13、语音处理中的共振峰跟踪与鲁棒特征提取

语音处理中的共振峰跟踪与鲁棒特征提取

1. 自动共振峰跟踪方法

在语音处理中，共振峰跟踪是一项重要的任务。首先，我们会基于初始估计值，手动绘制共振峰轨迹。例如，对于一位女性说出的句子 “ЗatuЗDi:ha: biЗa:la:mihim”（你会用他们的痛苦伤害她的感情吗？），我们手动标记了前三个共振峰（F1、F2 和 F3），每 4 毫秒记录一次，用于数据库中的每个句子。
- 参数设置 ：使用的线性预测倒谱（LPC）阶数为 18，窗口分析的时间大小为 4 毫秒，这样可以得到宽带频谱图，更好地展示共振峰轨迹的演变。
- 困难情况 ：当有太多接近的 LPC 候选值用于两条共振峰轨迹时，或者在缺乏频谱突出特征的帧，以及频谱突出特征与辅音段的预测共振不匹配时，会出现困难。在这种情况下，会提供名义辅音特定值。
- 准确性验证 ：为了验证每个句子的共振峰轨迹的准确性，我们使用 Winsnoori 中实现的 Klatt 合成器，用相应的三个共振峰频率合成声音，检查合成句子是否与原始句子匹配。不过，这种评估是主观的，因为只有作者对结果质量进行评判。

为了定量评估所提出的算法，我们将其与 Praat 的 LPC 方法进行比较，使用我们的共振峰数据库作为参考。
| 方法 | LPC 阶数 | 窗口分析大小 |
| ---- | ---- | ---- |
| 提出的算法 | 18 | 4 ms |
| Praat 的 LPC 方法 | 16 | 25 ms |

评估每种方法时，会计算每个共振峰轨迹（F1、F2 和 F3