语音信号处理基础（三）

语音信号处理基础（三）

倒谱分析（Cepstrum Analysis）

下面是一个语音的频谱图。峰值表示语音的主要频率成分，我们把这些峰值称为共振峰（formants），共振峰携带了声音的辨识属性（就像个人身份证一样），特别重要，用它就可以识别不同的声音。

我们要提取的不仅仅是共振峰的位置，还得提取它们转变的过程。所以我们提取的是频谱的包络（Spectral Envelope）。这包络就是一条连接这些共振峰点的平滑曲线。

将原始的频谱由两部分组成：包络和频谱的细节。这里用到的是对数频谱，所以单位是dB（分贝）。我们需要把这两部分分离，就可以得到包络了。

在给定log X[k]的基础上，求得log H[k] 和 log E[k]以满足log X[k] = log H[k] + log E[k]。为了达到这个目标，我们需要对频谱做FFT。在频谱上做傅里叶变换就相当于逆傅里叶变换Inverse FFT (IFFT)。需要注意的一点是，我们是在频谱的对数域上面处理的。在对数频谱上面做IFFT就相当于在一个伪频率（pseudo-frequency）坐标轴上描述信号。

由上图可