语音信号的短时域分析

语音信号在短时间内可以看成是不变的,语音信号的短时处理包括加窗和分帧处理

语音信号的短时域分析

概述

语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强处理中都需要提取语音包含的各种信息。一般而言语音处理的目的有两种：一种是对语音信号进行分析，提取特征参数，用于后续处理；另一种是加工语音信号，例如在语音增强中对含噪语音进行背景噪声抑制，以获得相对“干净”的语音；在语音合成中需要对分段语音进行拼接平滑，获得主观音质较高的合成语音，这方面的应用同样是建立在分析并提取语音信号信息的基础上的。总之，语音信号分析的目的就在于方便有效地提取并表示语音信号所携带的信息。

根据所分析的参数类型，语音信号分析可以分成时域分析和变换域（频域、倒频域）分析。其中时域分析方法是最简单、最直观的方法，它直接对语音信号的时域波形进行分析，提取的特征参数主要有语音的短时能量和平均幅度、短时平均过零率、短时自相关函数和短时平均幅度差函数等。

语音信号的预处理

实际的语音信号是模拟信号，因此在对语音信号进行数字处理之前，首先要将模拟语音信号s（t）以采样周期T进行采样，将其离散化为s(n),采样周期的选取根据模拟语音信号的带宽及抽样定理来确定，以避免信号的频域混叠失真。在对离散后的语音信号进行量化处理过程中会带来一定的量化噪声和失真。实际中获得数字语音有两种途径：正式的和非正式的。正式的是指大公司或语音研究机构发布的被大家认可的语音数据库，非正式的则是研究者个人用录音软件或硬件电路加麦克风随时随地录制的一些发音或语句。通常作为初学者，可以使用多媒体计算机，安装相关的音频处理软件即可获得语音数据文件。语音信号的频率频率范围通常是300~3400Hz，一般情况下取采样频率为8kHz即可。

有了语音数据文件后，对语音的预处理包括：预加重和加窗分帧等。

1.语音信号的预加重处理

对输入的数字语音信号进行预加重，其目的是为了对语音的高频部分进行加重，去除口唇辐射的影响，增加语音的高频分辨率。一般通过传递函数 的一阶FIR高通数字滤波器来实现预加重。 。设n时刻的语音采样值为x(n),经过预加重处理后的输出结果为 。

语音信号的加窗处理

进行预加重数字滤波处理后，接着进行加窗分帧处理。语音信号时一种随时间而变化的信号，主要分为浊音和清音两大类。浊音的基因周期、请浊音信号幅度和声道参数等都随时间而缓慢变化。由于发音器官的惯性运动，可以认为在以小段时间内（一般为10~30ms）与语音信号近似不变，即语音信号具有短时平稳性。这样，可以把语音信号分为一些短段（称为分析帧）来进行处理。语音信号的分帧是采用可移动的有线长度窗口进行加权的方法来实现的。一般每秒的帧数约为33~100帧，根据实际情况来定。分帧虽然可以采用连续分段的方法，但一般采用交叠分段的方法，这是为了使帧与帧之间平滑过渡，保持其连续性。前一帧和后一帧的交叠部分称为帧移，帧移与帧长夫人比值一般取为0~1/2.

常用的窗有两种：一种为汉明窗，另一种为矩形窗。