基于雙譜運(yùn)算在語音信號分析中的應(yīng)用

楊素素

（南京航空航天大學(xué)金城學(xué)院，江蘇南京，210000）

0 引言

由于每個人發(fā)出的語音中帶有各自語音信號特征，因此語音信號同其他信號一樣具有頻率、周期、能量等特征參數(shù)[1]。姚文冰指出：短時間內(nèi)語音信號通過自回歸（AR）模型由均值為零的高斯白噪聲e（n）通過激勵線性時不變系統(tǒng)A（Z）產(chǎn)生，線性時不變系統(tǒng)傳輸函數(shù)最小，通過高階積累量能夠有效減少背景噪聲影像，而應(yīng)用高階譜分析技術(shù)能夠有效提高語音編碼中的抗噪聲能力[2]。為能夠直觀清楚的辨別擁有共同特征參數(shù)的不同說話者的語音，通過AR參數(shù)模型雙譜估計(jì)計(jì)算語音信號雙譜，利用高階累積量抑制高斯噪聲，使得語音信息特征研究更趨于直觀，提高語音辨別效果。

1 復(fù)數(shù)三階累積量的不同定義

兩式中x*（n）是x（n）的共軛復(fù)數(shù)，通過Hilbert變換得到復(fù)數(shù)信號后，當(dāng)3ω由1ω、2ω二次相位耦合后3ω=1ω+2ω，x（t）為耦合信號，此時定義①中三階累積量及對角切片均為0，定義②中三階累積量及對角切片分別為：

通過上式可知①中雙譜運(yùn)算過程及對角切片不含耦合信息成分，②中包含全部諧波分量且雙譜運(yùn)算中保留所有諧波分量，（1.5）中僅含有諧波分量1ω、2ω，對角切片中僅含有諧波分量1ω、2ω。

2 語音信號數(shù)據(jù)采集

在Labview環(huán)境中進(jìn)行聲卡編程，自由設(shè)定聲卡參數(shù)，并通過Labview圖形化編程優(yōu)勢實(shí)現(xiàn)傳統(tǒng)儀器模塊效果。語音信號輸入后通過信號調(diào)理電路，對信號進(jìn)行放大、濾波、隔離及線性化處理正確識別聲卡，再通過PC機(jī)聲卡線路輸入或麥克風(fēng)輸入形成信號輸入端口，將所獲取模擬語音信號通過A/D轉(zhuǎn)換后輸入計(jì)算機(jī)，經(jīng)過Labview程序處理并保存。通過計(jì)算機(jī)聲卡特性將其設(shè)置為44.1kHz采樣頻率、雙通道、16位采樣比特?cái)?shù)、手動采集，確保數(shù)據(jù)采樣過程中干擾程度最小，實(shí)時波形穩(wěn)定。語音數(shù)據(jù)采集過程中要保證環(huán)境相對安靜，外部嘈雜聲音較小，參與實(shí)驗(yàn)的人員以語速穩(wěn)定、心情平穩(wěn)、緩慢的形式錄制固定數(shù)字的一段話，在Labview程序中設(shè)置好保存路徑后將語音錄制文件保存為WAV形式[3]。Labview程序數(shù)據(jù)分析包能夠提供多種語音信號處理程序，包塊信號調(diào)理、波形測量、信號監(jiān)測等，常用濾波器形式也比較多樣，因此在使用過程中只需輸入對應(yīng)指標(biāo)參數(shù)即可[4]。

3 實(shí)驗(yàn)數(shù)據(jù)分析

在實(shí)數(shù)域內(nèi)對不同性別語音信號雙譜運(yùn)算及對角切片結(jié)果進(jìn)行分析，對比兩組男女生語音信號雙譜圖可發(fā)現(xiàn)，男生雙譜圖的譜峰分布比較廣泛，但女生的分布比較集中。但整體對角切片圖變化特征不夠明顯。

圖1分別對對應(yīng)的復(fù)數(shù)域內(nèi)根據(jù)公式①進(jìn)行重新分析，圖1中1.1（a）譜峰多且比較尖細(xì)，對角切片中主峰位置在200Hz處，而1.1（b）中主峰比較粗大，雙譜運(yùn)算圖中下部峰也比較粗，對應(yīng)的對角切片主峰位置在175Hz處。圖1.2（a）中出現(xiàn)三個比較高的峰譜，對應(yīng)的對角切片主峰位置在168Hz處，圖1.2（b）中主峰只有一個且比較尖細(xì)，對應(yīng)的對角切片主峰位置在160Hz處，從圖1中可以看出經(jīng)過公式①的運(yùn)算處理后，不同性別語音信號的雙譜運(yùn)算結(jié)果及對角切片結(jié)果更加清晰簡潔，能夠分別出不同聲音信號的特征，區(qū)分聲音。

圖1 復(fù)數(shù)域內(nèi)根據(jù)公式①處理后的雙譜及對角切片譜

圖2分別對對應(yīng)的復(fù)數(shù)域內(nèi)根據(jù)公式②進(jìn)行重新分析，圖2.1（a）中出現(xiàn)三個比較高的峰譜，雙譜運(yùn)算圖中三個峰譜均比較粗，對應(yīng)的對角切片主峰位置在 165Hz處，圖 2.1（b）中主峰只有一個，較粗，下部峰較粗，對應(yīng)的對角切片有兩個比較高的峰譜，其中主峰位置在165Hz處，兩位男生語音信號對角切片主峰位置雖然很接近，但其余下部峰有明顯區(qū)別。2.2（a）譜峰多、尖細(xì)且比較集中，對角切片中主峰位置約在165Hz 處，2.2（b）中主峰共有三個，尖細(xì)且集中，雙譜運(yùn)算圖中下部峰基本為零，對應(yīng)的對角切片主峰位置在125Hz處。從圖2中可以看出經(jīng)過公式②的運(yùn)算處理后，對角切片圖譜的區(qū)別比較明顯，且雙譜圖較未處理過的更為集中，亦能夠分辨聲音信號特征。

圖2 復(fù)數(shù)域內(nèi)根據(jù)公式②處理后的雙譜及對角切片譜

以上分析中可以看出每個人的語音信號雙譜圖與性別、語言、音色等有一定相關(guān)性，不同之處越多，雙譜圖及對角切片圖的變化越明顯。由于三階累積量的定義方式有所區(qū)別，但不同的定義方式下處理后的雙譜圖及對角切片圖均能夠區(qū)別語音信號特征比較相近的信息，使譜圖更加準(zhǔn)確、清晰。

4 結(jié)束語

語音信號雙譜圖之所以有很大區(qū)別，其原因在于不同因素影響下雙譜圖差別比較明顯，影響因素越多，差別越大。通過雙譜圖能夠有效區(qū)分不同語音信號特征的人，提升語音信號辨別準(zhǔn)確水平，同時雙譜圖分析對語音因素變化十分敏感，可有效處理信號變化，是語音信號辨別的一種行之有效的手段。