识别；特征提取；信号采集；LPCC；MFCC The research on characteristics extraction based on voice signal LI Hong—song，SU Jian—min，HUANG Ying—lai，YU}lui—ling (Northeast Forestry University，Harbin 150040，China) Abstract：This thesis not only introduces some basic processing methods of collecting and loading voice mes-- sages using MATLAB language，also explains the choice of operation processes and characteristic parameter in detail．And this paper also mainly gives a clear explanation of LPC，LPCC and MFCC and makes a contrast between them． Key words：vdice recognition；characteristics extraction；signal collection；LPCC；MFCC 0 引言 语音识别是以声音为研究对象，它是语音信号处 理的一个重要研究方向。是模式识别的一个分支，涉 及到生理学、心理学、语言学、计算机科学以及信号处 理等诸多领域，甚至还涉及到人的体态语言(如人在 说话时的情、手势等行为动作可帮助对方理解)，其 最终目标是实现人与机器进行自然语言通信⋯。 语音识别的一个根本问是合理的选用特征。 选择的标准应体现对于异字音，相应特征间的距离 应大，而对于同字音，彼此间距离应小。若以前者距 离与后者距离之比作为优化准则用的“目标量”_2 J， 则应使此量最大。 浯音信号的特征向量一般分为两类：第一类为 时域特征向量。通常将帧语音信号的各个时域采样 值直接构成一个向量。第二类为变换域特征向量， 即对一帧语音信号进行某种变换后产生的特征向 最。前者的优点在于计算简单，缺点是不能压缩维 数且不适于表征幅度谱特性。与此对应，各种变换 域特征向量的计算比较复杂，但能从不同的角度反 映幅度谱的特征。 1 语音识别原理 I璺l 1 语晋识别 的原理框 图 语音识别本质上是一种模式识别的过程，其基 本结构原理框图如图 1所示，主要包括语音信号预 处理、特征提取、特征建模(建立参考模式库)、模式 匹配等几个功能模块。 一 个语音识别系统主要包括训练和识别两个阶 段。无论是训练还是识别，都需要首先对输入的原 始语音进行预处理，并进行特征提取。 收稿 日期 ：2005—09—06 作者简介：李卫：松．男，尔北林- 大学倩息与计算机工程学院本 科，I 一 9l 一 维普资讯 http://www.cqvip.com 2 声音采集方法 [采样定理]被分析的信号必须有一个截止频 率，采样频率必须大于信号截频的2倍。 声音的获取，硬件设备可以利用 Pc机和声卡 来采集，并可以由声卡实现滤波和 A／D转换过程。 录制方法可以由Windows自带的录音机录制或其它 录音工具来录制后储存到硬盘，也可以由软件编写 录音程序来实现。介绍两种基于 MATLAB实现语 音采集的方法： (1)由 Windows录音机预先录制的声音文件 (*．way)，再由MATLAB语言调入，其调入语句为： wavread(‘d：＼你好．way’)； 此语句的功能是调入保存在 d盘根目录下的 “你好”语音文件，并将其转换为 MATLAB数据类 型，然后对其进行分析。 (2)由 MATLAB语言直接通过 Windows的音频 设备实现录音功能，并将采样结果转换为 MATLAB 数据类型，其录音语句为： Fs=ll025 X=wawecord(5*Fs，F8，‘double’)； 此代码是通过Windows的录音设备用单通道， 11025Hz的采样频率录制 5秒的数据，采样精度为 l6位，存储格式为双精度型。通过以上语句调入或 录制后，就可以在MATI_AB语言中进行下一步的数 据处理工作。 3 预处理分析 语音信号特征的提取如图2所示，在特征提取 部分以前为声音信号预处理过程，主要包括 A／D转 换、去噪、端点检测、预加重、分帧和加窗等计算。 陶 2 声音特 提收过程 I刳 3．1 放大、滤波、A／D转换 这部分采用 Windows自带的音频设备及 MAT． LAB语言即可实现，其采样频率可以自由设定；如 J 1025Hz或 22050Hz等，精度为 16bit。 PC机的声卡可以完成放大和滤波的反混叠过 程，并可以完成 A／D转换过程。 3．2 预加重 预加重是一阶网络，用来对声音信号的高频部 一 92 一 分进行加重，以增强声音的高频分辨率，可由软件来 实现，表示为： 数字信号s(n)通过一个高通滤波器， H(：)=1一aZ (0．9P) 其中口 为LPC系数，而P为其阶数，一般 LPC倒谱 系数的阶数一般取8—32阶就可以比较好的表征声 道特征。 4．2 Mel频率倒谱系数(MFCC) 如图3所示，由于语音信号在时域上的变化快 速而不稳定，所以通常都将它转换到频域上来观察， 此时它的频谱会随着时间作缓慢的变化。所以通常 将加窗后的帧经过快速傅立叶变换( )，求出每 帧的频谱参数。再将每帧的频谱参数通过一组 Ⅳ 个(Ⅳ一般为 20—3O个)三角形带通滤波器所组成 的梅尔频率滤波器，将每个频带的输出取对数，求出 每一个输出的对数能量(1og energy)Ek，k=1，2⋯ ． Ⅳ。再将此Ⅳ个参数进行余弦变换(cosine transform) 求出L阶的Mel—scale cepstmm参数。 图 3 Mel倒频谱特征参数提取流程图 余弦转换公式如下： Cm ：耋 。 (m( 一 )焉) 2，⋯ 上而用 MFCC进行特征提取方法，用 MATLAB 语言书写程序如下，图4为 Mel刻度滤波器组。 f=fit(s)； x=melbankm(24，256，8o()o)； - n2=l+floor(n／2)： z=iof(X*abs(f(1：n2))．^2)； c=dot(z)； 。 C(1)=[]； 一 93 — 维普资讯 http://www.cqvip.com 4 6 } ● _ f 图4 Mel刻度滤波器纰 5 结论分析 根据以上提取和分析的过程，可以得出结论： (1)在语音特征的提取中，预加重和汉明窗两部 分是必不可少的，其参数的选取关系决定了提取语 音特征的正确与否。 (2)LPC是语音分析的重要手段，它能很好地进 行谱估计，即可作为语音特征的参数。因此仅用 l2 个LPC系数就能很好地表示复杂语音信号的特征， 这就大大降低了信号的冗余度并有效地减少了计算 量和存储量，使之成为语音识别和语音压缩的基础。 (3)倒谱也是语音的特征参数，是研究系统特性 的有效数据，在实际运作中大多数语音识别系统都 会采用倒谱参数来作为有关距离的度量。LPC倒谱 系数是描述说话人声道特性的 J，广泛应用于声纹 识别。 (4)从目前使用的情况来看，Mel刻度式倒频谱 参数是描述人耳听觉特性的L6]，在大词汇量语音识 别应用中已逐渐取代原本常用的线性预测编码导出 的倒频谱参数，原因是它考虑了人类发声与接收声 音的特性，具有更好的鲁棒性。 参 考 文献： [1] 陈方。高升．语音识别技术及发展[J]．电信科学，1996，12(1O)： 54—57， [2] 易克初，等．语音信号处理[M]．国防工业出版社，2000。 [3] 杨行峻，等．语音信号数字处理[M]．电子工业出版社，1995． [4] 胡光锐．语音处理与识别[M]．上海科技文献出版社，1994． [5] 何强。何英．MATI_AB扩展编程【M]．清华大学出版社，2002． [6] 粱维谦。等．应用于语音识别片上系统的语音检测算法[J]．电 路与系统学报。2003。8(2)：66—79． 责任编辑：李光辉 2006：调整是 IT产业发展主旋律 2006年，传统电子企业进入转型热潮期，在调整中继续前进将是全球 Ⅱ产业发展的主旋律。 2005年，以日韩及中国企业为代表的消费类电子企业利润纷纷下滑，将迫使传统电子企业进行经营战 略的转型、组织结构的变革和生产流程的重组等，转型最为明显的举措就是对传统电子业务的抛弃。三洋

计划

项目进度计划表范例计划下载计划下载计划下载课程教学计划下载

出售其金融业务和OLED业务，并将停止在日本销售电视机。同样，索尼也将缩减传统业务——家电、 电脑等亏损部门的规模，并全力往游戏、娱乐、高画质三个方向发展。同时，苹果将进入手机领域，摩托罗拉 进人数字电视领域。产业有退有进，优化资源，有助于企业在 2006年陆续恢复隐定。历经修整阶段后，追寻 高附加值产品研发制造的消费类电子企业预计在2006年至2008年将回归快速增长。 消费电子市场用户推崇多功能产品，用户将更顷向于多功能的集成产品，如具备拍照及日程安排功能 的手机等。预计2006年美国消费类电子市场将突破 1400亿美元，欧洲将达到 1000亿美元，中国将突破600 亿美元，由此将带动相关上下游行业快速发展，未来3年全球半导体产业将一路走高。美国半导体产业协会 (SIA)预测，2006年全球半导体市场将增长7．9％％，达2455亿美元；2007年将增长l0．5％，预计达2713亿美 元；2008年将增长13．9％。 伴随消费类电子产品需求的上升以及I)C与移动电话的换机潮，2006年世界 rI’产业仍然是局部调整与 总体增长并存，许多跨国公司将进行自身业务的重组和调整，同时 IrI．技术将不断创新，技术应用广泛深入推 进，3C融合加快、多功能额产品不断进入市场，如英特尔将推出移动版双内核处理器，微软将推出新版本的 Office软件。平板电视将继续蚕食CRT市场，手机电视和移动电视市场将呈爆炸性增长。2006年，全球手机 用户将达到20亿部，手机销售量将突破8亿部，其中可拍照手机将达到3亿部，3G手机将突破 l亿部大关。 全球PC销售量将达到2．2亿台，其中笔记本电脑将突破7500万台。互联网将依旧繁荣，Google等继续引领 互联网全球化潮流，触角将伸向更多领域。 - -— — 94 ---—— L L L a a a n 维普资讯 http://www.cqvip.com