基于Matlab的藏語語音基音檢測(cè)算法研究

卓嘎+邊巴旺堆

摘 要： 目前藏語語音基音檢測(cè)算法相關(guān)研究較少，藏語語音基音檢測(cè)是藏語語音處理過程中的重要環(huán)節(jié)，其準(zhǔn)確性直接影響到系統(tǒng)的性能。介紹中心消波和自相關(guān)函數(shù)的算法原理及基音檢測(cè)算法，設(shè)計(jì)藏語語音基音檢測(cè)流程，利用Matlab進(jìn)行編程和仿真。通過實(shí)驗(yàn)表明該算法結(jié)構(gòu)簡單、運(yùn)算量小，結(jié)果較準(zhǔn)確，可用于信噪比較低環(huán)境下藏語語音輔音的基音估值檢測(cè)。

關(guān)鍵詞：基音檢測(cè)； 藏語語音； 自相關(guān)算法； Matlab

中圖分類號(hào)： TN911?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）10?0020?03

0 引 言

語音信號(hào)處理是一門交叉學(xué)科，研究內(nèi)容涉及到各種語言的語音與計(jì)算機(jī)處理技術(shù)、數(shù)字信號(hào)處理等很多知識(shí)，是目前很熱門的研究領(lǐng)域。這門技術(shù)對(duì)藏語言的語音合成、語音識(shí)別、語音壓縮編碼和語音分析具有重要意義。基音檢測(cè)作為藏語語音處理的關(guān)鍵環(huán)節(jié)直接影響整個(gè)語音處理系統(tǒng)的性能[1]。

基音檢測(cè)是根據(jù)濁音語音的周期性進(jìn)行周期或頻率的估算，目前基音頻率算法有很多種，但是還沒有一種適合各種語音環(huán)境的統(tǒng)一算法[2?5]。本文采用中心消波和自相關(guān)函數(shù)相結(jié)合的算法，通過Matlab編程實(shí)現(xiàn)了藏語語音基音的估算。自相關(guān)函數(shù)算法是利用濁音語音信號(hào)的準(zhǔn)周期性和出現(xiàn)的最大值，提取自相關(guān)函數(shù)的第一個(gè)峰值點(diǎn)的位置進(jìn)行頻率估算[6]。

1 中心消波自相關(guān)函數(shù)算法

1.1 語音短時(shí)自相關(guān)函數(shù)

語音信號(hào)中，濁音波形具有一定的周期性，通過自相關(guān)函數(shù)計(jì)算，其波形在時(shí)域上具有較好的相似性[7?8]，周期信號(hào)的特點(diǎn)是：對(duì)于確定的信號(hào)，具有對(duì)稱性和最大值，在某個(gè)周期內(nèi)對(duì)應(yīng)周期值取樣點(diǎn)上的自相關(guān)函數(shù)值最大，相鄰最大值間的距離為估算的基音周期，以此來估計(jì)周期信號(hào)的周期值。因此，可以根據(jù)語音信號(hào)短時(shí)穩(wěn)定性的特點(diǎn)，采用短時(shí)自相關(guān)函數(shù)進(jìn)行語音基音頻率估值計(jì)算，其計(jì)算公式如下：

[Rnk=m=-∞+∞xmxm-khkn-m]

式中：x為離散語音序列，序列x（m）x（m-k）經(jīng)過一個(gè)沖激響應(yīng)為hk（n-m）的數(shù)字濾波器濾波得到短時(shí)自相關(guān)函數(shù)Rn（k）。

1.2 中心消波

根據(jù)自相關(guān)函數(shù)的特點(diǎn)，語音的短時(shí)自相關(guān)波形是周期性的波形圖，但是只有少數(shù)的波峰反映了基音周期，因此，在進(jìn)行基音頻率估算前可以采用中心消波算法進(jìn)行適當(dāng)?shù)男畔嚎s，突出基音周期信息。中心消波法[9?10]就是將語音信號(hào)的序列電平先進(jìn)行60%～70%的消波，在進(jìn)行自相關(guān)計(jì)算，其公式如下：

[fx=x-xL， x>xL0， -xL≤x≤xLx+xL， x

式中：xL為消波電平；f（x）分為消波后的語音序列。通過中心消波后的語音序列經(jīng)自相關(guān)函數(shù)計(jì)算后其波形的基音峰值更加尖銳，可以降低倍頻或半頻錯(cuò)誤。

2 Matlab算法設(shè)計(jì)

中心消波自相關(guān)函數(shù)基音頻率估值流程圖如圖1所示，由7大部分組成：

（1） 原始語音：提取一段藏語語音。

（2） 提取合適的濁音語音段：語音信號(hào)中只有濁音具有周期性，因此對(duì)提取的語音段要進(jìn)行濁音提取，本程序中用人工方式將一段藏語語音段的濁音部分用wavread函數(shù)提取出來。

（3） 預(yù)處理：為選取的語音進(jìn)行預(yù)加重處理，加重高頻部分，去除輻射影響，用x1=filter（[1-0.937 5]，1，x1）實(shí)現(xiàn)，提高語音的高頻分辨率。

（4） 分幀加窗：根據(jù)語音的短時(shí)穩(wěn)定性對(duì)預(yù)處理后的語音進(jìn)行分幀加窗，在Matlab中用Enframe函數(shù)可以實(shí)現(xiàn)不同窗函數(shù)的分幀。

（5） 中心消波：本流程里設(shè)定的中心消波電平為語音最大幅值的70%。

（6） 自相關(guān)函數(shù)計(jì)算：對(duì)中心消波后的語音序列進(jìn)行自相關(guān)計(jì)算。

（7） 基音頻率估值：根據(jù)語音自相關(guān)函數(shù)波形的周期性，提取其最大值的位置n，計(jì)算[nfs]獲得基音周期或頻率[11?12]。在實(shí)際的仿真中發(fā)現(xiàn)由于第一個(gè)峰值點(diǎn)滯后，對(duì)n值進(jìn)行一定的處理。

圖1 中心消波自相關(guān)函數(shù)基音檢測(cè)流程圖

3 基音檢測(cè)及Matlab仿真

Matlab仿真程序包括兩個(gè)部分，首先在主程序里讀取藏語語音信號(hào)，提取濁音信號(hào)，然后進(jìn)行預(yù)處理和分幀，其代碼如下：

clear all；

[x1，fs，nbits]=wavread（′d：＼waves＼tb1?4.wav′，[26800 40000]）；

x1=filter（[1?0.9375]，1，x1）；

N=1764；step=110；

x2=enframe（x1，boxcar（N），step）；

x=x2（1，：）；

xwin_one（x，1，fs）；

其次，調(diào)用一個(gè)自定義的xwin_one.m函數(shù)，其功能是對(duì)上述處理過的語音信號(hào)進(jìn)行中心消波、自相關(guān)函數(shù)計(jì)算、基音頻率估算和仿真繪圖，代碼內(nèi)容如下：

function y=xwin_one（x，a，fs）

L=length（x）；

m1=max（x）；n1=min（x）；

m=m1（1）；n=n1（1）；

for i=1：L %歸一化取出的x樣點(diǎn)

x（i）=x（i）/m；

end

figure（1）；

subplot（2，1，a）；plot（x，′k′）；title（′矩形窗語音波形′）；xlabel（′樣點(diǎn)數(shù)′）；ylabel（′幅度′）；

%進(jìn)行x的中心消波和繪圖

coeff=0.7；

th0=m*coeff；

for k=1：L

if x（k）> th0

x（k）=x（k）?th0；

elseif x（k）<=（?th0）

x（k）=x（k）+th0；

else

x（k）=0；

end

end

mm=max（x）；

m=mm（1）；

for i=1：L

x（i）=x（i）/m；

end

%計(jì)算和繪制中心消波之后的自相關(guān)函數(shù)計(jì)算

for k=1：L

summ=0；

for m=1：L?k+1

summ=summ+x（m）*x（m+k?1）；

end

W（k）=summ；

end

p=W（10：L）；

[Rmax Rn]=max（p）

Rn=Rn+10

Tc=Rn/fs %中心消波之后基音周期

Fc=1/Tc

figure（1）；

subplot（2，1，a+1）；plot（W）；title（′矩形窗中心消波自相關(guān)函數(shù)′）；xlabel（′延時(shí)k′）；ylabel（′R（k）′）

仿真結(jié)果如圖2所示，實(shí)驗(yàn)中提取了藏語輔音“”的語音樣本，采樣頻率為44.1 kHz，根據(jù)語音短時(shí)穩(wěn)定性取20 ms時(shí)長的語音，因此采樣點(diǎn)為882個(gè)，為了充分反映語音的周期性，必須選擇足夠?qū)挼拇?。?shí)驗(yàn)中包含2個(gè)以上的基音周期，因此N取1 764。分幀窗函數(shù)采用了矩形窗，中心消波電平為最大幅值的70%，估算出來的基音頻率為245 Hz，分布在正常的基音頻率范圍，即50～500 Hz，測(cè)試結(jié)果有效。

圖2 中心消波自相關(guān)函數(shù)基音頻率估算仿真圖

4 結(jié) 語

基音頻率是藏語語音處理技術(shù)中重要的表征參數(shù)，精確估算基音頻率對(duì)分析藏語語音信息具有重要意義。本文用中心消波自相關(guān)函數(shù)算法進(jìn)行藏語語音的基音檢測(cè)，結(jié)果表明該算法結(jié)構(gòu)簡單、運(yùn)算量小，結(jié)果較準(zhǔn)確，可用于藏語語音輔音的基音估值檢測(cè)。但是對(duì)于藏語單音節(jié)、雙音節(jié)、多音節(jié)的基音檢測(cè)是否可用該算法有待進(jìn)一步研究。

參考文獻(xiàn)

[1] 李積遜.藏語語音基音周期檢測(cè)[J].青海師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2008（4）：42?44.

[2] 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)采集與處理，2014（2）：304?308.

[3] 馬莎莎，戴曙光，穆平安.基于短時(shí)能量的循環(huán)AMDF基音檢測(cè)算法[J].計(jì)算機(jī)仿真，2014，31（7）：278?282.

[4] 駱?gòu)善G，孫祥娥.基于Matlab的基音檢測(cè)分析[J].電腦知識(shí)與技術(shù)，2014（18）：4293?4295.

[5] 焦蓓.語音信號(hào)的基音檢測(cè)法研究[D].湘潭：湘潭大學(xué)，2013.

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

[7] 馬效敏，鄭文思，陳琪.自相關(guān)基頻提取算法的Matlab實(shí)現(xiàn)[J].西北民族大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，31（4）：54?58.

[8] 蔡萍.基于短時(shí)平均幅度差函數(shù)的帶噪語音端點(diǎn)檢測(cè)算法[J].河南工程學(xué)院學(xué)報(bào)：自然科學(xué)版，2014，26（3）：26?29.

[9] 劉何來.低信噪比下語音頻率參數(shù)估計(jì)[D].荊州：長江大學(xué)，2013.

[10] 孫燕，姜占才.中心消波自相關(guān)法語音基音檢測(cè)[J].青海師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2009（2）：32?35.

[11] KANG Guang?yu， GUO Shi?ze. Improving AMDF for pitch period detection [C]// Proceedings of 2009 9th International Conference on Electronic Measurement & Instruments. Beijing： IEEE Beijing Section & Chinese Institute of Electronics， 2009， 4： 283?286.

[12] GUO Hai?yan， SHAO Xi. An improved phase?space voicing?state classification for co?channel speech based on pitch detection [C]// Proceedings of 2008 9th International Conference on Signal Processing. Beijing： IEEE Beijing Section， 2008： 680?683.