用MATLAB實現(xiàn)語音信號的時域分析.doc

實驗一、用MATLAB實現(xiàn)語音信號的時域分析1. 實驗?zāi)康挠^察并驗證語音信號的時域特性，理解并掌握典型的語音信號時域分析方法和時域特征，為深入學(xué)習(xí)語音信號處理的各種應(yīng)用奠定基礎(chǔ)。2. MATLAB程序代碼（1） 由麥克風(fēng)采集語音數(shù)據(jù)，將采集的數(shù)據(jù)存成WAV文件（采樣率為8000Hz），存在本人的文件夾中。所用程序代碼為：clear;close all;Fs=8000;y=wavrecord(5*Fs,Fs,double);wavwrite(y,f:a);soundview(y,Fs,name) （2）讀取WAV文件，顯示語音信號的波形。所用程序代碼為：x = wavread(f:a.wav);figure;plot(x);axis(0,size(x,1),-0.35,0.3); %坐標(biāo)軸范圍title(語音信號時域波形);xlabel(樣點數(shù)); ylabel(幅度);（3） 讀取WAV文件，計算并顯示語音的短時能量（窗函數(shù)為矩形窗，幀長為20）。所用程序代碼為：x = wavread(f:a.wav); x = double(x);f = enframe(x,20, 100); energy = sum(abs(f), 2); subplot(2,2,1);plot(x); axis(0,size(x,1),-0.7,0.9);title(語音信號時域波形);xlabel(樣點數(shù)); ylabel(幅度);subplot(2,2,2);plot(energy); title(語音信號的短時能量); legend(幀長LEN = 20);f = enframe(x,20, 200); energy = sum(abs(f), 2); subplot(2,2,3);plot(energy); title(語音信號的短時能量); legend(幀長LEN = 100);f = enframe(x,20, 400); energy = sum(abs(f), 2); subplot(2,2,4);plot(energy); title(語音信號的短時能量); legend(幀長LEN = 200); （4）讀取WAV文件，計算并顯示語音的短時過零率（窗函數(shù)為矩形窗，幀長為256，幀移為128），所用程序代碼為：x = wavread(f:a.wav); x = double(x);LEN =100;INC=100;f = enframe(x, LEN, INC); %分幀% 計算短時過零率z = zeros(size(f,1),1); difs =0.01; for i=1:size(f,1)s=f(i,:); for j=1:(length(s)-1)if s(j)* s(j+1)difs; z(i)= z(i)+1;endendendsubplot(2,1,1); plot(x); axis(0,size(x,1),-0.35,0.3);title(語音信號時域波形); xlabel(樣點數(shù)); ylabel(幅度);subplot(2,1,2);plot(z); title(語音信號的短時過零率);xlabel(幀數(shù)); ylabel(短時過零率);（5） 讀取WAV文件，當(dāng)窗函數(shù)為矩形窗、幀長為20時，計算一幀濁音的短時自相關(guān)函數(shù)所用的程序代碼為： x = wavread(f:a.wav); x = double(x);LEN = 100;INC= 100;f = enframe(x, LEN, INC); ff=f(72,:); %選取一幀濁音信號 ff=ff.*rectwin(length(ff); % 計算短時自相關(guān)N=LEN; R=zeros(1,N);for k=1:NR(k)= sum(ff(k:N).*ff(1:N-k+1);endfor k=1:NR1(k)= R(k)/R(1); endsubplot(2,1,1);plot(ff); axis(0,N,-0.5,0.5)title(加矩形窗的語音幀); xlabel(樣點數(shù)); ylabel(幅度);subplot(2,1,2); plot(R1); axis(0,N,-1,1)title(加矩形窗的短時自相關(guān)函數(shù)); xlabel(k); ylabel(R(k);3. 實驗結(jié)果及其分析（1） 本實驗利用8000Hz的采樣頻率對輸入的語音信號進行采樣，采樣點數(shù)為40000個，持續(xù)時間為4秒，存儲格式為double。之后將數(shù)字語音數(shù)據(jù)寫入F盤的a.wav文件，這段波形是讀音為ke的波形，并通過放音設(shè)備進行回放?；胤诺腉UI界面如圖1所示，通過該界面可以觀察采集的語音信號。圖1 用soundview函數(shù)顯示的語音信號（2）本實驗將L盤的a.wav文件讀取出來，并顯示文件中的語音信號波形，顯示的波形如圖2所示。該波形是漢語拼音“ke”的時域波形。從圖2可以看出，K是清音，它的波形峰值較低；e是濁音，它的波形峰值較高。圖2 語音“ke”的時域波形（3） 本實驗將L盤的a.wav文件讀取出來，當(dāng)幀長取不同值時計算語音信號的短時能量，如圖3所示。從圖3可以看出，濁音短時能量大，短時平均幅度大，短時過零率低，濁音具有較強的能量值，音段內(nèi)隱藏信息的能力高。清音短時能量小，短時平均幅度小，能量值較低，音段內(nèi)隱藏信息的能力較低；圖3 不同幀長對應(yīng)的短時能量（4）本實驗首先讀取a.wav中的語音數(shù)據(jù)，之后計算每一幀的短時過零率，最后將原始語音信號和短時過零率顯示出來，如圖4所示。從圖4可以看出，清音的過零率較高，濁音的過零率較低。圖4 短時過零率（5）本實驗首先讀取a.wav中的語音數(shù)據(jù)，之后對數(shù)據(jù)進行分幀加窗處理，幀長為256，幀移為128。選取其中的一幀濁音（第*幀）并計算這幀的短時自相關(guān)函數(shù)。當(dāng)窗函數(shù)分別為矩形窗和漢明窗時，截取的語音信號和短時自相關(guān)函數(shù)如圖5和圖6所示。從圖5和圖6可以看出，矩形窗能夠比漢明窗更明顯的顯示出第一個峰值。當(dāng)窗函數(shù)為矩形窗，不同幀長（幀移=幀長）的一幀濁音對應(yīng)的短時自相關(guān)函數(shù)如圖7和圖8所示。從圖7和圖8可以看出，幀長越長，越容易區(qū)分其最大值。當(dāng)窗函數(shù)為矩形窗，幀長為256，幀移為128，選取一幀清音，獲得的短時自相關(guān)函數(shù)如圖9所示。從圖5和圖9可以看出，濁音具有明顯的周期性，清音無明顯周期。圖5 加矩形窗的短時