[发明专利]一种基于挑选峰的连续语音共振峰提取方法

说明书

本发明公开了一种基于挑选峰的连续语音共振峰提取方法，包括：对输入的单帧语音进行预处理操作；采用线性预测法，初步估算一帧语音频谱包络中的峰值；设立参考点和共振峰槽，然后利用挑选峰方法建立峰值与参考点之间的映射关系；利用峰值和参考点间的映射关系和共振峰槽确定一帧语音的共振峰；针对连续语音进行共振峰估算：将连续语音按照不同帧数进行分帧，利用如上算法循环100次取得不同帧数试验下的共振峰参数，对100次循环后的结果进行平均，经过平滑处理后得到最终结果。本发明方法可消除合并峰和假峰的影响，收敛速度快，鲁棒性强。

技术领域

本发明属于语音信号处理技术领域，涉及一种基于挑选峰的连续语音共振峰提取方法。

背景技术

语音是人类交流的重要的手段。从语音信号中可分别得到语音激励和声道的传递函数。分离得到的声道传递函数有着十分广泛的应用：通过语音激励估计语音信号的基音周期、利用声道的倒谱提取出共振峰、通过声道参数进行参数编码和语音识别等等。如果把声道看成谐振腔，共振峰就是腔体的谐振频率。共振峰参数是描述语音信号特征的重要参数，其用途广泛。准确有效的共振峰提取方法对语音信号的分析、合成以及语音编码具有很大帮助。

与基音周期提取相似，精确的共振峰估计十分困难，主要存在以下问题：1)虚假峰值，在正常情况下，频谱包络中的最大值完全是由共振峰引起的，但是会有一些不符合共振峰要求的峰值被错误评估成共振峰，导致假峰现象。2)共振峰合并，相邻共振峰频率靠的太近难以分辨，被误认为只有一个共振峰。现有技术的共振峰估计方法主要有倒谱法和线性预测法。倒谱法，是对语音信号进行离散傅里叶变换后用DFT谱来提取共振峰参数，其缺点是易受基频谐波的影响，最大值只出现在谐波频率上。线性预测法分为求根法和内插法。求根法计算声道响应全极模型的极点得到共轭复根求得共振峰参数，它的缺点是计算量大且根的收敛速度慢。内插法采用抛物线内插技术，能解决频率分辨率低下情况下共振峰频率值的求取。

与倒谱法相比，线性预测法利用过去的样点值预测现在或未来的样点值，并通过使预测误差达到最小得到唯一一组线性预测系数，从而建立了一个简洁的语音信号模型，同时也能够较为准确地进行共振峰参数的估算。因此，线性预测法在共振峰参数的估算中被广泛应用。但是，线性预测法在对连续语音共振峰估计时，易出现峰合并、假峰等问题。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种基于挑选峰的连续语音共振峰提取方法，可针对连续语音信号进行共振峰参数的求取，能够有效解决连续语音共振峰估计时的峰合并、假峰等问题。

为解决上述技术问题，本发明采用以下技术方案。

一种基于挑选峰的连续语音共振峰提取方法，包括以下步骤：

步骤1.对输入的单帧语音进行预处理操作；

步骤2.采用线性预测法，初步估算一帧语音频谱包络中的峰值：利用线性预测法求得一帧语音的线性预测系数，采用全极点模型建立声道的传递函数；同时根据绝大多数男性女性的语音特点，初步估计出一帧语音频谱包络中的共振峰频率和带宽。

步骤3.设立参考点和共振峰槽，然后利用挑选峰方法建立峰值与参考点之间的映射关系；

步骤4.利用峰值和参考点间的映射关系和共振峰槽确定一帧语音的共振峰；

步骤5.针对连续语音进行共振峰估算。

所述的步骤1包括：

利用短时平均幅度函数M_n区别一帧语音中有声和无声的区域：

式中，x_n(m)是原始语音信号经过加窗分帧处理后得到的第n帧语音信号；

然后根据频谱的总能量和640-2880Hz区域的能量将有声区域分为元音区和非元音区。