合成语音质量客观评价系统

资 源 简 介

该项目旨在通过数学模型和信号处理算法对合成语音的质量进行量化评估，以衡量合成语音相对于原始参考语音的忠实度。系统集成了多种主流的客观评价指标：信噪比（SNR）和分段信噪比（SegSNR）用于评估合成信号中的噪声水平与信号保真度；倒谱距离（CD）通过提取语音的线性预测倒谱系数或梅尔倒谱系数，计算参考语音与合成语音在声学频谱包络上的差异，这与人类感知的音质好坏高度相关；此外，系统还包括均方误差（MSE）和信号平均值比较等基础统计分析，用于确认信号在时域上的偏移。该系统实现了完整的语音处理流程，包括语音信号对齐

详 情 说 明

合成语音质量客观评价系统

项目介绍

本项目是一个基于 MATLAB 开发的语音信号处理系统，旨在通过数学模型和信号处理算法对合成语音的质量进行量化评估。系统通过对比参考语音（原始信号）与合成语音（待测信号）在时域、频域及倒谱域的差异，计算出一系列客观指标。这些指标能够衡量合成语音相对于原始参考语音的忠实度，为语音合成（TTS）、语音变换及编码系统的性能提升提供科学的客观依据，有效减少了人工主观评价的成本。

功能特性

• 全流程信号处理：集成了从信号对齐、预加重滤波到分帧加窗、FFT 变换及指标计算的完整流程。
• 多维指标评价：包含全局信噪比（SNR）、均方误差（MSE）、分段信噪比（SegSNR）以及基于声学频谱包络的倒谱距离（CD）。
• 鲁棒的算法实现：算法内部实现了杜宾（Levinson-Durbin）递归算法，不依赖外部工具箱即可独立完成线性预测分析（LPC）。
• 可视化分析：系统自动生成时域波形对比图、分段信噪比曲线图以及倒谱距离波动曲线，方便直观分析语音质量。
• 自动化评价报告：根据计算得到的客观指标，系统会自动生成汇总报告并给出最终的语音质量评价结论。

核心实现逻辑与功能说明

代码实现遵循标准的语音信号处理流程，具体步骤如下：

1. 信号模拟与对齐：系统首先模拟生成一个包含基频和多谐波的类语音信号作为参考信号，并加入噪声、幅度失真和相位偏移生成合成信号。通过长度截取算法确保两个信号在时域上完全对齐。
2. 信号预处理：应用预加重滤波器（系数 0.97）来提升高频成分，平衡语音信号的频谱分布。
3. 时域统计分析：计算两个信号之间的全局信噪比（SNR）和均方误差（MSE），并对比二者的平均值，用于确认信号在宏观上的偏移和保真度。
4. 短时分析框架：使用汉明窗（Hamming Window）对信号进行分帧处理（帧长 256，帧移 128），以提取语音的局部特征。
5. 分段信噪比（SegSNR）计算：在每一帧上独立计算 SNR，并设置了信噪比阈值（-10dB 至 35dB），以规避静音段或低能量段对整体评价的影响。
6. 倒谱距离（CD）评价：

* 对每一帧语音提取线性预测系数（LPC）。 * 通过递归公式将 LPC 系数转换为线性预测倒谱系数（LPCC）。 * 计算参考帧与合成帧 LPCC 系数之间的欧氏距离，并转化为分贝（dB）刻度。倒谱距离越小，代表两者在声学频谱包络上的差异越小。

1. 综合判决逻辑：根据平均倒谱距离和分段信噪比的综合表现，自动判定语音质量等级（优异、良好、较差）。

关键函数与算法分析

• 自定义 LPC 分析函数：代码通过计算信号的自相关函数并利用 Levinson-Durbin 递归算法求得 LPC 系数。该方法直接实现了从时域信号到线性预测参数的映射，能够精确反映语音的声道模型特征。
• LPC 转倒谱系数（LPCC）函数：利用递推公式将预测系数转换为倒谱域，倒谱系数具有解耦特性，能够更好地模拟人类听觉感知的差异，是衡量音质损失的核心算法。
• 分段处理逻辑：代码通过循环提取信号帧，结合窗函数削弱频谱泄露。每一帧均会产出对应的 SegSNR 和 CD 值，通过计算所有有效帧的均值来代表整体音质。

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 工具箱要求：本系统采用底层算法实现，不需要特殊的信号处理工具箱。

使用方法

1. 在 MATLAB 编辑器中打开主程序。
2. 设置参数部分（如采样率 fs、帧长 frameLen、LPC 阶数 lpcOrder 等）。
3. 运行程序。程序将自动执行信号生成、处理、指标计算过程。
4. 在控制台查看生成的“合成语音质量客观评价报告”。
5. 观察弹出的可视化图形窗口，分析语音质量在时间维度上的波动情况。