基于LabVIEW开发平台的声音能量设计(图)

文章摘要： (1)式中T[]表示对话音进行变换，此变换不一定是线性的，也可以是非线性的。把变换后的序列乘以窗函数。这个窗序列位于与抽样标志n相一致的时间，窗函数的宽度是有限的，然后对乘积的所有非零值求和所得到的Qn，就是在n这个时刻的T[x(k)]的部分加权平均值。短时能量通常定义为： (2)这个表示式还可以表示成： (3)图2为相应的数学模型原理图。图2 短时能量分析数学模型综上所述，语音的短时能量表示取决于h(n)的选择或w(n)的选择，通常使用两种窗，其中一种为矩形窗，其窗函数如式4所示。 (4)实验结果表明，En值明显小于浊音段的能

基于LabVIEW开发平台的声音能量设计(图),标签：传感技术知识,传感器与检测技术,http://www.88dzw.com
         (1)

式中T[]表示对话音进行变换，此变换不一定是线性的，也可以是非线性的。把变换后的序列乘以窗函数。这个窗序列位于与抽样标志n相一致的时间，窗函数的宽度是有限的，然后对乘积的所有非零值求和所得到的Qn，就是在n这个时刻的T[x(k)]的部分加权平均值。短时能量通常定义为：

         (2)

这个表示式还可以表示成：

          (3)

图2为相应的数学模型原理图。

图2  短时能量分析数学模型

综上所述，语音的短时能量表示取决于h(n)的选择或w(n)的选择，通常使用两种窗，其中一种为矩形窗，其窗函数如式4所示。

       (4)

实验结果表明，En值明显小于浊音段的能量。因此，根据短时能量函数可以大致区分浊音和清音。在高En信噪比的情况下，利用短时能量函数也可以区分有声和无声。

● 短时平均幅度

由上式定义的短时能量函数由于需要计算，因此对于高电平信号，其值经过平方后则更大，而对于低电平信号其值为小于1的值，经过平方后则更小。以致短时能量E(n)对于信号电平值过于敏感。为了克服这个缺点，定义了一种短时平均幅度函数，见式5。平均能量的数学模型如图3所示。

图3  平均能量分析数学模型

          (5)

式中用信号的绝对值代替信号的平方值。Mn能较好地反映Mn清音范围内的幅度变化。在这一方面，Mn要比En好，Mn所能反映幅度变化的动态范围也要比En好。所反映清音语音和浊音语音之间的电平差不如En那样明显。

短时能量与短时平均幅度的主要用途如下。

(1)可以从语音中区分出浊音来，因为浊音的能量要比清音大的多；
(2)可以用来区分声母与韵母的分界、无声与有声的分界、连字的分界等；
(3)作为一种语音段信息，用于语音识别。

LabVIEW软件设计

软件设计主要分为信号采集流程和处理处理流程。硬件的波形信号采集流程如图4所示，采集后对信号进行分析和处理的流程如图5所示，即进行平均能量和短时能量分析。

上一页  [1] [2] [3]  下一页