音频二 基音周期和共振峰

1. 基音周期：

基音周期： 表示声带的震动周期，每隔这么长时间（震动周期），有一个气流通过，“每隔”就体现了周期性，这就是基音周期。

基音频率： 是基音周期的倒数， 谱图上就应该有这个频率的信号分量，而且这个频率的幅度（能量）不应该很小，因为每隔一段时间“就有”一团能量通过声带。

图1： 上 ：语音波形 ， 下边： 对应的窄带语谱图

图1小图可明显看到，基音频率也不是不变的，其也具有波动，我们可以人为的将基频线连接起来为一条曲线，这称为基音跟踪。

共振峰表示“谐振”，频谱上表示为频谱包络（其实是上包络）的峰值，那么频谱下包络的谷值点就表示“反谐振”。

频谱的“尖峰”显示的是源的信息，小尖包突起是周期性的，是有用的，那么“杂乱”的源头是非周期性的，这在语音转换中是一种很重要的信息。

比如，窄带语谱图上基本上可以发现，低频部分，横条纹比较直，而高频部分，条纹变“弯”了，这表示什么？

基音频率和共振峰是能从谱图、频谱上看出来的语音的最基本的信息，当然可以看出其他更多的信息。

2 时域与频谱中的音频特征：

2.1 时域中估计基音周期， 频谱中估计基音频率

选取0.5s处的一段语音片段，长度为20ms。其时域波形和频谱如图：

图2： 左 语音波形 ， 右边： 对应频谱

左图，用红圈圈示的尖峰用于估计基音周期，双向箭头表示时间范围内5个圈共4个相似的波段，这4段就表示4个基音周期，则可估计基音周期约为4.25ms，则基音频率约为235.2941Hz。

右图，频谱具有明显小尖峰，这些尖峰在低频部分（可认为语音频率3400Hz内）比较有规律且平滑，高频出现小幅度的“杂乱”，这些“杂乱”表示噪声，来源有录音设备及量化噪声等（虽然幅度很小，甚至根本就“听”不出来，但存在是事实）。这些尖峰就是各次谐波，从左往右一次是1次、2次、3次……谐波。其中最左边的尖峰对应基音频率，其横坐标对应的值表示基音频率，从小图可看到大约为234.83Hz。利用各次谐波可以得到更精确的估计，图中用红圈表示用于估计基频的谐波，共选取了15个，估计出基频为234.8337Hz。

2.2 频谱中看共振峰

基音频率体现的是声源的信息.

共振峰体现的是声道的信息。

为便于比较和观察，将图2这个语音片段的源和系统分离，分别展示源的频谱和声道的频谱，观察一致性。
图3、4显示的是源的频谱、声道的频谱、语音的频谱及共振峰的位置信息，图4去掉了小图。

图3： 语音片段时域波形及其源、声道和语音频谱，小图遮挡了部分信息

红线： 是语音的频谱， 黑色虚线： 是语音频谱的包络，

粉红线： 源信息的频谱，
蓝线： 是声道频谱，蓝色圈圈： 标示出声道频谱的峰值点，

粉红虚竖线： 显示这些峰值点的位置。

根据语音产生的源-滤波器模型及源、系统的卷积解释，语音频谱的包络显示的是声道的信息，而小尖峰显示源的信息，如谐波。

可看到粉红线和红线二者的峰值的位置正好一个一个地对应，体现了源的信息，而且粉红线（源）明显没有包络峰值，说明声道的信息被滤除。同样，蓝线没有了小尖峰，即滤掉了源的信息。

图4： 语音片段时域波形及其源、声道和语音频谱

并且声道的峰值点位置与语音频谱包络的峰值位置也正好一个一个地对应。蓝圈圈的个数表示共振峰的个数，共有4个，从左至右分别称为F1、F2、F3、F4，（F0是基音频率）。它们横轴值表示共振峰频率值，某共振峰带宽就表示该共振峰所占频带宽度。

这个图还暗示了另一个有趣的事实，源所占的频率范围和声道所占的频率范围是一样的，在频域利用高通或低通或带通的方法分离源和系统是行不通的。

3. 语谱图的取对数

这为： 后面对语谱图的 取对数 埋下了伏笔；

人类的发声系统发出的信号是由基音信息与声道信息卷积而成。记作"s卷积v"

经过语谱图FFT变换后，卷积变成了乘法。即"FFT(s)*FFT(v)"。

取对数后，乘法变成了加法。即"Log(FFT(s)) Log(FFT(v))"

把卷积信号转换成加性信号，这就是取FFT和对数的原因

------------------------------------------------------- reference -------------------

1、源-系统信息分离和提取参考论文：
“Glottal wave analysis with pitchsynchronous iterative adaptive inverse filtering” Paavo Alku. SpeechCommunication 11(2-3): 109-118 (1992)

这篇好文章是转载于：学新通技术网