Matlab语音信号处理Word格式文档下载.docx

Matlab语音信号处理Word格式文档下载.docx

《Matlab语音信号处理Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《Matlab语音信号处理Word格式文档下载.docx（109页珍藏版）》请在冰豆网上搜索。

一个N点的hamming窗函数定义为如下

这两种窗函数都有低通特性，通过分析这两种窗的频率响应幅度特性可以发现（如图1.2）：

矩形窗的主瓣宽度小（4*pi/N），具有较高的频率分辨率，旁瓣峰值大（-13.3dB），会导致泄漏现象；

汉明窗的主瓣宽8*pi/N，旁瓣峰值低（-42.7dB），可以有效的克服泄漏现象，具有更平滑的低通特性。

因此在语音频谱分析时常使用汉明窗，在计算短时能量和平均幅度时通常用矩形窗。

表1.1对比了这两种窗函数的主瓣宽度和旁瓣峰值。

图1.2矩形窗和Hamming窗的频率响应

表1.1矩形窗和hamming窗的主瓣宽度和旁瓣峰值

窗函数

主瓣宽度

旁瓣峰值

矩形窗

4*pi/N

13.3dB

hamming

8*pi/N

42.7dB

2.短时能量

由于语音信号的能量随时间变化，清音和浊音之间的能量差别相当显著。

因此对语音的短时能量进行分析，可以描述语音的这种特征变化情况。

定义短时能量为：

，其中N为窗长

特殊地，当采用矩形窗时，可简化为：

图1.3和图1.4给出了不同矩形窗和hamming窗长的短时能量函数，我们发现：

在用短时能量反映语音信号的幅度变化时，不同的窗函数以及相应窗的长短均有影响。

hamming窗的效果比矩形窗略好。

但是，窗的长短影响起决定性作用。

窗过大（N很大），等效于很窄的低通滤波器，不能反映幅度En的变化；

窗过小（N很小），短时能量随时间急剧变化，不能得到平滑的能量函数。

在11.025kHz左右的采样频率下，N选为100~200比较合适。

短时能量函数的应用:

1）可用于区分清音段与浊音段。

En值大对应于浊音段，En值小对应于清音段。

2）可用于区分浊音变为清音或清音变为浊音的时间（根据En值的变化趋势）。

3）对高信噪比的语音信号，也可以用来区分有无语音（语音信号的开始点或终止点）。

无信号（或仅有噪声能量）时，En值很小，有语音信号时，能量显著增大。

图1.3不同矩形窗长的短时能量函数图1.4不同hamming窗长的短时能量函数

3．短时平均过零率

过零率可以反映信号的频谱特性。

当离散时间信号相邻两个样点的正负号相异时，我们称之为“过零”，即此时信号的时间波形穿过了零电平的横轴。

统计单位时间内样点值改变符号的次数具可以得到平均过零率。

定义短时平均过零率：

其中

为符号函数，

，在矩形窗条件下，可以简化为

短时过零率可以粗略估计语音的频谱特性。

由语音的产生模型可知，发浊音时，声带振动，尽管声道有多个共振峰，但由于声门波引起了频谱的高频衰落，因此浊音能量集中于3KZ以下。

而清音由于声带不振动，声道的某些部位阻塞气流产生类白噪声，多数能量集中在较高频率上。

高频率对应着高过零率，低频率对应着低过零率，那么过零率与语音的清浊音就存在着对应关系。

.

图1.5为某一语音在矩形窗条件下求得的短时能量和短时平均过零率。

分析可知：

清音的短时能量较低，过零率高，浊音的短时能量较高，过零率低。

清音的过零率为0.5左右，浊音的过零率为0.1左右，两但者分布之间有相互交叠的区域，所以单纯依赖于平均过零率来准确判断清浊音是不可能的，在实际应用中往往是采用语音的多个特征参数进行综合判决。

短时平均过零率的应用：

1）区别清音和浊音。

例如，清音的过零率高，浊音的过零率低。

此外，清音和浊音的两种过零分布都与高斯分布曲线比较吻合。

2）从背景噪声中找出语音信号。

语音处理领域中的一个基本问题是，如何将一串连续的语音信号进行适当的分割，以确定每个单词语音的信号，亦即找出每个单词的开始和终止位置。

3）在孤立词的语音识别中，可利用能量和过零作为有话无话的鉴别。

图1.5矩形窗条件下的短时平均过零率

4、短时自相关函数

自相关函数用于衡量信号自身时间波形的相似性。

清音和浊音的发声机理不同，因而在波形上也存在着较大的差异。

浊音的时间波形呈现出一定的周期性，波形之间相似性较好；

清音的时间波形呈现出随机噪声的特性，样点间的相似性较差。

因此，我们用短时自相关函数来测定语音的相似特性。

短时自相关函数定义为：

令

，并且

，可以得到：

图6给出了清音的短时自相关函数波形，图7给出了不同矩形窗长条件下（窗长分别为N=70，N=140，N=210，N=280）浊音的短时自相关函数波形。

由图1.6、图1.7短时自相关函数波形分析可知：

清音接近于随机噪声，清音的短时自相关函数不具有周期性，也没有明显突起的峰值，且随着延时k的增大迅速减小；

浊音是周期信号，浊音的短时自相关函数呈现明显的周期性，自相关函数的周期就是浊音信号的周期，根据这个性质可以判断一个语音信号是清音还是浊音，还可以判断浊音的基音周期。

浊音语音的周期可用自相关函数中第一个峰值的位置来估算。

所以在语音信号处理中，自相关函数常用来作以下两种语音信号特征的估计：

1）区分语音是清音还是浊音；

2）估计浊音语音信号的基音周期。

图1.6清音的短时自相关函数

图1.7不同矩形窗长条件下的浊音的短时自相关函数

5、时域分析方法的应用

1）基音频率的估计

首先可利用时域分析（短时能量、短时过零率、短时自相关）方法的某一个特征或某几个特征的结合，判定某一语音有效的清音和浊音段；

其次，针对浊音段，可直接利用短时自相关函数估计基音频率，其方法是：

估算浊音段第一最大峰的位置，再利用抽样率计算基音频率，举例来说，若某一语音浊音段的第一最大峰值约为35个抽样点，设抽样频率为11.025KHZ，则基音频率为11025/35=315HZ。

但是，实际上第一最大峰值位置有时并不一定与基音周期吻合。

一方面与窗长有关，另一方面还与声道特性有关。

鉴于此，可采用三电平削波法先进行预处理。

2）语音端点的检测与估计

可利用时域分析（短时能量、短时过零率、短时自相关）方法的某一个特征或某几个特征的结合，判定某一语音信号的端点，尤其在有噪声干扰时，如何准确检测语音信号的端点，这在语音处理中是富有挑战性的一个课题。

三、附录（参考程序）

1）短时能量

（1）加矩形窗

a=wavread（'

beifeng.wav'

）;

subplot（6,1,1）,plot（a）;

N=32;

fori=2:

6

h=linspace（1,1,2.^（i-2）*N）；

%形成一个矩形窗，长度为2.^（i-2）*N

En=conv（h,a.*a）;

%求短时能量函数En

subplot（6,1,i）,plot（En）;

if（i==2）legend（'

N=32'

elseif（i==3）legend（'

N=64'

elseif（i==4）legend（'

N=128'

elseif（i==5）legend（'

N=256'

elseif（i==6）legend（'

N=512'

end

（2）加汉明窗

h=hanning（2.^（i-2）*N）；

%形成一个汉明窗，长度为2.^（i-2）*N

2）短时平均过零率

a=wavread（'

n=length（a）;

N=320;

subplot（3,1,1）,plot（a）;

h=linspace（1,1,N）;

%求卷积得其短时能量函数En

subplot（3,1,2）,plot（En）;

fori=1:

n-1

ifa（i）>

=0

b（i）=1;

else

b（i）=-1;

end

ifa（i+1）>

b（i+1）=1;

b（i+1）=-1;

w（i）=abs（b（i+1）-b（i））;

%求出每相邻两点符号的差值的绝对值

end

k=1;

j=0;

while（k+N-1）<

n

Zm（k）=0;

fori=0:

N-1;

Zm（k）=Zm（k）+w（k+i）;

j=j+1;

k=k+N/2;

%每次移动半个窗

forw=1:

j

Q（w）=Zm（160*（w-1）+1）/（2*N）;

%短时平均过零率

subplot（3,1,3）,plot（Q）,grid;

3）自相关函数

N=240

Y=WAVREAD（'

x=Y（13271:

13510）;

x=x.*rectwin（240）;

R=zeros（1,240）;

fork=1:

240

forn=1:

240-k

R（k）=R（k）+x（n）*x（n+k）;

j=1:

240;

plot（j,R）;

grid;

实验二基于MATLAB分析语音信号频域特征

信号的傅立叶表示在信号的分析与处理中起着重要的作用。

因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分析和处理问题。

另外，傅立叶表示使信号的某些特性变得更明显，因此，它能更深入地说明信号的各项红物理现象。

由于语音信号是随着时间变化的，通常认为，语音是一个受准周期脉冲或随机噪声源激励的线性系统的输出。

输出频谱是声道系统频率响应与激励源频谱的乘积。

声道系统的频率响应及激励源都是随时间变化的，因此一般标准的傅立叶表示虽然适用于周期及平稳随机信号的表示，但不能直接用于语音信号。

由于语音信号可以认为在短时间内，近似不变，因而可以采用短时分析法。

本实验要求掌握傅里叶分析原理，会利用已学的知识，编写程序估计短时谱、倒谱，画出语谱图，并分析实验结果，在此基础上，借助频域分析方法所求得的参数分析语音信号的基音周期或共振峰。

二、实验原理

1、短时傅立叶变换

由于语音信号是短时平稳的随机信号，某一语音信号帧的短时傅立叶变换的定义为：

（2.1）

其中w（n-m）是实窗口函数序列，n表示某一语音信号帧。

令n-m=k'

，则得到

（2.2）

于是可以得到

（2.3）

假定

（4）

则可以得到

（5）

同样，不同的窗口函数，将得到不同的傅立叶变换式的结果。

由上式可见，短时傅立叶变换有两个变量：

n和ω，所以它既是时序n的离散函数，又是角频率ω的连续函数。

与离散傅立叶变换逼近傅立叶变换一样，如令ω=2πk/N，则得离散的短时傅立叶吧如下：

（6）

2、语谱图

水平方向是时间轴，垂直方向是频率轴，图上的灰度条纹代表各个时刻的语音短时谱。

语谱图反映了语音信号的动态频率特性，在语音分析中具有重要的实用价值。

被成为可视语言。

语谱图的时间分辨率和频率分辨率是由窗函数的特性决定的。

时间分辨率高，可以看出时间波形的每个周期及共振峰随时间的变化，但频率分辨率低，不足以分辨由于激励所形成的细微结构，称为宽带语谱图；

而窄带语谱图正好与之相反。

宽带语谱图可以获得较高的时间分辨率，反映频谱的快速时变过程；

窄带语谱图可以获得较高的频率分辨率，反映频谱的精细结构。

两者相结合，可以提供带两与语音特性相关的信息。

语谱图上因其不同的灰度，形成不同的纹路，称之为“声纹”。

声纹因人而异，因此可以在司法、安全等场合得到应用。

3、复倒谱和倒谱

复倒谱

是x（n）的Z变换取对数后的逆Z变换，其表达式如下:

（7）

倒谱c（n）定义为x（n）取Z变换后的幅度对数的逆Z变换，即

（8）

在时域上，语音产生模型实际上是一个激励信号与声道冲激响应的卷积。

对于浊音，激励信号可以由周期脉冲序列表示；

对于清音，激励信号可以由随机噪声序列表示。

声道系统相当于参数缓慢变化的零极点线性滤波器。

这样经过同态处理后，语音信号的复倒谱，激励信号的复倒谱，声道系统的复倒谱之间满足下面的关系：

（9）

由于倒谱对应于复倒谱的偶部，因此倒谱与复倒谱具有同样的特点，很容易知道语音信号的倒谱，激励信号的倒谱以及声道系统的倒谱之间满足下面关系：

（10）

浊音信号的倒谱中存在着峰值，它的出现位置等于该语音段的基音周期，而清音的倒谱中则不存在峰值。

利用这个特点我们可以进行清浊音的判断，并且可以估计浊音的基音周期。

4、基因周期估计

浊音信号的倒谱中存在峰值，它的出现位置等于该语音段的基音周期，而清音的倒谱中则不存在峰值。

利用倒谱的这个特点，我们可以进行语音的清浊音判决，并且可以估计浊音的基音周期。

首先计算语音的倒谱，然后在可能出现的基因周期附近寻找峰值。

如果倒谱峰值超过了预先设置的门限，则输入语音判断为浊音，其峰值位置就是基因周期的估计值；

反之，如果没有超出门限的峰值的话，则输入语音为清音。

5、共振峰估计

对倒谱进行滤波，取出低时间部分进行进行逆特征系统处理，可以得到一个平滑的对数谱函数，这个对数谱函数显示了输入语音段的共振峰结构，同时谱的峰值对应于共振峰频率。

通过此对数谱进行峰值检测，就可以估计出前几个共振峰的频率和强度。

对于浊音的声道特性，可以采用前三个共振峰来描述；

清音不具备共振峰特点。

三、实验结果

1短时谱

图2.1短时谱

2语谱图

图2.2语谱图

3倒谱和复倒谱

图3、4是加矩形窗和汉明窗的倒谱图和复倒谱图,图中横轴的单位是Hz，纵轴的单位是dB。

图2.4加矩形窗时的倒谱和复倒谱图

图2.3加汉明窗时倒谱和复倒谱图

4基因周期和共振峰估计

图2.5倒谱图

分析第15帧其中第一峰值出现在第2个样点，窗长为512（64ms），抽样频率为11KHz，说明基因频率就在这个点上，其基因频率为5.5KHz，基音周期为0.182ms。

四、附录（参考程序）

1）短时谱

clear

subplot（2,1,1）,

plot（a）;

title（'

originalsignal'

grid

N=256;

h=hamming（N）;

form=1:

N

b（m）=a（m）*h（m）

end

y=20*log（abs（fft（b）））

subplot（2,1,2）

plot（y）;

短时谱'

2）语谱图

[x,fs,nbits]=wavread（'

）

specgram（x,512,fs,100）;

xlabel（'

时间（s）'

ylabel（'

频率（Hz）'

语谱图'

3）倒谱和复倒谱

（1）加矩形窗时的倒谱和复倒谱

clear

[4000,4350]）;

N=300;

b（m）=a（m）*h（m）;

c=cceps（b）;

c=fftshift（c）;

d=rceps（b）;

d=fftshift（d）;

subplot（2,1,1）

plot（d）;

加矩形窗时的倒谱'

plot（c）;

加矩形窗时的复倒谱'

（2）加汉明窗时的倒谱和复倒谱

加汉明窗时的倒谱'

加汉明窗时的复倒谱'

实验三基于MATLAB的LPC分析

线性预测分析是最有效的语音分析技术之一，在语音编码、语音合成、语音识别和说话人识别等语音处理领域中得到了广泛的应用。

语音线性预测的基本思想是：

一个语音信号的抽样值可以用过去若干个取样值的线性组合来逼近。

通过使实际语音抽样值与线性预测抽样值的均方误差达到最小，可以确定唯一的一组线性预测系数。

采用线性预测分析不仅能够得到语音信号的预测波形，而且能够提供一个非常好的声道模型。

如果将语音模型看作激励源通过一个线性时不变系统产生的输出，那么可以利用LP分析对声道参数进行估值，以少量低信息率的时变参数精确地描述语音波形及其频谱的性质。

此外，LP分析还能够对共振峰、功率谱等语音参数进行精确估计，LP分析得到的参数可以作为语音识别的重要参数之一。

由于语音是一种短时平稳信号，因此只能利用一段语音来估计模型参数。

此时有两种方案：

一种是将长的语音序列加窗，然后对加窗语音进行LP分析，只要限定窗的长度就可以保证分析的短时性，这种方案称为自相关法；

另一种方案不对语音加窗，而是在计算均方预测误差时限制其取和区间，这样可以导出LP分析的自协方差法。

本实验要求掌握LPC原理，会利用已学的知识，编写程序估计线性预测系数以及LPC的推演参数，并能利用所求的相关参数估计语音的端点、清浊音判断、基因周期、共振峰等。

1LP分析基本原理

LP分析为线性时不变因果稳定系统V（z）建立一个全极点模型，并利用均方误差准则，对已知的语音信号s（n）进行模型参数估计。

如果利用P个取样值来进行预测，则称为P阶线性预测。

假设用过去P个取样值

的加权之和来预测信号当前取样值

，则预测信号

为：

（1）

其中加权系数用

表示，称为预测系数，则预测误差为:

（2）

要使预测最佳，则要使短时平均预测误差最小有：

（3）

（4）

令

（5）

最小的

可表示成：

（6）

显然，误差越接近于零，线性预测的准确度在均方误差最小的意义上为最佳，由此可以计算出预测系数。

通过LPC分析，由若干帧语音可以得到若干组LPC参数，每组参数形成一个描绘该帧语音特征的矢量，即LPC特征矢量。

由LPC特征矢量可以进一步得到很多种派生特征矢量，例如线性预测倒谱系数、线谱对特征、部分相关系数、对数面积比等等。

不同的特征矢量具有不同的特点，它们在语音编码和识别领域有着不同的应用价值。

2自相关法

在最佳线性预测中，若用下式定义的时间平均最小均方准则代替（3）式的集合平均最小均方准则，即令

（7）

事实上就是短时自相关函数，因而

（9）

根据平稳随机信号的自相关性质，可得

（10）

由（6）式，可得：

（11）

综上所述，可以得到如下矩阵形式：

（12）

值得注意的是，自相关法在计算预测误差时，数据段

的两端都需要加P个零取样值，因而可造成