（ １２）
（ １３）
图 １ ｓｕｎｄａｙ．ｗａｖ 原始波形图
图 ２ ｓｕｎｄａｙ．ｗａｖ 短时能量图 ａ
７５６ 电脑知识与技术
图 ３ ｓｕｎｄａｙ．ｗａｖ 短时能量图 ｂ
本栏目责任编辑： 唐一东
多媒体技术及其应用
图 ４ ｓｕｎｄａｙ．ｗａｖ 短时能量图 ｃ
图 ５ Ｓｕｎｄａｙ．ｗａｖ 短时平均幅度图
参考文献： ［１］ 张智星．音讯处理与辨识［ＥＢ／ＯＬ］．网上在线课程．［２００８－ ０１－ ２３］．］ｈｔｔｐ：／／ｗｗｗ．ｃｓ．ｎｔｈｕ．ｅｄｕ．ｔｗ／￣ｊａｎｇ． ［２］ 边肇祺．张学工．模式识别［Ｍ］．北京： 清华大学出版社，２００５． ［３］ 王炳锡．实用语音识别基础［Ｍ］．北京： 国防工业出版社，２００５．
４ 语音信号特征提取实验
我们对采样频率（ｆｓ）为 １６ｋＨＺ 的 ｓｕｎｄａｙ．ｗａｖ 来提取上一节中介绍的特征参数： 短时能量、短 时 平 均 幅 度 。 其 中 每 帧 大 小 为 ２５６ （ 即每帧包含 ２５６ 个取样点） ， 帧叠为 ０。
我们可用公式（ ３） 计算得到图 ２ 所示的短时能量图。我们希望短时能量图平滑一些， 采用减去每帧中的中位值后再进行绝对值 求和的方法， 如公式（ １２） 所示， 公式（ １２） 中的 ｍｅｄｉａｎ 为每帧帧向量的中位值， 所得的短时能量图如图 ３ 所示。但这短时能量图没变 化多少， 且短时能量对于高电平信号非常敏感， 我们采用对数短时能量计算方式来得到短时能量， 如公式（ １３） 所示， 公式（ １３） 中的 δ 为一个无穷小量， 是为防止对 ０ 取对数而加入的， 计算后所得的短时能量图如图 ４ 所示。根据公式（ ６） 所得的短时平均幅度为图 ５ 所示。它与图 ３ 很接近。
多媒体技术及其应用
本栏目责任编辑： 唐一东
语音信号特征参数研究
石海燕
（ 浙江工业大学 信息工程学院， 浙江 杭州 ３１００３２）
摘要： 在语音技术的发展过程中使用了大量的语音信号特征参数， 好的语音信号特征参数能对语音识别起至关重要的作用。本文对 语音信号特征参数、语音信号特征参数的选择进行了介绍， 并介绍了语音信号的短时能量、短时平均幅度的提取。
语音信号特征参数是分帧提取的， 每帧特征参数一般构成一个矢量， 所以语音信号特征是一个矢量序列。我们将语音信号切成 一帧一帧， 每帧大小大约是 ２０￣３０ｍｓ。帧太大就不能得到语音信号随时间变化的特性， 帧太小就不能提取出语音信号的特征， 每帧语 音信号中包含数个语音信号的基本周期。有时希望相邻帧之间的变化不是太大， 帧之间就要有重叠， 帧叠往往是帧长的 １／２ 或 １／３。 帧叠大， 相应的计算量也大。
（ 上接第 ７５３ 页） 因 子 分 别 为 ９０％、７０％、５０％、３０％、２５％） 后 （ 对 应 的 ＰＳＮＲ 值 分 别 为 ３９．２３６、３６．３６９、３５．０２０、３３．６３１、３３．０８２） 再 提 取 的 水 印 ， 对 应 的 ＢＥＲ 值分别为 ０．００１９５、０．０１７５８、０．０４４９２、０．１２０１２、０．１６１１３， 试验结果表明算法对 ＪＰＥＧ 压 缩 具 有 很 好 的 鲁 棒 性 ， 即 使 ２５％的 压 缩 因 子下， 都能较准确的提取水印信号； （ｆ）～（ｉ）为经小波压缩（ ｂｐｐ 分别为 ８．００、３．５０、１．５０、０．８０） 后（ 对应的 ＰＳＮＲ 值分别为 ４５．３９０、４３．４５２、 ３９．４５２、３７．３０５） 再提取的水印， 对应的 ＢＥＲ 值分别为 ０、０．００３９１、０．０２１４８、０．２０７０３， 试验结果表明算法对小波压缩也具有一定的鲁棒 性， 只有在低于 ０．８０ｂｐｐ 的压缩条件下， 提取水印开始明显模糊。
５ 结束语
语音信号具有很大的信息冗余， 我们提取出最能表征语音信号的特征能极大地提高语音识别准确率， 也能极大的压缩语音信 号。在本文第 ２ 节中介绍了大量语音信号特征； 在第 ３ 节中介绍了语音信号特征的选择； 第 ４ 节中对部分语音信号特征进行了提 取， 并用可视化的方法展示了部分语音信号特征。提取出语音信号特征后， 接下来就可以对语音信号进行语音识别， 这就是我们接 下来的工作。在语音信号特征提取之前可先对语音信号进行端点检测， 准确标记出语音信号的起止点， 这样也能提高语音识别的准 确率， 这也是我们接下来想进行的工作。以及有关语音信号特征的线性、非线性组合以提高语音识别的准确率也是我们接下来想进 行的工作。
可以根据平均过零数来粗略区分清音和浊音， 发清音时具有较高的平均过零数， 发浊音时具有较低的平均过零数。短时平均过 零数还可以用于识别语音信号的起点和终点。
具体应用领域对语音信号特征有不同的要求 ， 特征的选择很重要， 它强烈地影响应用系统的效率。我们要对具体的应用选择合 适的特征， 在一个说话人识别系统中倒谱特征、倒谱与差值倒谱特征组合以及倒谱、差值倒谱、基音、差值基音组合有更好的识别准 确 率 ［２］。 由 此 可 见 多 特 征 组 合 有 更 高 的 识 别 准 确 率 。
（ ９） 其中 αｉ 都是实数， 称作预测系数。预测值 ｓ! （ｎ）与真值 ｓ（ｎ）之间的预测误差 ε（ｎ）可以用下式计算：
（ １０）
（ １１） 由于 ｓ（ｎ）是一个随机序列， 所以 ε（ｎ）也是一个随机序列。可以用 ε（ｎ）的均方差来衡量线性预测的准确性。δε２ 越小， 预测的准确性 在均方误差最小意义下越好。 还有以下几类特征参数： 线谱对（ＬＳＰ）参数、线性预测倒谱参数（Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ Ｃｅｐｓｔｒｕｍ Ｃｏｅｆｆｉｃｉｅｎｔ， ＬＰＣＣ）、美尔频标倒谱系数 （Ｍｅｌ Ｆｒｅｑｕｅｎｃｙ Ｃｅｐｓｔｒｕｍ Ｃｏｅｆｆｉｃｉｅｎｔ， ＭＦＣＣ）、感觉加权线性预测特征（Ｐｅｒｃｅｐｔｕａｌ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｖｅ，ＰＬＰ）（ ＰＬＰ 参数、ＲＡＳＴＡ－ ＰＬＰ 参数） 、 动 态 差 分 参 数 、高 阶 信 号 谱 类 特 征 等 ［３］。
常用的语音特征参数有平均能量、平价跨零数或跨零率、共振峰、ＬＰＣ 参数、倒谱参数、临界带倒谱等。下一节介绍一些常用的 语音特征。
２ 语音信号特征参数介绍
（ １） 基音周期（Ｐｉｔｃｈ） 人的语音基本上由两类构成， 一类是浊音（ｖｏｉｃｅ）， 另一类是清音（ｕｎｖｏｉｃｅ）。浊音的语音信号具有较强的周期性， 不同的浊音波形 是不同的。浊音的这种周期叫基音周期， 其倒数叫做基音频率， 它主要和声带的特性有关。一般来说， 成年男性的语音的基音频率在 ６０Ｈｚ￣２００Ｈｚ， 而成年女性和儿童语音的基音频率在 ２００Ｈｚ￣４５０Ｈｚ。清音的语音信号具有随机噪声的特点， 一般来说清音的幅度小于 浊音的幅度。基音周期（Ｐｉｔｃｈ）是指发浊音时声带震动所引起的周期运动时间间隔， 代表声带震动的快慢， 震动越快音高会越高， 基音 周期是声带振动频率 Ｆ０ 的倒数， 它是语音信号分析的一个重要参数。 （ ２） 短时频谱 语音信号特征在较短的时间间隔中保持基本不变， 即语音信号具有时变特性， 因而可以将语音信号看作是一个短时平稳过程。 语音信号具有一些重要的短时特征。短时频谱是语音信号的一个重要的短时特性。可以用下列公式计算：
（ ８） 这样得到的 ｃ（ｎ）被称做是“倒频谱”或“倒谱”。 （ ８） 线性预测编码（ ＬＰＣ） 参数 考虑语音信号序列 ｓ（ｎ）。假设某时刻 ｎ 之前的 Ｐ 个语音信号值 ｓ（ｎ－ １），ｓ（ｎ－ ２），…，ｓ（ｎ－ Ｐ）已知， 但时刻 ｎ 的语音信号值 ｓ（ｎ）未知。如 果用前 Ｐ 个已知的信号值的某种线性组合预测 ｓ（ｎ）的值， 则预测值 ｓ! （ｎ）可以表示为：
（ １）
收稿日期： ２００８－ ０１－ １２ 个人简介： 石海燕（ １９７７－ ） ， 女， 浙江诸暨人， 实验师， 主要研究方向： 语音处理、模式识别。
７５４ 电脑知识与技术
本栏目责任编辑： 唐一东
多媒体技术及其应用
也即 ｓｗ（ｎ） 的离散傅立叶变换。｜Ｓｗ（ｋ）｜２ 称为 ｓ（ｎ）的短时功率谱。 （ ３） 短时自相关函数 ｓｗ（ｎ）的自相关函数 Ｒｗ（τ）称为 ｓ（ｎ）的短时自相关函数。可用公式（ ４） 计算：
（ ２） （ ４） 短时能量 ｓ（ｎ）的 短 时 能 量 计 算 公 式 如 下 ：
（ ３） 短时能量代表声音的尺寸， 可由声音信号的震幅来类比。 （ ５） 短时平均幅度 ｓ（ｎ）的 短 时 平 均 幅 度 计 算 公 式 如 下 ：
（ ４） 短时能量和短时平均幅度都是表示一段语音信号能量大小的参数。 （ ６） 短时过零率 信号按段分割就称为短时， 段可是帧大小。过零就是信号的幅度值从正值到负值、负值到正值要经过零点， 统计信号在一秒钟 内有几次过零就是过零率。ｓ（ｎ）的短时过零率表示一段语音信号中语音信号波形与横轴相交的次数。可以用式（ ５） 计算：
１ 引言
在 语 音 识 别 的 发 展 过 程 中 使 用 了 大 量 的 语 音 信 号 特 征 参 数 。特 征 参 数 的 提 取 是 关 系 到 语 音 识 别 系 统 性 能 好 坏 的 一 个 关 键 技 术 ， 其基本思想是将预处理过的信号通过一次变换，去掉冗余部分，而把代表语音本质的特征参数抽出来。接下去所要作的识别处理都 是建立在特征参数之上的， 如果特征参数不能很好地反映语音信号的本质， 识别就不能成功。
３ 语音信号特征选择
短时自相关分析可用来区分清音和浊音， 浊音信号是准周期性的， 用短时自相关函数求出语音波形序列的基音周期。对语音信 号进行线性预测分析时也要用到短时自相关函数。
７５５
多媒体技术及其应用
本栏目责任编辑： 唐一东
短时能量序列反映了语音振幅或能量随着时间缓慢变化的规律， 清音段的幅度一般比浊音段的幅度小很多， 根据语音信号短 时能量值的变化， 可大致判定浊音变为清音或清音变为浊音的时刻。短时能量在高信噪比的语音信号中， 可以用来区分静音， 静音 的噪声能量很小， 而有语音信号时短时能量值显著地增大到某一数值， 通过这一点也可以区分语音信号的起点和终点（ 也即端点） 。