.212. 智能系统学报 第11卷 含c1+h.in+8 4 *y Q..[j]) 实验设计及分析 6.+2ca.ie1,21 实验数据库为用cooledit软件建立语音样本 库。数据库规模为100人(50男50女)，考虑时间 式中：Ca[i]△∑c,(Q,j]/J)。其倒谱 的遍历性，同一段指令要求在不同的时间录制10 主要与噪声n.(t)相关，并且通过C2与语音强度成 遍。语音采样率16kHz,单声道，Windows PCM编 反比，倒谱特征的失真不只是偏置。由此，低噪声 码格式，采样精度16位。噪声添加使用Noise-92库 |y≤1和高噪声|y≥1时的噪声均反映了信号 中的pink、volvo、destroyerengine(DE)、和white噪 的不稳定性，因此强调语音动态特性和低频特性，将 声，根据随机时间偏移与纯净语音信号混合，形成 有助于加性噪声的去除。 -5~20dB范围内不同信噪比的数据库。 人耳对语音的动态特征更为敏感，这种动态特 本文语音信号分帧采用交叠分段的法，每帧 性可以通过时间序列滤波实现。时间序列滤波之后 170个采样点，叠加步长为15个采样点，对信号进 的语音信号更接近真实语音信号。时间序列滤波器 行特征提取得MFCC,设定特征维数为25。再以 在语音信号静态特性的基础上，又兼顾了语音信号 MFCC为基础，获得MVDA语音特征。 的动态特性，其使用达到了预期的目的。 图2~9是语音“12345”在噪声环境下，MVDA 由于人类的声音频率的结构性限制，发声时 特征向量的第一维和第D维特征。通过对比发现 声道系统结构的改变有限，人类语音的重要信息 干净语音和不同信噪比的含噪语音的差异。均值消 主要是在低频段1。由于MFCC反映声道系统 减和方差归化法使语音信号和含噪信号在同平均水 的特性，本文假设语音低频特征包含的信息更 平（均值消减）和总体规模（方差归一化法）的差异 多。均值消减和方差归一化方法可以弥补能谱 减小，然而差别依然明显。本文进一步使用了时间 的下降，但却不能解决谱型平滑的问题。而加权 序列滤波和加权自回归移动平均滤波，差异进一步 自回归移动平均滤波由于强调了语音低频段的 减小。 作用，并弱化了高频的影响。 20 20 0 100200300 0 100200300 0 100200300 100200300 100200300 頫率/Hz 频率Hz 频率Hz 频率Hz 频率/Hz (a)原始语音信号 (b)均值消减输出 (c方差归一化输出 (d)时间序列滤波输出 (e)加权自回归平均输出 图2语音特征C[1]噪声为20dB时，MVDA后处理输出 Fig.2 The MVDA postprocessing output of voice features C[1]with noise of 20 dB 20 920 0100200300 0100200300 0100200300 100200300 0100200300 、频率/Hz 顺率Hz 频率Hz 頫案Hz 频率/Hz (a)原始语音信号 b)均值消减输出 (c方差归一·化输出 (d)时间序列滤波输出 (e)加权自回归平均输出 图3语音特征C[1]噪声为10dB时，MVDA后处理输出 Fig.3 The MVDA postprocessing output of voice features C[1]with noise of 10 dB 5 ap/ m20 0 蟹-20 -20 0 100200300 0 100200300 100200300 100200300 100200300 频率Hz 频率Hz 频率/Hz 频率/Hz 频率/Hz (a)原始语音信号 (b)均值消减输出 (c)方差归一化输出 (d)时间序列滤波输出 (e)加权自回归平均输出 图4语音特征C[1]噪声为0dB时，MVDA后处理输出 Fig.4 he MVDA postprocessing output of voice features C[1]with noise of 0 dB∑ Ｊ ｊ ＝ １ Ｇｉｊ ２ｌｎ γ ＋ ｌｎ Ｑｎｏ ［ｊ］ ＋ ２ γ Ｑ１ ［ｊ］ Ｑｎｏ ［ｊ］ æ è ç ö ø ÷ ≈ Ｃｎｏ ［ｉ］ ＋ ２ γ Ｃｅ２ ［ｉ］， ｉ ＝ １，２，…，Ｉ 式中： Ｃｅ２ ［ｉ］ 􀰛 ∑ Ｊ ｊ ＝ １ Ｇｉｊ Ｑ１ ［ｊ］ ／ Ｑｎｏ ( ［ｊ］ ) 。 其倒谱 主要与噪声 ｎｏ（ｔ） 相关，并且通过 Ｃｅ２ 与语音强度成 反比，倒谱特征的失真不只是偏置。 由此，低噪声 γ ≪ １ 和高噪声 γ ≫ １ 时的噪声均反映了信号 的不稳定性，因此强调语音动态特性和低频特性，将 有助于加性噪声的去除。 人耳对语音的动态特征更为敏感，这种动态特 性可以通过时间序列滤波实现。 时间序列滤波之后 的语音信号更接近真实语音信号。 时间序列滤波器 在语音信号静态特性的基础上，又兼顾了语音信号 的动态特性，其使用达到了预期的目的。 由于人类的声音频率的结构性限制，发声时 声道系统结构的改变有限，人类语音的重要信息 主要是在低频段［ １７］ 。 由于 ＭＦＣＣ 反映声道系统 的特性，本文假设语音低频特征包 含 的 信 息 更 多。 均值消减和方差归一化方法可以弥补能谱 的下降，但却不能解决谱型平滑的问题。 而加权 自回归移动平均滤波由于强调了语音低频段的 作用，并弱化了高频的影响。 ４ 实验设计及分析 实验数据库为用 ｃｏｏｌｅｄｉｔ 软件建立语音样本 库。 数据库规模为 １００ 人（５０ 男 ５０ 女），考虑时间 的遍历性，同一段指令要求在不同的时间录制 １０ 遍。 语音采样率 １６ ｋＨｚ，单声道，Ｗｉｎｄｏｗｓ ＰＣＭ 编 码格式，采样精度 １６ 位。 噪声添加使用 Ｎｏｉｓｅ⁃９２ 库 中的 ｐｉｎｋ、 ｖｏｌｖｏ、 ｄｅｓｔｒｏｙｅｒｅｎｇｉｎｅ （ ＤＥ）、 和 ｗｈｉｔｅ 噪 声，根据随机时间偏移与纯净语音信号混合，形成 －５～２０ ｄＢ 范围内不同信噪比的数据库。 本文语音信号分帧采用交叠分段的法，每帧 １７０ 个采样点，叠加步长为 １５ 个采样点，对信号进 行特征提取得 ＭＦＣＣ，设定特征维数为 ２５。 再以 ＭＦＣＣ 为基础，获得 ＭＶＤＡ 语音特征。 图 ２～ ９ 是语音“１２３４５” 在噪声环境下，ＭＶＤＡ 特征向量的第一维和第 Ｄ 维特征。 通过对比发现 干净语音和不同信噪比的含噪语音的差异。 均值消 减和方差归化法使语音信号和含噪信号在同平均水 平（均值消减）和总体规模（方差归一化法）的差异 减小，然而差别依然明显。 本文进一步使用了时间 序列滤波和加权自回归移动平均滤波，差异进一步 减小。 图 ２ 语音特征 Ｃ［１］ 噪声为 ２０ ｄＢ 时，ＭＶＤＡ 后处理输出 Ｆｉｇ．２ Ｔｈｅ ＭＶＤＡ ｐｏｓｔｐｒｏｃｅｓｓｉｎｇ ｏｕｔｐｕｔ ｏｆ ｖｏｉｃｅ ｆｅａｔｕｒｅｓ Ｃ［１］ ｗｉｔｈ ｎｏｉｓｅ ｏｆ ２０ ｄＢ 图 ３ 语音特征 Ｃ［１］ 噪声为 １０ ｄＢ 时，ＭＶＤＡ 后处理输出 Ｆｉｇ．３ Ｔｈｅ ＭＶＤＡ ｐｏｓｔｐｒｏｃｅｓｓｉｎｇ ｏｕｔｐｕｔ ｏｆ ｖｏｉｃｅ ｆｅａｔｕｒｅｓ Ｃ［１］ ｗｉｔｈ ｎｏｉｓｅ ｏｆ １０ ｄＢ 图 ４ 语音特征 Ｃ［１］ 噪声为 ０ ｄＢ 时，ＭＶＤＡ 后处理输出 Ｆｉｇ．４ ｈｅ ＭＶＤＡ ｐｏｓｔｐｒｏｃｅｓｓｉｎｇ ｏｕｔｐｕｔ ｏｆ ｖｏｉｃｅ ｆｅａｔｕｒｅｓ Ｃ［１］ ｗｉｔｈ ｎｏｉｓｅ ｏｆ ０ ｄＢ ·２１２· 智 能 系 统 学 报 第 １１ 卷