小波變換在語音信號中的應(yīng)用課件

1、語音是交叉學(xué)科，有深遠(yuǎn)的研究價(jià)值近 50 年的研究歷史，語音識別技術(shù)已經(jīng)有了極大的發(fā)展但大多數(shù)產(chǎn)品能存在于實(shí)驗(yàn)室，沒有達(dá)到使用化的效果主要闡述小波變換在語音信號去噪的應(yīng)用，語音端點(diǎn)的檢測，語音特征的提取及一種簡單的語音識別算法。1語音是交叉學(xué)科，有深遠(yuǎn)的研究價(jià)值1引言語音識別(Voice Recognition 簡稱“VR”)也稱說話人識別，就是根據(jù)人的聲音特征，識別出某段語音是誰說的。聲紋識別兩方面：說話人辨認(rèn)和說話人確認(rèn)。fzhjkj/index.aspx福州海景科技開發(fā)有限公司Video1Video2引言語音識別(Voice Recognition 簡稱“VR小波變換在語音信號識別中的應(yīng)

2、用welcome to use these PowerPoint templates, New Content design, 10 years experience1.語音識別與小波分析簡介2.小波分析在語音識別中的應(yīng)用3.前端處理4.特征提取5.最終識別小波變換在語音信號識別中的應(yīng)用welcome to use 1.語音識別與小波分析簡介語音識別聲學(xué)語言學(xué)語音學(xué)數(shù)字信號處理信息論計(jì)算機(jī)科學(xué)目的：賦予機(jī)器以聽覺，使其能聽懂人的語言，實(shí)現(xiàn)人-機(jī)自由對話。應(yīng)用領(lǐng)域：計(jì)算機(jī)、辦公室自動化、通信、國防、機(jī)器人等。 語音識別的學(xué)科體系1.語音識別與小波分析簡介語聲學(xué)語言學(xué)語音學(xué)數(shù)字信號處理信息 語音識

3、別的研究方向語音識別語音輸入系統(tǒng)語音控制系統(tǒng)基于對話系統(tǒng)的數(shù)據(jù)庫查詢系統(tǒng)口語翻譯系統(tǒng)自動身份確認(rèn)計(jì)算機(jī)輔助教學(xué)1.語音識別與小波分析簡介 語音識別的研究方向語語音輸入系統(tǒng)語音控制系統(tǒng)基于對話系統(tǒng)的語音信號特征頻帶特征：人說話聲音頻率范圍是300Hz3400Hz, 男性大約在250Hz2 000 Hz之間，女性則大約在450Hz4 000 Hz之間。信號特征：是一種時變、非平穩(wěn)的隨機(jī)信號語音分類 清音無周期性，主要在高頻部分，易混于噪音 濁音接近周期信號，主要分布在低頻部分 噪音語音之間間隙，純噪音的“無聲區(qū)”語音信號特征頻帶特征：人說話聲音頻率范圍是300Hz340 語音識別系統(tǒng)的性能1.識別

4、詞匯表的大小和語音的復(fù)雜性；2.語音信號的質(zhì)量；3.單個說話人還是多個說話人；4.硬件因素（性價(jià)比）。語音信號特征 語音識別系統(tǒng)的性能1.識別詞匯表的大小和語音的復(fù)雜性；語音研究的熱點(diǎn)與難點(diǎn)1.語音識別系統(tǒng)的適應(yīng)性差；2.高噪聲環(huán)境下語音識別進(jìn)展困難；3.如何把語言學(xué)、生理學(xué)、心理學(xué)方面的研究成果量化、建模并用于語音識別，還需研究；4.我們對人類的聽覺理解、知識積累和學(xué)習(xí)機(jī)制以及大腦神經(jīng)系統(tǒng)的控制機(jī)理等分面的認(rèn)識還很不清楚；5.若將語音識別系統(tǒng)商品化，還有識別速度、拒識問題以及關(guān)鍵詞/句檢測技術(shù)等細(xì)節(jié)問題需要解決。研究的熱點(diǎn)與難點(diǎn)1.語音識別系統(tǒng)的適應(yīng)性差；小波分析一種強(qiáng)有力的信號分析工具語音

5、降噪技術(shù)是語音信號處理的一個重要分支當(dāng)噪聲與語音的頻譜相似時，傳統(tǒng)的單純時域或頻域處理往往無法達(dá)到很好的效果在信號的高頻域部分，可取得較好的時間分辨率在信號的低頻域部分，可取得較好的頻率分辨率小波閾值去噪方法是實(shí)現(xiàn)最簡單、計(jì)算量最小的一種方法，因而得到了最廣泛的應(yīng)用小波分析一種強(qiáng)有力的信號分析工具2 小波分析在語音識別中的應(yīng)用2.1 語音信號的降噪處理2.2 語音信號壓縮與重構(gòu)2.3 幅度突變信號的檢測2 小波分析在語音識別中的應(yīng)用2.1 語音信號的降噪處理2.1 連續(xù)小波基函數(shù)小波函數(shù)定義設(shè)(t)為一平方可積函數(shù)，也即(t)L2(R) 。若其傅里葉變換()滿足條件 稱( t )為一個基本小波

6、或小波母函數(shù)，將母函數(shù)(t)經(jīng)伸縮或平移后, 就可以得到一個小波序列。2 小波分析在語音識別中的應(yīng)用2.1 連續(xù)小波基函數(shù)小波函數(shù)定義設(shè)(t)為一平方可積函數(shù) ，2 小波分析在語音識別中的應(yīng)用連續(xù)小波基函數(shù)連續(xù)小波變換(CWT)連續(xù)小波變換的逆變換(ICWT) ，2 小波分析在語音識別中的應(yīng)用連續(xù)小波基函數(shù)連續(xù)小小波 (t)和原始信號f(t)的開始部分進(jìn)行比較 計(jì)算系數(shù)C該部分信號與小波的近似程度；C值越高表示信號與小波相似程度越高小波右移k得到的小波函數(shù)為 (t-k) ，然后重復(fù)步驟1和2，直到信號結(jié)束 擴(kuò)展小波，如擴(kuò)展一倍，得到的小波函數(shù)為 (t/2) 重復(fù)步驟14 連續(xù)小波變換的過程連續(xù)

7、小波運(yùn)算的基本步驟 小波 (t)和原始信號f(t)的開始部分進(jìn)行比較 連續(xù)小波 離散小波變換的逆變換(IDWT) 離散小波2 小波分析在語音識別中的應(yīng)用離散小波變換(DWT) 離散小波變換的逆變換(IDWT) 離散小波2 小波分析在語用于離散小波重構(gòu)的命令主要有如下幾個： idwt 用于單層小波重構(gòu) waverec 用于多層小波重構(gòu)原始信號，要求輸入?yún)?shù) 同小波分解得到結(jié)果的格式一致 wrcoef 用于重構(gòu)小波系數(shù)至某一層次，要求輸入?yún)?數(shù)同小波分解得到結(jié)果的格式一致 upcoef 用于重構(gòu)小波系數(shù)至上一層次，要求輸入?yún)?shù)同小波分 解得到結(jié)果的格式一致用于得到某一層次的小波系數(shù)的命令主要有以下

8、幾個： detcoef 求得某一層次的細(xì)節(jié)系數(shù) appcoef 求得某一層次的近似系數(shù) upwlev 重構(gòu)組織小波系數(shù)的排列形式2 小波分析在語音識別中的應(yīng)用用于離散小波重構(gòu)的命令主要有如下幾個：2 小波分析在語音識別dwt函數(shù)功能：1-D離散小波變換格式： cA,cD=dwt(X,wname) cA,cD=dwt(X,Lo_D,Hi_D)說明：cA,cD=dwt(X,wname)使用指定的小波基函數(shù)wname對信號X進(jìn)行分解，cA和cD分別是近似分量和細(xì)節(jié)分量；cA,cD=dwt(X,Lo_D,Hi_D)用指定的濾波器組Lo_D,Hi_D對信號進(jìn)行分解2 小波分析在語音識別中的應(yīng)用dwt函數(shù)

9、功能：1-D離散小波變換2 小波分析在語音識別中的idwt函數(shù)功能：1-D離散小波反變換格式：X=idwt(cA,cD,wname)X=idwt(cA,cD,Lo_R,Hi_R)X=idwt(cA,cD,wname,L)X=idwt(cA,cD,Lo_R,Hi_R,L)說明：由近似分量cA和細(xì)節(jié)分量cD經(jīng)過小波反變換，選擇某小波函數(shù)或?yàn)V波器組，L為信號X中心附近的幾個點(diǎn)2 小波分析在語音識別中的應(yīng)用idwt函數(shù)功能：1-D離散小波反變換2 小波分析在語音識別dwt2函數(shù)功能：2-D離散小波變換格式：cA,cH,cV,cD=dwt2(X,wname)cA,cH,cV,cD=dwt2(X,wnam

10、e)說明：cA近似分量，cH水平細(xì)節(jié)分量，cV垂直細(xì)節(jié)分量，cD對角細(xì)節(jié)分量2 小波分析在語音識別中的應(yīng)用dwt2函數(shù)功能：2-D離散小波變換2 小波分析在語音識別中功能：提取一維小波變換低頻系數(shù)格式：（1）Aappcoef(c,l,wname,N)（2）Aappcoef(c,l,wname)（3）Aappcoef(c,l,Lo-R,Hi-R )（4）Aappcoef(c,l,Lo-R,Hi-R ,N)說明：該函數(shù)是一個一維小波分解函數(shù)，用于從 小波分解結(jié)構(gòu)C,L中提取一維信號的低頻系數(shù)。appcoef函數(shù)2 小波分析在語音識別中的應(yīng)用功能：提取一維小波變換低頻系數(shù)appcoef函數(shù)2 小波分

11、析detcoef函數(shù)功能：提取一維信號小波變換高頻系數(shù)格式： （1）d=detcoef(c,l,N) 提取N尺度的高頻系數(shù)。 （2）d=detcoef(c,l)，提取最后一尺度的高頻系數(shù)。2 小波分析在語音識別中的應(yīng)用detcoef函數(shù)功能：提取一維信號小波變換高頻系數(shù)2 小波waverec函數(shù)功能：多尺度一維小波重構(gòu)格式：（1）x=waverec(c,l,wname)（2）x=waverec(c,l,Lo-R,Hi-R)（3）x waverec（wavedec（x,N,wavename), wavename)說明：該函數(shù)用指定的小波函數(shù)或重構(gòu)濾波器對 小波分解結(jié)構(gòu)(C,L)進(jìn)行多尺度一維小波

12、重構(gòu)。2 小波分析在語音識別中的應(yīng)用waverec函數(shù)功能：多尺度一維小波重構(gòu)2 小波分析在語音upwlev函數(shù)功能：單尺度一維小波分解的重構(gòu)格式：(1)nc,nl,ca=upwlev(c,l,wname) (2) nc,nl,ca=upwlev(c,l,Lo-R, Hi-R)說明：該函數(shù)用于對小波分解結(jié)構(gòu)C,L進(jìn)行單尺度重構(gòu)，返回上一尺度的分解結(jié)構(gòu)并提取最后一尺度的低頻分量。2 小波分析在語音識別中的應(yīng)用upwlev函數(shù)功能：單尺度一維小波分解的重構(gòu)2 小波分析在wrcoef函數(shù)功能：對一維小波系數(shù)進(jìn)行單支重構(gòu)格式：(1)x=wrcoef(type,c,l,wname,N)(2)x=wrco

13、ef(type,c,l,Lo-R,Hi-R,N)(3)x=wrcoef(type,c,l,wname)(4)x=wrcoef(type,c,l,Lo-R,Hi-R)說明：對一維信號的分解結(jié)構(gòu)C,L用指定的小波函數(shù)或重構(gòu)濾波器進(jìn)行重構(gòu)。當(dāng)type=a時，對信號的低頻部分進(jìn)行重構(gòu)，此時N可以為0；當(dāng)type=d時，對信號的高頻部分進(jìn)行重構(gòu)，此時N為正整數(shù)。2 小波分析在語音識別中的應(yīng)用wrcoef函數(shù)功能：對一維小波系數(shù)進(jìn)行單支重構(gòu)2 小波分析upcoef函數(shù)功能：一維系數(shù)的直接小波重構(gòu)格式：（1）y=upcoef(0,x,wname,N) （2） y=upcoef(0,x,wname,N,L)

14、（3） y=upcoef(0,x,Lo-R,Hi-R,N) （4） y=upcoef(0,x,Lo-R,Hi-R,N,L) （5） y=upcoef(0,x,wname) （6） y=upcoef(0,x,Lo-R,Hi-R)2 小波分析在語音識別中的應(yīng)用upcoef函數(shù)功能：一維系數(shù)的直接小波重構(gòu)2 小波分析在語2.1 語音信號的降噪處理含噪的一維語音信號模型可以表示如下： s(k)=f(k)+e(k)，k=0，1，n-1 s(k) 為含噪信號 f(k) 為有用信號 e(k) 為噪聲信號 (假設(shè)e(k)是一個高斯白噪,通常表現(xiàn)為高頻信號) 2.1 語音信號的降噪處理含噪的一維語音信號模型可以

15、表示如下 小波去噪方法基于小波變換模極大值原理進(jìn)行去噪對含噪聲信號作小波變換之后,計(jì)算相鄰尺度間小波系數(shù)的相關(guān)性,根據(jù)相關(guān)性區(qū)別小波系數(shù)的類型閾值去噪 對小波系數(shù)設(shè)置閾值, 在眾多小波系數(shù)中, 把絕對值較小的系數(shù)置為零,而讓絕對值較大的系數(shù)保留或收縮, 然后對閾值處理后的系數(shù)進(jìn)行小波逆變換,直接進(jìn)行信號重構(gòu), 即可達(dá)到去噪的目的。 2.1 語音信號的降噪處理 小波去噪方法2.1 語音信號的降噪處理小波閾值去噪的主要理論依據(jù)信號在小波域內(nèi)其能量主要集中在有限的幾個系數(shù)中, 而噪聲的能量卻分布于整個小波域內(nèi)(前提)經(jīng)小波分解后, 信號的小波變換系數(shù)要大于噪聲的小波變換系數(shù)（前提下的結(jié)果）可以找到一

16、個合適的數(shù)作為閾值,當(dāng)小波系數(shù)小于該閾值時, 認(rèn)為這時的小波系數(shù)主要是由噪聲引起的（平行推理）當(dāng)小波系數(shù)大于該閾值時, 則認(rèn)為其主要是由信號引起的。選擇一個合適的閾值, 對小波系數(shù)進(jìn)行閾值處理, 就可以達(dá)到去除噪聲而保留有用信號的目的（水到渠成的推理）2.1 語音信號的降噪處理小波閾值去噪的主要理論依據(jù)2.1 語音信號的降噪處理2.1 語音信號的降噪處理降噪過程1.一維信號小波分解;2.小波分解高頻系數(shù)閾值量化;3.小波逆變換，對一維小波重構(gòu)。2.1 語音信號的降噪處理降噪過程S：原始信號cA1,cA2,cA3：分解各層的逼近信號cD1,cD2,cD3：分解各層的細(xì)節(jié)信號如果將cD1,cD2,

17、cD3的分解系數(shù)都設(shè)置為零，而只保留cA3,而后進(jìn)行小波重構(gòu)，得到的信號就是消噪之后的信號。分解后的各部分重構(gòu)分解結(jié)構(gòu)圖S：原始信號分解后的各部分重構(gòu)分解結(jié)構(gòu)圖消噪前后對比消噪前后對比2.1 語音信號的降噪處理降噪特性1.高頻部分影響小波分解的第一層細(xì)節(jié);2.低頻部分影響小波分解的最深層和最低頻層;3.高頻系數(shù)的幅值隨著分解層次的增加而迅速的衰減，且其方差也有同樣的變化趨勢。2.1 語音信號的降噪處理降噪特性基小波的選擇 根據(jù)小波基的性質(zhì)和具體信號的特征選擇合適的基小波。 小波分解層數(shù)的選擇 對一般的信號而言，若信噪比20，則最大分解尺度取3 ，否則，最大分解尺度取4好。閾值函數(shù)閾值選擇規(guī)則2

18、.1 語音信號的降噪處理基小波的選擇2.1 語音信號的降噪處理常用的硬閾值函數(shù)和軟閾值函數(shù)硬閾值函數(shù)軟閾值函數(shù)2.1 語音信號的降噪處理常用的硬閾值函數(shù)和軟閾值函數(shù)2.1 語音信號的降噪處理利用Matlab消噪1.用ddencmp生成信號的默認(rèn)閥值，后利用wdencmp進(jìn)行消噪；2.用wthresh函數(shù)進(jìn)行給定閥值量化處理，比默認(rèn)閥值可信度高；3.小波分解結(jié)構(gòu)中的高頻系數(shù)全部置0，強(qiáng)制消噪處理。利用Matlab消噪1.用ddencmp生成信號的默認(rèn)閥值，2.2 語音信號壓縮與重構(gòu) 1.信號的小波分解；2.對高頻系數(shù)進(jìn)行閥值量化處理；3.對量化后的系數(shù)進(jìn)行小波重構(gòu)。2.2 語音信號壓縮與重構(gòu) 1

19、.信號的小波分解；2.3 幅度突變信號的檢測小波分析能檢測信號幅值變化的準(zhǔn)確時間；目的：將信號幅度發(fā)生跳變的時間點(diǎn)檢測出來。2.3 幅度突變信號的檢測小波分析能檢測信號幅值變化的準(zhǔn)確時傳統(tǒng)的功率譜等方法只能給出信號全頻尺度特征，而沒有辦法說明信號發(fā)生突變的具體位置。而在信號分析中，突變點(diǎn)（奇異點(diǎn)）往往代表了故障(聲音突變)的發(fā)生，在時域上則代表了故障（聲音突變）發(fā)生的具體時間點(diǎn)。因此功率譜對于信號的突變沒有時域分析能力。頻率突變信號的奇異性檢測2.3 幅度突變信號的檢測傳統(tǒng)的功率譜等方法只能給出信號全頻尺度特征，而沒有辦法說明信頻率突變信號的的小波分解 小波變換具有空間局部化性質(zhì)，即可以描述信

20、號在不同頻率帶中不同時刻變換情況，因此可以利用小波來分析信號的奇異性，判斷信號中的突變情況。2.3 幅度突變信號的檢測頻率突變信號的的小波分解 小波變換具有空間局部化性幅值突變信號的奇異性檢測2.3 幅度突變信號的檢測幅值突變信號的奇異性檢測2.3 幅度突變信號的檢測3 語音識別的前端處理3.1 傳統(tǒng)的語音去噪流程方法存在問題：直接對語音信號進(jìn)行閾值處理，信號的高頻部分置0，造成去噪后信號的失真。3 語音識別的前端處理3.1 傳統(tǒng)的語音去噪流程方法存在問題3.2 語音信號去噪的改進(jìn)算法1.語音信號的清濁音分離；2.對清音段和濁音段分別進(jìn)行不同的閾值處理；3.離散小波反變換，獲得去噪后的語音信號

21、。 清濁音判定方法：3 語音識別的前端處理清音在較高的頻率段上能量比較強(qiáng)濁音的能量主要分布在較低的頻率上3.2 語音信號去噪的改進(jìn)算法1.語音信號的清濁音分離； 先進(jìn)行清濁音分離，后用不同閥值進(jìn)行處理3.2 語音信號去噪的改進(jìn)算法3 語音識別的前端處理先進(jìn)行清濁音分離，后用不同閥值進(jìn)行處理3.2 語音信號去噪的3.3 改進(jìn)閥值函數(shù)的小波語音去噪常用的幾種閾值函數(shù)使用中的缺點(diǎn)：1.硬閥值法，去噪效果不理想，重構(gòu)產(chǎn)生振蕩；2.軟閥值法，重構(gòu)信號存在較大的失真；3.前三種閥值函數(shù)， |X|T時都等于0，會導(dǎo)致去噪后的信號產(chǎn)生較大失真。3.3 改進(jìn)閥值函數(shù)的小波語音去噪常用的幾種閾值函數(shù)使用中的3.3 改進(jìn)閥值函數(shù)的小波語音去噪3.3 改進(jìn)閥值函數(shù)的小波語音去噪3.4 二次小波分解全局閾值方法1.首先對信號進(jìn)行三層小波分解，三個高頻系數(shù)和一個低頻系數(shù)；2.其高頻部分由噪聲和信號兩部分混合組成，對高頻部分進(jìn)行二次小波分解，得到二次分解后的6個高頻系數(shù)和6個低頻系數(shù)；3.此時對各高頻部分分解后得到高頻系數(shù)利用全局閾值進(jìn)行去噪處理，得到處理后的3個高頻部分；4.將處理后高頻系數(shù)和第一次分解