电话按键音的识别Word下载.docx

电话按键音的识别Word下载.docx

《电话按键音的识别Word下载.docx》由会员分享，可在线阅读，更多相关《电话按键音的识别Word下载.docx（13页珍藏版）》请在冰豆网上搜索。

941

*

#

D

双音多频的拨号键盘是4×

4的矩阵，每一行代表一个低频，每一列代表一个高频。

用户每按一个键就发送一个高频和低频的正弦信号组合。

2.电话按键音识别

MATLAB中audioread函数可以实现多种音频信号的读取，调用形式为

[y,fs]=audioread（）

其中y为所读取的音频数据；

而fs为采样频率；

调用的为指定载入的音频文件名称。

用fft频谱分析公式

（1）

（2）

由公式

（1）和

（2）可得：

（3）

四．实验内容

本实验要实现电话拨号音（DTMF）信号的检测的识别，可以通过直接计算傅里叶变换时的输入信号组成的频率。

这里采用FFT算法对信号进行解码分析。

首先对接收到的数字信号作FFT分析。

计算出其频幅谱，继而得到功率谱，组成输入信号的频率必定对应功率谱的峰值。

对于连续的双音多频（DTMF）信号。

需要把有效的数字拨号信号从静音间隔中分割提取出来，然后再用FFT算法对信号进行解码分析，得出电话拨号码。

五、实验过程与分析

1.读取音频文件

利用MATLAB中audioread读取

[x,fs]=audioread（'

电话按键音.m4a'

）;

2.声道提取

电话按键音是双声道，本实验提取声道1进行分析：

x=x（:

1）；

3.端点提取

该按键音为一段连续的11位数字拨号音，分析时需要对它们分别进行处理，而这11位数字间的时间间隔一般情况是没有规律的，无法直接用for循环控制截取，而要是手动一段一段地进行截取，换一个音频信号就得再次重新截取，因此考虑到可能存在噪音的情况，基于短时能量和短时平均过零率来进行端点检测，实现端点的提取，对于不同的音频信号，只需要修改部分可变参数便可以适用。

4.分析

根据音频实际情况设置对应参数：

framelen=floor（fs*40/1000）;

%floor向下取整，帧长

frameinc=floor（fs*10/1000）;

%帧移

%进行分帧，每帧长framelength，

voice_min_len=15;

%最短语音长度150ms

%语音段的最短长度，若语音段长度小于此值（如果语音段中的静音帧数未超过此值，），则认为其为一段噪音

unvoice_min_len=5;

%结束段最小持续50ms

n3=0.05;

%过零率下限参数0.05

检测结果见图1

结果：

将11个检测到的号码音频左右端点提取出来

对信号进行fft变换后，得到的频谱是呈现对称的，在此截取前部分进行观察，得到频谱图如图2所示。

程序运行最终结果为：

Thetelephonenumberis:

图1端点检测结果图图2电话按键音fft频谱图

5.可靠性检验

自己录制一段拨号音，检验程序的可靠性，这里为了

为了验证程序的正确、可靠性，又分别录制了我自己手机号以及1234567890两段不同格式不同号码，在有噪声条件下的按键音，检验过程如下

（1）（.mp3格式）

参数设置同上

图3端点检测结果图图4电话按键音的fft频谱图

程序运行结果：

图5端点检测结果图图6电话按键音的fft频谱图

（2）1234567890（.ogg格式）

该音频录制时，有的按键音持续时间较短，需要对检测初始参数进行修改

修改参数：

voice_min_len=6;

%最短语音长度60ms

n3=0.02;

%过零率下限参数0.02

1234567890

经验证，该程序可行。

六、小结

1.原本想着，进行端点检测时考虑了噪声的影响进行滤波或许就不必要了，但是将滤波器加进程序后发现，对于不同的音频信号，程序有更好的适应性，端点检测结果的精确度居然也有所提高，不用再反复修改设置参数，然后就将滤波器加入程中了。

2.实验过程中，首先是手动截取11段数字音频验证号码可检测出来后，在进行端点检测的构思，最后考虑滤波。

3.通过本次实验，发现自己在MATLAB函数的应用与程序设计中仍有很大的进步空间。

4.有效的端点检测技术不仅能在语音识别系统中减少数据的采集量，节约处理时间，还能排除无声段或噪声段的干扰。

对于端点检测的程序，其原理经查阅资料明白一些，但不多，查阅到语音端点检测参考程序之后，对其进行了步骤增加、减少等操作，使其适合本实验，考虑到一些参数对于不同的音频需要做不同的改变，便将其提取到主程序中，方便修改。

5.在引用的端点检测代码原理不很了解情况下，结合本实验对其进行部分修改比较困难。

6.对于待检测信号的第一个数字滤波效果不好，未达到理想的效果。

7.先设计滤波器对信号进行滤波，滤去部分噪声，再设计考虑噪声的端点检测函数，相当于信号进行了双重滤波处理，是结果能够更加准确。

七、实验程序

（1）主程序：

%待检测数据

%[x,fs]=audioread（'

10月11日.mp3'

%检验号码

11_11_1.ogg'

%检验号码1234567890

1）;

%提取声道1

x=lv_bo_1（x,fs）;

sound（x,fs）;

%播放滤波后的音频

%%调整各参数

%最短语音长度60ms,150ms

%过零率下限参数0.02，0.05

%%end

[fan_wei]=vad（framelen,frameinc,x,fs,voice_min_len,unvoice_min_len,n3）;

%引用时注意修改函数vad中的最短语音长度

number='

'

;

figure

fori=1:

length（fan_wei）

y=x（fan_wei（i,1）:

fan_wei（i,2））;

n=0:

length（y）-1;

%建立一个信号等长的序列;

%=================频域图像==============================

N=length（y）;

%取信号矩阵的长度

FFT=fft（y,N）;

%N点傅里叶变换

mag=abs（FFT）/（N/2）;

%还原真实幅值

f=n*fs/N;

%频率序列

%

f=f（1:

fix（N/2））;

mag=mag（1:

%

subplot（3,4,i）%图2：

频谱图

%取l/2作图

plot（f,mag）;

axis（[6001700min（mag）max（mag）]）;

title（'

fft频谱图'

%标题：

xlabel（'

频率/Hz'

%标注横坐标

ylabel（'

幅度'

%标注纵坐标

gridon;

%打开网格线

%数字判断

a1=（697+770）/2;

a2=（770+852）/2;

a3=（852+941）/2;

a4=（1209+1336）/2;

a5=（1336+1477）/2;

a6=（1477+1633）/2;

if（f（mag==max（mag（f<

=1000）））<

a1）

if（f（mag==max（mag（f>

1100）））<

a4）

tel=1;

elseif（f（mag==max（mag（f>

a5）

tel=2;

a6）

tel=3;

else

tel='

A'

end

elseif（f（mag==max（mag（f<

a2）

tel=4;

tel=5;

tel=6;

B'

a3）

tel=7;

tel=8;

tel=9;

C'

*'

tel=0;

#'

D'

number=[number,num2str（tel）];

end

disp（['

'

number]）

（2）滤波器

function[f1]=lv_bo_1（x,fs）

%%双线性变换法设计Butterworth滤波器

t=0:

1/fs:

（size（x）-1）/fs;

Au=0.03;

d=（Au*cos（2*pi*10000*t））'

x2=x+d;

%数字滤波器指标fp=3Hz,fr=4Hz,Rp=1db,As=20db,fs=10Hz

wp=0.25*pi;

%通带边界频率（归一化）：

wp=fp*2*pi/fs

ws=0.3*pi;

%阻带边界频率（归一化）：

ws=fr*2*pi/fs

Rp=1;

%通带波纹

Rs=15;

%将模拟指标转换成数字指标

Fs=fs;

Ts=1/Fs;

%时域最小间隔，即时域分辨率

wp1=2/Ts*tan（wp/2）;

%模拟低通原型滤波器通带频率

ws1=2/Ts*tan（ws/2）;

%模拟低通原型滤波器阻带频率

[N,Wn]=buttord（wp1,ws1,Rp,Rs,'

s'

%选择滤波器的最小阶数

[Z,P,K]=buttap（N）;

%创建butterworth模拟滤波器

[Bap,Aap]=zp2tf（Z,P,K）;

[b,a]=lp2lp（Bap,Aap,Wn）;

%双线性变换得到分子和分母的系数向量bz,az

[bz,az]=bilinear（b,a,Fs）;

%用双线性变换法实现模拟滤波器到数字滤波器的转换

f1=filter（bz,az,x2）;

%进行滤波处理

（3）端点检测

function[fan_wei]=vad（a1,a2,x,fs,n1,n2,n3）

%归一化

x=double（x）;

x=x/max（abs（x））;

framelen=a1;

frameinc=a2;

y=enframe（x,hanning（framelen）,frameinc）;

%分帧

%计算短时间能量

amp=sum（abs（y）,2）;

%amp=sum（abs（enframe（filter（[1-0.9375],1,x）,framelen,frameinc））.^2,2）;

%计算过零率

tmp1=enframe（x（1:

length（x）-1）,framelen,frameinc）;

tmp2=enframe（x（2:

length（x））,framelen,frameinc）;

signs=（tmp1.*tmp2）<

0;

diffs=（tmp1-tmp2）>

n3;

zcr=sum（signs.*diffs,2）;

zcr=[zcr;

zcr（end）];

zcr_yu=0.2*mean（zcr）;

yuzhi=0.2*mean（amp）;

N=length（amp）;

forn=1:

N

ifamp（n）<

yuzhi||（zcr（n）<

zcr_yu）

continue;

kaitou=n;

break;

forn=N:

-1:

jiewei=n;

noise=[amp（1:

kaitou-1）;

amp（jiewei+1:

end）];

noise_mean=mean（noise）;

noise_var=std（noise）;

speech_mean=mean（amp（kaitou:

jiewei））;

%noise_mean

yuzhi1=0.3*speech_mean;

yuzhi2=max（0.3*speech_mean,（noise_mean+noise_var）*1.3）;

noise_zcr=[zcr（1:

zcr（jiewei+1:

noise_zcr_mean=mean（noise_zcr）;

noise_zcr_std=std（noise_zcr）;

speech_zcr_mean=mean（zcr（kaitou:

zcr_yu1=0.3*speech_zcr_mean;

zcr_yu2=max（0.3*speech_zcr_mean,（noise_zcr_mean+noise_zcr_std）*0.3）;

st=[];

en=[];

bstart_state=0;

bend_state=0;

segment=0;

unvoice=0;

voice_min_len=n1;

%最短语音长度70ms

unvoice_min_len=n2;

st_candicate=0;

en_candicate=0;

%%开始端点检测

fori=1:

if（（amp（i）>

=yuzhi2&

&

zcr（i）>

=zcr_yu1）&

~bstart_state）%findstart

bstart_state=1;

if（~st_candicate）

st_candicate=i;

segment=segment+1;

elseif（（amp（i）>

=yuzhi2||zcr（i）>

bstart_state）%

if（unvoice>

=unvoice_min_len）%

st=[st;

st_candicate];

en_candicate=en_candicate+unvoice_min_len-1;

en=[en;

en_candicate];

bend_state=1;

unvoice=0;

segment=0;

st_candicate=0;

else

segment=segment+1;

elseif（（amp（i）<

yuzhi2&

zcr（i）<

zcr_yu1）&

bstart_state）%

ifsegment>

=voice_min_len%

unvoice=unvoice+1;

if~bend_state%

en_candicate=i;

else%

bstart_state=0;

bend_state=0;

~bstart_state）%

if~st_candicate

st_candicate=i;

else%

end

if（unvoice>

=unvoice_min_len）%

（en_candicate+unvoice_min_len-1）];

if（segment>

=voice_min_len）%

N];

figure

（1）;

subplot（3,1,1）,plot（x）;

%原始语音波形

axis（[1,length（x）,-1,1]）;

ylabel（'

speech'

xlabel（'

样本点'

fork=1:

length（st）line（[st（k）*frameinc,st（k）*frameinc],[-1,1],'

linestyle'

'

:

color'

blue'

LineWidth'

2）;

line（[en（k）*frameinc,en（k）*frameinc],[-1,1],'

red'