分形理論在語音信號端點檢測及增強中的運用

曾劍飛+何律君

摘要：文章針對語音信號端點檢測與增強中分形理論的運用，從分形理論特征、實際內(nèi)容以及實驗幾個方面展開了分析，目的在于總結(jié)最為合適的端點檢測方法。

關(guān)鍵詞：分形理論；語音信號端點檢測；增強

中圖分類號：TP311 文獻標(biāo)識碼：A 文章編號：1009-3044（2018）02-0154-02

近幾年，我國語音信號處理技術(shù)逐漸提升，尤其是低信噪比基礎(chǔ)上的語音信號處理，已經(jīng)在相關(guān)領(lǐng)域成為一個主要的研究課題。對于此，諸多專業(yè)人數(shù)已對其展開了研究，并且提出了一些帶噪語音信號處理技術(shù)。在語音信號處理技術(shù)發(fā)展的影響下，非線性處理方式也得到重視，對帶噪語音信號進行處理的過程中，語音信號、噪聲信號模型參數(shù)主要是以相應(yīng)的語音段、噪聲段得到明確。所以在判斷語音、非語音段方面，則成為語音處理系統(tǒng)中一個最為重要的問題，也就是所謂的帶噪語音信號端點檢測。

1 分形理論概述

針對分形理論，以往的理解都帶有一定的不規(guī)則性，一般是對“因為整體通過某種形式相似的部分構(gòu)成的一類形體”、“Harsdorff維數(shù)超過拓撲維數(shù)集合”進行表示[1]。但是，在某一角度來說，并沒有專業(yè)學(xué)者對分形理論進行嚴格的定義，只是簡單的提出了描述性的說法，即帶有某些性質(zhì)的集合，其中主要體現(xiàn)了以下幾個特點：第一，分形具有自相似性；第二，分形結(jié)構(gòu)的精細性：第三，分形維數(shù)大于其本身拓撲維數(shù)；第四，分形可以利用迭代遞歸形成。具體如下：

1.1 分形具有自相似性

所謂自相似性，即整體和部分，不管是形態(tài)、作用，還是信息，都體現(xiàn)了非常強的相似性。對分形對象集合尺寸進行合理的縮小或擴大，也不會對原結(jié)構(gòu)造成改變。

1.2 標(biāo)度帶有不變性

標(biāo)度具有不變性，這一點是分形集獨有的特點，指不管怎么變形測量對象尺度如何改變，都不會使測量對象性質(zhì)出現(xiàn)變化[2]。然而，需要將數(shù)學(xué)模型排除在外，針對帶有實際分形集的測量對象，這種標(biāo)度不變形只能夠在一定范圍內(nèi)加以使用。通常來說，標(biāo)度不變性適用空間被成為分形體無標(biāo)度區(qū)間，相關(guān)人員需要根據(jù)研究對象所體現(xiàn)的實際性質(zhì)，對判定無標(biāo)度區(qū)間切實范圍進行明確。

1.3 分形維數(shù)

形成分形維數(shù)主要是利用分形標(biāo)度關(guān)系，獲取實際的定量數(shù)值，這樣一來能夠?qū)⑵胀ㄍ負浼S數(shù)是整數(shù)這一問題進行拓展，使維數(shù)有整數(shù)范圍擴大到分數(shù)。同時，其中也體現(xiàn)了分形維數(shù)的其他特點，重點表現(xiàn)為以下幾個方面：第一，分形維數(shù)與尺度之間無聯(lián)系；第二，分析維數(shù)本身是相對量；第三，分析維數(shù)大小充分直接關(guān)系到空間中輪廓的不規(guī)則性、繁瑣性，以及在空間內(nèi)的滿足程度。一般來說，維數(shù)越小，那么所體現(xiàn)的細節(jié)越少，其位數(shù)也就越大。

2 分形理論在語音信號處理中的運用

將分形理論運用于語音信號處理，主要分為三個部分，即語音分割、語音合成和端點檢測。那么接下來就對這三個部分進行簡要分析。

2.1 語音分割

因為人耳的聽力在語音高頻部分所體現(xiàn)的分辨率，一般會低于低頻部分，但是清音段是語音高頻非常關(guān)鍵的構(gòu)成部分，在聽覺角度分析，其實并不存在嚴重的影響，因此，相關(guān)人員需要在語音信號處理期間，定期對語音實施清濁音分割[3]。這二者之間本身體現(xiàn)了一定的不規(guī)則性，相關(guān)人員可以對分維值進行測量，以此對清音、濁音進行分割。

2.2 語音合成

在語音信號處理中，語音合成也是其中必不可少的內(nèi)容之一，為未來的發(fā)展直接關(guān)系到語音編碼。因為語音信號本身帶有自相似性特點，其主要表現(xiàn)在其中某一結(jié)構(gòu)特點處于不同時間、空間尺度中，帶有相似性。盡管語音信號時域波形體現(xiàn)了分形的特點，但是卻并非是完整的分形，通常只是在某一領(lǐng)域中出現(xiàn)分形特點。根據(jù)這一點，可以按照IFS 理論、拼貼定理對其進行研究與討論，對語音信號進行劃分，使其成為不重疊小區(qū)間序列，在這之后，便可以得到隨意一幀IFS 三個參數(shù)，這樣一來便可以對數(shù)據(jù)進行壓縮。相關(guān)人員對語音進行合成期間，使用已經(jīng)得到的 IFS 參數(shù)，將其重復(fù)迭代，直至收斂到 IFS吸引子為止，如此便可以獲取需要的語音信號。

2.3 端點檢測

所謂端點檢測，即針對初始聲音信息數(shù)據(jù)中所包含的純粹語音段，對局部進行準(zhǔn)確的定位，從而獲取需要的語音單位起止點，這一點也是本文分析與討論的要點。通常，所獲取的語音單位并不局限于一點，既可以是詞，也可以是音節(jié)和音素等。對端點進行檢測時，因為其本身是語音信號處理這一工作的重點，所以需要保證其準(zhǔn)確性，這也與最后語音特征的提取、可行性的體現(xiàn)有直接關(guān)系[4]。通過實際實踐可知，其實兩個相鄰的音素分維值之間，帶有好很大的差異性，分維軌跡也可能會出現(xiàn)突變的現(xiàn)象，針對這一點，相關(guān)人員也要按照這一特點，對相對門限值進行確定。若其中一幀語音分維值相比這一相對門限要低，那么便可獲取這一幀起始語音和這一幀之前的語音，了解到這二者音素不同，這樣一來便完成了語音音素分割，進而實現(xiàn)對端點的有效檢測。

3 語音信號短時分形維數(shù)計算

分形維主要是對分形特點進行描述的參數(shù)，同時也是分形信號中十分關(guān)鍵的特征參數(shù)。通過分形方法的運用，能夠使維數(shù)由整數(shù)擴張至分數(shù)，這也將傳統(tǒng)拓撲維數(shù)是整數(shù)的限制打破。對于分形維的定義其實比較廣泛，一般比較常見的主要有以下幾種：計盒維數(shù)、關(guān)聯(lián)位數(shù)、信息維數(shù)。本文主要以計盒維數(shù)為例展開計算。

對于計盒維數(shù)的定義，相關(guān)文獻中對其進行了規(guī)定：n維歐式空間子集F的計盒維數(shù)DB，具體定義如下：

[DB=linδ→0lnNδ（F）ln（1/δ）]，[log（Nδ（F））∝DBlog（1/δ）] （1）

在公式（1）中，[Nδ（F）]代表以邊長為[δ]的網(wǎng)格對F需要的最小正方形數(shù)量進行覆蓋。實踐過程中，一般可以利用多點直線擬合的方式對DB進行計算。公式如下：endprint

[DB=i=1MlogNδi（F）i=1Mlog（1/δi）-Mi=1M（logNδi（F）log（1/δi））i=1Mlog（1/δi）2-Mi=1M（log（1/δi））2] （2）

在公式（2）中，[δi]代表M變化的尺度，i=1，2，3，…，M。

對公式（2）進行分析，使尺度變化是[δi+1]-[δi]=[δ]（[δi]=i[δ]，i=1，2，3，…，M），將其帶入到公式（2）中，從而獲得公式（3）：

[DB=MI=1MlogNδilogi-i=1MlogNδii=1MlogiI=1Mlogi2-MI=1M（logi）2] （3）

4 帶噪語音信號端點檢測

對帶噪語音信號端點進行檢測，可以先假設(shè)x（i）為帶噪語音信號時間序列，s（i）、n（i）則是語音信號、加性白噪聲時間序列，以此便可以得出信號模型，即

[x（i）=s（i）+n（i）] （4）

對語音端點進行檢測主要是為了在數(shù)據(jù)x（i）的測量過程中，對語音段s（i）起止點進行判斷[5]。因為語音段中，帶噪語音信號x（i）體現(xiàn)了規(guī)則性和周期性的特點，換而言之，即語音段信號分形維維數(shù)與非語音段分形維二者相比較，前者比較小。所以，其實可以通過信號短時分形維數(shù)變化狀況對語音信號端點進行檢測。

在實際仿真實驗中，主要使用的是之前完成錄制的語音信號“你好”，采樣頻率為22050Hz，所有樣本都是以16bit實現(xiàn)量化。在10～20ms期間，語音信號十分穩(wěn)定，因為后期需要對計算量進行簡化，所以將幀長控制在300點，所有相鄰幀之間無重疊，共計100幀，且有分幀需求時主要以矩形窗為主。通過實際實驗可知，錄制好的“你好”語音波形中，已經(jīng)被加性被噪聲所污染的語音信號所體現(xiàn)的信噪比為0db，帶噪語音信號分維值中，可以清楚地了解到，噪聲段與語音段交界處的分維軌跡有突變點。正因為如此為帶噪語音信號端點檢測提供了便利。通過試驗也可以了解到，噪聲段分維值通常要大于語音段分維值。

5 以端點檢測為前提的譜相減語音增強方式與仿真結(jié)論

5.1 以端點檢測為前提的譜相減語音增強方式

在語音信號處理和識別系統(tǒng)中，語音增強是其中非常關(guān)鍵的構(gòu)成部分，進行語音增強，主要是為了將語音質(zhì)量進行提高，將語音匯總的噪聲消除，使語音更加自然。譜相減法和改進型方式因為其本身的計算量比較小，在實際計算過程中比較容易實時實現(xiàn)，所以在語音增強工作中十分常見。但是使用當(dāng)前所現(xiàn)有的譜相減法對語音信號進行處理的過程中，有時信號處理的效果十分不理想，特別是信噪比低的時候，效果更差。一旦傅立葉出現(xiàn)反變換，那么便會在個別頻帶處出現(xiàn)殘留的噪聲。為了將這一問題合理解決，需要總結(jié)之前工作的經(jīng)驗，并且綜合考慮其他帶噪語音信號端點檢測方式，以此提出以端點檢測為前提的譜相減語音增強算法。

對于語音段、噪聲段交界處可以使用分形維進行檢測，因此針對帶噪語音信號便可以實現(xiàn)分段處理。

[|S（ejω）|γ=X（ejω）|γ-α|N（ejω）|γ，當(dāng)|X（ejω）|γ-α|N（ejω）|γ>β|N（ejω）|λ時β|N（ejω）|γ，其他] （5）

在公式（5）中，[X（ejω）]、[S（ejω）]、[N（ejω）]是觀測信號x（i）、s（i）、n（i）在FFT變換之后，從而獲得的數(shù)據(jù)，α、β使經(jīng)驗數(shù)值。針對噪聲段而言，為了能夠?qū)⒃肼曈行б种?，需要取比較大的α值，將β=0。針對語音段而言，需要在保證語音不失真的基礎(chǔ)上，盡最大可能抑制噪聲，如此一來，便要取比較小的α值，相反β值要比較大。

5.2 仿真結(jié)論

此次方針，依然使用之前“你好”你好，是兩個發(fā)音？

根據(jù)譜相減法原理流程處理帶噪語音信號。選擇適當(dāng)尺寸的窗、α、β、γ，針對噪聲譜要按照之前使用的端點檢測法，對噪聲段平均值進行檢測。經(jīng)過反復(fù)幾次仿真試驗可知，對語音段進行處理時，分別將α、β、γ數(shù)值設(shè)置為1.5、0.01、1，而窗函數(shù)則依然為直角窗，將每段噪聲的長度設(shè)置為幀長度。

通過對仿真試驗最終呈現(xiàn)的效果可知，帶噪語音信號的RSNR是0，并且通過這一實驗證明，端點檢測法體現(xiàn)了非常好的效果，增強之后的語音信號在包絡(luò)形狀上，非常完整的維持了原來的語音信號特點，并且將信噪比提升。通過處理前后語音信號信噪比的對比分析可知，一旦帶噪語音信號RSNR為-4db，那么所提出的所有方法依然適用于語音信號增強。

5.3 實驗結(jié)論

在低信噪比環(huán)境之下，對語音信號端點進行檢測，并且完成語音增強，是語音信號處理工作一直以來需要解決的問題之一。以往對這兩點問題進行解決時，需要是以高信噪比為前提，進行語音信號端點檢測以及增強，這種方式無法滿足現(xiàn)如今所體現(xiàn)的技術(shù)需求?；诖?，通過對傳統(tǒng)檢測方法的分析，在分形維、譜相減兩種方法的基礎(chǔ)上，提出了新的語音信號端點檢測與增強方法，并且將此方法進行仿真實驗，實驗結(jié)果表明，這一方法的可行的，且實驗過程中涉及的計算量也比較合理。所以實用價值比較高。然而這一方法在使用的過程中，需要端點檢測保證非常高的準(zhǔn)確性，一旦信噪比不足-5 dB，所體現(xiàn)的端點檢測最終效果準(zhǔn)確性可能降低，進而對增強之后的語音效果造成影響，關(guān)于這一問題還需要在日后的工作中繼續(xù)深入研究。

6 結(jié)束語

綜上所述，在語音信號端點檢測及增強中運用分形理論，可以有效減少計算量，但是相應(yīng)的也對準(zhǔn)確性提出了要求，要體現(xiàn)良好的運用效果，依然需要深入分析。

參考文獻：

[1] 劉永俊，張立飛，劉巍.面向噪聲環(huán)境下醫(yī)療語音信號端點檢測方法[J].常熟理工學(xué)院學(xué)報，2017，31（4）：75-79+85.

[2] 趙益波，蔣祎，吳禮福，等.基于麥克風(fēng)陣列自適應(yīng)非線性濾波的語音信號端點檢測方法[J].科技通報，2017，33（4）：199-203.

[3] 陳澤偉，曾慶寧，謝先明， 等.基于自相關(guān)函數(shù)的語音端點檢測方法[J/OL].計算機工程與用， 2017，03：1-6.

[4] 王明合，張二華，唐振民， 等.基于Fisher線性判別分析的語音信號端點檢測方法[J].電子與信息學(xué)報，2015，37（6）：1343-1349.

[5] 王建元，陳鵬，欒德福.基于SVD-HHT的低信噪環(huán)境語音信號端點檢測[J].制造業(yè)自動化，2014，36（1）：57-61.endprint