第2期 张毅，等：一种语音特征提取中M倒谱系数的后处理算法 ·211· C,[i]=C.[i]-u,[i]= 三c,hno.j+20.ij+f0.i)- C,[i订+B[i订-(u,[i]+B[i])= C.[i]-4,[i]=C,[i],i=0,1,…,1 c,[+,+2y0 C,[i]+8C[i],i=1,2,…,1 因此在稳态噪声和相对平滑的卷积噪声环境 语音失真为 下，均值消减特征不会改变。从而在语句结构中，如 果环境噪声是卷积类型并且在语句内是稳态的、平 δC[i]△】 滑的，均值消减法是有效的。对均值消减的上述特 因此失真与语音信号s(t)和噪声n(t:y)相 性均建立在卷积噪声的基础上。对于加性噪声的分 关。一般强度的加性噪声影响与语音信号、噪声类 析将在后面三级滤波中进行分析。 型和噪声强度有着复杂的关系，因此加性噪声的滤 3.2方差归一化 波相对困难。当存在噪声语音数据样本时，可以考 加性噪声不同于卷积噪声，在经过频域变换之 虑设计潜在的非线性变换来减小语音信号的失真。 后语音与加性噪声更加难以区分，为了更加方便地 均值消减法的使用无法弥补(C2≠C,)造成 分析加性噪声环境下的语音信号，我们将含噪语音 的失真。处理含噪语音的方法有两种，一种是直接 定义为 使用含噪语音样本，另一种是非线性变换去噪，直接 x(t;y)=s(t)+n(t;y)=s(t)+yno(t) 使用含噪语音必须与测试语音噪声匹配。 式中：加性噪声n(ty)△yn.(t)中的y变量表示噪 加性噪声造成的语音信号失真不仅仅取决于噪 声的强度。本文首先分析加性噪声，然后分析语音信 声的加性增益，而与语音信号和噪声均相关，因此很 号。n(t;y)和n,(t)在Mel频域的对数特征表示为 难去除加性噪声。在低噪声环境下这种关联并不明 N- 显。高噪声环境下，在去除噪声增益项之后，本文应 In [j]=In ,F(y2P[k])） 用了方差归一化法以弥补语音信号特征的衰减。由 N-1 于存在y1的增益，在使用方差归一化法后，也无法 2nyl+ln(∑FP.[k])= 得到零加性噪声的语音信号，因此处理后的语音特 k=0 2In ly+In Q [j] 征很难满足要求。 3.3时间序列滤波和加权自回归移动平均滤波 式中：Q和Q分别是n(ty)和n.(t)的Mel频 本文首先分析了没有假设y的语音信号失真。 率谱表示，Mel倒谱系数可以表示为 以此为依据建立了方差归一化法，并基于该方法的 C [i]=G,(2In lyl+In Q.[jl)=C..[i] 不足，分析低噪声|yg1和高噪声|y之1，这两 种噪声情况都可以通过近似来简化。 式中：Ca)和Cn.分别是n(t;y)和n(t)的倒谱， 1)低加性噪声 MFCC并没有衰减。含噪语音的功率谱为 当|y≤1时，失真可以简化为 P[k]= Q] IS[k]2|+2y|S[k]N.[k]+y2|N.[k]2I= C.d=三c,n1+2y0 ≈2yCa[i] P.[k]+2y S[k]N,[k]+y'P [k] 式中：C[订△】 式中：P)、P和P.分别表示x(t:y）、s(t)和 c,(Q[]Q.]),并且 n.(t)的功率谱。由于Mel分级是线性运算，因此 ln(1+x)≈x。 2)高加性噪声 Q [j]=Q.[j]2yQ[]+yQ.,[j] 当y≥1时，失真可简化为 式中：Q,]△∑Fs[k]v[k]l,Q、Q. 和Q,分别代表x(t:y)、s(t)和n.(t)的功率谱。 0a-2cr(o.1+2o.j) Ml特征频谱的失真由两部分构成：一部分取决于 并且失真之后的MFCC特征近似为 噪声和语音信号，并且与y成正比。另一部分只取 决于噪声，并且与y2成正比。根据式(5)： cti.)Ｃ － ｘ （τ） ［ｉ］ ＝ Ｃｘ （τ） ［ｉ］ － μｘ［ｉ］ ＝ Ｃｘ （τ） ［ｉ］ ＋ Ｂｈ ［ｉ］ － （μｓ［ｉ］ ＋ Ｂｈ ［ｉ］） ＝ Ｃｘ （τ） ［ｉ］ － μｓ［ｉ］ ＝ Ｃ － ｓ （τ） ［ｉ］，ｉ ＝ ０，１，…，Ｉ 因此在稳态噪声和相对平滑的卷积噪声环境 下，均值消减特征不会改变。 从而在语句结构中，如 果环境噪声是卷积类型并且在语句内是稳态的、平 滑的，均值消减法是有效的。 对均值消减的上述特 性均建立在卷积噪声的基础上。 对于加性噪声的分 析将在后面三级滤波中进行分析。 ３．２ 方差归一化 加性噪声不同于卷积噪声，在经过频域变换之 后语音与加性噪声更加难以区分，为了更加方便地 分析加性噪声环境下的语音信号，我们将含噪语音 定义为 ｘ（ｔ；γ） ＝ ｓ（ｔ） ＋ ｎ（ｔ；γ） ＝ ｓ（ｔ） ＋ γｎ０（ｔ） 式中：加性噪声 ｎ（ｔ；γ） 􀰛 γｎｏ（ｔ） 中的 γ 变量表示噪 声的强度。 本文首先分析加性噪声，然后分析语音信 号。 ｎ（ｔ；γ） 和 ｎｏ（ｔ） 在 Ｍｅｌ 频域的对数特征表示为 ｌｎ Ｑｎ（γ） ［ｊ］ ＝ ｌｎ ∑ Ｎ－１ ｋ ＝ ０ Ｆｊｋ γ ２Ｐｎｏ ( ( ［ｋ］ ) ) ＝ ２ｌｎ γ ＋ ｌｎ ∑ Ｎ－１ ｋ ＝ ０ ＦｊｋＰｎｏ ( ［ｋ］ ) ＝ ２ｌｎ γ ＋ ｌｎ Ｑｎｏ ［ｊ］ 式中： Ｑｎ（γ） 和 Ｑｎｏ 分别是 ｎ（ｔ；γ） 和 ｎｏ（ｔ） 的 Ｍｅｌ 频 率谱表示，Ｍｅｌ 倒谱系数可以表示为 Ｃｎ（γ） ［ｉ］ ＝ ∑ Ｊ ｊ ＝ １ Ｇｉｊ ２ｌｎ γ ＋ ｌｎ Ｑｎｏ ( ［ｊ］ ) ＝ Ｃｎｏ ［ｉ］ 式中： Ｃｎ（γ） 和 Ｃｎｏ 分别是 ｎ（ｔ；γ） 和 ｎｏ（ｔ） 的倒谱， ＭＦＣＣ 并没有衰减。 含噪语音的功率谱为 Ｐｘ（γ） ［ｋ］ ＝ Ｓ ［ｋ］ ２ ＋ ２γ Ｓ［ｋ］Ｎｏ［ｋ］ ＋ γ ２ Ｎｏ ［ｋ］ ２ ＝ Ｐｓ［ｋ］ ＋ ２γ Ｓ［ｋ］Ｎｏ［ｋ］ ＋ γ ２Ｐｎｏ ［ｋ］ 式中： Ｐｘ（γ） 、 Ｐｓ 和 Ｐｎｏ 分别表示 ｘ（ｔ；γ） 、 ｓ（ｔ） 和 ｎｏ（ｔ） 的功率谱。 由于 Ｍｅｌ 分级是线性运算，因此 Ｑｘ（γ） ［ｊ］ ＝ Ｑｓ［ｊ］ ＋ ２γＱ１ ［ｊ］ ＋ γ ２Ｑｎｏ ［ｊ］ 式中： Ｑ１ ［ｊ］ 􀰛 ∑ Ｎ－１ ｋ ＝ ０ Ｆｊｋ Ｓ［ｋ］Ｎｏ［ｋ］ ， Ｑｘ（γ） 、 Ｑｓ 和 Ｑｎｏ 分别代表 ｘ（ｔ；γ） 、 ｓ（ｔ） 和 ｎｏ（ｔ） 的功率谱。 Ｍｅｌ 特征频谱的失真由两部分构成：一部分取决于 噪声和语音信号，并且与 γ 成正比。 另一部分只取 决于噪声，并且与 γ ２ 成正比。 根据式（５）： Ｃｘ（γ） ［ｉ］ ＝ ∑ Ｊ ｊ ＝ １ Ｇｉｊ ｌｎＱｘ（γ） ［ｊ］ ＝ ∑ Ｊ ｊ ＝ １ Ｇｉｊ ｌｎ Ｑｓ［ｊ］ ＋ ２γＱ１ ［ｊ］ ＋ γ ２Ｑｎｏ ( ［ｊ］ ) ＝ Ｃｓ［ｉ］ ＋ ∑ Ｊ ｊ ＝ １ Ｇｉｊ ｌｎ １ ＋ ２γ Ｑ１ ［ｊ］ Ｑｓ［ｊ］ ＋ γ ２ Ｑｎｏ ［ｊ］ Ｑｓ［ｊ］ æ è ç ö ø ÷ ＝ Ｃｓ［ｉ］ ＋ δＣｘ（γ） ［ｉ］， ｉ ＝ １，２，…，Ｉ 语音失真为 δＣｘ（γ） ［ｉ］ 􀰛 ∑ Ｊ ｊ ＝ １ Ｇｉｊ ｌｎ １ ＋ ２γ Ｑ１ ［ｊ］ Ｑｓ［ｊ］ ＋ æ è ç ö ø ÷ γ ２ Ｑｎｏ ［ｊ］ Ｑｓ［ｊ］ 因此失真与语音信号 ｓ（ｔ） 和噪声 ｎ（ｔ；γ） 相 关。 一般强度的加性噪声影响与语音信号、噪声类 型和噪声强度有着复杂的关系，因此加性噪声的滤 波相对困难。 当存在噪声语音数据样本时，可以考 虑设计潜在的非线性变换来减小语音信号的失真。 均值消减法的使用无法弥补 Ｃｅ２ ≠ Ｃｓ ( ) 造成 的失真。 处理含噪语音的方法有两种，一种是直接 使用含噪语音样本，另一种是非线性变换去噪，直接 使用含噪语音必须与测试语音噪声匹配。 加性噪声造成的语音信号失真不仅仅取决于噪 声的加性增益，而与语音信号和噪声均相关，因此很 难去除加性噪声。 在低噪声环境下这种关联并不明 显。 高噪声环境下，在去除噪声增益项之后，本文应 用了方差归一化法以弥补语音信号特征的衰减。 由 于存在 γ －１ 的增益，在使用方差归一化法后，也无法 得到零加性噪声的语音信号，因此处理后的语音特 征很难满足要求。 ３．３ 时间序列滤波和加权自回归移动平均滤波 本文首先分析了没有假设 γ 的语音信号失真。 以此为依据建立了方差归一化法，并基于该方法的 不足，分析低噪声 γ ≪ １ 和高噪声 γ ≫ １，这两 种噪声情况都可以通过近似来简化。 １）低加性噪声 当 γ ≪ １ 时，失真可以简化为 δＣｘ（γ） ［ｉ］ ≈ ∑ Ｊ ｊ ＝ １ Ｇｉｊ ｌｎ １ ＋ ２γ Ｑ１ ［ｊ］ Ｑｓ ［ｊ］ æ è ç ö ø ÷ ≈ ２γＣｅ１ ［ｉ］ 式 中： Ｃｅ１ ［ｉ］ 􀰛 ∑ Ｊ ｊ ＝ １ Ｇｉｊ（Ｑ１ ［ｊ］ ／ Ｑｓ［ｊ］） ， 并 且 ｌｎ （１ ＋ ｘ） ≈ ｘ 。 ２）高加性噪声 当 γ ≫ １ 时，失真可简化为 Ｑｘ（γ） ［ｉ］ ≈ ∑ Ｊ ｊ ＝ １ Ｇｉｊ ｌｎ γ ２ Ｑｎｏ ［ｊ］ ＋ ２ γ Ｑ１ ［ｊ］ æ è ç ö ø ÷ æ è ç ö ø ÷ 并且失真之后的 ＭＦＣＣ 特征近似为 Ｃｘ（γ） ［ｉ］ ≈ ∑ Ｊ ｊ ＝ １ Ｇｉｊ γ ２ Ｑｎｏ ［ｊ］ ＋ ２ γ Ｑ１ ［ｊ］ æ è ç ö ø ÷ æ è ç ö ø ÷ ≈ ∑ Ｊ ｊ ＝ １ Ｇｉｊ ｌｎ γ ２Ｑｎｏ １ ＋ ２ γ Ｑ１ ［ｊ］ Ｑｎｏ ［ｊ］ æ è ç ö ø ÷ æ è ç ö ø ÷ ≈ 第 ２ 期 张毅，等：一种语音特征提取中 Ｍｅｌ 倒谱系数的后处理算法 ·２１１·