闕大順,王虹,楊杰

摘要：針對(duì)語(yǔ)音信號(hào)分析與處理的特點(diǎn)，利用Matlab開(kāi)發(fā)了通用語(yǔ)音信號(hào)處理虛擬實(shí)驗(yàn)平臺(tái)，可完成語(yǔ)音信號(hào)的采集、預(yù)處理、語(yǔ)音分析和語(yǔ)音處理等功能及其結(jié)果顯示。闡述了系統(tǒng)總體設(shè)計(jì)思路，給出了多種語(yǔ)音分析和處理的功能實(shí)現(xiàn)舉例。整個(gè)系統(tǒng)界面友好，且具有易擴(kuò)展的特點(diǎn)。實(shí)踐證明，該平臺(tái)可使學(xué)生更好地理解和掌握課程的基本理論，有利于提高學(xué)生的分析問(wèn)題能力和綜合實(shí)踐能力，培養(yǎng)學(xué)生創(chuàng)新意識(shí)。

關(guān)鍵詞：語(yǔ)音處理；虛擬實(shí)驗(yàn)；Matlab；圖形用戶界面GUI

中圖分類號(hào)：TN911.72 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9324（2012）01-0203-02

一、引言

語(yǔ)音信號(hào)處理是以語(yǔ)音語(yǔ)言學(xué)和數(shù)字信號(hào)處理等為基礎(chǔ)的涉及面很廣的交叉學(xué)科，是許多信息領(lǐng)域應(yīng)用的核心技術(shù)之一。目前高校中的語(yǔ)音信號(hào)處理課程主要從基礎(chǔ)理論、算法實(shí)現(xiàn)及實(shí)際應(yīng)用等幾個(gè)方面來(lái)展開(kāi)教學(xué)。由于該課程的理論涵蓋面廣、數(shù)學(xué)公式推導(dǎo)較多，學(xué)生學(xué)習(xí)理論知識(shí)會(huì)顯得枯燥難懂，且感覺(jué)理論和實(shí)際應(yīng)用脫節(jié)。針對(duì)這種情況，本文利用美國(guó)NI公司的圖形化虛擬儀器開(kāi)發(fā)平臺(tái)Matlab/Simulink，完成了語(yǔ)音信號(hào)處理的虛擬實(shí)驗(yàn)仿真平臺(tái)設(shè)計(jì)。借助該平臺(tái)，學(xué)生能較為完整的深化學(xué)習(xí)該門課程的基礎(chǔ)理論，扎實(shí)掌握課程的知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)，探索語(yǔ)音信號(hào)處理算法的實(shí)現(xiàn)方法，同時(shí)能將語(yǔ)音信號(hào)處理系統(tǒng)的各個(gè)部分內(nèi)容有機(jī)地銜接起來(lái)，極大地方便了學(xué)生進(jìn)行語(yǔ)音信號(hào)處理的學(xué)習(xí)，有利于學(xué)生對(duì)理論算法的理解，加強(qiáng)了動(dòng)手能力，提高了學(xué)習(xí)的主動(dòng)性，有助于學(xué)生創(chuàng)新綜合能力的培養(yǎng)。

二、實(shí)驗(yàn)平臺(tái)總體設(shè)計(jì)

本實(shí)驗(yàn)平臺(tái)采用圖形化虛擬儀器開(kāi)發(fā)平臺(tái)Matlab/Simulink，它是一種圖標(biāo)代替文本行創(chuàng)建應(yīng)用程序的圖形化編程語(yǔ)言，Matlab采用基于流程圖的圖形化編程方式，它編程簡(jiǎn)單、易于理解、效率高，針對(duì)數(shù)據(jù)采集、儀器控制、信號(hào)分析和數(shù)據(jù)處理等任務(wù)，設(shè)計(jì)提供了豐富完善的功能圖標(biāo)，且能解決極其復(fù)雜的數(shù)值運(yùn)算。語(yǔ)音信號(hào)處理包含語(yǔ)音信號(hào)的數(shù)字表達(dá)方法、語(yǔ)音信號(hào)的數(shù)字處理的各種方法以及語(yǔ)音處理理論和技術(shù)應(yīng)用等三個(gè)方面的內(nèi)容。開(kāi)發(fā)的實(shí)驗(yàn)平臺(tái)結(jié)構(gòu)框圖如圖1所示。

實(shí)驗(yàn)平臺(tái)的語(yǔ)音信號(hào)采集由語(yǔ)音采集卡、調(diào)理電路和PC機(jī)接口組成，也可由麥克風(fēng)和聲卡將接受的語(yǔ)音信號(hào)經(jīng)COOL EDIT或Praat等語(yǔ)音編輯軟件來(lái)完成，以形成待處理的音頻文件，再進(jìn)行預(yù)加重、端點(diǎn)檢測(cè)等語(yǔ)音預(yù)處理，然后完成語(yǔ)音信號(hào)分析、特征參數(shù)提取和語(yǔ)音信號(hào)處理及應(yīng)用等實(shí)驗(yàn)。

三、實(shí)驗(yàn)平臺(tái)功能實(shí)現(xiàn)舉例

語(yǔ)音信號(hào)在Matlab下對(duì)信號(hào)分析算法和處理算法進(jìn)行調(diào)試，無(wú)誤后導(dǎo)入matlab Script節(jié)點(diǎn)中。設(shè)計(jì)完成的虛擬實(shí)驗(yàn)平臺(tái)界面如圖2所示。

程序運(yùn)行時(shí)，用戶可通過(guò)編輯設(shè)計(jì)用戶菜單，點(diǎn)擊菜單欄中的下拉菜單選項(xiàng)，程序會(huì)自動(dòng)彈出相應(yīng)的前面板，選擇好文件路徑，程序?qū)?duì)語(yǔ)音數(shù)據(jù)進(jìn)行分析，同時(shí)實(shí)時(shí)顯示分析處理結(jié)果。

1.端點(diǎn)檢測(cè)實(shí)驗(yàn)的功能實(shí)現(xiàn)。語(yǔ)音預(yù)處理的端點(diǎn)檢測(cè)常用的方法是雙門限法，利用短時(shí)能量和短時(shí)過(guò)零率參數(shù)來(lái)實(shí)現(xiàn)。由于語(yǔ)音的起點(diǎn)可能是能量很弱的清輔音，此時(shí)不能用能量來(lái)區(qū)別這種清輔音和無(wú)聲，必須采用過(guò)零率。搜索過(guò)零率的時(shí)間少于要一個(gè)語(yǔ)音幀的長(zhǎng)度。圖3為端點(diǎn)檢測(cè)VI。當(dāng)程序運(yùn)行時(shí)選擇待分析的語(yǔ)音信號(hào)，“驗(yàn)證數(shù)組操作”中顯示信號(hào)時(shí)域波形，“短時(shí)能量”和“過(guò)零率”即為該語(yǔ)音的對(duì)應(yīng)參數(shù)顯示。利用短時(shí)能量檢測(cè)的語(yǔ)音端點(diǎn)顯示在“端點(diǎn)幀數(shù)”表格中。

2.基音周期檢測(cè)實(shí)驗(yàn)的功能實(shí)現(xiàn)。根據(jù)語(yǔ)音信號(hào)的短時(shí)平均幅度差函數(shù)來(lái)確定基音周期，圖4為基音周期檢測(cè)的前面板設(shè)計(jì)。“短時(shí)平均幅度差”顯示語(yǔ)音信號(hào)的平均幅度差函數(shù)，檢測(cè)得到的濁音周期在“基音周期”表格中顯示出來(lái)。

3.倒譜分析實(shí)驗(yàn)的功能實(shí)現(xiàn)。倒譜定義為信號(hào)短時(shí)振幅譜的對(duì)數(shù)傅里葉反變換，倒譜域中基音信息與聲道信息相對(duì)分離，采取簡(jiǎn)單的倒濾波方法可以分離并恢復(fù)出聲門脈沖激勵(lì)和聲道響應(yīng)，并求出基音周期和共振峰。圖5為倒譜法求語(yǔ)音的共振峰的前面板。

4.頻譜分析實(shí)驗(yàn)的功能實(shí)現(xiàn)。調(diào)用Matlab中的譜分析函數(shù)模塊，先對(duì)語(yǔ)音信號(hào)進(jìn)行分幀，再將分幀后的語(yǔ)音信號(hào)數(shù)據(jù)轉(zhuǎn)換為波形數(shù)據(jù)類型，采樣率為8kHz。頻譜子VI前面板，如圖6所示。

利用譜分析中的“STFT時(shí)頻圖”模塊，可對(duì)分幀語(yǔ)音信號(hào)進(jìn)行聯(lián)合時(shí)頻分析，通過(guò)改變前面板中頻域窗長(zhǎng)，可實(shí)現(xiàn)寬帶和窄帶語(yǔ)譜圖的仿真實(shí)現(xiàn)。

5.孤立詞識(shí)別實(shí)驗(yàn)的功能實(shí)現(xiàn)?；贖MM模型的孤立詞識(shí)別原理框圖，如圖7所示。語(yǔ)音識(shí)別系統(tǒng)底層由語(yǔ)音輸入模塊、預(yù)處理模塊、特征提取模塊、識(shí)別模塊以及訓(xùn)練模塊等5部分組成。

在語(yǔ)音采集過(guò)程中，以0～9這10個(gè)數(shù)字作為實(shí)驗(yàn)對(duì)象，每個(gè)語(yǔ)音有200份樣本，分別來(lái)自10位男生和10位女生，每個(gè)數(shù)字每人采集10份，共得到2000個(gè)語(yǔ)音樣本。同樣將實(shí)驗(yàn)數(shù)據(jù)分為三組：第一組用于訓(xùn)練，選擇8位女生和7位男生作為參與訓(xùn)練的人，每人每個(gè)數(shù)字取2份，共計(jì)300份語(yǔ)音樣本；第二組用于檢測(cè)系統(tǒng)的識(shí)別率，由15個(gè)參與訓(xùn)練的人的剩下的語(yǔ)音構(gòu)成；第三組用于檢測(cè)系統(tǒng)的識(shí)別率，由未參與訓(xùn)練的5個(gè)人的語(yǔ)音組成。

實(shí)驗(yàn)中點(diǎn)擊系統(tǒng)“語(yǔ)音識(shí)別”的二級(jí)菜單中的“輸入語(yǔ)音”菜單，可以通過(guò)麥克風(fēng)錄音，如數(shù)字“0”；然后完成語(yǔ)音信號(hào)的分幀和端點(diǎn)檢測(cè)等“預(yù)處理”；“特征提取”模塊可完成對(duì)語(yǔ)音信號(hào)特征參數(shù)的提取，本實(shí)驗(yàn)提取的是12維MFCC及其12維一階導(dǎo)數(shù)，共24維，這樣可以反映語(yǔ)音信號(hào)的靜態(tài)和動(dòng)態(tài)特征；“識(shí)別”模塊完成對(duì)所錄入的語(yǔ)音和模板庫(kù)內(nèi)的語(yǔ)音的匹配，選擇累計(jì)概率最大的一個(gè)作為識(shí)別結(jié)果。對(duì)錄入數(shù)字“0”的識(shí)別結(jié)果的輸出界面如圖8所示。

重復(fù)上述過(guò)程，可完成數(shù)字語(yǔ)音0~9的孤立詞識(shí)別。通過(guò)實(shí)驗(yàn)分析，可進(jìn)一步完成系統(tǒng)對(duì)參與訓(xùn)練人的語(yǔ)音識(shí)別與第三組中未參與訓(xùn)練人的識(shí)別率的統(tǒng)計(jì)結(jié)果比較。

本文設(shè)計(jì)完成了一種運(yùn)用Matlab圖形化編程環(huán)境進(jìn)行語(yǔ)音信號(hào)處理的虛擬實(shí)驗(yàn)平臺(tái)，能很好地結(jié)合學(xué)生的書(shū)本理論，方便地完成對(duì)語(yǔ)音信號(hào)的采集、預(yù)處理、語(yǔ)音分析和語(yǔ)音處理等功能及其結(jié)果顯示。系統(tǒng)具有用戶界面簡(jiǎn)潔和易于擴(kuò)展實(shí)驗(yàn)功能的特點(diǎn)。

參考文獻(xiàn)：

[1]趙力.語(yǔ)音信號(hào)處理（第2版）[M].北京：機(jī)械工業(yè)出版社，2009.

[2]張志涌，楊祖櫻.MATLAB教程[M].北京：北京航空航天大學(xué)版社，2010.

[3]張德豐.MATLAB/Simulink建模與仿真[M].北京：電子工業(yè)出版社，2009.

課題項(xiàng)目：湖北省高等學(xué)校省級(jí)教學(xué)研究項(xiàng)目“大學(xué)生研究性學(xué)習(xí)與創(chuàng)新性實(shí)驗(yàn)研究”（20070089）

作者簡(jiǎn)介：闕大順（1963-），男，教授，博士，主要研究方向?yàn)樾盘?hào)與信息處理的科研與教學(xué)。