語音信號(hào)預(yù)處理技術(shù)綜述

1、語音信號(hào)預(yù)處理技術(shù)綜述        【摘要】簡(jiǎn)要介紹了語音預(yù)處理技術(shù)，包括放大與自動(dòng)增益控制、反混疊濾波、模數(shù)變換等，可以用兩種方法來實(shí)現(xiàn)語音預(yù)處理，即硬件方法和基于多媒體WAV文件的聲卡技術(shù)。 【關(guān)鍵詞】WAV文件，硬件方法，聲卡技術(shù)，語音信號(hào)預(yù)處理預(yù)處理通常包括：放大與自動(dòng)增益控制、反混疊濾波、模數(shù)變換等內(nèi)容。這些問題原理上都比較成熟，我們可以有兩種方法加以實(shí)現(xiàn)，第一種是用硬件方法來實(shí)現(xiàn)放大與自動(dòng)增益控制、反混疊濾波、模數(shù)變換等，第二種方法是借助多媒體聲卡技術(shù)，因?yàn)楦哔|(zhì)量的多媒體聲卡基本都采用了放大與自動(dòng)增益

2、控制、反混疊濾波、模數(shù)變換等技術(shù)。1硬件方法的實(shí)現(xiàn)11數(shù)字式自動(dòng)增益控制與模數(shù)變換采用數(shù)字式比之模擬式有如下優(yōu)點(diǎn)：精度高、設(shè)計(jì)靈活、能區(qū)別語音和噪聲、控制范圍大（可達(dá)5080dB），其系統(tǒng)方框圖如圖1所示。該系統(tǒng)采用了一種所謂“快啟動(dòng)慢釋放”的控制方案，即按信號(hào)幅值分為快速衰減、正常、慢速釋放和?？厮膫€(gè)區(qū)，所有改變的衰減量都小于3dBs；在160個(gè)樣點(diǎn)的一幀中用158點(diǎn)，留下2點(diǎn)作為AGC的運(yùn)算時(shí)間。在圖1中：數(shù)控衰減器用5G7520（也可用AD7110）來實(shí)現(xiàn)，AD變換器用AD574來實(shí)現(xiàn)，接口用8255來實(shí)現(xiàn)，而控制器則用CPU、8228系統(tǒng)控制器224時(shí)鐘發(fā)生器組成的最小微處理系統(tǒng)來實(shí)現(xiàn)

3、。12反混疊濾波該03400Hz的模擬低通濾波器，過去常用無源LC元件或有源的運(yùn)算放大器來實(shí)現(xiàn)，但其體積較大，效果不理想。而由開關(guān)電容濾波單片MC14413組成的電路效果較好，具體電路可參看文獻(xiàn)3。除了MC14413之外，還可用四片AF151集成電路（每片內(nèi)含有兩個(gè)二階濾波器和兩個(gè)獨(dú)立的運(yùn)算放大器）構(gòu)成一個(gè)十階低通濾波器和一個(gè)六階低通濾波器，前者用作反混疊，后者用作平滑。片中的兩個(gè)運(yùn)算放大器可用作隔離、放大等。每個(gè)二階濾波器還可以根據(jù)需要接成高通、帶通和低通等形式。根據(jù)指標(biāo)要求，只需外接四個(gè)電阻就可構(gòu)成一個(gè)二階濾波器，具體電路不再詳述。2基于多媒體WAV文件的聲卡技術(shù)多媒體技術(shù)近年來發(fā)展很快，

4、較好品質(zhì)的聲卡可以提供16位的立體聲，具備44kHz的播放錄制能力，它不僅可以提供原音逼真的取樣，其合成的音質(zhì)也十分理想，有的聲卡還加入了數(shù)字信號(hào)處理器，可編程控制的DSP具有強(qiáng)大的運(yùn)算能力，它可以用作聲音信息的壓縮和一些特殊效果的處理。具有此功能的聲卡提供的WAV文件所具有的語音信息可以滿足語音特征識(shí)別的要求。在Windows環(huán)境下，大部分的多媒體文件都依循一種結(jié)構(gòu)來存放信息，這種結(jié)構(gòu)稱為“資源互換文件格式”（Resources Interchange File Format），簡(jiǎn)稱RIFF。例如聲音的WAV文件、視頻的AV1文件等均是由此結(jié)構(gòu)衍生出來的。RIFF可以看作是一種樹狀結(jié)構(gòu)，其基

5、本構(gòu)成單位為chunk，猶如樹狀結(jié)構(gòu)中的節(jié)點(diǎn)，每個(gè)chunk由“辨別碼”、“數(shù)據(jù)大小”及“數(shù)據(jù)”所組成。辨別碼由4個(gè)ASCII碼構(gòu)成，數(shù)據(jù)大小則標(biāo)示出緊跟其后數(shù)據(jù)的長度（單位為Byte），而數(shù)據(jù)大小本身也用掉4個(gè)Byte，所以事實(shí)上一個(gè)chunk的長度為數(shù)據(jù)大小加8。一般而言，chunk本身并不允許內(nèi)部再包含chunk，但有兩種例外，分別為以“RIFF”及“L1ST”為辨別碼的chunk。而針對(duì)此兩種chunk，RIFF又從原先的“數(shù)據(jù)”中切出4個(gè)Byte，此4個(gè)Byte稱為“格式辨別碼”，然而RIFF又規(guī)定文件中僅能有一個(gè)以“RIFF”為辨別碼的chunk。凡依循此一結(jié)構(gòu)的文件，我們均稱為R

6、IFF檔。該結(jié)構(gòu)提供了一種系統(tǒng)化的分類，如果和MSDOS文件系統(tǒng)作比較，“RIFF”chunk就好比是一臺(tái)硬盤的根目錄，其格式辨別碼便是此硬盤的邏輯代碼（C：或D：），而L1STchunk即為其下的子目錄，其他的chunk則為一般的文件。至于RIFF文件的處理，微軟則提供了相關(guān)的函數(shù)。視窗下的各種多媒體文件格式就如同在磁盤機(jī)下規(guī)定僅能放怎樣的目錄，而在該目錄下即為僅能放何種數(shù)據(jù)。    WAV為WAVEFORM(波形）的縮寫。聲音文件的結(jié)構(gòu)如圖2所示，“RIFF）的格式辨別碼為”WAVE”。整個(gè)文件由兩個(gè)chunk所組成：辨別碼“fmt”（注意，最后一個(gè)是空白字符

7、！）及“data”。    在“fmt”的chunk下包含了一個(gè)PCMWAVEFORMAT數(shù)據(jù)結(jié)構(gòu)，其定義如下：     其意義分別為：wFormatTag：記錄著此聲音的格式代號(hào)，例如WAVEFORMAT  PCM，WAVEFORAM  ADPCM等等；    nChannels：記錄聲音的頻道數(shù)；    nSamp1esPerSec：記錄每秒取樣數(shù)；    nAvgBytesPerSec：記錄每秒的數(shù)據(jù)量； &#

8、160;  nBlockA1ign：記錄區(qū)塊的對(duì)齊單位；    wBitsPerSample：記錄每個(gè)取樣所需的位元數(shù)。 “data”Chunk包含真正的聲音數(shù)據(jù)。Windows目前僅提供WAVEFORMATPCM一種數(shù)據(jù)格式，所代表的意義是脈派編碼調(diào)變（Pu1se CodeModulation）。針對(duì)此格式，Windows定義了在“data”的chunk中數(shù)據(jù)的存放情形，圖3中列出了四種不同頻道數(shù)及取樣所需的位元數(shù)以及位元位置的安排。    第一排表示單聲道8位元，第二排表示雙聲道8位元，第三排表示單聲道16位元，第四排表

9、示雙聲道16位元。8位元代表音量大小由8個(gè)位元來表示，16位元?jiǎng)t代表音量大小由16個(gè)位元來表示。理論上8位元可以表示0255，16位元可表示065536，不過Windows規(guī)定16位元值的范圍為3216832167。還有一點(diǎn)要注意的是，0并不一定代表無聲，而是由中間的數(shù)值來決定其是否有聲，也就是在8位元時(shí)為128，16位元時(shí)為0才是無聲。所以，若程序設(shè)計(jì)時(shí)需放入無聲的數(shù)據(jù)，就特別要注意聲音格式是16位還是8位元，以放入適當(dāng)?shù)闹怠?#160;   WAV文件中包括了對(duì)原始聲音的高速率采樣，并且以WAVE   PCM   FORMAT脈派編碼調(diào)變格式存在，我們可以在VISUALC程序中實(shí)現(xiàn)，在讀出WAVEHDR文件頭之后，下面就是原始聲音的高速率采樣信息，我們可以在時(shí)域內(nèi)采用聲韻分割的方法分離出鼻音聲母，以便于提取它的信號(hào)特征。以上兩