语音识别原理与应用 第二章 语音信号基础
目录
第二章 语音信号基础
2.1 声波的特性
2.2 声音的接收装置
2.3 声音的采样
2.4声音的量化
2.5 语音的编码
2.6WAV文件格式
2.7WAV文件分析
第二章 语音信号基础
声波通过空气传播，被麦克风接收，再被转换成模拟的语音信号，这些信号经过采样，变成离散的时间信号，再进一步经过量化，被保存为数字信号，即波形文件。过程如下：
本章根据以上过程，分别对声波的特性、声音的采集装置(即麦克风)、声音的采样和量化加以介绍，最后介绍语音文件的格式和分析。
2.1 声波的特性
声波在空气中是一种纵波，它的振动方向和传播方向是一致的。声音在空气中的振动形成压力波动，产生压强，在经过传感器接收转换，变成时变的电压信号。
声波的特性主要包括频率和声强。
频率是指在单位时间内声波的周期数。
而直接测量声强较为困难，故常用声压来衡量声音的强弱。
声压：某一瞬间介质中的压强相对于无声波时压强的改变量称为声压，记为p(t)，单位是Pa。
由于人耳感知的声压动态范围太大，加之人耳对声音大小的感觉近似地与声压、声强呈对数关系，所以常用对数值来度量声音。一般把很小的声压 p0=2x Pa作为参考声压，把所要测量的声压p与参考声压p0的比值取常用对数后，乘以20得到的数值称为声压级（Sound Pressure Level,SPL）,其单位为分贝（dB）。
注：衡量声音的信噪比（Signal to Noise Ratio，SNR）的单位也用分贝，其数值越高，表示声音越干净，噪音比例越小。
2.2 声音的接收装置
麦克风主要包括以下的性能指标：
- 灵敏度 在单位声压激励下输出电压 与输入声压的比值，单位为 mV/Pa。实际衡量采用相对值，以分贝表示，并规定 1 V/Pa为 0 dB。因话筒输出一般为毫伏级，所以，其灵敏度的分贝值始终为负值。
- 频率响应 表示麦克风拾音的频率范围，以及在此范围内对声音各频率的灵敏度。一般来说，频率范围越宽、频响曲线俞平直越好。
- 指向性 麦克风对于不同方向的声音灵敏度，称为麦克风的指向性。指向性用麦克风正面0度方向和背面180度方向上的灵敏度的差值来表示，差值大于15 dB 者称为强方向性麦克风。
- 输出阻抗 目前常见的麦克风有高阻抗和低阻抗之分。
2.3 声音的采样
声音的采样过程是把模拟信号转换成离散信号。采样的标准是能够重现声音，与原始语音尽量保持一致。采样率表示每秒采样点数，单位是赫兹（HZ）。
声音的采样需满足采样定理（奈奎斯特定理）：当采样率大于信号最高频率的两倍时，采样数字信号能够完整保留原始信号中的信息。
采样率越高，采集的间隔就越短，对应的音频损失也就越小。
2.4声音的量化
声音被采样后，摸你的电压信号变成离散的采样值。
声音的量化过程是指将每个采样值在幅度上再进行离散化处理，变成整形数值。
量化位数（编码位数），代表每次取样的信息量，量化会引入失真，并且量化失真是一种不可逆失真。量化位数可以是4位、8位、16位、32位，量化位数越多，失真越少，但占用存储空间越多，一般采用16位量化。
量化方法包括均匀量化和非均匀量化。
将声音的采样率和量化位数相乘得到比特率（bps: bits per second），其代表了每个音频样本每秒量化的比特位数。比如一段音频的采样率是16 kHz，量化位数是 16 位，那么该音频的比特率是
16 x 16 = 256 kb/s 。
2.5 语音的编码
在语音的存储过程中也需要编码，常用的音频编码格式包括PCM，MP3，A-law等。
- PCM编码 PCM（Pulse Code Modulation，脉冲编码调制）是对模拟信号进行采样、量化、编码的过程。它只保存编码后的数据，并不保存任何格式信息。PCM编码的最大优点是音质好，最大缺点是占用存储空间多。 可保存为PCM raw data（.raw文件，无头部）或Microsoft PCM格式（.wav 文件）。 还有一种编码是自适应差分PCM（ADPCM）。
- MP3编码 MP3编码对音频信号采用的是有损压缩方式，压缩率高达10:1--12:1 。编码模拟人耳听觉机制，采取“感知编码技术”，使压缩后的文件回放时能够达到比较接近原始音频数据的声音效果。
- A律编码 A律编码按下式确定输入信号值与量化输出值的关系：
其中，x 为输入信号值，规整为 -1<= x <= 1 ,sgn(x) 为 x 的符号。A为确定压缩量的参数，反应最大量化间隔和最小量化间隔之比。 u律按下式确定输入信号值与量化输出值的关系：
其中，u为确定压缩量的参数，反应最大量化间隔和最小量化间隔之比，取值范围为100<=u<=500 。
基于PCM编码的WAV格式常作为不同编码互相转化时的一种中介格式，以便于后续处理，如下所示：
要实现更多音频格式的转换，可使用FFmpeg工具。FFmpeg是一个强大的专门用于处理音视频的开源库，可实现不同批量数据的快速转换，包括转成指定采样率的WAV格式。
2.6WAV文件格式
2.7WAV文件分析
对WAV文件进行处理之前，我们要先了解其格式是否符合规范，如电话录音往往是8kHz,8bits格式，对应的比特率为64kb/s。如果不是所要求的的格式，则要先进行转换，才能做后续的处理或识别。打开WAV文件的属性可查看比特率。
根据生成波形的数量，WAV文件还可分成单声道语音文件和立体声道语音文件。单声道生成一个波形，立体声道一般是双声道，包含两个波形（如下图所示）。如果要进行语音识别，要先将立体声道语音转换为单声道语音。
要更详细地观察分析语音信号，推荐采用CoolEdit、Praat等专业音频处理工具。
时域图显示语音信号的时间-幅度关系，而语谱图是一种三维图，显示时间-频率-幅度关系，颜色越深表示幅度（能量）越大。详情点击时域图、频谱图等。
语音识别原理与应用 第二章 语音信号基础相关推荐
- 语音信号调制matlab,第二章 语音信号的数字模型 数字语音处理及MATLAB仿真 教学课件.ppt...
第二章 语音信号的数字模型 数字语音处理及MATLAB仿真 教学课件 第二章 语音信号的数字模型 2.1 概述 本章重点介绍语音信号产生的数字模型,对语音信号的特性和听觉特性做一般介绍. 2.2 语音 ...
- 《MATLAB语音信号分析与合成（第二版）》：第4章 语音信号的线性预测分析
<MATLAB语音信号分析与合成(第二版)>:第4章 语音信号的线性预测分析 前言 1. 数据与函数路径设置 2. MATLAB仿真一:LPC的频谱分析 3. MATLAB仿真二:普通预测 ...
- 《MATLAB语音信号分析与合成（第二版）》：第7章 语音信号的减噪
<MATLAB语音信号分析与合成(第二版)>:第7章 语音信号的减噪 前言 1. 数据与函数路径设置 2. MATLAB仿真一:自适应滤波器LMS滤波减噪一 3. MATLAB仿真二:自适 ...
- 《MATLAB语音信号分析与合成（第二版）》：第10章 语音信号的合成算法
<MATLAB语音信号分析与合成(第二版)>:第10章 语音信号的合成算法 前言 1. 数据与函数路径设置 2. MATLAB仿真一:重叠相加法语音合成 3. MATLAB仿真二:重叠存储 ...
- 《MATLAB语音信号分析与合成（第二版）》：第3章 语音信号在其他变换域中的分析技术和特性
<MATLAB语音信号分析与合成(第二版)>:第3章 语音信号在其他变换域中的分析技术和特性 前言 1. 数据与函数路径设置 2. MATLAB仿真一:信号倒谱图.声道冲激响频谱.声门激励 ...
- 《脑电信号分析方法与脑机接口技术》笔记——第二章 EEG信号
第二章 EEG信号 2.1 脑电图 1.脑电信号(EEG)是从人类或动物的头皮上记录到的电位变化,主要反映大脑的电活动特性. 2.脑电图是由电极记录下来的大脑细胞群在自发性生物电活动.以电位为纵轴,时 ...
- java语言定义一个具备栈功能的类_Java学习笔记 第二章 Java语言基础
第二章 JAVA语言基础 一.关键字 1.关键字的定义和特点 定义:被Java语言赋予了特殊含义的单词 特点:关键字中所有的字母都为小写 2.用于定义数据类型的关键字 c;ass interface ...
- 第二章：图像处理基础
第二章:图像处理基础操作 一.图像的基本表示方法: 1. 二值图像: 2. 灰度图像: 3. 彩色图像: 二.像素处理: 1. 二值图像及灰度图像: 2.彩色图像: 3. 使用numpy.array访 ...
- 计算机的指令合成为,第二章计算机操作基础知识doc
第二章计算机操作基础知识doc (29页) 本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦! 23.9 积分 第二章 计算机操作基础知识第一节 计算机基础知识 ...
最新文章
- 小鱼易连获腾讯数亿C轮投资，云视频布局产业互联网
- C#测试数据库连接是否成功
- 为tomcat 安装 native 和配置apr
- 集体智慧编程——协同过滤
- 从Visual SourceSafe (VSS)服务器下载文件(C#)
- DRP(javaweb)系统
- 红黑树模拟软件_红黑树，超强动静图详解，简单易懂
- guge图标——ps
- 玩转华为ENSP模拟器系列 | 通过STelnet登录其他设备举例（DSA）
- 教你快速分割每段视频并自动分段导出保存
- jxl 冻结单元格_如何在Word中冻结表格中单元格的大小
- 在线端口检查工具 Online IP TCP UDP port scan
- TestNG入门教程-6-enabled和priority属性
- 鼠标按下拖拽移动盒子
- 如何看待有人说程序员岗位的前景一片灰暗
- Altium Designer 入门
- 应广单片机003烧录器自定义封装使用技巧
- 穷举算法——奶牛碑文（cow）
- 推荐一款“黑科技”满满的小众软件
- 关于华为认证hcip有哪些问题？