基于LabVIEW開發(fā)平臺的聲音能量設(shè)計

引言

    語音信號是人們進行溝通和交流的主要媒介。語音具有兩重屬性，一方面語音具有表義功能；另一方面語音畢竟是一種聲音，它是由人的頭腦中產(chǎn)生的意念通過一組神經(jīng)信號去控制發(fā)音器官，變成空氣的振動信號，然后由空氣傳遞到人的耳朵或受話器中的信號。語音的基本作用是進行信息交換，構(gòu)成語音通信。在語音通信系統(tǒng)中，語音信號的傳輸存儲和處理的方式是各種各樣的。大體上說話音處理的研究可以分為以下幾個方面：語音分析、語音增強、語音編碼、話音合成和語音識別與理解。單從記錄聲音的設(shè)備來看就有留聲機、錄音機到現(xiàn)在數(shù)字化的MP3播放器，這其中的記錄技術(shù)也一直在飛速的變化中。因此，在信息社會高度發(fā)達的今天，用數(shù)字方法進行語音的傳送、存儲、識別、增強就顯得尤為必要。

LabVIEW開發(fā)平臺

    LabVIEW是目前唯一的編譯型圖形化編程語言，使用“所見即所得”的可視化技術(shù)建立人機界面，用圖標表示功能模塊，用圖標之間的連線來表示各模塊間的數(shù)據(jù)傳遞。同時，LabVIEW繼承了高級編程語言的結(jié)構(gòu)化和模塊化編程的優(yōu)點，支持模塊化與層次化設(shè)計，這種結(jié)構(gòu)的設(shè)計增強了程序的可讀性，其界面非常直觀形象。

    虛擬儀器是以計算機作為儀器的硬件支撐，充分利用計算機的運算、存儲、調(diào)用、顯示及文件管理等功能，把傳統(tǒng)儀器的專業(yè)化功能軟件化，使之與計算機結(jié)合起來融為一體，這樣便構(gòu)成了一臺從外觀到功能都完全與傳統(tǒng)儀器相同，同時又充分享用了計算機資源的儀器系統(tǒng)。傳統(tǒng)儀器通常由信號采集、信號分析、信號輸出三部分組成；虛擬儀器同樣可以劃分為數(shù)據(jù)采集、數(shù)據(jù)分析處理、顯示結(jié)果三大功能模塊。

虛擬儀器的系統(tǒng)組成

    虛擬儀器系統(tǒng)是由計算機、硬件平臺和應(yīng)用軟件組成的。從構(gòu)成方式，則有以數(shù)據(jù)采集卡(DAQ)和信號調(diào)理電路組成的PC-DAQ測試系統(tǒng)；以GPIB、VXI、串行總線和現(xiàn)場總線等標準總線儀器為硬件方式組成的GPIB系統(tǒng)、VXI系統(tǒng)、串行總線系統(tǒng)、現(xiàn)場總線系統(tǒng)等。目前通常采用的方法是在計算機上插入數(shù)據(jù)采集卡，用軟件在屏幕上生成儀器面板，用軟件進行信號分析處理等。這也正是本文設(shè)計的核心。我們采用PCI總線技術(shù)開發(fā)了虛擬儀器系統(tǒng)硬件平臺，其基于PCI總線的數(shù)據(jù)采集卡包括信號調(diào)理和數(shù)據(jù)采集兩部分，數(shù)據(jù)采集卡結(jié)合計算機數(shù)據(jù)處理軟件可以構(gòu)造各種虛擬儀器。圖1為虛擬儀器系統(tǒng)構(gòu)成框圖。

圖1  虛擬儀器系統(tǒng)構(gòu)成框圖

語音信號的時域處理方法

    數(shù)字語音處理的方法常常分為時域方法、頻域方法、同態(tài)方法、線性預(yù)測編碼方法以及其他各種方法等。時域方法涉及到語音信號的波形，利用時域方法來分析的語音信號特征參數(shù)包括語音的短時平均幅度和能量，短時平均過零率，短時自相關(guān)函數(shù)以及短時平均幅度差函數(shù)等。利用這些特征參數(shù)可以分析或處理語音，如清濁音分類，基音周期檢測等。限于篇幅，這里只對短時能量和短時平均幅度進行分析。語音信號的時域分析就是分析和提取語音信號的時域參數(shù)，其特點如下。

⑴表示語音信號較直觀、物理意義明確；

⑵實現(xiàn)較簡單、運算量少；

⑶可以得到語音的重要參數(shù)；

⑷使用示波器等通用設(shè)備可看到變化，使用方便。

    考慮到上述優(yōu)點，本文就語音信號的時域處理方法進行系統(tǒng)的分析。

● 短時能量分析

    語音信號是一種隨時間而變化的信號，是濁音激勵還是清音激勵，濁音的基音周期以及信號幅度等都隨時間而變化，此變化又是緩慢的，可以認為在一小段時間里，例如10～20ms內(nèi)語音信號近似不變。于是，可以把語音信號分成一些短段(或稱為分析幀)來進行處理。這些短段具有固定的特性，短段間經(jīng)常有一定的重疊組成一段語音。這種方法稱為“短時”處理方法。這種短時處理方法可以用式1來表示。

         (1)

    式中T[]表示對話音進行變換，此變換不一定是線性的，也可以是非線性的。把變換后的序列乘以窗函數(shù)。這個窗序列位于與抽樣標志n相一致的時間，窗函數(shù)的寬度是有限的，然后對乘積的所有非零值求和所得到的Qn，就是在n這個時刻的T[x(k)]的部分加權(quán)平均值。短時能量通常定義為：

         (2)

    這個表示式還可以表示成：

          (3)

    圖2為相應(yīng)的數(shù)學(xué)模型原理圖。

圖2  短時能量分析數(shù)學(xué)模型

    綜上所述，語音的短時能量表示取決于h(n)的選擇或w(n)的選擇，通常使用兩種窗，其中一種為矩形窗，其窗函數(shù)如式4所示。

       (4)

    實驗結(jié)果表明，En值明顯小于濁音段的能量。因此，根據(jù)短時能量函數(shù)可以大致區(qū)分濁音和清音。在高En信噪比的情況下，利用短時能量函數(shù)也可以區(qū)分有聲和無聲。

● 短時平均幅度

    由上式定義的短時能量函數(shù)由于需要計算，因此對于高電平信號，其值經(jīng)過平方后則更大，而對于低電平信號其值為小于1的值，經(jīng)過平方后則更小。以致短時能量E(n)對于信號電平值過于敏感。為了克服這個缺點，定義了一種短時平均幅度函數(shù)，見式5。平均能量的數(shù)學(xué)模型如圖3所示。

圖3  平均能量分析數(shù)學(xué)模型

          (5)

    式中用信號的絕對值代替信號的平方值。Mn能較好地反映Mn清音范圍內(nèi)的幅度變化。在這一方面，Mn要比En好，Mn所能反映幅度變化的動態(tài)范圍也要比En好。所反映清音語音和濁音語音之間的電平差不如En那樣明顯。

    短時能量與短時平均幅度的主要用途如下。

(1)可以從語音中區(qū)分出濁音來，因為濁音的能量要比清音大的多；
(2)可以用來區(qū)分聲母與韻母的分界、無聲與有聲的分界、連字的分界等；
(3)作為一種語音段信息，用于語音識別。

LabVIEW軟件設(shè)計

    軟件設(shè)計主要分為信號采集流程和處理處理流程。硬件的波形信號采集流程如圖4所示，采集后對信號進行分析和處理的流程如圖5所示，即進行平均能量和短時能量分析。

圖4  波形采集流程

圖5  聲音能量分析流程圖

實驗結(jié)果

    實驗中，通過單線耳塞(耳塞一端要把線露出來，把信號接入)將電腦上正在播放的音樂作為輸入信號，接入PCI-6025E數(shù)據(jù)采集卡中，設(shè)置數(shù)據(jù)采集卡通道為0，選擇采樣點為50，采樣率為8000，得到的實驗結(jié)果如圖6所示。選擇電腦中隨機播放的音樂作為數(shù)據(jù)輸入，而沒有直接用函數(shù)信號發(fā)生器產(chǎn)生理想的正弦波波形，是因為理想的正弦波是周期規(guī)律性變化的，對于短時平均能量或者短時平均幅度，其效果并不會那么明顯，從而更容易對數(shù)據(jù)進行分析。由圖6可見，原始聲音波形為-0.02～0.02之間，在0～100s的時間內(nèi)，平均幅度比短時能量的坡度更大、更高，它們集中在0～0.3之間，比原始聲音波形的幅度要大，而短時能量的最高點也是不到0.005的幅度，100s之后，短時能量和平均幅度的趨勢基本相同，趨于0。

圖6  實驗結(jié)果的數(shù)據(jù)和曲線

結(jié)束語

    本文用LabVIEW對聲音進行短時能量和平均幅度分析?？梢杂脭?shù)據(jù)采集卡對輸入信號進行采集，將信號做為一種語音段信息，對語音進行識別，并可以從語音中區(qū)分出濁音來，還可以用來區(qū)分聲母與韻母的分界、無聲與有聲的分界、連字的分界等。用LabVIEW來對聲音進行處理，比C語言的編程更加簡單，且其界面美觀，處理結(jié)果也可以直接在前面板中進行描述。