语音信号处理的分析工具

5.7.2　语音信号处理的分析工具

当系统接收到各种信号后需要用合适的分析工具来观察信号。语音信号包含时域、频率、空域的信息,用不同的分析工具得到的观察结果侧重面会有所不同。每一种分析工具都有其独特的观测视野,但也有其观测不到的信息。

在语音信号处理的分析工具中最常见是傅立叶变换。傅立叶变换是一种时-频转换的工具,它把待分析波形分解成不同频率正弦波的叠加。针对信号在时域上的不同表现(周期、非周期、连续、离散),有多种傅立叶变换。其中离散傅立叶变换是为了在频域利用数字处理技术来分析信号,就需要将其离散化。傅立叶变换是一种整体变换,要么在时域,要么在频域,无法给出信号频谱随时间变换的规律。也就是说，傅立叶变换是在整个时域上进行的,所以无法给出时间上的局部信息。为了了解某个时间段中频谱的改变,需要给傅立叶变换加一个滑动的“时间窗”,这就是短时傅立叶变换。但是由于该“窗口”函数是固定的,所以短时傅立叶变换的时间和频率的分辨率也是固定的。而小波变换就具有变化的时间和频率分辨率,是分析非平稳信号的有力工具,既可分析信号的概貌,又可分析信号的细节。除了傅立叶变换,在与助听器相关的语音信号分析工具中还可以见到离散余弦变换、独立成分分析、盲源分离等。离散余弦变换类似于离散傅立叶变换,在进行余弦变换时,语音信号主要分布在余弦系数的低频区域,而随机噪声主要分布在高频区域。盲源分离是目前比较热的分析技术,简单的理解是对未知来源、特征的信号进行分析、恢复独立语音的过程。它将观察到的数据进行某种线性分解,并分解成统计独立的成分,再把这个统计独立的特征作为输入的表示,为接下去的各种运算做好准备。独立成分分析最初是被研究用来解决盲源分离问题的,它的变换可以使输出元素之间互相统计独立,在语音特征提取方面的应用也逐渐被人们所重视。