声音信号的分析处理.docx

声音信号的分析处理.docx

《声音信号的分析处理.docx》由会员分享，可在线阅读，更多相关《声音信号的分析处理.docx（18页珍藏版）》请在冰豆网上搜索。

声音信号的分析处理

《信号与系统》课程设计

语音信号的分析和处理

学院：

通信与信息工程学院

班级：

2010012030班

学生：

李雷（2010012030018）

阚姗蕾（2010012030037）

指导教师：

崔琳莉

2011年12月19日

一、摘要

声音是由物体的振动产生，以声波的形式在介质中传播，介质主要可分为固体，液体以及气体。

声波振动内耳的听小骨，这些振动被转化为微小的电子脑波，它就是我们觉察到的声音。

内耳采用的原理与麦克风捕获声波或扬声器的发音一样，它是移动的机械部分与气压波之间的关系。

在国际标准中，人声的频率范围是300Hz~3400Hz，不同的人或乐器产生的声音频率不一致，通过对声音信号的研究能够更好的处理声音信号的处理以及传输。

Matlab作为一款主要面对科学计算、可视化以及交互式程序设计的高科技计算软件，能够很好的完成对声音信号的分析和处理，快速的得出声音信号的时域图以及频域图。

关键字：

声音频率时域图频域图Matlab

Soundcomesfromtheshakeofobjectsandspreadsintheformofwavesinmediumconsistsofsolid,liquidandgas.Soundwavesshaketheossiclesintheears,transformedintofinalelectronicbrainwavesandthenwehearthesound.Theprincipletheearworkswhichisthesameastheprinciplethemicrophoneandthespeakerworks,isusingtherelationbetweenmechanicalpartandbarometricwave.InISO,thefrequencydomainisfrom300Hzto3400Hz,differsindifferentpeopleandmusicalinstruments.Thestudyofthesoundsignalhelptobetterdealwiththesignals.Asasoftwaremajorinscientificcalculation,Matlabisvisualandinteractive.Itiscapableofperfectlyfinishingtheanalysisanddisposeofthesoundsignalbysketchingthetimedomainfigureandfrequencydomainfigure.

Keywords:

sound,frequency,timedomainfigure,frequencydomainfigure,Matlab

二、实验要求

通过MATLAB的函数wavread（）可以读入一个.wav格式的音频文件，并将该文件保存到指定的数组中。

例如下面的语句（更详细的命令介绍可以自己查阅MATLAB的帮助）中，将.wav读入后存放到矩阵y中。

y=wavread（'SpecialEnglish.wav'）;

对于单声道的音频文件，y只有一行，即一个向量；对于双声道的音频文件，y有两行，分别对应了两个声道的向量。

我们这里仅对一个声道的音频进行分析和处理即可。

注意：

.wav文件的采样频率为44.1KHz，采样后的量化精度是16位，不过我们不用关心其量化精度，因为在MATLAB读入后，已将其转换成double型的浮点数表示。

在获得了对应音频文件的数组后，我们可以对其进行一些基本的分析和处理。

可以包括：

1、对语音信号进行频域分析，找到语音信号的主要频谱成分所在的带宽，验证为何电话可以对语音信号采用8KHz的采样速率。

2、分析男声和女声的差别。

我们知道男声和女声在频域上是有些差别的，一般大家都会认为女声有更多高频的成分，验证这种差别。

同时，提出一种方法，能够对一段音频信号是男声信号、还是女声信号进行自动的判断。

3、语音与乐器音频的差别。

比较语音信号与乐器音频信号的差别，尤其是在频域上的差别。

4、.wav文件的采样速率为44.1KHz，仍然远远高于我们通常说的语音信号需要的频谱宽度，例如在电话对语音信号的采样中，我们仅仅使用8KHz的采样速率。

对读入的音频数据进行不同速率的降采样，使用wavplay（）命令播放降采样后的序列，验证是否会对信号的质量产生影响。

降采样的方法很简单，例如命令y=wavread（'SpecialEnglish.wav'）;将语音文件读入后保存在向量y中，这时对应的采样频率为44.1KHz。

使用y1=y（1:

2:

length（y））命令，就可以将原序列y每隔1个采样后放入序列y1中，这时y1序列对应的采样频率即为22KHz。

5、自己下载获得一段中文语音信号（可以使用诸如“千千静听”等工具将.mp3文件转换成.wav文件），对中文语音与英文语音进行比较。

三、实验内容

3.1、对语音信号进行频域分析，找到语音信号的主要频谱成分所在的带宽，验证为何电话可以对语音信号采用8KHz的采样速率。

对声音信号

的频谱图进行分析，使用Matlab绘制该语音信号的频谱图，观察频谱图，读出声音信号的频率范围，由采样定理可知，如果需要重建声音信号

，需产生一个周期冲激串，其冲激幅度就是采样得到的样本值，将该冲激串通过一个增益为T，截止频率为

，而小于

的理想低通滤波器，该低通滤波器的输出就是

。

使用Matlab中的快速傅里叶变换（fft），绘制出声音文件

的时域图和频域图，对频域图进行分析，观察可得声音信号

的主要频率范围为200Hz~1800Hz，根据采样定理可得，采样频率应不小于3600Hz，故电话使用8kHz的采样频率能保证声音无失真采样及恢复。

程序代码：

[x,fs,bits]=wavread（'相声.wav'）;%将原声音信号转化为字符串%

subplot（211）;

plot（x）;%绘制声音信号的时域图%

title（'时域分析图'）;

subplot（212）;

y=fft（x,fs）;

df=fs/length（y）;

fx=df*（0:

length（y）-1）;%将横坐标转化为频率值%

plot（fx,abs（y））;%绘制声音信号的频谱图%

axis（[080000500]）;

title（'频域分析图'）;

3.2、分析男声和女声的差别。

我们知道男声和女声在频域上是有些差别的，一般大家都会认为女声有更多高频的成分，验证这种差别。

同时，提出一种方法，能够对一段音频信号是男声信号、还是女声信号进行自动的判断。

首先，我们选择了普通的男生和女生分别演唱同一首歌，用matlab分别绘出两段声音信号的频谱图,从图中可以看出，男生的声音频率主要分布在200Hz~800Hz,女生的声音频率主要分布在300Hz~1800Hz,女生的声音高频成分较多。

这是因为，声波是由物体振动产生的机械波，男人声带宽而厚，振动频率低；女人声带窄而薄，振动频率高。

而我们平时所感受得男生声音低沉，女生声音尖细，则是由于发声时男女声带的振动频率的高低不同，所以男女音调的高低不同。

使用Matlab对男声女声的声音信号在不同频率的分布比例进行分析，运行程序后可得出，在低频范围（150Hz~1000Hz）内

男声低频比例n1=9.5343e-006女声低频比例n2=8.6394e-006

在高频范围（1000Hz~1800Hz）内

男声高频比例m1=7.5965e-006女声高频比例m2=8.2355e-006

以上的数据计算进一步验证了女声频率较高的假设，我们可以通过这种计算来分辨男声女声。

程序代码：

%画男生声音、女生声音的频谱图

y1=wavread（'lu_ll.wav'）;

Fs=44100;%采样频率%

yt1=fft（y1）;%傅里叶变换%

df=Fs/length（yt1）;

Fx=df*（0:

length（yt1）-1）;%将横轴变为频率轴%

figure

（1）

subplot（211）;%subplot将图像画在一张图上%

plot（y1）;title（'男声时域波形'）;%画语音信号的时域波形%

subplot（212）;

plot（Fx,abs（yt1））;axis（[010000010000]）;

title（'男声频谱图'）;xlabel（'频率/Hz'）;

y2=wavread（'lu_ksl.wav'）;

Fs=44100;%采样频率%

yt2=fft（y2）;%傅里叶变换%

df=Fs/length（yt2）;

Fx=df*（0:

length（yt2）-1）;%将横轴变为频率轴%

figure

（2）

subplot（211）;%subplot将图像画在一张图上%

plot（y2）;title（'女声时域波形'）;%画语音信号的时域波形%

subplot（212）;

plot（Fx,abs（yt2））;axis（[01000005000]）;

title（'女声频谱图'）;xlabel（'频率/Hz'）;

%计算男生和女生信号中高频和低频信号所占的比例：

[y1Fs]=wavread（'lu_ll.wav'）;y1=y1（:

1）;

yt1=fft（y1）;

[y2Fs]=wavread（'lu_ksl.wav'）;y2=y2（:

1）;

yt2=fft（y2）;

sum1=0;

fori=200:

1000%计算男声的低频比例%

sum1=sum1+abs（yt1（i））;

end

sum=0;

fori=1:

length（yt1）

sum=sum+abs（yt1（i））;

end

n1=sum1/sum;

sum1%低频信号量

sum%总信号量

n1%比例

sum1=0;

fori=200:

1000%计算女声的低频比例%

sum1=sum1+abs（yt2（i））;

end

sum=0;

fori=1:

length（yt2）

sum=sum+abs（yt2（i））;

end

n2=sum1/sum;

sum1

sum

n2

%高频%

sum1=0;

fori=3000:

3800%计算男声的高频比例%

sum1=sum1+abs（yt1（i））;

end

sum=0;

fori=1:

length（yt1）

sum=sum+abs（yt1（i））;

end

m1=sum1/sum;

sum1

sum

m1

sum1=0;

fori=3000:

3800%计算女声的高频比例%

sum1=sum1+abs（yt2（i））;

end

sum=0;

fori=1:

length（yt2）

sum=sum+abs（yt2（i））;

end

m2=sum1/sum;

sum1

sum

m2

3.3、语音与乐器音频的差别。

比较语音信号与乐器音频信号的差别，尤其是在频域上的差别。

我们找了五种不同的乐器演奏的《梁祝》，试图不仅分析语音信号和乐器音频信号的差别，还要分析不同乐器音频信号的差别。

使用狸窝软件进行时间截取和格式转换，分析得到频谱如下：

对于乐器来说，低频段表示音色的丰满度，高频段表示音色的明亮度。

从图中可以看出，古筝的泛音较强，这印证了我们听觉的感受，钢琴和笛子的频谱主要集中在500~1000Hz的低频范围内，音色最为丰满，它们的主要区别在于钢琴泛音较多。

相比于前面所绘制的语音信号的频谱，乐器在某些频率点的小范围内会形成一个冲击，所以声音会比较有冲击力。

并且，乐器有基音和泛音，而人声没有泛音，所以会产生乐器声悠扬的效果。

程序代码：

y1=wavread（'笛子_0.wav'）;

y2=wavread（'钢琴_0.wav'）;

y3=wavread（'小提琴_0.wav'）;

y4=wavread（'萨克斯_0.wav'）;

y5=wavread（'古筝_0.wav'）;

Fs=44100;%采样频率%

yt1=fft（y1）;%傅里叶变换%

yt2=fft（y2）;

yt3=fft（y3）;

yt4=fft（y4）;

yt5=fft（y5）;

df1=Fs/length（yt1）;

Fx1=df1*（0:

length（yt1）-1）;

df2=Fs/length（yt2）;

Fx2=df2*（0:

length（yt2）-1）;

df3=Fs/length（yt3）;

Fx3=df3*（0:

length（yt3）-1）;

df4=Fs/length（yt4）;

Fx4=df4*（0:

length（yt4）-1）;

df5=Fs/length（yt5）;

Fx5=df5*（0:

length（yt5）-1）;

figure

（1）

plot（Fx1,abs（yt1））;axis（[08000010000]）;

title（'笛子频谱图'）;xlabel（'频率/Hz'）;

figure

（2）

plot（Fx2,abs（yt2））;axis（[08000010000]）;

title（'钢琴频谱图'）;xlabel（'频率/Hz'）;

figure（3）

plot（Fx3,abs（yt3））;axis（[08000010000]）;

title（'小提琴频谱图'）;xlabel（'频率/Hz'）;

figure（4）

plot（Fx4,abs（yt4））;axis（[08000010000]）;

title（'萨克斯频谱图'）;xlabel（'频率/Hz'）;

figure（5）

plot（Fx5,abs（yt5））;axis（[08000010000]）;

title（'古筝频谱图'）;xlabel（'频率/Hz'）;

3.4、.wav文件的采样速率为44.1KHz，仍然远远高于我们通常说的语音信号需要的频谱宽度，例如在电话对语音信号的采样中，我们仅仅使用8KHz的采样速率。

对读入的音频数据进行不同速率的降采样，使用wavplay（）命令播放降采样后的序列，验证是否会对信号的质量产生影响。

使用Matlab对声音信号进行降采样，分别把声音信号的采样频率将为原采样频率的1/2，1/5，1/10。

当采样频率为原信号采样频率的1/2时，声音与原声音无明显变化，观察频谱图，亦无明显变化；当采样频率为原信号采样频率的1/5时，声音与原声音相比有差别，观察频谱图，发现频谱图变化很大；当采样频率为原信号采样频率的1/10时，声音与原声音相比已明显失真，信号内容不可辨别，观察频谱图，频谱图已完全不一致，降采样后的信号失真严重。

结论：

当采样频率越低时，采样得到的声音信号的音质将降低。

程序如下：

[x,fs,bits]=wavread（'星空的旋律.wav'）;%将声音信号采样称字符串%

fs%声音x（t）信号频率%

x1=x（1:

2:

length（x））;%对原声音信号进行1/2降采样%

x2=x（1:

5:

length（x））;%对原声音信号进行1/5降采样%

x3=x（1:

10:

length（x））;%对原声音信号进行1/10降采样%

subplot（411）;

%wavplay（x,fs）;%播放原声音信号%

y=fft（x,fs）;

df=fs/length（y）;

fx=df*（0:

length（y）-1）;

plot（fx,abs（y））;%绘制原声音信号的频谱分析图%

axis（[080000500]）;

title（'原声音频谱分析图'）;

subplot（412）;

%wavplay（x1,fs/2）;%播放1/2降采样声音信号%

y1=fft（x1,fs/2）;

df=fs/length（y1）;

fx=df*（0:

length（y1）-1）;

plot（fx,abs（y1））;%绘制1/2降采样后信号的频谱分析图%

axis（[080000500]）;

title（'采样频率为原信号的1/2频谱分析图'）;

subplot（413）;

%wavplay（x2,fs/5）;%播放1/10降采样声音信号%

y2=fft（x2,fs/5）;

df=fs/length（y2）;

fx=df*（0:

length（y2）-1）;

plot（fx,abs（y2））;%绘制1/5降采样后信号的频谱分析图%

axis（[080000500]）;

title（'采样频率为原信号的1/5频谱分析图'）;

subplot（414）;

%wavplay（x3,fs/10）;%播放1/10降采样声音信号%

y3=fft（x3,fs/10）;

df=fs/length（y3）;

fx=df*（0:

length（y3）-1）;

plot（fx,abs（y3））;%绘制1/10降采样后信号的频谱分析图%

axis（[080000500]）;

title（'采样频率为原信号的1/10频谱分析图'）;

四、实验结论

在实验开始的时候，使用录音软件（AdobeAudition）录制所需的男声女声，同时，在各大音乐网站下载所需的音频文件，但是一般下载到的只有.mp3格式的音频文件，故使用狸窝全能视频转换器将.mp3文件或其他格式的音频文件转化为.wav格式的音频文件。

使用Matlab对下载到的音频文件（相声.wav）进行时域分析和频域分析，并绘制相应的时域图和频域图，时域图可以显示幅值与时间的关系，频域图可以显示幅值与频率的关系。

对绘制频域图进行解读，该文件的主要频率范围为200Hz~1800Hz，通过查阅文献得知，人声的主要范围为200Hz~3400Hz，根据采样定理可得，电话使用8kHz的采样频率，能保证人声无失真恢复。

在对男声女声的差异分析中，使用自己录制的男声（lu_ll.wav）和女声（lu_ksl.wav），分别绘制男声女声的频谱图，再分别计算男声女声在低频范围和高频范围内的比重。

分析男声的频谱图可以发现，男声的主要频率范围为200Hz~800Hz，女声的主要频率范围为300Hz~1800Hz，对实验数据分析发现，男声的频率要普遍低于女声。

将人声与乐器的声音进行比较发现，乐器在某些频率点的小范围内会形成一个冲击，所以声音会比较有冲击力。

并且，乐器有基音和泛音，而人声没有泛音，所以会产生乐器声悠扬的效果。

对原声音信号分别进行1/2,1/5,1/10降采样，发现采样频率越低，采样得到的声音信号的音质越差。

五、参考文献

[1]Alan.V.Oppenheim，SignalandSystem，电子工业出版社，2009.

[2]数学实验讲义，电子科技大学出版社，2010.

[3]刘树棠，《信号与系统》计算机练习——利用MATLAB，西安交通大学出版社，2006.

[4]谢云荪，数学实验，科学出版社，1999.

[5]苏金明，MATLAB实用教程，电子工业出版社，2005.

[6]徐全智，概率论与数理统计，高等教育出版社,2004.

[7]杨克昌，计算机程序设计典型例题精解，国防科技大学出版社，1999.

（2） 

（3）

【结果分析】 

男声频谱高于女声频谱。

 【自主学习内容】 

基频改变方法，频谱线性插值的实现，时间长度的归整。

【阅读文献】 

[1].陈后金.信号与系统[M].高等教育出版社，2010:

245-250。

[2].XX文库。

【发现问题】 

只通过改变频率来实现男女声转换是否可以？

 【问题探究】 

若只改变频率，可以在一定程度上实现男女声的转换，但是改变频率后，音频的播放时长也会发生改变，听起来播放速度会有所不同，频率改变越大，速度越大。

我们可以通过在中间改变频率，同时对时长进行归整，保证播放速度和原音频基本一致。