语音信号处理实验报告4
语音信号处理实验报告.docx
在实验中，当P值增加到一定程度，预测平方误差的改善就不很明显了，而且会增加计算量，一般取为8~14，这里P取为10。
5.基音周期估计
①自互相关函数法
②短时平均幅度差法
二．实验过程
1. 系统结构
2.仿真结果
（1）时域分析
男声及女声（蓝色为时域信号，红色为每一帧的能量，绿色为每一帧的过零率）
某一帧的自相关函数
3.频域分析
①一帧信号的倒谱分析和FFT及LPC分析
②男声和女声的倒谱分析
③浊音和清音的倒谱分析
④浊音和清音的FFT分析和LPC分析（红色为FFT图像，绿色为LPC图像）
从男声女声的时域信号对比图中可以看出，女音信号在高频率分布得更多，女声信号在高频段的能量分布更多，并且女声有较高的过零率，这是因为语音信号中的高频段有较高的过零率。
2.频域分析
这里对信号进行快速傅里叶变换（FFT），可以发现，当窗口函数不同，傅里叶变换的结果也不相同。根据信号的时宽带宽之积为一常数这一性质，可以知道窗口宽度与主瓣宽度成反比，N越大，主瓣越窄。汉明窗在频谱范围中的分辨率较高，而且旁瓣的衰减大，具有频谱泄露少的有点，所以在实验中采用的是具有较小上下冲的汉明窗。
三．实验结果分析
1.时域分析
实验中采用的是汉明窗，窗的长度对能否由短时能量反应语音信号的变化起着决定性影响。这里窗长合适，En能够反应语音信号幅度变化。同时，从图像可以看出，En可以作为区分浊音和清音的特征参数。
短时过零率表示一帧语音中语音信号波形穿过横轴（零电平）的次数。从图中可以看出，短时能量和过零率可以近似为互补的情况，短时能量大的地方过零率小，短时能量小的地方过零率较大。从浊音和清音的时域分析可以看出，清音过零率高，浊音过零率低。
《语音信号处理》实验报告
.中南大学信息科学与工程学院语音信号处理实验报告指导老师：覃爱娜学生班级：信息0704学生名称：阮光武学生学好：0903070430提交日期：2010年6月18日实验一语音波形文件的分析和读取一、实验的任务、性质与目的本实验是选修《语音信号处理》课的电子信息类专业学生的基础实验。
通过实验：（1）掌握语音信号的基本特性理论：随机性，时变特性，短时平稳性，相关性等；（2）掌握语音信号的录入方式和*.WAV音波文件的存储结构；（3）使学生初步掌握语音信号处理的一般实验方法。
二、实验原理和步骤：WAV文件格式简介WAV文件是多媒体中使用了声波文件的格式之一，它是以RIFF格式为标准。
每个WAV文件的头四个字节就是“RIFF”。
WAV文件由文件头和数据体两大部分组成，其中文件头又分为RIFF/WAV文件标识段和声音数据格式说明段两部分。
常见的WAV声音文件有两种，分别对应于单声道（11.025KHz采样率、8Bit的采样值）和双声道（44.1KHz采样率、16Bit的采样值）。
采样率是指声音信号在“模拟→数字”转换过程中，单位时间内采样的次数；采样值是指每一次采样周期内声音模拟信号的积分值。
对于单声道声音文件，采样数据为8位的短整数（short int 00H-FFH）；而对于双声道立体声声音文件，每次采样数据为一个16位的整数（int），高八位和低八位分别代表左右两个声道。
WAV文件数据块包含以脉冲编码调制（PCM）格式表示的样本。
在单声道WAV文件中，道0代表左声道，声道1代表右声道；在多声道WAV文件中，样本是交替出现的。
WAV文件的格式见表1。
表1 wav文件格式说明表（1）选取WINDOWS下MEDIA中的任一WAV文件，采用播放器进行播放，观察其播放波形，定性描述其特征；（2）根据WAV文件的存储格式，利用MATLAB或C语言，分析并读取文件头和数据信息；（3）将文件的通道数、采样频率、样本位数和第一个数据读取并显示出来。
华南理工大学_语音信号实验四：MFCC特征提取
华南理⼯⼤学_语⾳信号实验四：MFCC特征提取华南理⼯⼤学《语⾳信号处理》实验报告实验名称：端点检测姓名：学号：班级：11级电信7班⽇期：2014年3 ⽉1.实验⽬的1、熟练运⽤MATLAB软件进⾏语⾳信号实验；2、熟悉短时分析原理、MFCC的原理；3、学习运⽤MATLAB编程进⾏MFCC的提取；4、学会利⽤短时分析原理提取MFCC特征序列；2. 实验原理MFCC：语⾳识别和说话⼈识别中，常⽤的语⾳特征是基于Mel频率的倒谱系数（即MFCC）。
MFCC参数是将⼈⽿的听觉感知特性和语⾳的产⽣机制相结合。
Mel频率可以⽤如下公式表⽰：在实际应⽤中，MFCC倒谱系数计算过程如下;①将信号进⾏分帧，预加重和加汉明窗处理，然后进⾏短时傅⾥叶变换并得到其频谱。
②求出频谱平⽅，即能量谱，并⽤M个Mel带通滤波器进⾏滤波；由于每⼀个频带中分量的作⽤在⼈⽿中是叠加的。
因此将每个滤波器频带内的能量进⾏叠加，这时第k个滤波器输出功率谱③将每个滤波器的输出取对数，得到相应频带的对数功率谱；并进⾏反离散余弦变换，得到L个MFCC系数，⼀般L取12~16个左右。
MFCC系数为④将这种直接得到的MFCC特征作为静态特征，再将这种静态特征做⼀阶和⼆阶差分，得到相应的动态特征。
3.实验数据及平台本实验所采⽤的数据是语⾳⽂件phrase.WAV和monologue speech_female，平台是MATLAB。
4. 实验过程（步骤）（1）实验步骤①输⼊样本⾳频②给样本⾳频预加重、分帧、加窗③将处理好的样本⾳频做傅⾥叶变换④进⾏Mel频率滤波⑤进⾏Log对数能量⑥对样本求倒谱⑦输出MFCC图像（2）、MFCC提取程序流程图5. 实验结果及讨论运⾏附录程序，得到的结果为：1、采⽤语⾳⽂件phrase.WAV，得到的MFCC特征提取图像为:2、采⽤语⾳⽂件monologue speech_female.wav，得到的MFCC特征提取图像为：通过计算MFCC参数，获得了声纹识别的特征参数。
语音信号课程设计实验报告
《语音信号处理》课程设计报告姓名：指导教师：学科、专业：班级、学号：日期：20 年月日《语音信号处理》课程设计报告一实践项目：1 熟悉matlab环境，掌握matlab基本用法。
2 掌握语音信号的采集方法。
3 掌握语音信号的时域分析方法。
4 理解语谱图与时频分辨率的关系。
5 掌握滤波器的设计及应用。
6 掌握线性预测分析方法。
7 掌握同态分析方法。
二实验器材：计算机（含MATLAB软件）耳麦三设计任务：1熟悉MATLAB，掌握MATLAB的基本用法：1)实验目的：掌握Matlab的基本语法、编程、画图、文件I/O方法等，并能实现具体法和设计较简单的程序。
2)实验过程及结果分析：(1)简述MATLAB的基本功能与用途：(2)MATLAB下矩阵的用法：1)MATLAB中输入矩阵的3条基本原则：在MATLAB下输入一个4*5的矩阵程序：回车后结果：2)MATLAB中的几种常用特殊矩阵：1 n阶单位矩阵：2 m*n的随机矩阵，数值服从0-1：3 m*n的随机矩阵，数值服从正态分布：4 m*n的全零矩阵：5 n阶的对角矩阵：(3)信号处理中常用到的函数：(1)[x,fs,bits]=wavread(‘filenname’)(2)[d]=FFT（x,n）(3)Sound(x,fs,bits):简述wavread, FFT, sound函数的用途，x,fs,bit,n的含义：利用上面函数，编写一段程序，对语音文件（speech_clean_8k.wav）进行数据读取，FFT变换和听取声音，其中设定n=1024.程序：记录x,fs,bits数值：(4)MATLAB下文件I/O功能：1)简述文件I/O功能及其好处：:2)文件I/O功能中常用的两个函数命令，简述其用法：3)将上面对speech_clean_8k.wav 语音文件进行处理后在workspace 里得到的变量x 保存成dat 格式的文件，文件名为myfile ，在调用myfile 文件，观察workspace 里变量的情况。
语音信号处理实验报告
实验一 显示语音信号的语谱图一、实验目的综合信号频谱分析和滤波器功能，对语音信号的频谱进行 分析，并对信号含进行高通、低通滤波，实现信号特定处理 功能。
加深信号处理理论在语音信号中的应用；理解语谱图 与时频分辨率的关系。
二、实验原理语谱图分析语音又称语谱分析，语谱图中显示了大量的与语音的语句特性有关的信息，它总额了频谱图和时域波形的优点，明显地显示出语音频谱随时间的变化情况。
语谱图实际上是一种三维频谱，即同时在时间和频率上显示出语音的特性，或者说是一种动态的频谱。
窄带语谱图可以得到较好的频域分辨率，窗长通常为至少两个基音周期的“长窗”；而宽带语谱图可以给出较好的时域分辨率，窗长为小于一个基音周期的“短窗”。
三、实验内容实验数据为工作空间 ex3M2.mat 中数组 we_be10k 是单词“we ”和“be ”的语音波形（采样率为10000 点/秒） 。
1、 听一下 we_be10k （可用 sound ）2、使用函数 specgram_ex3p19.显示语谱图和语音波形，如图一。
图一、参数窗长 20ms （200 点） 、帧间隔 1ms （10 点）0.511.5-2-1012Time (s)SPEECHTime (ms)F r e q u e n c y (H z )SPECTROGRAM00.51 1.5200040002、 对比调用参数窗长 20ms （200 点） 、帧间隔 1ms （10 点），(如图一）和参数窗长5ms （50点） 、帧间隔 1ms （10点）(如图二) ；图二、参数窗长5ms （50点） 、帧间隔 1ms （10点）图三、参数窗长30ms （300点） 、帧间隔 1ms （10点）0.511.5-2-1012Time (s)SPEECHTime (ms)F r e q u e n c y (H z )SPECTROGRAM00.51 1.5200040000.511.5-2-1012Time (s)SPEECHTime (ms)F r e q u e n c y (H z )SPECTROGRAM00.51 1.520004000图四、参数窗长20ms （200点） 、帧间隔 5ms （50点）3、 再对比窗长>20ms 或小于5ms ，以及帧间隔>1ms 时的语谱图说明宽带语谱图、窄带语谱图与时频分辨率的关系及如何得到时频折中。
语音信号处理实验报告 语音修正短时自相关
语音信号处理课程实验报告专业班级通信学号姓名指导教师实验名称 语音修正的短时自相关的实现 同组人 专业班级通信 学号 姓名 成绩 一、实验目的 熟悉语音修正自相关的意义。
充分理解取取不同窗长时的语音的修正自相关的变化情况。
熟悉Matlab 编程语言在语音信号处理中的作用。
能够实现对程序的重新编制。
二、实验原理 对于语音来说，采用短时分析方法，语音短时自相关函数为 ()()()[]()()[]∑--=+'++'+=k N m n m k w k m n x m w m n x k R 10 但是，在计算短时自相关时，窗选语音段为有限长度N ，而求和上限为N-1-k ，因此当k 增加时可用于计算的数据就越来越少了，从而导致k 增加时自相关函数的幅度减小。
为了解决这个问题，提出了语音修正的短时自相关。
修正的短时自相关函数，其定义如下： ()()()()() 2-m 1k m n w k m x m n w m x k R n --+-=∑+∞∞= 若令m n m '+=，代入上式得到 ()())(-)()(-ˆ21-k m w k m n x m w m n x k R m n '+'+''+=∑+∞-∞=' ()()()()1122ˆ ˆw m w m w m w m =-⎧⎪⎨=-⎪⎩定义……………………………………装………………………………………订…………………………………………线………………………………………()()() ˆˆ)()(ˆ 2-m 1k m w k m n x m w m n x k Rn ++++=∑+∞∞=则有()()121, 0n N-1ˆ0, 1, 0n N-1ˆ 0, w m K w m ≤≤⎧=⎨⎩≤≤+⎧=⎨⎩其它其它式中，K 为k 的最大值，即0≤k ≤K 。
由式（2-5）可知，要使)(ˆ2k m w +为非零值，必须使K N k m +1-≤+，考虑到K k ≤，可得1-≤N m ，故式（2-4）可以写成：∑1-0 )()()(ˆN m n k m n x m n x k R =+++= 三、实验要求1.实验前自己用Cool Edit 音频编辑软件录制声音，并把它保存为.txt 文件.2.编程实现不同矩形窗长N ＝320，160，70的短时修正自相关。
心理学语音实验报告(3篇)
第1篇一、实验背景与目的随着科技的飞速发展，语音识别技术逐渐成为人机交互的重要方式。
为了探究语音信号在心理认知过程中的作用，本实验旨在通过一系列语音实验，探讨以下问题：1. 语音信号对记忆的影响；2. 语音信号对注意力的影响；3. 语音信号对情绪的影响。
二、实验方法1. 实验材料本实验选取了20名志愿者（男女各半，年龄在18-25岁之间）作为被试，均无听觉障碍。
实验材料包括以下内容：（1）语音刺激：选取了50个普通话单音节，分为清音和浊音两组，每组25个；（2）图片刺激：选取了50张与语音刺激对应的图片，分为清音组和浊音组；（3）情绪图片：选取了50张能够引起不同情绪的图片，分为积极情绪组和消极情绪组。
2. 实验程序（1）实验一：记忆实验被试在实验开始前进行听力测试，确保其听力正常。
实验过程中，被试依次听到清音和浊音刺激，并要求记住每个刺激的发音。
实验结束后，进行回忆测试，记录被试正确记忆的刺激数量。
（2）实验二：注意力实验被试在实验开始前进行注意力测试，确保其注意力集中。
实验过程中，被试依次看到清音和浊音图片，并要求在看到图片的同时，尽量忽略其他干扰信息。
实验结束后，记录被试在实验过程中出现的错误次数。
（3）实验三：情绪实验被试在实验开始前进行情绪测试，确保其情绪稳定。
实验过程中，被试依次看到积极情绪和消极情绪图片，并要求在看到图片的同时，尽量忽略其他干扰信息。
实验结束后，记录被试在实验过程中出现的心率变化。
3. 实验设备本实验使用以下设备：（1）计算机：用于播放语音刺激和图片刺激；（2）耳机：用于播放语音刺激；（3）心率仪：用于监测被试的心率变化。
三、实验结果与分析1. 实验一：记忆实验（1）结果：清音组被试正确记忆的刺激数量为15个，浊音组被试正确记忆的刺激数量为12个；（2）分析：结果表明，语音信号对记忆存在影响，清音刺激比浊音刺激更容易被记忆。
2. 实验二：注意力实验（1）结果：清音组被试错误次数为10次，浊音组被试错误次数为8次；（2）分析：结果表明，语音信号对注意力存在影响，清音刺激比浊音刺激更容易引起被试的注意力。
语音信号处理实验报告
通信与信息工程学院信息处理综合实验报告班级：电子信息工程1502班指导教师：设计时间：2018/10/22-2018/11/23评语：通信与信息工程学院二〇一八年实验题目：语音信号分析与处理一、实验内容1. 设计内容利用MATLAB对采集的原始语音信号及加入人为干扰后的信号进行频谱分析，使用窗函数法设计滤波器滤除噪声、并恢复信号。
2．设计任务与要求1. 基本部分（1）录制语音信号并对其进行采样；画出采样后语音信号的时域波形和频谱图。
（2）对所录制的语音信号加入干扰噪声，并对加入噪声的信号进行频谱分析；画出加噪后信号的时域波形和频谱图。
（3）分别利用矩形窗、三角形窗、Hanning窗、Hamming窗及Blackman 窗几种函数设计数字滤波器滤除噪声，并画出各种函数所设计的滤波器的频率响应。
（4）画出使用几种滤波器滤波后信号时域波形和频谱，对滤波前后的信号、几种滤波器滤波后的信号进行对比，分析信号处理前后及使用不同滤波器的变化；回放语音信号。
2. 提高部分（5）录制一段音乐信号并对其进行采样；画出采样后语音信号的时域波形和频谱图。
（6）利用MATLAB产生一个不同于以上频段的信号；画出信号频谱图。
（7）将上述两段信号叠加，并加入干扰噪声，尝试多次逐渐加大噪声功率，对加入噪声的信号进行频谱分析；画出加噪后信号的时域波形和频谱图。
（8）选用一种合适的窗函数设计数字滤波器，画出滤波后音乐信号时域波形和频谱，对滤波前后的信号进行对比，回放音乐信号。
二、实验原理1.设计原理分析本设计主要是对语音信号的时频进行分析，并对语音信号加噪后设计滤波器对其进行滤波处理，对语音信号加噪声前后的频谱进行比较分析，对合成语音信号滤波前后进行频谱的分析比较。
首先用PC机WINDOWS下的录音机录制一段语音信号，并保存入MATLAB软件的根目录下，再运行MATLAB仿真软件把录制好的语音信号用audioread函数加载入MATLAB仿真软件的工作环境中，输入命令对语音信号进行时域，频谱变换。
哈尔滨工程大学语音信号处理实验报告讲述
实验报告实验课程名称：语音信号处理实验姓名：班级： 20120811 学号：Array指导教师张磊实验教室 21B#293实验时间 2015年4月12日实验成绩实验一 语音信号的端点检测一、实验目的1、掌握短时能量的求解方法2、掌握短时平均过零率的求解方法3、掌握利用短时平均过零率和短时能量等特征，对输入的语音信号进行端点检测。
二、实验设备 HP 计算机、Matlab 软件 三、实验原理 1、短时能量语音信号的短时能量分析给出了反应这些幅度变化的一个合适的描述方法。
对于信号)}({n x ，短时能量的定义如下：∑∑∞-∞=∞-∞=*=-=-=m m n n h n x m n h m xm n w m x E )()()()()]()([2222、短时平均过零率短时平均过零率是指每帧内信号通过零值的次数。
对于连续语音信号，可以考察其时域波形通过时间轴的情况。
对于离散信号，实质上就是信号采样点符号变化的次数。
过零率在一定程度上可以反映出频率的信息。
短时平均过零率的公式为：∑∑-+=∞-∞=--=---=1)]1(sgn[)](sgn[21 )()]1(sgn[)](sgn[21N n nm w w m n m x m x m n w m x m x Z其中，sgn[.]是符号函数，即⎩⎨⎧<-≥=0)(10)(1)](sgn[n x n x n x3、端点检测原理能够实现这些判决的依据在于，不同性质语音的各种短时参数具有不同的概率密度函数，以及相邻的若干帧语音应具有一致的语音特性，它们不会在S 、U 、V 之间随机地跳来跳去。
要正确判断每个输入语音的起点和终点，利用短时平均幅度参数E 和短时平均过零率Z 可以做到这一点。
首先，根据浊音情况下的短时能量参数的概率密度函数)|(V E P 确定一个阈值参数H E ，H E 值一般定的较高。
当一帧输入信号的短时平均幅度参数超过H E 时，就可以判定该帧语音信号不是无声，而有相当大的可能是浊音。
语音信号处理实验报告
语⾳信号处理实验报告语⾳信号处理实验报告⼀、原理 1．端点检测语⾳信号⼀般可分为⽆声段、清⾳段和浊⾳段。
⽆声段是背景噪声段, 平均能量最低，波形变化缓慢，过零率最低; 浊⾳段为声带振动发出对应的语⾳信号段, 平均能量最⾼; 清⾳段是空⽓在⼝腔中的摩擦、冲击或爆破⽽发出的语⾳信号段, 平均能量居于前两者之间，波形上幅度变化剧烈, 过零率最⼤。
端点检测就是⾸先判断有声还是⽆声, 如果有声,则还要判断是清⾳还是浊⾳。
为正确地实现端点检测, ⼀般综合利⽤短时能量和过零率两个特征,采⽤/双门限检测法。
①语⾳信号x(n)进⾏分帧处理，每⼀帧记为Si （n ），n=1，2，…，N ，n 为离散语⾳信号时间序列，N 为帧长，i 表⽰帧数。
②短时能量：③过零率：2.基⾳检测能量有限的语⾳信号}{()s n 的短时⾃相关函数定义为： 10()[()()][()()]N n m R s n m w m s n m w m ττττ--==++++∑ 其中，τ为移位距离，()w m 是偶对称的窗函数。
短时⾃相关函数有以下重要性质：①如果}{()s n 是周期信号，周期是P ，则()R τ也是周期信号，且周期相同，即()()R R P ττ=+。
②当τ=0时，⾃相关函数具有最⼤值；当0,,2,3P P P τ=+++…处周期信号的⾃相关函数达到极⼤值。
③⾃相关函数是偶函数，即()()R R ττ=-。
短时⾃相关函数法基⾳检测的主要原理是利⽤短时⾃相关函数的第⼆条性质，通过⽐较原始信号和它移位后的信号之间的类似性来确定基⾳周期，如果移位距离等于基⾳周期，那么，两个信号具有最⼤类似性。
在实际采⽤短时⾃相关函数法进⾏基⾳检测时，使⽤⼀个窗函数，窗不动，语⾳信号移动，这是经典的短时⾃相关函数法。
3.⾃相关法解线性预测⽅程组⾃相关⽅法a.Levinson-durbin 递推算法()21N i n Ei s n ==∑()()1sgn sgn 1N i i n Zi s n s n ==--∑pj a a k k R E E k Ep j i p i i n p i i i j ...,3,2,1,1||,)1()0(,)1()(12)()1(2)(==≤-=-=∧=-∏ ki 称为反射系数，也称PARCOR 系数b.E(p)是预测残差能量在起始端，为了预测x(0),需要⽤到x(-1),x(-2),……,x(-p).但是这些值均为0，这样预测会带来误差。
语音信号处理实验报告
语音信号处理实验报告专业：电子信息工程班级：电子信息二班姓名：学号：指导教师：杨立东目录实验一特征提取 (3)一、实验目的： (3)二、实验原理： (3)三、实验内容 (3)程序： (3)实验二基音周期估计 (9)一、实验目的 (9)二、实验原理 (9)三、实验内容 (10)程序： (10)实验三倒谱的获取与应用 (13)一、实验目的 (13)二、实验原理 (13)三、实验内容 (14)程序 (14)实验四 HMM的训练 (17)一、实验目的 (17)二、实验原理 (17)三、实验内容 (17)程序 (17)实验总结 (20)实验一语音信号的特征提取一、实验目的：1、了解语音信号处理基本知识,语音信号的生成的数学模型。
2、理解和掌握语音信号的特征提取。
二、实验原理：语音信号随时间变化的频谱特性可以用语谱图直观的表示，语谱图的纵坐标对应频率，横坐标对应时间，而图像的黑白度对应于信号的能量。
因此声道的谐振频率在图上就表示成为黑带，浊音部分则以出现条纹图形为其特征，这是因为此时的时域波形有周期性，而在浊音的时间间隔内图形显得很致密。
三、实验内容Matlab编程实验步骤：1．新建M文件，扩展名为“.m”，编写程序；2．选择File/Save命令，将文件保存在F盘新建文件夹中；3．运行程序；程序：语谱图clear all;[x,sr]=wavread('welcome.wav'); %sr为采样频率if (size(x,1)>size(x,2)) %size(x,1)为x的行数，size(x,2)为x的列数 x=x';ends=length(x);w=round(44*sr/1000); %窗长,取离44*sr/100最近的整数n=w; %fft的点数ov=w/2; %50%的重叠h=w-ov;% win=hanning(n)'; %哈宁窗win=hamming(n)'; %哈宁窗c=1;ncols=1+fix((s-n)/h); %fix函数是将(s-n)/h的小数舎去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;endtt=[0:h:(s-n)]/sr;ff=[0:(n/2)]*sr/n;imagesc(tt/1000,ff/1000,20*log10(abs(d)));colormap(gray);axis xyxlabel('时间/s');ylabel('频率/kHz');时间/s频率/k H z246810121416x 10-40246810时间/s频率/k H z0246810121416x 10-4246810预加重(高频提取)[x,sr]=wavread('mmm.wav'); %读数据ee=x(200:455); %选取原始文件e 的第200到455点的语音,也可选其他样点 r=fft(ee,1024); %对信号ee 进行1024点傅立叶变换 r1=abs(r); %对r 取绝对值 r1表示频谱的幅度值 pinlv=(0:1:255)*8000/512 %点和频率的对应关系 yuanlai=20*log10(r1) %对幅值取对数signal(1:256)=yuanlai(1:256);%取256个点，目的是画图的时候，维数一致 [h1,f1]=freqz([1,-0.98],[1],256,4000);%高通滤波器 pha=angle(h1); %高通滤波器的相位 H1=abs(h1); %高通滤波器的幅值 r2(1:256)=r(1:256)u=r2.*h1' % 将信号频域与高通滤波器频域相乘 相当于在时域的卷积 u2=abs(u) %取幅度绝对值 u3=20*log10(u2) %对幅值取对数un=filter([1,-0.98],[1],ee) %un 为经过高频提升后的时域信号 figure(1);subplot(211);plot(f1,H1);title('高通滤波器的幅频响应'); xlabel('频率/Hz'); ylabel('幅度');subplot(212);plot(pha);title('高通滤波器的相位响应'); xlabel('频率/Hz');ylabel('角度/radians');figure(2);subplot(211);plot(ee);title('原始语音信号'); xlabel('样点数'); ylabel('幅度');axis([0 256 -0.1 0.1]);subplot(212);plot(real(un)); title('经高通滤波后的语音信号'); xlabel('样点数'); ylabel('幅度'); axis([0 256 -1 1]);figure(3);subplot(211);plot(pinlv,ee);title('原始语音信号频谱'); xlabel('频率/Hz'); ylabel('幅度/dB');subplot(212);plot(pinlv,u3);title('经高通滤波后的语音信号频谱'); xlabel('频率/Hz'); ylabel('幅度/dB');05001000150020002500300035004000-50510x 10-3原始语音信号频谱频率/Hz幅度/d B05001000150020002500300035004000-80-60-40-20经高通滤波后的语音信号频谱频率/Hz幅度/d B50100150200250-0.1-0.0500.050.1原始语音信号样点数幅度50100150200250-1-0.500.51经高通滤波后的语音信号样点数幅度05001000150020002500300035004000-50510x 10-3原始语音信号频谱频率/Hz幅度/d B05001000150020002500300035004000-80-60-40-20经高通滤波后的语音信号频谱频率/Hz幅度/d B短时能量[x,sr]=wavread('welcome.wav'); %读入语音文件 %计算N=50，帧移=50时的语音能量 s=fra(50,50,x);s2=s.^2; %一帧内各样点的能量 energy=sum(s2,2); %求一帧能量subplot(2,2,1) %定义画图数量和布局plot(energy); %画N=50时的语音能量图xlabel('帧数') %横坐标ylabel('短时能量 E') %纵坐标legend('N=50') %曲线标识axis([0,1500,0,2*10]) %定义横纵坐标范围%计算N=100，帧移=100时的语音能量s=fra(100,100,x);s2=s.^2;energy=sum(s2,2);subplot(2,2,2)plot(energy) %画N=100时的语音能量图xlabel('帧数')ylabel('短时能量 E')legend('N=100')axis([0,600,0,4*10]) %定义横纵坐标范围%计算N=400，帧移=400时的语音能量s=fra(400,400,x);s2=s.^2;energy=sum(s2,2);subplot(2,2,3)plot(energy) %画N=400时的语音能量图xlabel('帧数')ylabel('短时能量 E')legend('N=400')axis([0,150,0,1.5*10^2]) %定义横纵坐标范围%计算N=800，帧移=800时的语音能量s=fra(800,800,x);s2=s.^2;energy=sum(s2,2);subplot(2,2,4)plot(energy) %画N=800时的语音能量图xlabel('帧数')ylabel('短时能量 E')legend('N=800')axis([0,95,0,3*10^2]) %定义横纵坐标范围定义fra()function f=fra(len,inc,x)fh=fix(((size(x,1)-len)/inc)+1);f=zeros(fh,len);i=1;n=1;while i<=fhj=1;while j<=lenf(i,j)=x(n); j=j+1;n=n+1; endn=n-len+inc; i=i+1; end5001000150005101520帧数短时能量 EN=50200400600010203040帧数短时能量 EN=100050100150050100150帧数短时能量 EN=400204060800100200300帧数短时能量 EN=800短时平均过零率clear all[x1,sr]=wavread('welcome.wav'); %读入语音文件 x=awgn(x1,15,'measured');%加入15dB 的噪声 s=fra(220,110,x);%分帧，帧移110 zcr=zcro(s);%求过零率 figure(1); subplot(2,1,1) plot(x);title('原始信号'); xlabel('样点数'); ylabel('幅度');axis([0,300,-2*10,2*10]); subplot(2,1,2) plot(zcr);xlabel('帧数'); ylabel('过零次数');title('原始信号的过零率');axis([0,360,0,200]); 定义zcro()function f=zcro(x)f=zeros(size(x,1),1); %生成全零矩阵 for i=1:size(x,1)z=x(i,:); %提取一行数据 for j=1:(length(z)-1); if z(j)*z(j+1)<0; f(i)=f(i)+1; end end end50100150200250300-20-1001020原始信号样点数幅度50100150200250300350050100150200帧数过零次数原始信号的过零率实验二 基音周期估计一、实验目的在理论学习的基础上，进一步的理解和掌握基音周期估计中两种最基本的方法：基于短时自相关法和基于短时平均幅度差法。
语音信号处理 实验报告
实验一、语音信号采集与分析一、实验目的：1）了解语音信号处理基本知识：语音信号的生成的数学模型。
2）在理论学习的基础上，进一步地理解和掌握语音信号的读入、回放、波形显示。
语音信号时域和频域分析方法。
二、实验原理一定时宽的语音信号，其能量的大小随时间有明显的变化。
其中清音段（以清音为主要成份的语音段），其能量比浊音段小得多。
短时过零数也可用于语音信号分析中，发浊音时，其语音能量约集中于3kHz以下，而发清音时，多数能量出现在较高频率上，可认为浊音时具有较低的平均过零数，而清音时具有较高的平均过零数，因而，对一短时语音段计算其短时平均能量及短时平均过零数，就可以较好地区分其中的清音段和浊音段，从而可判别句中清、浊音转变时刻，声母韵母的分界以及无声与有声的分界。
这在语音识别中有重要意义。
FFT在数字通信、语音信号处理、图像处理、匹配滤波以及功率谱估计、仿真、系统分析等各个领域都得到了广泛的应用。
本实验通过分析加噪的语音信号频谱，可以作为分离信号和噪声的理论基础。
三、实验内容：Matlab编程实验步骤：1．新建M文件，扩展名为“.m”，编写程序；2．选择File/Save命令，将文件保存在F盘中；3．在Command Window窗中输入文件名，运行程序；程序一、用MATLAB对原始语音信号进行时域分析，分析短时平均能量及短时平均过零数。
程序二、用MATLAB对原始语音信号进行频域分析，画出它的时域波形和频谱给原始的语音信号加上一个高频余弦噪声，频率为5kHz。
画出加噪后的语音信号时域和频谱图。
程序1.a=wavread(' D:\II.wav'); %读取语音信号的数据，赋给变量x1，这里的文件的全路径和文件名由个人设计n=length(a);N=320;subplot(3,1,1),plot(a);h=linspace(1,1,N);%形成一个矩形窗，长度为NEn=conv(h,a.*a);%求卷积得其短时能量函数Ensubplot(3,1,2),plot(En);for i=1:n-1if a(i)>=0b(i)= 1;elseb(i) = -1;endif a(i+1)>=0b(i+1)=1;elseb(i+1)=-1;endw(i)=abs(b(i+1)-b(i));end%求出每相邻两点符号的差值的绝对值k=1;j=0;while (k+N-1)<nZm(k)=0;for i=0:N-1;Zm(k)=Zm(k)+w(k+i);endj=j+1;k=k+160; %每次移动半个窗endfor w=1:jQ(w)=Zm(160*(w-1)+1)/640;%短时平均过零率endsubplot(3,1,3),plot(Q);实验结果打印粘贴到右侧：程序2:fs=22050; %语音信号采样频率为22050x1=wavread('D:\II.wav'); %读取语音信号的数据，赋给变量x1sound(x1,22050); %播放语音信号f=fs*(0:511)/1024;t=0:1/22050:(size(x1)-1)/22050; %将所加噪声信号的点数调整到与原始信号相同Au=0.03;d=[Au*cos(2*pi*5000*t)]'; %噪声为5kHz的余弦信号x2=x1+d;sound(x2,22050); %播放加噪声后的语音信号y2=fft(x2,1024); %对信号做1024点FFT变换figure(1)subplot(2,1,1);plot(x1) %做原始语音信号的时域图形title('原始语音信号');xlabel('time n');ylabel('幅值 n');subplot(2,1,2);plot(t,x2)title('加噪后的信号');xlabel('time n');ylabel('幅值 n');figure(2)subplot(2,1,1);plot(f,abs(x1(1:512)));title('原始语音信号频谱');xlabel('Hz');ylabel('幅值');subplot(2,1,2);plot(f,abs(y2(1:512)));title('加噪后的信号频谱');xlabel('Hz'); ylabel('幅值');实验结果打印粘贴到右侧：050010001500200025003000350040004500原始语音信号time n幅值 n加噪后的信号time n幅值 n020004000600080001000012000原始语音信号频谱Hz幅值加噪后的信号频谱Hz幅值四、实验分析加入噪声后音频文件可辨性下降，波形的平缓，频谱图上看，能量大部分集中在2000HZz到4000Hz之间。
语音信号处理实验报告
一、实验目的1. 理解语音信号处理的基本原理和流程。
2. 掌握语音信号的采集、预处理、特征提取和识别等关键技术。
3. 提高实际操作能力，运用所学知识解决实际问题。
二、实验原理语音信号处理是指对语音信号进行采集、预处理、特征提取、识别和合成等操作，使其能够应用于语音识别、语音合成、语音增强、语音编码等领域。
实验主要包括以下步骤：1. 语音信号的采集：使用麦克风等设备采集语音信号，并将其转换为数字信号。
2. 语音信号的预处理：对采集到的语音信号进行降噪、去噪、归一化等操作，提高信号质量。
3. 语音信号的特征提取：提取语音信号中的关键特征，如频率、幅度、倒谱等，为后续处理提供依据。
4. 语音信号的识别：根据提取的特征，使用语音识别算法对语音信号进行识别。
5. 语音信号的合成：根据识别结果，合成相应的语音信号。
三、实验步骤1. 语音信号的采集使用麦克风采集一段语音信号，并将其保存为.wav文件。
2. 语音信号的预处理使用MATLAB软件对采集到的语音信号进行预处理，包括：（1）降噪：使用谱减法、噪声抑制等算法对语音信号进行降噪。
（2）去噪：去除语音信号中的杂音、干扰等。
（3）归一化：将语音信号的幅度归一化到相同的水平。
3. 语音信号的特征提取使用MATLAB软件对预处理后的语音信号进行特征提取，包括：（1）频率分析：计算语音信号的频谱，提取频率特征。
（2）幅度分析：计算语音信号的幅度，提取幅度特征。
（3）倒谱分析：计算语音信号的倒谱，提取倒谱特征。
4. 语音信号的识别使用MATLAB软件中的语音识别工具箱，对提取的特征进行识别，识别结果如下：（1）将语音信号分为浊音和清音。
（2）识别语音信号的音素和音节。
5. 语音信号的合成根据识别结果，使用MATLAB软件中的语音合成工具箱，合成相应的语音信号。
四、实验结果与分析1. 语音信号的采集采集到的语音信号如图1所示。
图1 语音信号的波形图2. 语音信号的预处理预处理后的语音信号如图2所示。
语音信号处理实验报告
实验报告一、 实验目的、要求（1）掌握语音信号采集的方法（2）掌握一种语音信号基音周期提取方法（3）掌握短时过零率计算方法（4）了解Matlab 的编程方法二、 实验原理基本概念:（a ）短时过零率:短时内, 信号跨越横轴的情况, 对于连续信号, 观察语音时域波形通过横轴的情况；对于离散信号, 相邻的采样值具有不同的代数符号, 也就是样点改变符号的次数。
对于语音信号, 是宽带非平稳信号, 应考察其短时平均过零率。
其中sgn[.]为符号函数⎪⎩⎪⎨⎧<=>=0 x(n)-1sgn(x(n))0 x(n)1sgn(x(n))短时平均过零的作用1.区分清/浊音:浊音平均过零率低, 集中在低频端；清音平均过零率高, 集中在高频端。
2.从背景噪声中找出是否有语音, 以及语音的起点。
（b ）基音周期基音是发浊音时声带震动所引起的周期性, 而基音周期是指声带震动频率的倒数。
基音周期是语音信号的重要的参数之一, 它描述语音激励源的一个重要特征, 基音周期信息在多个领域有着广泛的应用, 如语音识别、说话人识别、语音分析与综合以及低码率语音编码, 发音系统疾病诊断、听觉残障者的语音指导等。
因为汉语是一种有调语言, 基音的变化模式称为声调, 它携带着非常重要的具有辨意作用的信息, 有区别意义的功能, 所以, 基音的提取和估计对汉语更是一个十分重要的问题。
由于人的声道的易变性及其声道持征的因人而异, 而基音周期的范围又很宽, 而同—个人在不同情态下发音的基音周期也不同, 加之基音周期还受到单词∑--=-=10)]1(sgn[)](sgn[21N m n n n m x m x Z发音音调的影响, 因而基音周期的精确检测实际上是一件比较困难的事情。
基音提取的主要困难反映在: ①声门激励信号并不是一个完全周期的序列, 在语音的头、尾部并不具有声带振动那样的周期性, 有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。
语音信号处理实验
3 实验过程
1)读语音数 wavread 2)听语音 sound 3)写语音 wavwrite 4）对语音信号进行分帧处理 5）对语音信号进行预加重
down=1+(i-1)*M; up=down+N-1; temp=x(down:up); y=[y;temp]; end % K=100; for i=1:Fn for j=0:K F(i,j+1)=sum(abs(y(i,1:N-j)-y(i,j+1:N)),2); end end plot(F(111,:));
l =1
2 24
=
1,2,...,P，P 为 MFCC 参数的阶数，取 P＝16。
3 实验过程
4 实验结果
实验三程序
[x,fs,bits]=wavread('c:\WINDOWS\Media\chimes.wav');
x=x(:,1);
x=x';
len=length(x);
N=256;
M=128;
|
X
n
(k)
|
h(l )
+
k =c(l )
h(l) − k h(l) − c(l)
|
X
n
(k)
|
l
=
1,2,....,40
（2）对所有滤波器输出作对数运算
ln(Y (l)) l = 1,2,....,40
（3）作离散余弦变换（DCT）得到 Mel 频率倒谱参数(MFCC)。
语音信号处理实验报告
语音信号处理实验报告 The Standardization Office was revised on the afternoon of December 13, 2020语音信号处理实验报告——语音信号分析实验一．实验目的及原理语音信号分析是语音信号处理的前提和基础，只有分析出可表示语音信号本质特征的参数，才有可能利用这些参数进行高效的语音通信、语音合成和语音识别等处理，并且语音合成的音质好坏和语音识别率的高低，都取决于对语音信号分析的准确性和精确性。
贯穿语音分析全过程的是“短时分析技术”。
因为从整体来看，语音信号的特性及表征其本质特征的参数均是随时间变化的，所以它是一个非平稳态过程，但是在一个短时间范围内（一般认为在10~30ms的时间内），其特性基本保持不变，即相对稳定，可将其看做一个准稳态过程，即语音信号具有短时平稳性。
所以要将语音信号分帧来分析其特征参数，帧长一般取为10ms~30ms。
二．实验过程男声及女声（蓝色为时域信号，红色为每一帧的能量，绿色为每一帧的过零率）某一帧的自相关函数3.频域分析①一帧信号的倒谱分析和FFT及LPC分析②男声和女声的倒谱分析对应的倒谱系数：，，……对应的LPC预测系数：1，，，，，……原语音波形一帧语音波形一帧语音的倒谱③浊音和清音的倒谱分析④浊音和清音的FFT分析和LPC分析（红色为FFT图像，绿色为LPC图像）三．实验结果分析1.时域分析实验中采用的是汉明窗，窗的长度对能否由短时能量反应语音信号的变化起着决定性影响。
这里窗长合适，En能够反应语音信号幅度变化。
同时，从图像可以看出，En可以作为区分浊音和清音的特征参数。
短时过零率表示一帧语音中语音信号波形穿过横轴（零电平）的次数。
从图中可以看出，短时能量和过零率可以近似为互补的情况，短时能量大的地方过零率小，短时能量小的地方过零率较大。
从浊音和清音的时域分析可以看出，清音过零率高，浊音过零率低。
从男声女声的时域信号对比图中可以看出，女音信号在高频率分布得更多，女声信号在高频段的能量分布更多，并且女声有较高的过零率，这是因为语音信号中的高频段有较高的过零率。
信号处理综合实验报告(3篇)
第1篇一、实验目的1. 深入理解信号处理的基本原理和方法。
2. 掌握信号处理在各个领域的应用，如语音信号处理、图像处理等。
3. 熟悉实验设备的使用，提高实际操作能力。
4. 培养团队协作和问题解决能力。
二、实验内容本次实验主要分为以下几个部分：1. 语音信号处理（1）采集语音信号：使用麦克风采集一段语音信号，并将其转换为数字信号。
（2）频谱分析：对采集到的语音信号进行频谱分析，观察其频谱特性。
（3）噪声消除：设计并实现噪声消除算法，对含噪语音信号进行处理，提高信号质量。
（4）语音增强：设计并实现语音增强算法，提高语音信号的清晰度。
2. 图像处理（1）图像采集：使用摄像头采集一幅图像，并将其转换为数字图像。
（2）图像增强：对采集到的图像进行增强处理，如对比度增强、亮度增强等。
（3）图像滤波：设计并实现图像滤波算法，去除图像中的噪声。
（4）图像分割：设计并实现图像分割算法，将图像中的不同区域分离出来。
3. 信号处理算法实现（1）傅里叶变换：实现离散傅里叶变换（DFT）和快速傅里叶变换（FFT）算法，对信号进行频谱分析。
（2）小波变换：实现离散小波变换（DWT）算法，对信号进行时频分析。
（3）滤波器设计：设计并实现低通滤波器、高通滤波器、带通滤波器等，对信号进行滤波处理。
三、实验原理1. 语音信号处理（1）语音信号采集：通过麦克风将声音信号转换为电信号，再通过模数转换器（ADC）转换为数字信号。
（2）频谱分析：利用傅里叶变换将时域信号转换为频域信号，分析信号的频谱特性。
（3）噪声消除：采用噪声消除算法，如维纳滤波、谱减法等，去除信号中的噪声。
（4）语音增强：利用语音增强算法，如谱峰增强、长时能量增强等，提高语音信号的清晰度。
2. 图像处理（1）图像采集：通过摄像头将光信号转换为电信号，再通过模数转换器（ADC）转换为数字图像。
（2）图像增强：通过调整图像的亮度、对比度等参数，提高图像的可视效果。
（3）图像滤波：利用滤波器去除图像中的噪声，如均值滤波、中值滤波、高斯滤波等。
山东建筑大学语音信号处理实验四实验报告
实验四 减谱法语音增强技术研究一、实验目的本实验要求掌握减谱法语音增强的原理，会利用已学的相关语音特征，构建语音特征矢量，然后自己设计减谱法语音增强程序（也可参考相关文献），能显示干净语音和加噪语音信号及处理后的结果语音信号波形，分析实验结果，写出报告。
二、实验原理谱相减方法是基于人的感觉特性，即语音信号的短时幅度比短时相位更容易对人的听觉系统产生影响，从而对语音短时幅度谱进行估计，适用于受加性噪声污染的语音。
由于语音是短时平稳的，所以在短时谱幅度估计中认为它是平稳随机信号，假设)(m s 、)(m n 和)(m y 分别代表语音、噪声和带噪语音，)(ωs S 、)(ωn S 和)(ωy S 分别表示其短时谱。
假设噪声)(m n 是与语音)(m s 不相关的加性噪声。
于是得到信号的加性模型：)()()(m n m s m y += (4-1)对功率谱有 )()()()(|)(||)(||)(|**222ωωωωωωωw w w w w w w N S N S N S Y +++= (4-4) 原始语音的估值为]|)([||)(||)(|222ωωωw w w N E Y S -=∧(4-5)只要在频域用(4-5)式得到纯净语音的谱估计，就可以根据(4-6)式得到增强后的语音。
[])()(ˆ)(ˆωϕωj w e s IFFT m s=(4-6)根据前面分析，我们可以给出谱相减算法的整个算法流程，如图4-1所示：图4-1 谱减法的算法流程带噪三、实验程序及结果分析1、不同强度的噪声与纯净信号叠加后的带噪信号及它们的频谱比较%在噪声环境下语音信号的增强%语音信号为读入的声音文件%噪声为正态随机噪声clear;input=wavread('H:\sound\b1.wav');count=length(input);noise1=0.1*randn(1,count);signal=input;for i=1:countvoice1(i)=signal(i)+noise1(i);endnoise2=0.01*randn(1,count);for i=1:countvoice2(i)=signal(i)+noise2(i);endnoise3=randn(1,count);signal=input;for i=1:countvoice3(i)=signal(i)+noise3(i);endn=1:count;subplot(3,1,1);plot(n,signal);title('纯净信号')subplot(3,1,2);plot(n,noise1);title('噪音信号')subplot(3,1,3);plot(n,voice1);title('带噪信号')figure %对比纯净语音信号频谱，噪音信号和带噪信号频谱Fss=fft(signal);subplot(3,1,1);plot(n,abs(Fss));title('纯净信号频谱')Fss1=fft(noise1);subplot(3,1,2);plot(n,abs(Fss1));title('噪音信号频谱')Fv1=fft(voice1);subplot(3,1,3)plot(n,abs(Fv1));title('带噪信号的频谱')subplot(3,1,1);plot(n,signal);title('纯净信号')subplot(3,1,2);plot(n,noise2);title('噪音信号')subplot(3,1,3);plot(n,voice2);title('带噪信号')figure %对比纯净语音信号频谱，噪音信号和带噪信号频谱Fss=fft(signal);subplot(3,1,1);plot(n,abs(Fss));title('纯净信号频谱')Fss2=fft(noise2);subplot(3,1,2);plot(n,abs(Fss2));title('噪音信号频谱')Fv2=fft(voice2);subplot(3,1,3)plot(n,abs(Fv2));title('带噪信号的频谱')subplot(3,1,1);plot(n,signal);title('纯净信号')subplot(3,1,2);plot(n,noise3);title('噪音信号')subplot(3,1,3);plot(n,voice3);title('带噪信号')figure %对比纯净语音信号频谱，噪音信号和带噪信号频谱Fss=fft(signal);subplot(3,1,1);plot(n,abs(Fss));title('纯净信号频谱')Fss3=fft(noise3);subplot(3,1,2);plot(n,abs(Fss3));title('噪音信号频谱')Fv3=fft(voice3);subplot(3,1,3)plot(n,abs(Fv3));title('带噪信号的频谱')实验结果：（1）noise1=0.1*randn(1,count);-0.200.2纯净信号-0.500.5噪音信号020004000600080001000012000140001600018000-0.500.5带噪信号050100纯净信号频谱020004000600080001000012000140001600018000050噪音信号频谱50100带噪信号的频谱（2）noise2=0.01*randn(1,count);-0.20-0.0500.05噪音信号-0.200.2带噪信号050100纯净信号频谱024噪音信号频谱50100带噪信号的频谱（3）noise3=randn(1,count);-0.20-505噪音信号-505带噪信号050100纯净信号频谱0500噪音信号频谱500带噪信号的频谱分析以上三种情况可知，不同强度的噪声叠加到纯净信号上时，对纯净信号的干扰是不同的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
语音信号处理实验四：均匀量化编码与解码
一、实验目的：
了解均匀量化编码与解码的基本原理，及整个量化过程和量化噪声与编码的关系；
学会利用matlab软件编程利用原理对一语音信号进行编码和解码，并仿真。
二、实验原理：
均匀量化PCM在输入信号幅度变化范围是已知的和幅度值在已知的范围内是均匀分布的这两个条件下效果是很好的。
均匀量化是把整个幅度分成等间隔的2^n段，把每个段内的值都量化成一个数值，把量化后的数值根据极性，断码和量化电平对量化后的信号进行编码。
最后解码是编码的逆过程。
三、实验程序：
clc;
clear all;
[d,r]=wavread('so.wav');
figure(1);
subplot(3,1,1);
plot(d);
title('原始信号');
m1=max(d);
m2=min(d);
t=linspace(m1,m2,256);
l=length(d);
S=zeros(length(d),2);
T=zeros(length(d),8);
for i=1:l
for k=1:length(t)-1;
if(d(i)<=t(k) & d(i)>=t(k+1)) S(i,1)=t(k+1);
S(i,2)=k;
end
end
end
subplot(3,1,2);
stem(S(:,1));
title('量化后信号');
for i=1:l
temp=S(i,2);
T(i,:)=tentotwo(temp);
end
New=zeros(1,length(T));
mm=linspace(m1,m2,256);
for i=1:length(T)
temp(i)=twototen(T(i,:));
new(i)=mm(temp(i));
end subplot(3,1,3);
plot(new);
title('解码后信号');
function y=tentotwo(x)
y=zeros(1,8);
for i=1:8
if(mod(x,2)==0)
y(8-i+1)=0;
else
y(8-i+1)=1;
end
x=floor(x/2);
end
function y=twototen(x)
l=length(x);
y=0;
for i=1:l
if(x(i)==1)
y=y+2^(8-i);
end
end
上图为仿真结果
四、实验总结：
通过本次实验我收获很大。
通过实验，我认真学会了很多课本上没有的东西，并深入的学习了课本知识，把通信原理学习到的知识进行了深化。
我学会了如何用matlab进行均匀量化编码，并学会了对此进行解码。
懂得了均匀量化编码的适用范围。
但部分细节程序仍需努力研究，没有完全掌握。