语音编码理论基础

信号分类及转换：

由模拟信号（自变量和函数值均为连续）经过采样转换为时域离散信号（自变量离散，函数值连续），再经过量化转化为数字信号（自变量和函数值均为离散）。

why DFT

任意连续周期信号都可表示为正弦信号的加权和     ——Fourier

首先是对于复杂信号而言，时域难以分析，于是换一个角度，引入了频域;同时呢，频率也能很好的反应信号变化的快慢。那么怎样才能将信号从时域域转为频域呢，毫不犹豫——Fourier Transform。

读者不必去深究其数学原理，只需掌握采样定理（延拓法和折叠法）、DFT的手工计算、采样率和物理频率的对应关系以及分辨率和点数的对应关系。

时域分析

要求考生能够对信号系统的因果性、稳定性、线性和时不变性进行分析，并且能够熟练应用采样定理。

频域分析

主要是掌握3大变换：傅立叶变换 离散傅立叶变换 Z变换；

数字滤波器

低通 高通 带通 和 带阻

分类可以分为：无限长单位脉冲响应和有限长单位脉冲响应；

语音的声学基础：

产生：激励（声门脉冲） 系统（声道） 响应（声音）

基音周期/频率 ：反应声源信息，决定音高；共振峰：反应声道信息，决定音色；

线性模型：激励 声道 和 辐射模型

语音的感知：响度：声音的强弱 音调 ：声音的高低 掩蔽效应：强音导致弱音不容易被听到，又分为时域掩蔽（掩蔽音和被掩蔽音不在同一时刻）和频域掩蔽（一个音调可以将其附近频域较弱的音调掩蔽）；

语音特征分析：

预处理：预加重，分帧，加窗；

短时平均能量：反应声音能量随时间的变化，可用于检测清音浊音 有声无声等，

短时平均幅度：能量对幅度敏感，放大了高低信号的差距

短时平均过零率：每帧内信号通过零值的次数，可以粗略反映信号的频率，判断的方法类似于零点定理；

浊音能量集中在低频，过零率低；清音能量分布比较均匀，过零率高；

相关反应信号的相似程度，自相关反应信号的周期性；自相关函数的性质：周期性，偶函数；

浊音自相关具有相同周期，可以估算基音周期和基音频率；清音接近随机噪声，自相关没有周期性和明显峰值；

卷积的步骤：翻转 移位 乘累加，与自相关的区别是自相关无需移位。

倒谱：将卷积转化为相加：傅立叶变换：卷积变乘——>取对数（乘变加）——傅立叶逆变换（线性变换，频谱的频谱）。卷积的倒谱等于各信号倒谱之和，倒谱的应用主要为：解卷积，实现激励与声道的分离。

Why语音编码：

无线通信频谱资源日益短缺，用户及业务需求日益增长，大数据背景下信息存储压力大，

手段：针对语音的信源编码，减少传输码率，提高传输效率；

分类：波形编码，参数编码，混合编码；

评价指标：编码速率 语音质量 稳健性 时延 复杂度

语音安全实战分析

有点类似于CTF中的摩斯电码，

先录一段语音，简单分析之后对其进行加密：

1. clear all;  
   clc;  
   [x,fs]=audioread('xxxxx:\xxx\xxx.wav');  
   x=x(:,1);%双声道分列处理  
   x=x(20000:20000*5-1)   
   x=ceil(x*10000)%全部变为整数  
   n=length(x);  
   key1=123456789  
   key2=1234  
   x=x+key2;  
   for i=1:n  
   y(i)=bitxor(x(i),key1,'int32');  
   end  
   x=x-key2;  
   x1=x/10000;  
   sound(x1,fs);%播放原音频  
   pause(4);  
   y2=y-key2;  
   y1=y2/10000;  
   sound(y1,fs);%播放加密音频  
   for i=1:n  
       z(i)=bitxor(y(i),key1,'int32');  
   end  
   pause(4);  
   z2=z-key2;  
   z1=z2/10000;  
   sound(z1,fs);%播放解密音频  
   audiowrite('xxxxxx:\xxxxx\xxxxx.wav',z1,fs)  

加密后的信号：

解密后恢复正常。