语音信号处理实验讲义

sum=0;
for m=1:N
sum=sum+b1(m)*b1(m+k-1);
end
A(k)=sum;
end
for k=1:320
A1(k)=A(k)/A(1);
end
%画图
figure(1)
subplot(3,1,1)
plot(A1);
xlabel('延时k')
ylabel('R(k)')
legend('N=320')
e=fra(256,128,x);
ee=e(20,:);
subplot(2,2,1)
ee1=ee/max(ee);
plot(ee1)
xlabel('样点数')
ylabel('幅度')
title('原始语音')
axis([0,256,-1.5,1.5])
%矩形窗傅立叶变换
r=fft(ee,1024);
axis([0,320,-0.5,1])
图2-2 修正的自相关函数（参加自相关运算的点数N取不同值）
四、思考题
1、自相关函数的作用是什么？互相关函数的作用是什么？
2、浊音信号分别加矩形窗和汉明窗时自相关函数有什么不同？
3、清音信号的自相关函数和浊音信号的有什么区别？
实验三语音信号频域特征分析
一、实验目的
plot(s2)
title('一帧语音信号');
xlabel('样点数');
ylabel('幅度');
axis([0,320,-1,1]);
subplot(3,1,2)
plot(A1)
title('加矩形窗的自相关函数')
xlabel('延时k')
ylabel('自相关函数R(k)')
axis([0,320,-1,1]);
sum=0;
for m=1:N-k+1
sum=sum+s1(m)*s1(m+k-1);
end
A(k)=sum
end
for k=1:320
A1(k)=A(k)/A(1);
end
f=zeros(1,320);
n=1,j=1;
while j<=320
f(1,j)=x(n)*[0.54-0.46*cos(2*pi*n/319)];
j=j+1;
n=n+1;
end
B=[];
for k=1:320
sum=0;
for m=1:N-k+1
sum=sum+s1(m)*s1(m+k-1);
end
B(k)=sum
end
for k=1:320
B1(k)=B(k)/B(1);
end
%画图
s2=s1/max(s1);
figure(1)
subplot(3,1,1)
axis([0,320,-0.5,1])
%窗长320，自相关运算取160个点。
b2=b(1:320);
N=160;
A=[];
for k=1:160
sum=0;
for m=1:N
sum=sum+b2(m)*b2(m+k-1);
end
B(k)=sum;
end
for k=1:160
B1(k)=B(k)/B(1);
title('加矩形窗时语音谱')
axis([0,4000,-80,15])
三、实验内容
1、根据给出的浊音语音，画出它分别加矩形窗和汉明窗的时域波形和短时频谱。
%函数文件fra.m，对语音信号进行帧长为frame，重叠为shift的分帧
function output=fra(frame,shift,x)
len=length(x);
frame_num=floor((len-frame)/shift)+1;
(1)N=320,M=640;
(2)N=160,M=320;
(3)N=70,M=140;
[x,fs,nbits]=wavread('speech_dsp.wav');
s1=x(2500:3140);
b=s1;
%窗长640，自相关运算取320个点。
b1=b(1:640);
N=320;
A=[];
for k=1:320
axis([0,25,-0.4,1.2])
r=fft(g,1024);
r1=abs(r);
ห้องสมุดไป่ตู้yuanlai=20*log10(r1);
signal(1:64)=yuanlai(1:64);
pinlv=(0:1:63)*8000/512;
subplot(1,2,2)
plot(pinlv,signal);
w=round(44*sr/1000);
n=w;
shift=w/2;
h=w-shift;
%win=hanning(n)';
win=hamming(n)';
c=1;
ncols=1+fix((s-n)/h);
d=zeros((1+n/2),ncols);
for b=0:h:(s-n)
u=win'.*x((b+1):(b+n));
t=fft(u);
d(:,c)=t(1:(1+n/2));
c=c+1;
end
tt=[0:h:(s-n)]/sr;
ff=[0:(n-2)]*sr/n;
imagesc(tt/1000,ff/1000,20*log10(abs(d)));
colormap(gray);
axis xy
xlabel('时间/s')
ylabel('频率/kHz')
图1-2 语谱图
四、思考题
1、声门激励脉冲信号是高频衰减的还是高频增强的？
2、画语谱图时为什么要给语音信号加汉明窗？若加矩形窗会有什么区别？
3、在语谱图上观察，浊音信号的和清音信号的频谱有什么区别？
实验二语音信号时域特征分析
一、实验目的
1、了解自相关函数及自相关函数在语音信号处理中的应用。
r1=abs(r);
r1=r1/max(r1);
yuanlai=20*log10(r1);
signal(1:512)=yuanlai(1:512);
pinlv=(0:1:511)*8000/1024;
subplot(2,2,2)
plot(pinlv,signal);
xlabel('频率/Hz')
ylabel('对数幅度/dB')
这里c是一个常数，T是脉冲持续时间。周期的三角波脉冲还得跟单位脉冲串的z变换相乘：
这就是整个激励模型， 是一个幅值因子。
2、声道模型
当声波通过声道时，受到声腔共振的影响，在某些频率附近形成谐振。反映在信号频谱图上，在谐振频率处其谱线包络产生峰值，把它称为共振峰。
一个二阶谐振器的传输函数可以写成
实践表明，用前3个共振峰代表一个元音足够了。对于较复杂的辅音或鼻音共振峰要到5个以上。多个 叠加可以得到声道的共振峰模型
subplot(3,1,3)
plot(B1)
title('加汉明窗的自相关函数')
xlabel('延时k')
ylabel('自相关函数R(k)')
axis([0,320,-1,1]);
图2-1浊音信号加不同窗时的自相关函数
2、仍选取上题中的语音信号，改变窗长和截取语音段的长度，计算修正的短时自相关函数。取值分别为：
xlabel('频率/Hz')
ylabel('幅度/dB')
axis([0,620,0,30])
图1-1 三角波及其频谱
2、给出语音段“数字信号处理”（speech.wav），画出它的语谱图。
clear all;
[x,sr]=wavread('speech_dsp.wav');
s=length(x);
时域离散确定信号的自相关函数定义为：
对于语音信号来说，采用短时分析方法，可以定义短时自相关函数为
因为 ，所以
定义 ，则上式可以写成
如果长基音周期用窄的窗，将得不到预期的基音周期；但是如果短的基音周期用长的窗，自相关函数将对多个基因周期做平均计算，从而模糊语音的短时特性，这是不希望的。为了解决这个问题，可以采用修正的短时自相关函数，选择的窗长不一定要等于自相关函数的最大自变量取值。这种方法可以采用较窄的窗，同时避免了短时自相关函数随k增加而衰减的不足。
2、编写程序分析语音信号的短时自相关特征，计算语音信号的基音周期。
3、编写修正短时自相关函数的程序，并与未修正的函数进行比较。
二、实验原理
自相关函数用于衡量信号自身时间波形的相似性。由前面的讨论可知，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，杂乱无章，样点间的相似性较差，这样，可以用短时自相关函数来测定语音的相似特性。
语音信号处理实验讲义
编写人：蔡萍
时间：2011-12
实验一 语音信号生成模型分析
一、实验目的
1、了解语音信号的生成机理，了解由声门产生的激励函数、由声道产生的调制函数和由嘴唇产生的辐射函数。