語音辨識前處理介紹 Jain-De,Lee
大綱 預強調 音框化 端點偵測 窗函數
預強調 為了補償語音在空氣傳送中，所衰減的高頻訊號，故 將語音訊號 s(n) 通過一個高通濾波器，其公式為: 此濾波器有+6dB/oct 高頻增強的特性，故語音訊號 通過此高通濾波器結果為: 其中a為一個0.9 ~ 1.0之間的值
預強調
音框化 對於語音的離散時間訊號s(n)，利用一個固定長度的 視窗(Window)套上，並對視窗內的訊號做運算(如: 取語音特徵)，此行為稱加視窗，而套上的語音訊號 稱音框(Frame) 通常視窗長度為20~30ms之間 舉例來說，取樣頻率22050Hz，若取視窗長度512點 512 / 22050 ≈ 23.22ms
音框化 為了保有語音訊號改變的延續性，通常會讓前後音框 部分重疊，一般會重疊1/3或1/2個音框長度 取音框示意圖
端點偵測 一段語音檔案中，並不是所有的部分都是有效的訊號， 因此必須經由端點偵測來判定有聲區段與無聲區段， 其優點能讓系統提升效率及辨識率 有效聲段
端點偵測 一般端點偵測－絕對值能量法、平方和能量法 絕對值能量法： 其中E(n)為第n 個分析框的能量估算值，p 為該分析框的中心點位置，N 為分析框寬度
端點偵測 平方和能量法： 其中E(n)為第n 個分析框的能量估算值，p 為該分析框的中心點位置，N 為分析框寬度
端點偵測 基本頻譜熵值： 其中，pi(fm)為第i個音框下頻率fm的能量所佔比例，E(fm) 為頻率m的能量大小，M為傅立葉轉換點數 其中，Hi為第i個音框下的負熵值， pi(fm)為第i個音框下 頻率fm的能量所佔比例
端點偵測 平均能量熵值： 計算整段平均能量 將平均能量加入機率密度 其中，u為整段訊號的平均能量點，A(n)為第n個點的振幅值， N為訊號總點數 將平均能量加入機率密度 其中，β為調整值
端點偵測 計算加入平均能量後的負熵值 其中，Hi’為第i個音框下重新計算後的負熵值
窗函數 otherwise 為了消除視窗兩邊的訊號的不連續，通常會加上漢明 窗(Hamming Window)，其公式為: 良好窗函數的頻率響應 主葉(Main lobe)頻帶要窄 旁葉(Side-lobe)與主葉差距大 otherwise
窗函數 常見窗函數:
窗函數 窗函數的頻率響應