趙 發(fā),孫瑞霞

(安徽工程大學(xué)電氣工程學(xué)院，安徽 蕪湖 241000)

基音檢測(cè)是指對(duì)語(yǔ)音信號(hào)基因周期或頻率的這一特征的檢測(cè)[1]699，在語(yǔ)音識(shí)別、語(yǔ)音編碼、語(yǔ)音合成等語(yǔ)音應(yīng)用方面具有非常重要的作用[2]223。目前基音檢測(cè)存在的主要問(wèn)題是，當(dāng)受噪聲影響時(shí)，帶噪語(yǔ)音信號(hào)的信噪比急劇下降，從而導(dǎo)致基音檢測(cè)準(zhǔn)確度降低[3-4]163。針對(duì)此問(wèn)題，目前國(guó)內(nèi)外采用的方法主要有兩類：直接法和間接法。其中，直接法是指對(duì)帶噪語(yǔ)音信號(hào)直接利用相關(guān)算法進(jìn)行基音檢測(cè)；如文獻(xiàn)[2]223提出一種新的基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾钠骄群瘮?shù)與自相關(guān)函數(shù)加權(quán)的基音檢測(cè)算法。文獻(xiàn)[3]163提出的類諧波積譜基音周期檢測(cè)算法。間接法是指對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行減噪處理，然后再進(jìn)行基音檢測(cè)。如文獻(xiàn)[1]700通過(guò)基于聽(tīng)覺(jué)掩蔽的多頻帶譜減的方法對(duì)帶噪的語(yǔ)音信號(hào)進(jìn)行語(yǔ)音增強(qiáng)，再利用能零積和能零比的多門(mén)限法對(duì)其進(jìn)行基音檢測(cè)。直接法由于對(duì)噪聲不進(jìn)行預(yù)處理，所以對(duì)基音檢測(cè)的準(zhǔn)確度提高有限。間接法采用譜減法對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行減噪處理，但由于譜減法算法具有自身的局限性，對(duì)平穩(wěn)的信號(hào)譜減效果較好，而語(yǔ)音信號(hào)具有一定的非平穩(wěn)性，所以用譜減法就會(huì)產(chǎn)生一定的檢測(cè)誤差?；谏厦娴姆治?，本文利用小波變換在非平穩(wěn)信號(hào)中的有效應(yīng)用，提出一種基于小波減噪[5-7]和改進(jìn)自相關(guān)函數(shù)的基音檢測(cè)算法，該算法通過(guò)小波變換來(lái)對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行減噪，然后再進(jìn)行改進(jìn)的自相關(guān)函數(shù)來(lái)進(jìn)行基音檢測(cè)。

1 小波減噪

小波減噪是利用噪聲與語(yǔ)音信號(hào)的特征區(qū)別，首先將噪聲和語(yǔ)音信號(hào)變換到小波域后，然后將噪聲對(duì)應(yīng)頻帶的小波系數(shù)置零，利用語(yǔ)音信號(hào)的小波系數(shù)進(jìn)行重構(gòu)還原語(yǔ)音信號(hào)，從而達(dá)到減噪的目的。

設(shè)語(yǔ)音信號(hào)表達(dá)式為s(t)，噪聲信號(hào)表達(dá)式為n(t)，帶噪語(yǔ)音信號(hào)為兩種的疊加信號(hào)f(t)，即

f(t)=s(t)+n(t)

(1)

然后對(duì)此帶噪語(yǔ)音信號(hào)進(jìn)行離散小波變換

(2)

(3)

小波語(yǔ)音減噪的原理框圖如圖1所示。

圖1 小波語(yǔ)音減噪原理框圖

2 改進(jìn)自相關(guān)函數(shù)

2.1 基本自相關(guān)函數(shù)

設(shè)語(yǔ)音信號(hào)的時(shí)間序列為x(n)，加窗分幀處理后得到的第i幀語(yǔ)音信號(hào)為xi(m)，下標(biāo)i表示第i幀，設(shè)每幀幀長(zhǎng)為N，xi(m)的短時(shí)自相關(guān)函數(shù)[8]定義為

(4)

式中：τ是時(shí)間的延遲量。

語(yǔ)音信號(hào)可以看做是濁音與清音的結(jié)合，因?yàn)闈嵋艟哂袦?zhǔn)周期性，而清音不具有周期性，可以利用求自相關(guān)把濁音的周期檢測(cè)出來(lái)，檢測(cè)出的濁音周期可以看做是語(yǔ)音信號(hào)的基音周期[9]。通過(guò)計(jì)算原始語(yǔ)音信號(hào)和延遲τ后的語(yǔ)音信號(hào)之間的自相關(guān)函數(shù)，如果R(τ) 具有最大值，則τ即為信號(hào)的基音周期。圖2為一幀語(yǔ)音信號(hào)波形以及對(duì)應(yīng)的歸一化自相關(guān)函數(shù)波形，從圖中可以看出，當(dāng)τ=0 時(shí)，歸一化自相關(guān)函數(shù)具有最大值為1，τ≠0時(shí)，幅值都小于1。在一幀語(yǔ)音的歸一化自相關(guān)函數(shù)計(jì)算中有一個(gè)最大值，所以當(dāng)對(duì)一個(gè)語(yǔ)音信號(hào)求基音周期時(shí)，統(tǒng)計(jì)幀與幀之間的最大峰值之間的延遲距離即為基音周期，但需注意圖2中歸一化函數(shù)延遲量是以樣點(diǎn)數(shù)為單位，當(dāng)采樣頻率為fs時(shí)，每個(gè)樣點(diǎn)的延遲量為1/fs，可由此把延遲樣點(diǎn)數(shù)換算為時(shí)間。

樣點(diǎn)數(shù)/個(gè)(a)一帖語(yǔ)音信號(hào)波形

樣點(diǎn)數(shù)/個(gè)(b)歸一化自相關(guān)函數(shù)圖2 一幀語(yǔ)音信號(hào)波形與相應(yīng)的歸一化自相關(guān)函數(shù)

2.2 改進(jìn)自相關(guān)函數(shù)

用自相關(guān)函數(shù)進(jìn)行基音檢測(cè)[10-11]也存在問(wèn)題，如聲道響應(yīng)[12]問(wèn)題，利用自相關(guān)進(jìn)行計(jì)算時(shí)，由于聲道的阻尼振蕩，會(huì)造成計(jì)算出的有一定幅度值的數(shù)據(jù)太多，從而影響正確選擇出由基因周期而計(jì)算出的幅度值。所以在進(jìn)行自相關(guān)計(jì)算前要對(duì)信號(hào)進(jìn)行預(yù)處理。目前，最常用的改進(jìn)方法是先對(duì)信號(hào)進(jìn)行非線性處理[13-14]，利用信號(hào)本身的特性，共振峰信息主要在幅度比較低的語(yǔ)音段豐富，所以通過(guò)對(duì)低語(yǔ)音信號(hào)幅度段進(jìn)行非線性處理，從而改善后期進(jìn)行自相關(guān)函數(shù)進(jìn)行檢測(cè)的性能。中心削波方法[15]是一個(gè)非常典型的非線性處理方法，但也有明顯的缺點(diǎn)，計(jì)算量很大。為此，本文采用對(duì)中心削波方法的修正方法，其傳遞函數(shù)為

(5)

圖3 三電平中心削波函數(shù)

通過(guò)圖3可以得出，削波器輸出在x(n)>CL時(shí)為1，x(n)<-CL時(shí)為-1，除此之外為0。采用此方法可限定輸出的個(gè)數(shù)，簡(jiǎn)化計(jì)算，只需要簡(jiǎn)單的邏輯組合，為實(shí)時(shí)運(yùn)算創(chuàng)造條件。

3 本文復(fù)合算法實(shí)現(xiàn)

本文提出的基于小波減噪和改進(jìn)自相關(guān)函數(shù)的基因檢測(cè)算法可分為語(yǔ)音信號(hào)的預(yù)處理、小波減噪、三電平中心削波自相關(guān)函數(shù)計(jì)算，基因周期和基因頻率的提取。具體步驟如下：

1)對(duì)帶噪語(yǔ)音進(jìn)行預(yù)處理；

2)利用離散小波變換法對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行變換，得到對(duì)應(yīng)的的小波系數(shù)；

3)自適應(yīng)閾值處理；常規(guī)的閾值處理一般采用固定閾值[16-17]，但采用固定閾值時(shí)，大尺度上的信號(hào)有一部分被濾除掉，從而引起較大的失真。本文采用自適應(yīng)閾值，使其隨尺度的增大而減??；即

(6)

式中：j為當(dāng)前的分解層數(shù)即尺度。上式為試驗(yàn)得到的經(jīng)驗(yàn)公式，調(diào)節(jié)常數(shù)C用以得到最佳的輸出SNR；

4)由處理后的小波系數(shù)估值重構(gòu)語(yǔ)音信號(hào)；

5)對(duì)減噪后的語(yǔ)音信號(hào)進(jìn)行端點(diǎn)檢測(cè)；

6)利用三電平中心削波自相關(guān)函數(shù)進(jìn)行基因周期和基因頻率的提取。

4 實(shí)驗(yàn)結(jié)果與分析

首先，在安靜環(huán)境下，自己錄制一段語(yǔ)音，內(nèi)容為“電子信息工程”，此語(yǔ)音可視為純語(yǔ)音信號(hào)。其次，對(duì)該語(yǔ)音信號(hào)添加高斯白噪聲形成不同信噪比的帶噪語(yǔ)音信號(hào)。圖4和圖5是基于小波變換和三電平削波自相關(guān)函數(shù)的基因檢測(cè)算法在信噪比是0dB和-5dB時(shí)的基音檢測(cè)相關(guān)波形；圖6和圖7是沒(méi)有進(jìn)行小波變換的單純?nèi)娖较鞑ㄗ韵嚓P(guān)函數(shù)法的基音檢測(cè)相關(guān)波形。圖中的豎實(shí)線部分是有效語(yǔ)音的起始點(diǎn)，豎虛線部分是有效語(yǔ)音的結(jié)束點(diǎn)。比較在低信噪比條件下本文算法與單純用改進(jìn)自相關(guān)函數(shù)算法的基音檢測(cè)的性能。從圖4和圖5可知，經(jīng)過(guò)小波減噪后信噪比都得到了很大的提高，0dB時(shí)信噪比提高到10.27dB，-5dB時(shí)信噪比提高到6.17dB，經(jīng)過(guò)小波減噪后對(duì)信號(hào)進(jìn)行端點(diǎn)檢測(cè)，然后再進(jìn)行三電平中心削波自相關(guān)函數(shù)進(jìn)行基音檢測(cè)；基音檢測(cè)效果較好，沒(méi)有毛刺現(xiàn)象，其中最后一幅圖是把基音頻率波形與語(yǔ)譜圖進(jìn)行比較，通過(guò)波形可以看出通過(guò)本文算法的基音檢測(cè)頻率和語(yǔ)譜圖上的基音頻率曲線重合度很高。而從圖6和圖7可知，在SNR=0dB和-5dB時(shí)，由于信噪比的下降，單純?nèi)娖街行南鞑ㄗ韵嚓P(guān)函數(shù)法的基音檢測(cè)頻率效果受到很大影響，基音周期的檢測(cè)出現(xiàn)了毛刺現(xiàn)象，同時(shí)比較基音頻率波形與語(yǔ)譜圖，甚至出現(xiàn)了檢測(cè)錯(cuò)誤的情況，如在0dB時(shí)，“程”字沒(méi)有被檢測(cè)出來(lái)。在更低的-5dB時(shí)，“子”和“程”字兩個(gè)都沒(méi)有被檢測(cè)出來(lái)。由此可知，本文基于小波減噪和改進(jìn)自相關(guān)函數(shù)法的復(fù)合基音檢測(cè)算法在處理低信噪比的帶噪語(yǔ)音信號(hào)時(shí)，首先通過(guò)小波變換對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行減噪，然后再利用改進(jìn)的自相關(guān)函數(shù)法進(jìn)行基音檢測(cè)。這種復(fù)合算法的檢測(cè)效果比直接用改進(jìn)自相關(guān)函數(shù)法進(jìn)行基音檢測(cè)的效果好。

圖4 SNR=0dB本文算法

圖5 SNR=-5dB的本文算法

圖6 SNR=0dB的改進(jìn)自相關(guān)算法

圖7 SNR=-5dB的改進(jìn)自相關(guān)算法

5 結(jié)論

為了提高含噪語(yǔ)音信號(hào)在低信噪比情況下的基音檢測(cè)準(zhǔn)確度，利用MATLAB進(jìn)行了仿真實(shí)驗(yàn)，對(duì)不同信噪比的帶噪語(yǔ)音分別進(jìn)行了改進(jìn)算法的基音檢測(cè)和未進(jìn)行小波減噪的基音檢測(cè)，實(shí)驗(yàn)結(jié)果表明，利用小波減噪的改進(jìn)算法在對(duì)具有低信噪比的帶噪語(yǔ)音進(jìn)行基音檢測(cè)時(shí)具有更好的準(zhǔn)確度。

參考文獻(xiàn)：

[1] 徐昕，張?zhí)扃?，石穗，?結(jié)合語(yǔ)音增強(qiáng)的基音檢測(cè)改進(jìn)方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2015，36(3)：699-704.

[2] 潘崢嶸，戴芮，張寧.改進(jìn)的基音周期檢測(cè)算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2015，51(10)：223-226.

[3] 陳盼弟，黃華，何凌.基于自相關(guān)和倒譜法的基音檢測(cè)改進(jìn)算法[J].計(jì)算機(jī)應(yīng)用與軟件，2015，32(1)：163-166.

[4] 梅鐵民，付天嬌，朱向榮.類諧波積譜基音周期檢測(cè)算法[J].沈陽(yáng)理工大學(xué)學(xué)報(bào)，2016，35(2)：14-18.

[5] 薛帥強(qiáng)，陳波，陳菲.改進(jìn)LVAMDF及綜合多因素基音檢測(cè)算法[J].計(jì)算機(jī)測(cè)量與控制，2016，24(4)：253-256.

[6] ZHAO Y，ZHANG S，LIN X K. Improved Algorithm for Pitch Detection and Harmonic Separation[J]. Applied Mechanics and Materials，2013，24 (9)：753-763.

[7] BAHJA F，DI M J，IBN E，et al. A corroborative study on improving pitch determination by time-frequency cepstrum decomposition using wavelets.[J]. SpringerPlus，2016，5(5)：1-17.

[8] HAMID R T，SEYESD M A. New features for speech enhancement using bivariate shrinkage based on redundant wavelet filter-banks[J]. Computer Speech & Language，2016，35：93-115.

[9] MOHAMED B，AICHA B，NOUREDDINE E. Speech enhancement based on wavelet packet of an improved principal component analysis[J]. Computer Speech & Language，2016，35：58-72.

[10] 沈瑜，黨建武，王陽(yáng)萍，等.加權(quán)短時(shí)自相關(guān)函數(shù)的基音周期估計(jì)算法[J].計(jì)算機(jī)工程與應(yīng)用，2012，48(35)：1-6.

[11] 徐敬德，常亮，崔慧娟，等.基于頻域和時(shí)域結(jié)合的基音周期提取算法[J].清華大學(xué)學(xué)報(bào)，2012，52(3)：413-415.

[12] 趙祎，張盛，林孝康.一種改進(jìn)的基音周期提取算法[J].數(shù)據(jù)采集與處，2014，29(2)：304-308.

[13] 王民，曹繪，要趁紅.一種改進(jìn)的小波變換基音檢測(cè)算法[J].重慶郵電大學(xué)學(xué)報(bào)，2012，24(3)：283-287.

[14] 楊青，馬蕙，籍仙榮.利用自相關(guān)函數(shù)和雙耳自相關(guān)函數(shù)分析對(duì)交通噪聲特征參量的提取[J].聲學(xué)學(xué)報(bào)，2014，39(5)：624-632.

[15] 楊青，馬蕙，于博雅.交通噪聲時(shí)空因素分析的初探[J].噪聲與振動(dòng)控制，2013，33(2)：60-63.

[16] 趙萍. 語(yǔ)音信號(hào)的自相關(guān)基音周期檢測(cè)[J].上海電力學(xué)院學(xué)報(bào)，2011，27(3)：297-300.

[17] 閆靚，陳克安.基于雙耳自相關(guān)函數(shù)的車輛噪聲煩惱度研究[J].聲學(xué)學(xué)報(bào)，2011，36(1)：43-50.