PAGE8
PAGE8
PAGE9
PAGE9
课题
项目二语音特征提取
课时
8课时（360min）
教学目标
知识目标：
（1）了解语音特征的提取流程
（2）理解预加重、分帧和加窗的基本原理及其实现方法
（3）理解短时傅里叶变换的基本原理和实现方法
（4）掌握语谱图特征的提取方法
（5）掌握Fbank特征的提取方法
（6）掌握MFCC特征的提取方法
技能目标：
（1）能够编写程序，完成语音数据的预处理操作
（2）能够编写程序，对语音数据进行短时傅里叶变换
（3）能够编写程序，提取语音数据的语谱图、Fbank和MFCC特征
素养目标：
（1）学习语音数据预处理和语音特征提取的相关技术，提升逻辑推理能力
（2）掌握不同语音特征的提取方法，形成知识体系，培养系统思维
教学重难点
教学重点：语音特征的提取流程，预加重、分帧和加窗的基本原理及其实现方法，短时傅里叶变换的基本原理和实现方法
教学难点：语谱图特征、Fbank特征和MFCC特征的提取方法
教学方法
案例分析法、问答法、讨论法、讲授法
教学用具
电脑、投影仪、多媒体课件、教材
教学过程
主要教学内容及步骤
考勤
【教师】使用APP进行签到
【学生】班干部报请假人员及原因
问题导入
【教师】播放“语音的产生和感知”视频（详见教材），并提出以下问题：
（1）哪些噪声会对语音信号的识别产生影响？请列举两种。
（2）如何在语音信号中有效去除噪声？
（3）去除噪声后的语音信号有什么特点？
【学生】聆听、思考、举手回答
传授新知
【教师】通过学生的回答引入要讲的知识，讲解语音特征的提取流程，语音数据预处理，短时傅里叶变换，以及语音特征的提取等知识
2.1语音特征的提取流程
原始的语音信号是不定长的时域信号，一般需要将其转换为特征向量，才能用于语音识别任务，这个转换过程称为语音特征提取。随着深度神经网络技术的发展，虽然原始语音信号也可以作为网络的输入，但是对深度神经网络提出了更高的要求。因此，语音特征提取仍是语音识别的关键技术之一。
?【教师】利用多媒体展示“提取语音特征的一般流程”图片（详见教材），并进行讲解
在语音识别领域中，常见的语音特征有语谱图特征、Fbank特征和MFCC特征。提取这些特征的一般流程如图所示。
可见，提取3个语音特征之前，都需要经过预加重、分帧、加窗、短时傅里叶变换等步骤，然后各自再进行不同的处理。其中，语谱图特征需要进行取对数操作，Fbank特征需要经过梅尔滤波器组后再取对数，而MFCC特征是在Fbank特征的基础上进行离散余弦变换得到的特征。
2.2语音数据预处理
2.2.1预加重
1．预加重的基本原理
在音频采集过程中，由于传感器和麦克风等设备的特性，高频部分容易受到衰减，导致信号在这些频率上的能量相对较低，影响语音识别的准确性。为了抵消这种效应，可采用预加重的方法补偿语音信号高频部分的振幅。
假设输入语音第n个采样点的信号为，则预加重的公式为
……（详见教材）
?【教师】随机邀请学生回答以下问题：
什么是高通滤波，其基本规则是什么？
?【学生】聆听、思考、回答
?【教师】总结学生的回答
高通滤波是一种过滤方式，规则为高频信号能正常通过，而低于设定临界值的低频信号则被阻隔、减弱。高通滤波器是一种允许高频信号通过、削弱或阻塞低频信号的信号处理滤波器，它去掉了信号中不必要的低频成分，可理解为去掉了低频干扰。
2．预加重的编程实现
Librosa库中的preemphasis()函数可对语音信号进行预加重处理，其语法格式如下。
librosa.effects.preemphasis(y,coef=0.97)
其中，y表示要处理的语音信号；coef表示预加重系数。Librosa库在使用之前需要安装，安装方法如下：①在“运行”窗口中输入命令“cmd”，然后单击“确定”按钮；②在弹出的窗口中输入命令“pipinstalllibrosa”，按“Enter”键即可自动安装Librosa库。
【例2-1】导入语音文件“SN0001.wav”（见本书配套素材“item2/SN0001.wav”），并对其进行预加重处理，然后绘制处理前后的波形图。
【程序分析】使用Librosa库中的load()函数导入语音文件“SN0001.wav”，然后使用preemphasis()函数对其进行预加重处理，最后使用Matplotlib库绘制处理前后的波形图。注意：在编写程序之前，须将“SN0001.wav”文件复制到当前工作目录中，若没有复制，则读取数据文件时要指定相应路径。
【参考代码】
……（详见教材）
?【教师】利用多媒体展示“预加重前后波形图对比”图片（详见教材），并进行讲解
【运行结果】程序运行结果如图所示。
【程序说明】ti