基于改進小波變換的語音基音周期檢測

吳興銓，周金治

(1.西南科技大學信息工程學院，四川 綿陽 621010;2.西南科技大學特殊環境機器人技術四川省重點實驗室，四川 綿陽 621010)

基于改進小波變換的語音基音周期檢測

吳興銓1,2，周金治1,2

(1.西南科技大學信息工程學院，四川 綿陽 621010;2.西南科技大學特殊環境機器人技術四川省重點實驗室，四川 綿陽 621010)

基音在許多方面都有比較廣泛的應用，比如語音編碼、語音識別、語音轉換、音樂檢索以及發聲系統疾病診斷等。針對目前很多小波變換方法在測量基音周期時存在的準確度低、復雜度高、魯棒性差等缺點，以及在帶噪語音環境下，特別是在非平穩噪聲下比較難判斷語音基音周期的問題，提出了一種基于改進小波變換的語音基音檢測方法。首先將每幀帶噪信號進行預處理，提取出有話段的信息，消除直流分量；然后在加窗分幀后先進行端點檢測，濾波后再分幀；接著再利用小波分解后取低頻系數重構信號；最后結合四階累積法對重構信號進行基音檢測。試驗結果表明，該方法在不同帶噪語音環境下和低信噪比條件下，提高了帶噪語音基音檢測的準確性。與傳統的小波變換法相比，該方法魯棒性好且計算復雜度低，有利于語音基音周期檢測。

帶噪語音； 基音檢測； 小波變換； 重構信號； 三電平中心削波； 端點檢測； 信噪比

0 引言

基音是語音信號的重要參數，語音信號中的音高由基音頻率[1]得到?；魪V泛應用于各個領域，如語音編碼、語音識別、語音轉換、音樂檢索以及發聲系統疾病診斷等[2]。近年來，基音檢測方法層出不窮，其中具有代表性的方法有自相關函數法、平均幅度差函數法、陰陽估計法、基于濾波器的算法、倒譜分析法、多分辨率法和離散小波變換法[3]等。因為語音信號是一個非平穩、非準周期的信號，會受到聲道共振峰的影響，所以到目前為止，基音檢測的準確性仍較受關注。上述所列的方法雖然在處理基音檢測上有一定的可行性，但在穩定白噪聲的環境下信噪比(signal noise ratio，SNR)會下降到0 dB，基音檢測的準確率不高，僅采用小波變換的基音檢測準確率能達到80%[4]。

宋子榮等提出的小波算法[5-6]能很好地適應語音信號的時變特性，計算復雜度也適中。但小波算法也有不足：它比較容易受到噪聲和共振峰的影響，在基音檢測的計算上產生偏差。文獻[7]采用改進的小波轉換，該方法削弱了噪聲、降低了計算復雜度，但是計算準確率不高。本文提出了一種改進的語音基音周期檢測的方法，在低信噪比環境下不僅能大大提高基音檢測的準確性，還能提高其魯棒性。

1 小波變換原理

小波變換主要包含兩個部分：連續小波變換(continuous wavelet transform，CWT)和離散小波變換(discrete wavelet transform,DWT)。CWT主要用于理論分析，通過伸縮和平移參數連續取值，而計算機和工程化角度的處理實現往往采用DWT[8]。

1.1 連續型小波變換

在連續小波變換[9]中，平方可積分函數s(t)的連續小波變換定義為：

(1)

式中：s(t)為原始信號；<*,*>為內積；a>0為尺度因子；b>0為平移因子；Ws()為信號s(t)的傅里葉變換；Ψa,b(t)為小波變換基函數Ψ(t)的尺度伸縮a和時間平移b所產生的一族解析函數的結果，常數a和b分別為尺度參數和平移參數。Ψa,b(t)中尺度參數a的伸縮和平移參數b的平移為連續取值的小波變換稱為連續小波變換。

1.2 離散型小波變換

(2)

式中：當a=2、b=1時，離散小波變換稱為二進制離散小波變換[10]。

2 改進的小波變換基音檢測

在非平穩、非線性的語音信號中，噪聲的能量明顯低于語音段的能量[11]。在實際應用中，經常會有一些強噪聲的干擾，比如火車、汽車鳴笛、移動通信環境、機械環境等。低SNR下的基音檢測是語音研究中的難點，傳統的方法都存在一些不足：基于子帶能量、周期度量的方法只適用于某些噪聲環境；基于熵的方法對多路的串擾噪聲效果不好；基于特征濾波的方法不僅會增大計算量，而且會改變語音語譜結構、丟失原數據的部分信息[12]。所以從計算量，以及在不同特征情況下得分組合權重參數的魯棒性考慮，以上方法都無法從根本上解決噪聲環境下的基音檢測問題。

信號處理中常假設信號或噪聲服從高斯分布，即在常規的信號處理中，用二階積累量表示隨機信號的統計特性與關系。任何類型高斯信號的三階以上高階累積量均為0。高階累積量的這種特性可用于抑制噪聲，所以使用高階累積量作為分析工具，對抑制噪聲有較好效果[13]。本文在采用小波分解后取低頻系數重構信號，結合四階累積法對重構信號進行基音檢測。

累積量是語音信號中一種比較重要的統計特征?，F有均值為0的復平穩隨機語音信號{X(n)}，n=0,±1,…，±∞，其二階累積量為：

C2,x(τ)=E{x(n)x*(x+τ)}

(3)

三階累積量為：

C3,x(τ1,τ2)=E{x(n)x(n+τ1)x*(n+τ2)}

(4)

四階積累量為：

C4,x(τ1,τ2,τ3)=E{x(n)x(n+τ1)x*(n+τ2)x*(n+τ3)}-E{x(n)x(n+τ1)}E{x*(n+τ2)x*(n+τ3)}-E{x(n)x*(n+τ2)}E{x(n+τ1)x*(n+τ3)}-E{x(n)x*(n+τ3)}E{x(n+τ1)}x*(n+τ2)}

(5)

由上式可得：任何類型的高斯語音信號，其三階以上的高階累積量均為0。

假設語音信號為s(t)，高斯噪聲為n(t)，則帶噪語音信號表示為:

x(t)=ps(t)+qn(t)

(6)

式中：p和q為增益系數。檢測二元語音基音時，若采用傳統的基音檢查方法，則能明顯觀察到，當SNR下降時，檢測的準確性急劇下降。為了實現即使在SNR很小時，也可以得到較好的檢測結果，需要計算語音信號四階積累量。在前文所述的高階累積量中可以得出x(t)的四階累積量。因為任何類型的高斯信號其三階以上的高階積累量均為0，所以可以將計算語音信號四階積累量的問題轉換成計算帶噪語音信號四階積累量的問題。本文采用小波分解后取低頻系數重構信號結合四階累積法，對重構信號進行基音檢測，一方面提高了基音檢測的準確性，另一方面也控制了計算量，且不改變語音譜結構，保存了完整的語音信息。

在計算帶噪語音信號的時候，運算量非常大，其根本原因就是計算機進行的乘法運算非常耗時。因此，可以采用三電平中心消波的方法對中心消波函數進行修正。使用三電平中心消波后，可以有效避免錯判為倍頻或分頻的情況。將語音信號通過三電平中心削波器削波。三電平中心削波函數如圖1所示。

圖1 三電平中心削波函數

由圖1可知，其輸出函數為：

(7)

根據式(6)可知，輸出為x(t)。式(5)則說明了四階積累量的值，基于四階積累量的基音檢測推導出所用的自相關函數為：

(8)

式中：N為窗長度。求得R的峰值位置后，將這些峰值的門限進行比較，相鄰峰值的時間差就是基音周期。

經試驗，在低SNR環境下，自相關法根本無法進行基音檢測，得到的結果也是錯誤的，而用高階累積量則可以準確、可靠地檢測基音周期。本文就是利用小波分解后取低頻系數重構信號[14]，結合四階累積法對重構信號進行基音檢測。該方法的準確性優于帶噪信號下傳統基音檢測的方法，解決了在低SNR環境下無法得到準確信號的問題。試驗表明，該方法無論在低信噪比，還是在噪聲分布不均勻的條件下，對基音周期都具有良好的檢測效果，且不會出現試驗數據準確率驟然下降的現象，顯示了非常好的魯棒性。

假設帶噪語音信號為x(t)，基音檢測的步驟如下。

①對每幀帶噪信號進行預處理，提取出有話段的信息，得出語音段[15]。

②消除直流分量，設置信噪比，疊加噪聲；用所提取的有話段的信息作DWT小波變換，用低頻系數重構信號。引入Cum表示累積量運算，則若有λi(i=1,2,…,k)、xi(i=1,2,…,k)為隨機變量，推導出：

(9)

由前一節可知，s(t)與n(t)獨立，由式(9)可以得到x(t)的四階累積量：

Cum[x(k+ξ1)x(k+ξ2)x(k+ξ3)x(k+ξ4)]=a4×Cum[x(k+ξ1)x(k+ξ2)x(k+ξ3)x(k+ξ4)]+b4×Cum[k+ξ1)x(k+9ξ2)x(k+ξ3)x(k+ξ4)]

(10)

③對判斷出的語音段進行基音檢測。根據得到的基音周期圖判斷算法的準確性和魯棒性。

3 試驗結果與分析

3.1 試驗環境

為了檢測本文方法的可行性和有效性，選擇深夜或相對比較安靜環境，在試驗室錄制內容為“西科大”的一小段語音作為目標語音信號。設定錄制的采樣頻率為8 kHz，采樣精度為 32 bit；目標語音信號幀長為 316 ms，幀移為158 ms；采用標準噪聲庫NOISEX-92中的高斯白噪聲、babble以及 factory作為復雜干擾噪聲[4]。

3.2 結果分析

對原始語音波形圖加入信噪比SNR=-10 dB的高斯白噪聲后，對該加入噪聲的語音信號進行預處理，提取有話段的信息，得出語音段，消除直流分量，在加窗分幀后先進行端點檢測，濾波后再分幀，小波分解后取低頻系數重構信號。原始信號、加噪語音信號和重構語音信號波形圖如圖2所示。

圖2 原始信號、加噪語音信號和重構語音信號波形圖

令SNR=-5 dB，用四階累積法對重構信號進行基音檢測，其結果如圖3所示。

圖3 基音檢測結果(SNR=-5 dB)

為了更好地驗證算法的準確性，也為了進一步驗證本文方法在低信噪比環境下的檢測效果，圖4為采用本文方法、在SNR=-20 dB時的基音檢測結果。

圖4 基音檢測結果(SNR=-20 dB)

由圖4可以看出，采用本文方法對小波變換進行改進，大大提高了低信噪比下基音檢測的準確性和魯棒性。

本文通過大量的樣本訓練得出訓練結果，并與文獻[2]中數據結果相比，列出了各種噪聲下的準確率結果。表1記錄了采用小波-自相關函數加權平均幅度差函數的方法和本文方法在不同噪聲環境下的準確率。

表1 不同信噪比下的基音檢測準確率

由表1可知，與文獻[2]方法相比，本文方法的基音檢測準確率提高了20%以上。本文方法在低信噪比環境下，大大提高了基音檢測準確性及其魯棒性。

4 結束語

基音檢測對語音信號的后期處理具有至關重要的作用，準確檢測語音信號的基音周期對高質量的語音分析與合成、語音壓縮編碼、語音識別與說話人確認等具有重要意義[16]。本文提出了一種小波分解后取低頻系數重構信號，結合四階累積法對重構信號進行基音檢測的方法。試驗表明，該方法的基音檢測準確率明顯高于目前已有的一些方法，并且在加入高斯白噪聲、低信噪比的情況下，也能得到比較精確的基音周期，提高了整個系統的魯棒性。

[1] 唐振民,曹建紅．基于哼唱的音樂檢索技術研究[D]．南京:南京理工大學,2009.

[2] 王民,曹繪,要趁紅.一種改進的小波變換基音檢測算法[J].重慶郵電大學學報(自然科學版),2012,24(3):283-287.

[3] 張杰,龍子夜,張博,等.語音信號處理中基頻提取算法綜述[J].電子科技大學學報,2010(S1):99-102.

[4] 章小兵,李燕萍,王雙杰.基于改進HHT的語音端點檢測[J].計算機工程,2016(6):171-174.

[5] HU J L,XU S,CHEN J．A modified pitch detection algorithm[J]．IEEE Communications Letters，2001,5(2):64-66.

[6] 宋子容,袁春,溫啟榮.小波分析法對多帶激勵聲碼器基音提取的改進[J].重慶郵電學院學報,1997(2):33-37.

[7] 李坤,劉加.基于小波變換和線性預測的基音提取[J].計算機工程,2010(10):276-278.

[8] 胡航.現代語音信號處理[M].北京:電子工業出版社,2014.

[9] 張賢達.現代信號處理[M].北京:清華大學出版社,2002.

[10]熱依木汗·熱西提,吐爾洪江·阿布都克力木,馮惠,等.基于二進小波變換的語音基音檢測[J].科技展望,2016(11):111-112.

[11]GUO Y M,FU Q,YAN Y H.Speech endpoint detection in real noise environments[J].Chinese Journal of Acoustics,2007,26(1):39-48．

[12]孫海英.基于倒譜特征和濁音特性的語音端點檢測方法的研究[D].青島：青島科技大學,2008.

[13]金晶.短波通信系統中8PSK調制方式識別技術的研究[D].西安：西安電子科技大學,2012.

[14]史振江,安建龍,趙玉菊.基于MATLAB的小波消噪仿真實現[J].石家莊鐵路職業技術學院學報,2008(1):63-66.

[15]陳煒杰.噪聲環境下的說話人識別技術研究[D].杭州：浙江工業大學,2008.

[16]張少龍,吳佳鑫.語音信息的內容分析技術研究綜述[J].現代圖書情報技術,2007(4):28-31.

Speech Pitch Period Detection Based on Improved Wavelet Transform

WU Xingquan1,2，ZHOU Jinzhi1,2

(1.School of Information Engineering,Southwest University of Science and Technology,Mianyang 621010,China;2.Robot Technology for Special Environment Key Laboratory of Sichuan Province,Southwest University of Science and Technology,Mianyang 621010,China)

Pitch has been widely used in many areas,such as speech encoding,speech recognition,speech conversion,music retrieval and diagnosis of diseases of vocal system.Aiming at the disadvantages of pitch period measurement based on wavelet transform,e.g.,low accuracy,high complexity and poor robustness,and the problem of the difficulty of judging the speech pitch period under noisy speech environment,especially under non-stationary noising,the speech pitch period detection method based on the improved wavelet transform is proposed. Firstly,each frame of noisy signal is preprocessed to extract the information with speech segments and eliminate the DC component.Then,endpoint detection is conducted after window-added framing,and re-framing after filtering; and then the low frequency coefficient reconstructed signal is extracted after using wavelet decomposition.Finally,the pitch detection for the reconstructed signal is accomplished combining with the fourth order cumulative method.The experimental results show that under different noisy speech environment and low SNR condition,the accuracy of noisy speech pitch detection is improved.Comparing with the method of traditional wavelet transform,this method features better robustness and low computation complexity,these are helpful in speech pitch period detection.

Noisy speech; Pitch detection; Wavelet transform; Restructured signal; Three-level center clipping; Endpoint detection；SNR

特殊環境機器人技術四川省重點實驗室基金資助項目(13ZXTK07)

吳興銓(1992—)，男，在讀碩士研究生，主要從事語音識別、軟件開發等技術的研究。E-mail:304094795@qq.com。 周金治(通信作者)，男，碩士，副教授，主要從事計算機網絡與物聯網、智能家居、語音識別等技術的研究。 E-mail:zhoujinzhi@swust.edu.cn。

TH-3;TP391.4

A

10.16086/j.cnki.issn1000-0380.201706016

修改稿收到日期：2017-03-16