翹曲離散傅立葉變換算法與語音處理新方法研究.pdf

1、翹曲離散傅立葉變換(WarpedDiscreteFourierTransform，WDFT)是本世紀初才剛剛開始受到重視的。它提供了在不增加采樣數(shù)目N的情況下，對任意選定的頻譜區(qū)域增加頻譜精度的一種良好選擇。它可以通過選擇適當階次的全通翹曲函數(shù)并調(diào)整其翹曲參數(shù)從而得到我們選定的任何確切點上的頻譜采樣值，因而可作為數(shù)字信號處理(DigitalSignalProcessing，DSP)中非常有用的工具?！　DFT與被分析信號的頻率特性

2、相結合，通過選擇全通翹曲函數(shù)及其翹曲參數(shù)，可以將待處理信號的重點頻段的頻譜精度大幅提高，又能保持信號非重點頻段的頻譜精度的基本要求。WDFT對某些特定信號，特別是語音信號的分析有相當重要的作用。本文在深入分析WDFT的基本理論和快速算法之后，結合語音信號的特點，提出了一些基于WDFT的語音信號處理的新算法，這些新算法的分析效率較傳統(tǒng)算法有較大的提高，并且計算次數(shù)減少，計算復雜度降低。WDFT是DSP領域極為重要的新技術，本文對WDFT的

3、理論與算法以及語音處理新方法進行了較為系統(tǒng)的研究，其主要內(nèi)容及成果如下：　　1.在分析了HMM模型及常用語音特征的基礎上，提出了一種基于WDFT的語音識別新算法，并給出了新算法的實現(xiàn)流程。這種新算法是通過在頻域中非均勻地抽取頻譜來獲得PLP語音特征的。為更好地擬合頻域上非均勻分布的濾波器組(FilterBank，F(xiàn)B)，我們篩選出合適的翹曲參數(shù)，提高了語音信號低頻段的頻譜精度，使之更符合人耳的聽覺特征。實驗表明，這種新算法比MFCC算

4、法更適用于語音識別中比較困難的易混淆音的識別，從而能達到更高的識別率。　　2.提出了一種基于WDFT的改進MFCC特征提取新算法，即WDFT-WFBA-MFCC算法。我們知道，加權濾波器組分析(WeightedFilterBankAnalysis，WFBA)可以提升Mel濾波器組輸出能量的差分分布，當采用第Ⅱ型加權函數(shù)時，不需要預先決定模糊因子F，因而其計算復雜度更低。考慮在一階全通翹曲函數(shù)中適當選取翹曲參數(shù)，便可以很好地擬合非均勻分

5、布的FB，大大提高語音信號低頻部分的頻譜分辨率，又不丟失高頻部分的信息，更符合人耳的生理心理特征。將本文所提算法應用到TIMIT連續(xù)語音數(shù)據(jù)庫中DR1音素的識別，得到的結果表明，新算法較傳統(tǒng)的MFCC算法有更高的識別率。　　3.計算聽覺場景分析(ComputationalAuditorySceneAnalysis，CASA)在聲音信號處理領域潛在的應用價值已引起越來越多的關注。本文在分析了主要的Data驅動型CASA系統(tǒng)(包括：Med

6、dis&Hewilt元音分離系統(tǒng)、Cooke系統(tǒng)、Brown&Cooke系統(tǒng))以及主要的Schema驅動型CASA系統(tǒng)(包括：Klassner&Lesser系統(tǒng)、Ellis系統(tǒng)、Nakateni系統(tǒng)等)之后，結合混疊語音CASA的研究實際，提出了一種基于WDFT的語音分離和合成新方法，導出了可實現(xiàn)的算法及流程。這種新方法能夠充分考慮到人耳的生理心理特性，利用兩條預估的基頻軌跡，用WDFT頻率估計算法在頻域對基頻和諧波頻率進行高精度的搜索

7、提取，將頻域中提取的兩個聲源的譜包絡參數(shù)分別合成，得到兩個分離的信號。由于WDFT算法可對任意選定的頻域范圍提高頻譜精度，因此對混疊語音信號各頻率分量的分離更準確有效，合成的分離語音與原聲更接近。　　4.在研究了一維翹曲離散傅立葉變換的理論及應用之后，本文又將WDFT的概念推廣到了二維，提出了2-DWDFT。根據(jù)2-DNDFT的性質(zhì)和Kronecker積的基本理論，首次論證了簡化逆2-DWDFT的方法，進而推導出2-DWDFT的快速算