java - 使用过零率区分浊音/清音语音

Question

过零率是信号沿符号变化的速率，即信号从正变为负或反向变化的速率。

过零率 Zn 可用于:

1-区分浊音/清音 2-将清音语音与静态背景噪音分开。

这是一种简单(但有效)的方法来区分 浊音和清音语音区域:

 • Voiced region:  lower zero-crossing rate 
 • Unvoiced region:  higher zero-crossing rate 

这是我正在使用的代码:

        public double evaluate(){
            int numZC=0;
            int size=signals.length;

            for (int i=0; i<size-1; i++){
                    if((signals[i]>=0 && signals[i+1]<0) || (signals[i]<0 && signals[i+1]>=0)){
                            numZC++;
                    }
            }                       

            return numZC/lengthInSecond;
        }

我的问题是:

1- 我使用过零的目标是消除信号的清音部分，并且此代码返回过零率。那么我该怎么做呢？!

2-我如何知道“低”过零率是多少以及“高”过零率是多少？？？

Answer 1

根本问题是，虽然您找到了一种计算样本 block 过零率的方法，但您无法使用它来区分该 block 内的声音，因为它只为您提供一个描述整个样本的数字。 block 。

一个可能的解决方案是将大块分成小块，然后对这些 block 进行处理。如果你这样做，你很快就会发现你随意制作的小块不符合浊音和清音的整齐类别，并且简单地删除一个 block 或将一个 block 的音量设置为零会让你感到“不连贯”声音甚至刺耳的咔嗒声，并且不会像您希望的那样清晰地划分词性。

这可能是一个值得一开始的观点，因为它更接近您现有的代码，但从长远来看它不会起作用，除非您只是想做一些粗略的事情(在这种情况下，这可能是足够好!)。

要解决此问题，您可能需要考虑计算“瞬时过零率”¹，以更新每个样本的 Zr。

1. 我使用过零的目标是消除信号的清音部分，并且此代码返回过零率。那么我该怎么做？! 目前尚不清楚你想要什么。你所说的“消除”是什么意思？您想要安静还是想跳过这些部分？要保持静音，只需将不需要的部分替换为零即可。要跳过，只需删除这些样本即可。当然，您最终仍然会听到咔哒声和弹出声，但我假设您知道如何消除这种情况。如果没有，也许你可以阅读 linear interpolation.请记住，您几乎肯定必须应用一些启发式方法，例如“不要删除小于 n 个样本的任何部分”。

2. 我如何知道“低”过零率是多少，“高”过零率是多少？？？我猜一个好的阈值会大约在 400Hz 左右，但语音不是我的专长。此外，它会因说话者的不同而略有不同，也可能因语言和其他因素而有所不同。我建议您制作一些 sample 并亲自看看。

¹ 这个名称有点误导，你可以说“不存在瞬时过零率”。我不是来争论这一点的；相反，我想使用这个短语，因为它表达了我的意思，我希望你能理解它。我只想说，您应该尽最大努力尽可能多地更新 Zr。例如。像这样的东西:

int lastSign = 0;
int lastCrossing = 0;
float nextZeroCrossing( float newSample ) {
   int thisSign = newSample > 0 ? 1 : -1 ;
   if( thisSign != lastSign ) {
      lastSign = thisSign;
      //zero crossing has happened. Update our estimate of Zr using lastCrossing and return that
   } else {
      ++lastCrossing;
      //zero crossing has not happened. Return existing Zr
   }
}

您可能想要“平滑”nextZeroCrossing() 的输出，因为它往往会跳跃很多。简单的指数或移动平均滤波器效果很好。