加性噪聲環(huán)境下語(yǔ)音特征參數(shù)提取方法的研究

張昊慧

(1.淮陰師范學(xué)院物理與電子電氣工程學(xué)院,江蘇淮安 223300);2.東南大學(xué)信息科學(xué)與工程學(xué)院,江蘇南京 210096)

加性噪聲環(huán)境下語(yǔ)音特征參數(shù)提取方法的研究

張昊慧1,2

(1.淮陰師范學(xué)院物理與電子電氣工程學(xué)院,江蘇淮安 223300);2.東南大學(xué)信息科學(xué)與工程學(xué)院,江蘇南京 210096)

提出一種具有良好抗噪性的語(yǔ)音特征分析方法.將語(yǔ)音信號(hào)的短時(shí)自相關(guān)序列進(jìn)行時(shí)間方向上的平滑處理,然后利用平滑后的序列代替原語(yǔ)音信號(hào)進(jìn)行線性預(yù)測(cè)分析,從而得到線性預(yù)測(cè)倒譜系數(shù).實(shí)驗(yàn)表明,利用該特征參數(shù)的語(yǔ)音識(shí)別系統(tǒng)的識(shí)別性能優(yōu)于MEL倒譜系數(shù)、LPC倒譜系數(shù)等傳統(tǒng)的語(yǔ)音特征參數(shù).

短時(shí)自相關(guān)函數(shù);平滑處理;LPCC

0 引言

經(jīng)過近半個(gè)世紀(jì)的研究,語(yǔ)音識(shí)別系統(tǒng)在安靜的實(shí)驗(yàn)室環(huán)境下已達(dá)到很高的性能,但在實(shí)際的帶有噪聲的環(huán)境下,由于訓(xùn)練模型和識(shí)別環(huán)境的失配,系統(tǒng)的識(shí)別性能往往會(huì)有較大幅度的下降.為了提高語(yǔ)音識(shí)別系統(tǒng)的抗噪性,研究者提出了很多方法,除了對(duì)語(yǔ)音識(shí)別模型進(jìn)行噪聲補(bǔ)償?shù)确椒ㄍ?許多學(xué)者致力于研究更具魯棒性的語(yǔ)音特征.Mansou Juang[1]提出了短時(shí)修正的相干系數(shù)(SMCC,Short-timeModified Coherence Coefficient)作為語(yǔ)音特征參數(shù).基于人耳的聽覺特性,S.B.Davis[2]提出了Mel倒譜系數(shù)(MFCC),Y oon K im[2]利用Bark雙線性變換得到了基于Bark頻率規(guī)整的線性預(yù)測(cè)倒譜系數(shù)(LPCC).由于這些參數(shù)可近似人耳的聽覺特性,所以在無(wú)噪環(huán)境下可取得較好的識(shí)別效果,但抗噪性能較差.

針對(duì)這種情況,本文提出一種算法,首先將語(yǔ)音信號(hào)的短時(shí)自相關(guān)序列進(jìn)行時(shí)間方向上的平滑處理,消除加性噪聲對(duì)語(yǔ)音信號(hào)的自相關(guān)序列的影響,然后利用平滑后的序列代替原語(yǔ)音信號(hào)進(jìn)行線性預(yù)測(cè)分析,從而得到線性預(yù)測(cè)倒譜系數(shù)[3].實(shí)驗(yàn)表明,該參數(shù)在計(jì)算量增加不多的情況下既能提高識(shí)別性能,又具有較強(qiáng)的抗噪能力.

1 短時(shí)自相關(guān)序列

首先將觀測(cè)語(yǔ)音信號(hào)分成幀長(zhǎng)為M的N幀.由于混入語(yǔ)音的噪聲可以是加性的,也可以是非加性的.但考慮到對(duì)于非加性噪聲,有些可以通過一定變換轉(zhuǎn)化為加性噪聲,例如,乘積性噪聲、卷積性噪聲可以通過同態(tài)變換而成為加性噪聲.因此本文僅考慮加性噪聲的影響.因此,對(duì)每一幀語(yǔ)音信號(hào),根據(jù)加性噪聲模型得:

其中,y(n,m)是觀測(cè)語(yǔ)音信號(hào)分析幀,x(n,m)是純凈語(yǔ)音信號(hào)分析幀,r(n,m)是環(huán)境加性噪聲信號(hào)分析幀,M是幀長(zhǎng),N是幀數(shù).在語(yǔ)音信號(hào)分析中,為了保證語(yǔ)音信號(hào)的短時(shí)平穩(wěn)特性,幀長(zhǎng)一般取為10～30ms.

假設(shè)噪聲與語(yǔ)音信號(hào)是不相關(guān)的,且噪聲是平穩(wěn)隨機(jī)信號(hào).含噪語(yǔ)音信號(hào)的短時(shí)自相關(guān)函數(shù)為:

由于短時(shí)自相關(guān)函數(shù)序列是偶對(duì)稱序列,為了減小數(shù)據(jù)的冗余,對(duì)于(2)式的各項(xiàng),可以按照(3)式只取其偶序列.

因此,式(2)可寫成:

由前面對(duì)噪聲的假設(shè)知:在每一幀語(yǔ)音上,噪聲的自相關(guān)函數(shù)是一個(gè)常數(shù),即R′r(n,k)只與k有關(guān)而與幀數(shù) n無(wú)關(guān),則(4)式可寫成:

將(5)式兩邊分別對(duì) n求導(dǎo)可得:

由(6)可知,當(dāng)噪聲與語(yǔ)音信號(hào)無(wú)關(guān)且是平穩(wěn)的情況下,在每一幀語(yǔ)音內(nèi),觀測(cè)語(yǔ)音信號(hào)的短時(shí)自相關(guān)關(guān)于 n求導(dǎo)與純凈語(yǔ)音信號(hào)的短時(shí)自相關(guān)關(guān)于n求導(dǎo)相等,而與噪聲無(wú)關(guān).

2 對(duì)短時(shí)自相關(guān)序列進(jìn)行時(shí)間平滑處理

由于短時(shí)自相關(guān)序列是離散時(shí)間序列,直接利用其一階差分近似(6)式的各導(dǎo)數(shù)項(xiàng),會(huì)引起較大的噪聲干擾.下面根據(jù)最小均方誤差準(zhǔn)則[2],由多項(xiàng)式擬合[4]的方法給出其近似公式.R′y(n+t,k)表示經(jīng)過偏移 t的值,設(shè) R′y(n+t,k),t=-L,-L+1,…,0,1,…,L可以用一個(gè)以t為自變量的二次多項(xiàng)式擬合,設(shè)二次多項(xiàng)式為g1+g2t+g3t2,則2L+1個(gè)短時(shí)自相關(guān)序列用二次多項(xiàng)式擬合時(shí)的總均方誤差表示為:

最小均方誤差準(zhǔn)則就是對(duì)式(7)兩邊分別對(duì) g1,g2.g3求導(dǎo),并令其等于零,可得:

其中,0≤n≤N-1,

由以上分析可知:

在 t=0時(shí)刻的導(dǎo)數(shù)為:

根據(jù)數(shù)字信號(hào)處理的原理,由式(12)可求得該變換的轉(zhuǎn)移函數(shù)為:

當(dāng)L=1,2時(shí),式(13)表示的轉(zhuǎn)移函數(shù)的幅度響應(yīng)如圖1所示.由圖可知,式(13)是一個(gè)帶通濾波器,L對(duì)應(yīng)通帶的個(gè)數(shù).根據(jù)對(duì)噪聲的假設(shè),噪聲信號(hào)的短時(shí)自相關(guān)函數(shù)是直流分量,因此可以通過式(13)得到有效地抑制.同理,當(dāng)噪聲信號(hào)的自相關(guān)函數(shù)序列是一個(gè)慢變信號(hào)時(shí),也可以通過式(13)得到有效地抑制.綜上可知,對(duì)短時(shí)自相關(guān)函數(shù)按照式(13)進(jìn)行濾波處理,既對(duì)高頻部分進(jìn)行了平滑處理,又可以有效地消除平穩(wěn)噪聲和慢噪聲對(duì)語(yǔ)言信號(hào)的影響.

圖1 濾波器的幅度響應(yīng)

3 識(shí)別實(shí)驗(yàn)和結(jié)果

實(shí)驗(yàn)是在一個(gè)連續(xù)隱馬爾可夫模型(CHMM)的非特定人漢語(yǔ)數(shù)字語(yǔ)音識(shí)別系統(tǒng)上完成的.特征參數(shù)的階數(shù)、識(shí)別系統(tǒng)的狀態(tài)數(shù)和混合密度數(shù)分別取12,10和1.語(yǔ)音庫(kù)為10個(gè)男性和10個(gè)女性話者0～9的發(fā)音,每個(gè)數(shù)字重復(fù)10次,共2000個(gè)語(yǔ)音數(shù)據(jù),其中一半作為訓(xùn)練集(純凈語(yǔ)音),另一半語(yǔ)音數(shù)據(jù)按不同信噪比和噪聲進(jìn)行疊加得到含噪語(yǔ)音數(shù)據(jù)作為測(cè)試集.其中噪聲采用Noisex-92噪聲數(shù)據(jù)包的白噪聲、工廠噪聲(慢變?cè)肼?和汽車噪聲(平穩(wěn)噪聲).所使用的語(yǔ)音模型均是用純凈的語(yǔ)音訓(xùn)練而成.

語(yǔ)音信號(hào)經(jīng)16 kHz/8bit采樣,窗長(zhǎng)為32 ms(512點(diǎn)),窗移16ms的漢明窗后,取L=1分別計(jì)算采用本算法的LPCC、MFCC和傳統(tǒng)的LPCC系數(shù),作為特征參數(shù),在不同信噪比下的識(shí)別效果如表1.

表1 本文算法的LPCC、MFCC和傳統(tǒng)的LPCC的比較

在無(wú)噪環(huán)境下,本文算法的LPCC與MFCC具有相當(dāng)?shù)淖R(shí)別率,且優(yōu)于傳統(tǒng)的LPCC特征參數(shù).在噪聲環(huán)境下,LPCC與MFCC受噪聲的影響比較大,而本文算法的LPCC具有更好的噪聲魯棒性.

4 結(jié)束語(yǔ)

提高系統(tǒng)的噪聲魯棒性一直是語(yǔ)音識(shí)別領(lǐng)域的研究熱點(diǎn),由于噪聲的復(fù)雜多變,沒有通用的方法,任何參數(shù)都有其局限性.本文提出的對(duì)語(yǔ)音信號(hào)的短時(shí)自相關(guān)序列進(jìn)行時(shí)間方向上的平滑處理再利用線性預(yù)測(cè)倒譜系數(shù)不僅具有較高的識(shí)別率,而且對(duì)于平穩(wěn)隨機(jī)噪聲和慢變?cè)肼暰哂辛己玫脑肼曯敯粜?

[1] 拉賓納L R.語(yǔ)音識(shí)別的基本原理[M].北京:清華大學(xué)出版社,2002.

[2] 趙力.語(yǔ)音信號(hào)處理[M].北京:機(jī)械工業(yè)出版社,2003.

[3] 沈紅麗.一種改進(jìn)的基于倒譜特征的帶噪語(yǔ)言端點(diǎn)檢測(cè)方法[J].通信技術(shù),2009 28(2):156-158.

[4] 董胡,錢盛友.基于小波變換的語(yǔ)音增強(qiáng)方法研究[J].計(jì)算機(jī)工程與應(yīng)用,2007,43(31):58-60.

A Study of Speech Features Extraction under Noisy Conditions

(1.School of Physics and Electronic Electrical Engineering,Huaiyin Normal University,Huaian Jiangshu 223300,China)(2.School of Information Science and Engineering,Southeast University,Nanjing 210096,China)
ZHANG Hao-hui1,2

A good anti-noise characteristics of speech analysis is introduced.The idea is to filter the short-time Autocorrelation Sequence of speech.Then frequency warped LPC algorithm is applied to the Sequence instead of the original speech.The recognition experiment shows the feature is more effective than MEL Cepstrum and LPC cepstrum coefficients.

short-time autocorrelation sequence;smoothing;LPCC

TN912

A

1671-6876(2010)04-0318-04

2009-12-28

張昊慧(1979-),女,遼寧錦州人,淮陰師范學(xué)院助教,東南大學(xué)碩士研究生,研究方向?yàn)檎Z(yǔ)音信號(hào)處理.

[責(zé)任編輯:蔣海龍]