电平的次数,他可以用来区分清音和浊音,
因为语音信号中高音段有高的过零率,低音段有低的过零率,短时能量大的地方过零率小,短时能量小的地方过零率大。
过零率可以反映信号的频谱特性。当离散时间信号相邻两个样点的正负号相异时,我们称之为“过零”,即此时信号的时间波形穿过了零电平的横轴。统计单位时间内样点值改变符号的次数具可以得到平均过零
f率。定义短时平均过零率:
Z
sg
xmsg
xm1w
mm
其中sg
为符号函数,
sg
x
1x
01x
0,
在矩形窗条件下,可以简化为
1
Z
2Nm
N1sg
xmsg
xm1
短时平均过零率的应用:1)区别清音和浊音。例如,清音的过零率高,浊音的过零率低。此外,清音和浊音的两种过零分布都与高斯分布曲线比较吻合。2)从背景噪声中找出语音信号。语音处理领域中的一个基本问题是,如何将一串连续的语音信号进行适当的分割,以确定每个单词语音的信号,亦即找出每个单词的开始和终止位置。3)在孤立词的语音识别中,可利用能量和过零作为有话无话的鉴别。7倒谱分析
语音信号的倒谱是对语音信号的短时振幅谱的对数傅里叶反变换,它具有近似地分离并提取出红色包络信息和细微结构信息的特点。实验分析:1原始信号在分析过程中,语音信号有一段干扰,取中间一段有用信号:
2原始信号的频域分析:频域相角:
频域幅值:
语音信号的频域分析就是对语音信号波形进行傅里叶变换得到其在频域内的幅值和相角。从原始信号的频率幅值图中可以看出,在0,15和90100两个区间内,信号频率幅值比较大,而在其他区间内,信号频率幅值变化较小。高斯白噪声加噪
f在信号处理中经常需要把噪声叠加到信号上去在MATLAB中可以用ra
d
产生均值为0方差为1的正态分布白噪声,本例中采用高斯白噪声加噪,则加噪前信号的波形和加噪后信号的波形进行比较如图所示:在加噪采样点为15点后,语音信号加噪后在频率,相角上都有所改变,在周期点上幅值都有所改变。4,加噪信号的分析:
加噪后信号的幅值和频率的变化如图所示:
语音信号加噪后信号的幅值和相位在一定程度上都有所改变幅值的大小与所取的点有关,所取的点数越多,幅值就不一样。5自相关函数:自相关函数是描述随机信号Xt在任意两个不同时刻t1,t2的取值之间的相关程度。
从图中可以看出自相关函数在时间上具有相互对称性,输入信号和输出信号有好的相关性。6互相关函数:
他表示同一个时间序列在任意两个不同时刻的取值之间的相关程度,互相关函数是描述随机信r