語音信號的共振峰估計

1.8萬字 44頁 包括外文翻譯，原創(chuàng)作品，已通過查重系統(tǒng)


摘要

在人類的說話時產(chǎn)生的語音信號的頻譜中，會出現(xiàn)某些特定的區(qū)域。在這些區(qū)域中有個很明顯的特征，就是區(qū)域內(nèi)的能量密度要比區(qū)域外部的高得多。而這些高能量密度區(qū)域被稱為共振峰區(qū)域。
共振峰是一種聲音的物理特征，它反映的是聲音信號中的某些部分，主要是指濁音中的元音部分在一個特定的頻譜區(qū)間內(nèi)所顯示出來的強諧振特性。共振峰的參數(shù)之中，一般以共振峰頻率和共振峰帶寬為最主要參數(shù)。共振峰的頻率的提取是這些年以來一直較為熱門的一個話題。共振峰之所以能在聲學模型中占有如此舉足輕重的地位，與它的所展現(xiàn)出來的物理性質(zhì)是密不可分的。
就如同每個人都有一個獨一無二的身份表示一樣，聲音信號（尤其是人類發(fā)出的語音信號）也一樣有著自己的身份證。如果說，一個人的指紋是唯一確定一個人的標志的話；那么，語音信號的共振峰結(jié)構就相當于語音信號的“指紋”。一旦掌握了提取這種聲學“指紋”的方法，就相當于找到了另一種確定人的身份的方法。因為不同的聲音（主要是濁音）的共振峰頻率分布范圍不一樣，而且，即便是同一個音，由不同的人來讀出來，會因為每個人的聲帶結(jié)構的不同，造成最后的共振峰結(jié)構不同，這點被可以嚴格證明出來。
然而，要提取出一段聲音信號的共振峰結(jié)構絕不是一件容易的事，僅從最基本的提取工作來看，就有不少障礙，再加上后續(xù)的處理，要想完整得得出理想的譜線，是要花費不少精力的。想要得知如何取出比較純凈的共振峰頻譜，就要從最基本的信號的時域和頻域分析做起。以此為根基，衍生出了多種更高階的分析法，比如倒頻域分析法和線性預測。這也是本文闡述的主要方法。



關鍵詞：共振峰，線性預測，LPC倒譜