劉何來，張正炳，楊順遼 (長江大學(xué)電子信息學(xué)院，湖北 荊州 434023)

高噪聲環(huán)境下的基音頻率檢測方法研究

劉何來，張正炳，楊順遼 (長江大學(xué)電子信息學(xué)院，湖北 荊州 434023)

聲道特性及噪聲給基音檢測帶來了嚴(yán)重的影響，針對這一問題，將線性預(yù)測殘差信號作為去除聲道影響的激勵信號的近似，再結(jié)合自相關(guān)函數(shù)法檢測基音頻率的高抗噪性，探討了用線性預(yù)測殘差信號的低通自相關(guān)函數(shù)法檢測基音頻率。用理論模型驗(yàn)證了該方法的可行性，并就實(shí)際信號處理情況和倒譜法及自相關(guān)函數(shù)法進(jìn)行了比較。結(jié)果表明，該方法有效的減少了聲道特性的影響，在高噪聲環(huán)境下比倒譜法和自相關(guān)函數(shù)法有更好的性能。

基音檢測；線性預(yù)測殘差；自相關(guān)函數(shù)；語音

目前基音檢測方法[1]主要有時域的平均幅度差法[2]和自相關(guān)法[3-4]、頻域的倒譜法[5]、時頻結(jié)合的小波變換分析法[6]以及在此基礎(chǔ)上的衍生算法[7-8]。這些方法理論上可有效的檢測出基音頻率，但噪聲環(huán)境下，檢測性能有不同程度下降。

實(shí)際語音信號含有各種背景噪聲，考慮到自相關(guān)函數(shù)法適用于噪聲環(huán)境下的基音檢測，但易受聲道特性(共振峰)的影響產(chǎn)生倍頻現(xiàn)象，而線性預(yù)測殘差信號去除了聲道影響，可近似看作激勵信號。為提高在噪聲環(huán)境下的基音檢測精度，筆者探討將線性預(yù)測殘差信號進(jìn)行低通自相關(guān)運(yùn)算來檢測基音頻率，并把所得結(jié)果和自相關(guān)法及倒譜法進(jìn)行比較。

1 語音信號產(chǎn)生模型

圖1 語音信號產(chǎn)生模型

語音是由氣流激勵聲道，最后從嘴唇或鼻孔，或同時從嘴唇和鼻孔輻射出來而形成的。基于聲道的語音產(chǎn)生模型就是從這一角度描述語音的產(chǎn)生過程，如圖1所示[9]。圖1所示語音產(chǎn)生模型表明，濁音可以看作是一個周期信號激勵于系統(tǒng)的響應(yīng)，清音則是隨機(jī)噪聲激勵于系統(tǒng)的響應(yīng)。顯然，濁音中的基音受到了聲門模型、聲道模型和輻射模型的綜合影響，正是這些模型影響著基音檢測的準(zhǔn)確性。

基音頻率一般處于80～500Hz之間，低通濾波能不同程度上濾除第2和第3共振峰的影響，對第1共振峰無法消除，而聲道特性中的第1共振峰頻率與基音頻率最為接近，其對基音檢測影響最大。

2 原理分析

2.1線性預(yù)測分析

在隨機(jī)信號譜分析中，常把一個時間序列模型化為白噪聲序列作用于一個數(shù)字濾波器后產(chǎn)生的輸出。線性預(yù)測分析的基本原理是將被分析的信號看作是白噪聲序列激勵某個模型的輸出，這樣就可以用模型參數(shù)來描述信號。通常所設(shè)定的模型為“全極點(diǎn)模型”或“AR模型”，即模型中只包含有限極點(diǎn)而沒有零點(diǎn)。而語音是聲道沖激響應(yīng)和聲門激勵的卷積，如不考慮鼻音和摩擦音，語音的聲道系統(tǒng)函數(shù)就是一個全極點(diǎn)模型，因此，可用線性預(yù)測分析的方法求聲道系統(tǒng)函數(shù)[10]。

按照上述思路，將圖1的語音信號產(chǎn)生模型中的聲道模型、脈沖模型及輻射模型用一個時變的數(shù)字濾波器來等效，其系統(tǒng)函數(shù)為：

(1)

式中，G為增益；a1,a2,…,ap稱為線性預(yù)測系數(shù)；p為線性預(yù)測器階數(shù)。

因此，語音信號s(n)和激勵信號u(n)之間的關(guān)系可表示為：

(2)

(3)

線性預(yù)測殘差用e(n)表示為：

(4)

比較式(2)和式(4)可知e(n)=Gu(n)，即預(yù)測殘差信號可看作原始激勵信號的加權(quán)。

按最小均方誤差準(zhǔn)則可得到唯一的一組線性預(yù)測系數(shù)，使e(n)逼近激勵信號。原始信號與預(yù)測語音信號越接近，e(n)就越接近原始激勵信號。理論上殘差信號e(n)中不包含聲道響應(yīng)信息，主要反映了原始激勵信息，用e(n)去進(jìn)行基音檢測，將較大程度地提高基音檢測的準(zhǔn)確度。線性預(yù)測殘差信號中通常含有很多高頻成分，可先對預(yù)測殘差信號進(jìn)行低通再用于檢測基音。為保證預(yù)測的準(zhǔn)確性，使殘差信號更接近于激勵信號，實(shí)驗(yàn)采用Burg法求線性預(yù)測系數(shù)[11]。

2.2自相關(guān)函數(shù)法

對于能量有限的語音信號來說，采用短時分析方法，可以定義短時自相關(guān)函數(shù)為：

式中，w(n)是偶對稱的窗函數(shù)；k是移位距離。

自相關(guān)函數(shù)在基音周期的整數(shù)倍點(diǎn)上取得峰值，可根據(jù)自相關(guān)最大值的位置來估算濁音信號的周期，通常取第1峰值點(diǎn)為基音周期。自相關(guān)函數(shù)法特別適用于噪聲環(huán)境下的基音提取。通?；纛l率與第1共振峰頻率比較接近，單獨(dú)使用自相關(guān)函數(shù)法常會產(chǎn)生半頻或倍頻現(xiàn)象。結(jié)合線性預(yù)測殘差和自相關(guān)函數(shù)，對預(yù)測殘差求短時自相關(guān)，可有效克服聲道共振峰的影響，并且能適應(yīng)噪聲的影響。

3 試驗(yàn)結(jié)果與分析

3.1理論模型驗(yàn)證

通過對理論模型的處理來驗(yàn)證筆者提出方法的可行性。聲門和聲道作用的綜合影響模擬[12]如下：

而發(fā)濁音時的激勵信號為：

x(n)=δ(n)+αδ(n-N0)+α2δ(n-2N0)+…

式中，h(n)為聲道模型的沖激響應(yīng)；δ(n)為單位沖激函數(shù)。

圖2 理論模型及處理結(jié)果

令β0=0.98,β1=1,α=0.9,r=0.99,θ=π/6,N0=15，這時聲道模型如圖2(a)所示，激勵信號的波形如圖2(b)所示，圖2(c)為聲道和激勵信號的卷積，即聲音的模擬。圖2(d)是將圖2(c)中的信號經(jīng)線性預(yù)測得到信號的線性預(yù)測殘差信號?？梢姡€性預(yù)測殘差信號基本與原激勵信號相同，周期性保存完好，幅度對應(yīng)成比例，而且受聲門和聲道特性影響較小。這表明用線性預(yù)測殘差信號近似濁音激勵信號可減少聲門和聲道特性的影響，提高基音檢測的精度。

3.2實(shí)際信號的處理

下面用試驗(yàn)來驗(yàn)證線性預(yù)測殘差的低通自相關(guān)函數(shù)法進(jìn)行基音檢測的有效性。實(shí)驗(yàn)所用語音樣本為在安靜的室內(nèi)采集的男聲濁音“啊”的一段語音信號，采樣率為8KHz，16bit量化,對語音信號進(jìn)行分幀處理，每幀40ms，幀移20ms。

圖3 語音信號及預(yù)測殘差的時域波形及各自自相關(guān)波形

圖3(a)為一幀語音信號，從圖上可以估算出基音周期為51樣點(diǎn)，其基因頻率為8000/51=156.86Hz，圖3(b)為圖3(a)的自相關(guān)波形。圖3(c)為線性預(yù)測殘差信號的波形，可以看出有很多類似于噪聲干擾的高頻成分的存在，為提高基音檢測的準(zhǔn)確性，圖3(d)為圖3(c)的低通自相關(guān)波形。比較圖3(b)和圖3(d)可以看出，從2幅圖上均能有效的檢測出基音周期，但圖3(d)的自相關(guān)波形在非周期對應(yīng)位置起伏相對較小，即受聲道特性的影響較小。

圖4是在高信噪比(10dB)時分別采用低通自相關(guān)法、倒譜法和線性預(yù)測殘差的低通自相關(guān)法對所采集的一段語音樣本進(jìn)行連續(xù)30幀基音檢測結(jié)果對比，3種檢測方法均能有效的檢測出基音頻率，檢測結(jié)果和時域估測一致，其中縱坐標(biāo)為語音的基因頻率，橫坐標(biāo)為語音段幀序號。

圖5為對低信噪比(-3dB)下語音樣本采用上述3種方法進(jìn)行基音檢測結(jié)果，自相關(guān)法由于受聲道特性的影響，檢測結(jié)果中出現(xiàn)倍頻現(xiàn)象，波形起伏嚴(yán)重；倒譜法受噪聲影響基音檢測結(jié)果波動較大；線性預(yù)測殘差的低通自相關(guān)法基音檢測結(jié)果整體較為平滑，一定程度上克服了倍頻現(xiàn)象，抗噪性能優(yōu)良。

圖4 高信噪比下3種方法檢測基音頻率對比 圖5 低信噪比下3種方法檢測基音頻率對比

表1 不同信噪比時誤檢率對比

表1是對語音樣本在不同信噪比下通過大量試驗(yàn)得出的基音誤檢率對比結(jié)果。隨著信噪比的下降，3種方法的誤檢率都會上升，倒譜法的性能下降最為劇烈，高噪聲情況下，線性預(yù)測殘差自相關(guān)法誤檢率要小于另2種方法。

[1]馮康, 時慧琨. 語音信號基音檢測的現(xiàn)狀及展望[J]. 微機(jī)發(fā)展, 2004, 14(3): 95-98.

[2]王恩成, 蘇騰芳, 袁開國, 等. 基于線性預(yù)測編碼與AMDF的高精度基音檢測算法[J]. 計(jì)算機(jī)應(yīng)用, 2012, 32(4): 1180-1183.

[3]Shimamura T,Kobayashi H.Weighted autocoorelation for picth extraction of noisy speech[J]. IEEE Trans on Speech Audio Processing, 2001, 9(7): 727-730.

[4]Zhao Qi-fang,Shimamura T, Suzuki J.A Robust Algorithm for Formant Frequency Extraction of Noisy Speech[J].ISCAS,1998,5:534-537.

[5]金學(xué)成, 汪增福. 基于線性預(yù)測殘差倒譜的基音周期檢測[J]. 模式識別與人工智能, 2008, 21(1): 104-110.

[6]Kadambe S, Boudreaux-Bartels G F.Application on the wavelet transform for pitch detection of speech signals[J].IEEE Trans on Inform, Theory, 1992, 38(2): 917-924.

[7]李晉，江成，劉甫.改進(jìn)的基音檢測算法[J].計(jì)算機(jī)工程與應(yīng)用，2011，47(3)：117-119.

[8]鄭繼明，王勁松. 語音基音周期檢測方法[J].計(jì)算機(jī)工程，2010,36(10)：273-275.

[9]胡航. 語音信號處理(第4版)[M]. 哈爾濱: 哈爾濱工業(yè)大學(xué)出版社, 2009.7.

[10]徐金甫，陳小利.基于線性預(yù)測的綜合基音檢測法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008,29(4):891-893.

[11]趙曉群. 數(shù)字語音編碼[M]. 北京: 機(jī)械工業(yè)出版社, 2007.

[12]楊順遼, 李永全. 數(shù)字信號處理實(shí)現(xiàn)與實(shí)驗(yàn)[M]. 武漢: 華中科技大學(xué)出版社, 2011.

2012-10-26

劉何來(1985-)，男，碩士生，現(xiàn)主要從事圖像、語音信號處理方面的研究工作。

TN912.3

A

1673-1409(2013)01-0046-04

[編輯] 洪云飛