基于LPC预测残差的倒谱基音检测算法分析

    基音是指发浊音时声带振动所引起的周期性,基音周期是指声带振动频率的倒数。基音周期是语音信号最重要的参数之一,它描述了语音激励源的一个重要特征。基音周期信息在多个领域有着广泛的应用,如:语音及语种识别、讲者识别与验证、语音分析与综合及其低码率语音编码、发音系统疾病诊断、听觉残障者的语言指导等。由于人的声道的易变性及其声道特征的因人而异,而且基音的范围又很宽(1.25ms~40ms),且同一个人在不同情态下发音的周期也不同,加上基音周期还受到单词发音音调的影响,因而基音的精确检测实际上是一件比较困难的事情。虽然已经有各种各样的基音检测算法被提出,如自相关函数法(ACF)、峰值提取算法(PPA)、平均幅度差函数法(AMDF)、并行处理技术、倒谱法(CEP)、小波法等及其基于它们的改进算法[1~6],但并没有一种算法,可以对各类人群和各种环境条件下都能获得满意的检测结果。

    倒谱法是传统的基音周期检测算法之一,它利用语音信号的倒谱特征,检测出表征声门激励周期的基音信息。这种方法对于纯净的典型浊音语音,可以得到较为精确可靠的结果,但在浊音语音的边界处及其对被噪声污染的语音,其检测误差大大增加,甚至无法检测。近年来,一些基于倒谱的基音检测改进算法被提了出来[1],这些算法以统计检测的思想、非线性声道系统模型的思想或倒谱与单边自相关函数相结合的思想等对传统算法加以改进,本文给出了基于加窗语音的新的倒谱模型,分析了新模型的声门激励倒谱和声道脉冲响应倒谱的特点,根据其倒谱特征,提出了一种基于LPC预测残差的倒谱基音检测算法(LP-CEP法)。仿真研究结果表明,该算法相对于传统倒谱基音检测算法(CEP法),无论是对不同的干净语音还是对不同信噪比的含噪语音,其基音检测结果有明显的改善。

    1 算法基本思想

    基于LPC预测残差的倒谱基音检测算法(LP-CEP法)其基本思想是:在对语音进行LPC分析和逆滤波,获得原始语音的LP预测残差的基础上,再对残差信号进行倒谱分析,并在倒谱计算中采用高频分量置零的措施。具体做法:在对输入语音加窗分帧后,首先对分帧语音进行LP分析得到预测系数ai,由此构成逆滤波器A(Z);然后将原分帧语音通过逆滤波器滤波获得预测残差信号E(n);再对E(n)作DFT、取对数后,将所得信号的高频分量置零;最后将此信号作IDFT,得到E(n)的倒谱。该算法框图如图1所示。算法中根据所得倒谱的基音特征峰检测出浊音的基音周期,并结合静音和清音的判别结果输出语音基音轨迹。

    2 算法原理分析

    一个信号s(n)的倒谱定义为其频谱的绝对值取对数后的逆傅立叶变换[1]。即