• 长时平均功率谱


    长时平均功率谱(LTAS,Long Term Average Spectrum)

    长时平均功率谱是语音的频谱特征之一,能够反映出一段语流中说话人的全部频率分量,以及各频率分量与强度之间的关系,是表征个人语音特性的参量之一,在说话人识别中应用广泛。

    计算方法:
    可利用快速傅立叶变换FFT方法算出的每帧的短时频谱,再对整个时间范围内求出的短时谱的平均。

    在praat软件中:
    一段男声音频,发“ai”音,采样率16000Hz,精度16bit
    帧长30ms,汉明窗,提取元音中稳定部分:

    1. 选择时长为0.1s=100ms的功率谱:
      在这里插入图片描述

    2. 选择时长为0.05s=50ms的功率谱:
      在这里插入图片描述

    3. 选择时长为0.01s=10ms的功率谱:
      在这里插入图片描述

    4. 选择某个时间点如t=0.122846s时刻的功率谱:
      在这里插入图片描述
      分析:
      横坐标反映的是各谐波的频率,纵坐标反映的是各谐波的振幅(能量)。可以清楚地看到各谐波各自的能量大小与频率大小、各谐波形态和相互关系、谐波能量较高的尖峰对应了声道的共振峰、基音周期(对于元音各谐波近似为周期波,各相邻谐波为一个周期)等语音信息。
      这是一个窄带功率谱,这几段时间的功率谱走势大致相同,只是频率成分有些不同,所以发一个音的谱包络形状是相似的。那宽带功率谱是什么样子?如下图的红线所示,大概就是谱包络。
      在这里插入图片描述

    FFT谱和LPC谱的关系

    在这里插入图片描述

    FFT图谱的包络图也称为LPC图谱(蓝线),能更好的拟合出谱包络曲线。
    从LPC的算法原理来看,LPC算法是一种声道模拟方法,其忽略了声源的影响,其谱包络和真实的频谱有一定的差异,且通常由于FFT谐波频率数据较多,不太容易提取,所以才用LPC包络线来包络出形状。

    谱包络的各个尖峰对应了声道的共振峰频率F1、F2、F3……谱包络在整体上向上或向下的倾斜被称为谱倾斜,它受到声门波的单周期波形特点的影响。例如,声门是逐渐关闭还足骤然关闭,同时谱倾斜还取决于共振峰轨迹以何种方式叠加上来。
    LPC是FFT的包络谱,一般认为谱包络中的最大值就是共振峰,在正常情况下,频谱包络中的极大值完全是由共振峰引起的。但相邻共振峰的频率可能会靠得太近而难以分辨,这时会出现共振峰合并现象,LPC主要缺点是对共振峰合并现象无能为力,对于相邻两个共振峰的极点紧紧地靠在一起,从而频谱包络只呈现出一个局部极大值,而不是两个极大值,对于峰值检测器认为此处只存在一个共振峰。
    共振峰对应着声道极点,而谐波则来自声门的同期性声源。对于一个理想的周期性声源而言,声道的频率本质是由基音谐波频率点上的采样构成的,在这种理想化的周期性声源的假设下,只有在基音谐振波频率点处才有频谱信息。

  • 相关阅读:
    MySQL六脉神剑,SQL通关大总结
    文件远程同步、备份神器rsync
    word-doc和docx区别
    JavaWeb篇_10——HttpServletRequest对象
    Socket编程实现简易聊天室
    cdh大数据平台中es安装、logstash安装、nginx安装、RTMP和FTP
    如何制作传统节日网站(纯HTML代码)
    RTMP协议解析
    服务器硬件基础知识分享:构建稳定高效计算环境的基石
    ubuntu20.04搭建QGC4.2编译环境
  • 原文地址:https://blog.csdn.net/qq_36002089/article/details/126285374