浅谈语音信号处理系列之二 语音信号处理的基础

下面简单扼要的总结几个基本概念，如果想深入了解请告诉我或者直接参考相关文献。

一 语音信号的产生

一般来说，声音是通过振动产生的。同样，语音是肺里面的空气形成气流通过声道，再从口

鼻辐射而产生的。语音信号主要是由三种成分组成：浊音、清音和爆破音组成，这三种不同

的发音取决于声带的振动和发音器官（口鼻舌等）的位置和状态。如果用信号系统的角度来

看，气流通过声门（声带）形成激励源，从声门到口鼻这段腔体是一个时变的系统，当然语

音就是输出的时变信号了。只有搞清楚激励源和时变系统的特性，才能真正明白语音信号的

产生，从而进行更深入的研究。

二 描述语音特性的几个概念

1、物理属性：

 1）音调：音高，是声音振动的频率；

 2）音强：音量，声音震动的强弱；

 3）音长：声音的长短；

 4）音色：音质，声音的内容和特质，与声带振动频率、激励源和声道的形状等有

关。

2、基本单位

 1）最基本的单位：音素，分为浊音和清音。

 2）最小发音单位：音节，由音素组成。音节=元音+辅音，而没有说音节=浊音+清

音，这是因为二者不是一个领域范畴的表述，一个是语言学构成，另一个是语音成分组成，

另外辅音分为清辅音和浊辅音，元音和浊辅音表示了声带振动，清辅音声带不振动。

 3）汉语语音=声母+韵母+音调

3、共振峰特性

当振动频率与系统的固有频率一致时，就会引起共振现象。声道是一个具有某种谐振特性的

腔体，可以与语音在多个频率上发生谐振，这些谐振的位置称为共振峰，它对语音信号产生

了很大的影响。

4、掩蔽效应

   从人耳的感知特性出发，是一种心理声学现象，以后会再详细介绍。

三 语音信号与音频信号的关系

语音信号的频率范围是200~3400Hz左右，人们可听到的音频信号范围是20~20KHz，显然语音

信号属于音频信号，那为什么还特别强调语音信号的研究呢？

1、语音信号和音频信号的处理对象不同，语音信号主要是以人发声为研究对象，而音频信

号则是以自然界所有的声音为研究对象；

2、研究方法不同，语音信号主要从人的发声机理为基础，建立发声系统模型，分析系统特

性；而音频信号的来源太多了，所以它是以人的听觉特性为基础，建立人耳系统模型，分析

系统特性。

3、语音信号具有更多的实际研究价值和应用价值。

四 语音信号处理的常用技术

1、时域分析

   通过将语音信号分帧，转化时变信号为时不变信号以进行处理。

 1）短时能量

 2）短时平均过零率

 3）短时自相关运算 

2、频域分析

 1）傅里叶变换（FFT）

 2）滤波器组（Filter Bank）

        3）基于听觉特性的Mel频率倒谱分析

        4）基于线性预测（LPC）的倒谱分析

3、两个关键参数

 1）基音频率（Pitch）

 2）线性预测系数（LPC）

五 语音信号处理的常用软件

1、Matlab

2、Cool Edit