趙 發(fā),孫瑞霞

(安徽工程大學(xué)電氣工程學(xué)院，安徽 蕪湖 241000)

基音檢測是指對語音信號基因周期或頻率的這一特征的檢測[1]699，在語音識別、語音編碼、語音合成等語音應(yīng)用方面具有非常重要的作用[2]223。目前基音檢測存在的主要問題是，當(dāng)受噪聲影響時，帶噪語音信號的信噪比急劇下降，從而導(dǎo)致基音檢測準(zhǔn)確度降低[3-4]163。針對此問題，目前國內(nèi)外采用的方法主要有兩類：直接法和間接法。其中，直接法是指對帶噪語音信號直接利用相關(guān)算法進(jìn)行基音檢測；如文獻(xiàn)[2]223提出一種新的基于經(jīng)驗?zāi)Ｊ椒纸獾钠骄群瘮?shù)與自相關(guān)函數(shù)加權(quán)的基音檢測算法。文獻(xiàn)[3]163提出的類諧波積譜基音周期檢測算法。間接法是指對帶噪語音信號進(jìn)行減噪處理，然后再進(jìn)行基音檢測。如文獻(xiàn)[1]700通過基于聽覺掩蔽的多頻帶譜減的方法對帶噪的語音信號進(jìn)行語音增強(qiáng)，再利用能零積和能零比的多門限法對其進(jìn)行基音檢測。直接法由于對噪聲不進(jìn)行預(yù)處理，所以對基音檢測的準(zhǔn)確度提高有限。間接法采用譜減法對帶噪語音信號進(jìn)行減噪處理，但由于譜減法算法具有自身的局限性，對平穩(wěn)的信號譜減效果較好，而語音信號具有一定的非平穩(wěn)性，所以用譜減法就會產(chǎn)生一定的檢測誤差?；谏厦娴姆治觯疚睦眯〔ㄗ儞Q在非平穩(wěn)信號中的有效應(yīng)用，提出一種基于小波減噪[5-7]和改進(jìn)自相關(guān)函數(shù)的基音檢測算法，該算法通過小波變換來對帶噪語音信號進(jìn)行減噪，然后再進(jìn)行改進(jìn)的自相關(guān)函數(shù)來進(jìn)行基音檢測。

1 小波減噪

小波減噪是利用噪聲與語音信號的特征區(qū)別，首先將噪聲和語音信號變換到小波域后，然后將噪聲對應(yīng)頻帶的小波系數(shù)置零，利用語音信號的小波系數(shù)進(jìn)行重構(gòu)還原語音信號，從而達(dá)到減噪的目的。

設(shè)語音信號表達(dá)式為s(t)，噪聲信號表達(dá)式為n(t)，帶噪語音信號為兩種的疊加信號f(t)，即

f(t)=s(t)+n(t)

(1)

然后對此帶噪語音信號進(jìn)行離散小波變換

(2)

(3)

小波語音減噪的原理框圖如圖1所示。

圖1 小波語音減噪原理框圖

2 改進(jìn)自相關(guān)函數(shù)

2.1 基本自相關(guān)函數(shù)

設(shè)語音信號的時間序列為x(n)，加窗分幀處理后得到的第i幀語音信號為xi(m)，下標(biāo)i表示第i幀，設(shè)每幀幀長為N，xi(m)的短時自相關(guān)函數(shù)[8]定義為

(4)

式中：τ是時間的延遲量。

語音信號可以看做是濁音與清音的結(jié)合，因為濁音具有準(zhǔn)周期性，而清音不具有周期性，可以利用求自相關(guān)把濁音的周期檢測出來，檢測出的濁音周期可以看做是語音信號的基音周期[9]。通過計算原始語音信號和延遲τ后的語音信號之間的自相關(guān)函數(shù)，如果R(τ) 具有最大值，則τ即為信號的基音周期。圖2為一幀語音信號波形以及對應(yīng)的歸一化自相關(guān)函數(shù)波形，從圖中可以看出，當(dāng)τ=0 時，歸一化自相關(guān)函數(shù)具有最大值為1，τ≠0時，幅值都小于1。在一幀語音的歸一化自相關(guān)函數(shù)計算中有一個最大值，所以當(dāng)對一個語音信號求基音周期時，統(tǒng)計幀與幀之間的最大峰值之間的延遲距離即為基音周期，但需注意圖2中歸一化函數(shù)延遲量是以樣點數(shù)為單位，當(dāng)采樣頻率為fs時，每個樣點的延遲量為1/fs，可由此把延遲樣點數(shù)換算為時間。

樣點數(shù)/個(a)一帖語音信號波形

樣點數(shù)/個(b)歸一化自相關(guān)函數(shù)圖2 一幀語音信號波形與相應(yīng)的歸一化自相關(guān)函數(shù)

2.2 改進(jìn)自相關(guān)函數(shù)

用自相關(guān)函數(shù)進(jìn)行基音檢測[10-11]也存在問題，如聲道響應(yīng)[12]問題，利用自相關(guān)進(jìn)行計算時，由于聲道的阻尼振蕩，會造成計算出的有一定幅度值的數(shù)據(jù)太多，從而影響正確選擇出由基因周期而計算出的幅度值。所以在進(jìn)行自相關(guān)計算前要對信號進(jìn)行預(yù)處理。目前，最常用的改進(jìn)方法是先對信號進(jìn)行非線性處理[13-14]，利用信號本身的特性，共振峰信息主要在幅度比較低的語音段豐富，所以通過對低語音信號幅度段進(jìn)行非線性處理，從而改善后期進(jìn)行自相關(guān)函數(shù)進(jìn)行檢測的性能。中心削波方法[15]是一個非常典型的非線性處理方法，但也有明顯的缺點，計算量很大。為此，本文采用對中心削波方法的修正方法，其傳遞函數(shù)為

(5)

圖3 三電平中心削波函數(shù)

通過圖3可以得出，削波器輸出在x(n)>CL時為1，x(n)<-CL時為-1，除此之外為0。采用此方法可限定輸出的個數(shù)，簡化計算，只需要簡單的邏輯組合，為實時運算創(chuàng)造條件。

3 本文復(fù)合算法實現(xiàn)

本文提出的基于小波減噪和改進(jìn)自相關(guān)函數(shù)的基因檢測算法可分為語音信號的預(yù)處理、小波減噪、三電平中心削波自相關(guān)函數(shù)計算，基因周期和基因頻率的提取。具體步驟如下：

1)對帶噪語音進(jìn)行預(yù)處理；

2)利用離散小波變換法對帶噪語音信號進(jìn)行變換，得到對應(yīng)的的小波系數(shù)；

3)自適應(yīng)閾值處理；常規(guī)的閾值處理一般采用固定閾值[16-17]，但采用固定閾值時，大尺度上的信號有一部分被濾除掉，從而引起較大的失真。本文采用自適應(yīng)閾值，使其隨尺度的增大而減??；即

(6)

式中：j為當(dāng)前的分解層數(shù)即尺度。上式為試驗得到的經(jīng)驗公式，調(diào)節(jié)常數(shù)C用以得到最佳的輸出SNR；

4)由處理后的小波系數(shù)估值重構(gòu)語音信號；

5)對減噪后的語音信號進(jìn)行端點檢測；

6)利用三電平中心削波自相關(guān)函數(shù)進(jìn)行基因周期和基因頻率的提取。

4 實驗結(jié)果與分析

首先，在安靜環(huán)境下，自己錄制一段語音，內(nèi)容為“電子信息工程”，此語音可視為純語音信號。其次，對該語音信號添加高斯白噪聲形成不同信噪比的帶噪語音信號。圖4和圖5是基于小波變換和三電平削波自相關(guān)函數(shù)的基因檢測算法在信噪比是0dB和-5dB時的基音檢測相關(guān)波形；圖6和圖7是沒有進(jìn)行小波變換的單純?nèi)娖较鞑ㄗ韵嚓P(guān)函數(shù)法的基音檢測相關(guān)波形。圖中的豎實線部分是有效語音的起始點，豎虛線部分是有效語音的結(jié)束點。比較在低信噪比條件下本文算法與單純用改進(jìn)自相關(guān)函數(shù)算法的基音檢測的性能。從圖4和圖5可知，經(jīng)過小波減噪后信噪比都得到了很大的提高，0dB時信噪比提高到10.27dB，-5dB時信噪比提高到6.17dB，經(jīng)過小波減噪后對信號進(jìn)行端點檢測，然后再進(jìn)行三電平中心削波自相關(guān)函數(shù)進(jìn)行基音檢測；基音檢測效果較好，沒有毛刺現(xiàn)象，其中最后一幅圖是把基音頻率波形與語譜圖進(jìn)行比較，通過波形可以看出通過本文算法的基音檢測頻率和語譜圖上的基音頻率曲線重合度很高。而從圖6和圖7可知，在SNR=0dB和-5dB時，由于信噪比的下降，單純?nèi)娖街行南鞑ㄗ韵嚓P(guān)函數(shù)法的基音檢測頻率效果受到很大影響，基音周期的檢測出現(xiàn)了毛刺現(xiàn)象，同時比較基音頻率波形與語譜圖，甚至出現(xiàn)了檢測錯誤的情況，如在0dB時，“程”字沒有被檢測出來。在更低的-5dB時，“子”和“程”字兩個都沒有被檢測出來。由此可知，本文基于小波減噪和改進(jìn)自相關(guān)函數(shù)法的復(fù)合基音檢測算法在處理低信噪比的帶噪語音信號時，首先通過小波變換對帶噪語音信號進(jìn)行減噪，然后再利用改進(jìn)的自相關(guān)函數(shù)法進(jìn)行基音檢測。這種復(fù)合算法的檢測效果比直接用改進(jìn)自相關(guān)函數(shù)法進(jìn)行基音檢測的效果好。

圖4 SNR=0dB本文算法

圖5 SNR=-5dB的本文算法

圖6 SNR=0dB的改進(jìn)自相關(guān)算法

圖7 SNR=-5dB的改進(jìn)自相關(guān)算法

5 結(jié)論

為了提高含噪語音信號在低信噪比情況下的基音檢測準(zhǔn)確度，利用MATLAB進(jìn)行了仿真實驗，對不同信噪比的帶噪語音分別進(jìn)行了改進(jìn)算法的基音檢測和未進(jìn)行小波減噪的基音檢測，實驗結(jié)果表明，利用小波減噪的改進(jìn)算法在對具有低信噪比的帶噪語音進(jìn)行基音檢測時具有更好的準(zhǔn)確度。

參考文獻(xiàn)：

[1] 徐昕，張?zhí)扃?，石穗，?結(jié)合語音增強(qiáng)的基音檢測改進(jìn)方法[J].計算機(jī)工程與設(shè)計，2015，36(3)：699-704.

[2] 潘崢嶸，戴芮，張寧.改進(jìn)的基音周期檢測算法研究[J].計算機(jī)工程與應(yīng)用，2015，51(10)：223-226.

[3] 陳盼弟，黃華，何凌.基于自相關(guān)和倒譜法的基音檢測改進(jìn)算法[J].計算機(jī)應(yīng)用與軟件，2015，32(1)：163-166.

[4] 梅鐵民，付天嬌，朱向榮.類諧波積譜基音周期檢測算法[J].沈陽理工大學(xué)學(xué)報，2016，35(2)：14-18.

[5] 薛帥強(qiáng)，陳波，陳菲.改進(jìn)LVAMDF及綜合多因素基音檢測算法[J].計算機(jī)測量與控制，2016，24(4)：253-256.

[6] ZHAO Y，ZHANG S，LIN X K. Improved Algorithm for Pitch Detection and Harmonic Separation[J]. Applied Mechanics and Materials，2013，24 (9)：753-763.

[7] BAHJA F，DI M J，IBN E，et al. A corroborative study on improving pitch determination by time-frequency cepstrum decomposition using wavelets.[J]. SpringerPlus，2016，5(5)：1-17.

[8] HAMID R T，SEYESD M A. New features for speech enhancement using bivariate shrinkage based on redundant wavelet filter-banks[J]. Computer Speech & Language，2016，35：93-115.

[9] MOHAMED B，AICHA B，NOUREDDINE E. Speech enhancement based on wavelet packet of an improved principal component analysis[J]. Computer Speech & Language，2016，35：58-72.

[10] 沈瑜，黨建武，王陽萍，等.加權(quán)短時自相關(guān)函數(shù)的基音周期估計算法[J].計算機(jī)工程與應(yīng)用，2012，48(35)：1-6.

[11] 徐敬德，常亮，崔慧娟，等.基于頻域和時域結(jié)合的基音周期提取算法[J].清華大學(xué)學(xué)報，2012，52(3)：413-415.

[12] 趙祎，張盛，林孝康.一種改進(jìn)的基音周期提取算法[J].數(shù)據(jù)采集與處，2014，29(2)：304-308.

[13] 王民，曹繪，要趁紅.一種改進(jìn)的小波變換基音檢測算法[J].重慶郵電大學(xué)學(xué)報，2012，24(3)：283-287.

[14] 楊青，馬蕙，籍仙榮.利用自相關(guān)函數(shù)和雙耳自相關(guān)函數(shù)分析對交通噪聲特征參量的提取[J].聲學(xué)學(xué)報，2014，39(5)：624-632.

[15] 楊青，馬蕙，于博雅.交通噪聲時空因素分析的初探[J].噪聲與振動控制，2013，33(2)：60-63.

[16] 趙萍. 語音信號的自相關(guān)基音周期檢測[J].上海電力學(xué)院學(xué)報，2011，27(3)：297-300.

[17] 閆靚，陳克安.基于雙耳自相關(guān)函數(shù)的車輛噪聲煩惱度研究[J].聲學(xué)學(xué)報，2011，36(1)：43-50.