唐曉進

（國營大眾機械廠，山西太原 030024）

語音信號按Niquest采樣頻率采樣后，得到數(shù)字化表示的語音信號。由于采樣率一般在8kHz以上，經(jīng)數(shù)字化后的語音信號，數(shù)據(jù)量很大，不便于有效、實時地分析處理，故需從中提取對語音識別有用的信息。特征提取就是完成這項工作，它對語音信號進行分析處理，去除無關(guān)緊要的冗余信息，獲得影響語音識別的重要信息。在特征提取的眾多方法中，由于倒譜特征所包含的信息比其它參數(shù)多，能較好地表征語音信號，本文選用LPC倒譜系數(shù)（LPCC）作為特征參數(shù)提取。

1 語音識別基本原理

語音識別本質(zhì)上是一種模式識別的過程，其基本結(jié)構(gòu)原理框圖如圖1所示，主要包括語音信號預(yù)處理、特征提取、特征建模、相似性度量和后處理等幾個功能模塊［1］。

圖1 語音識別基本原理圖

2 特征參數(shù)的選擇

語音識別系統(tǒng)常用的特征參數(shù)有幅度、能量、過零率、線性預(yù)測系數(shù)（LPC）、LPC倒譜系數(shù)（LPCC）、線譜對參數(shù)（LSP）、短時頻譜、共振峰頻率、反映人耳聽覺特征的Mel頻率倒譜系數(shù)（MFCC）等。語音識別一般是語音特征參數(shù)模式的識別和比較，因此特征參數(shù)的選擇以及提取，對于語音識別系統(tǒng)至關(guān)重要，是系統(tǒng)構(gòu)建的基礎(chǔ)［2］。

在語音識別問題中，選擇語音特征參數(shù)的主要依據(jù)是:

（1）該特征能夠充分正確地反映語音聲道譜，以便識別模型中利用其特征。

（2）語音特征維數(shù)達到有效地壓縮，將語音幀信號維數(shù)降低至特征參數(shù)的維數(shù)，使后繼處理方便、快捷。

（3）特征參數(shù)的計算方法簡便、高效，能在各種實時系統(tǒng)中實現(xiàn)。

3 線性預(yù)測倒譜系數(shù)（LPCC）的提取

依據(jù)語音信號產(chǎn)生的生理和數(shù)學(xué)模型可知，語音信號是音源激勵分量與聲道沖激響應(yīng)、輻射模型三者相乘的產(chǎn)物。因此通過語音信號的倒譜分析可有效地分離激勵成分和聲道成分。

3.1 LPC倒譜系數(shù)（LPCC）

計算語音信號的倒譜使用根據(jù)AR模型對LPC參數(shù)進行遞推，形成LPC倒譜的方法。線性預(yù)測分析方法是一種譜估計的方法，而且其聲道模型系統(tǒng)函數(shù)H（z）反映了聲道的頻率響應(yīng)和原始信號的譜包絡(luò)，因此用lgH（z）做反Z變換即可求出其LPC倒譜系數(shù)（LPCC）［3］。

通過線性預(yù)測分析得到的聲道模型為全極點模型，假設(shè)其系統(tǒng)函數(shù)為:

其中p為LPC線性預(yù)測器的階數(shù)。設(shè)其沖激響應(yīng)為h（n），則:

將式（1）代入并將其兩邊對z-1求偏導(dǎo)數(shù)，經(jīng)變換后，可得到和ak之間的遞推關(guān)系，從而由ak求出（n）:

需要求h（n）的復(fù)倒譜（n），根據(jù)復(fù)倒譜定義，有:

其中ak為LPC系數(shù)，而p為其階數(shù)。

（n）將變得很小，實際上沒有更大的作用，反而使得運算量增大。一般取8～32階時就可以較好地表征聲道特征。

3.2 LPCC特征提取的實現(xiàn)

本設(shè)計先對語音信號進行預(yù)加重處理，然后進行加窗、自相關(guān)分析，最后提取出LPC倒譜系數(shù)［4］，具體流程圖如下:

圖2 LPC倒譜系數(shù)提取過程

（1）預(yù)加重

用于消除輻射的影響和聲門效應(yīng)，進行高頻提升，使信號的頻譜變得平坦，保持在低頻到高頻的整個頻帶中，能用同樣的信噪比求頻譜，以便于頻譜分析或聲道參數(shù)分析。使用語句“for（j=1;j＜ Framelen;j++）pre_data［j］=original［j］-0.95*original［j-1］”對信號進行預(yù)加重處理，F(xiàn)ramelen為定義的幀長。

（2）分幀

把語音信號分成幀長為N的短時語音幀序列。本設(shè)計中錄音采樣率為8kHz，N對應(yīng)的時間為25ms。程序中用“#define Framelen 256”語句表示。

（3）加窗

對語音信號數(shù)字化、分幀處理后，就要進行加窗處理。語音信號分析中最常用的窗函數(shù)是矩形窗、海寧窗和漢明窗。因為漢明窗旁瓣最低，可以有效地克服泄漏現(xiàn)象，具有更平滑的低通特性，故本設(shè)計采用漢明窗來消除由分幀引起的信號邊緣蛻變，漢明窗定義如下:

漢明窗

其中L為窗長。

使用函數(shù) MultiHamming（float*pre_date，float*data），pre_date為預(yù)處理后的信號，data為加窗處理后的數(shù)據(jù)。

（4）自相關(guān)及LPC分析

加窗處理后的各幀信號之間的自相關(guān)計算為:

P為LPC分析的階數(shù)。

信號經(jīng)過LPC分析得到P階的LPC系數(shù)。

根據(jù)Durbin遞推算法求解LPC系數(shù):

公式中，上標(biāo)（i）表示第i次迭代，每次迭代都要重新更新 α1，α2…αi，直到i=p時，結(jié)束迭代，p為預(yù)測系數(shù)的階數(shù)。

定義 AutoCorrelate（int n，float*s1，int m，float*a，int mark）函數(shù)來計算LPC系數(shù)（包括自相關(guān)系數(shù)），其中，n為幀長，m為階數(shù)，s1為輸入的信號數(shù)據(jù)，a即為LPC系數(shù);定義 CepCoeffient（int m，int n，float*a，float*cepp）函數(shù)來計算LPC倒譜系數(shù)。

（5）LPC系數(shù)轉(zhuǎn)換

由P階的LPC系數(shù)轉(zhuǎn)換得到Q階的Cepstral系數(shù)。

倒譜定義為:

其中K為倒譜的階數(shù)。

3.3 特征提取結(jié)果

對語音信號通過HMM（隱馬爾可夫）識別網(wǎng)絡(luò)進行LPCC特征參數(shù)提取，得出其分別在各個信噪比下的語音信號識別率，見表1。

因為低階倒譜參數(shù)對整個頻譜參數(shù)斜率很敏感，而高階的倒譜參數(shù)對噪聲很敏感，所以在實際計算時，要對倒譜進行加權(quán)，或稱為倒譜提升。

其定義為:其中wm定義如下:

表1 語音信號識別率（識別網(wǎng)絡(luò):HMM（隱馬爾可夫）神經(jīng)網(wǎng)絡(luò)）

4 結(jié)論

本設(shè)計針對特征參數(shù)提取的各種方法，選用LPCC進行特征提取。通過對語音信號進行預(yù)加重、分幀、加窗、自相關(guān)分析，而后提取出的LPC倒譜系數(shù)，對語音信號的分析處理，去除對語音識別無關(guān)緊要的冗余信息，獲得影響語音識別的重要信息有重要作用。

［1］張剛，張雪英，馬建芬.語音處理與編碼［M］.北京:兵器工業(yè)出版社，2000.

［2］王讓定，柴佩琪.語音倒譜特征的研究［J］.計算機工程，2003（8）:31-33.

［3］葉明，顧利民.LPC倒譜參數(shù)的說話人特征分析［J］.南京航空航天大學(xué)學(xué)報，1994，6（12）:797-804.

［4］趙力.語音信號處理［M］.北京:機械工業(yè)出版社，2003.

［5］易克初.語音信號處理［M］.北京:國防工業(yè)出版社，2000.