语音信号采样和频谱分析.docx

合集下载

语音信号的采集和频谱分析

语音信号的采集和频谱分析

语音信号的采集和频谱分析:[y,fs,bits]=wavread('voice'); %读取音频信息(双声道,16位,频率44100Hz)sound(y,fs,bits); %回放该音频Y=fft(y,4096); %进行傅立叶变换subplot(211);plot(y);title('声音信号的波形');subplot(212)plot(abs(Y));title('声音信号的频谱');窗函数设计低通滤波器:fp=1000;fc=1200;as=100;ap=1;fs=22000;wp=2*fp/fs;wc=2*fc/fs;N=ceil((as-7.95)/(14.36*(wc-wp)/2))+1;beta=0.1102*(as-8.7);window=Kaiser(N+1,beta);b=fir1(N,wc,window);freqz(b,1,512,fs);结果:滤波:[y,fs,bits]=wavread('voice');d=filter(b,a,y);D=fft(d);subplot(211)plot(d);title('滤波后的声音波形')subplot(212)plot(abs(D))title('滤波后的声音频谱')回放:sound(d,fs,bits)与滤波之前相比,噪音明显降低了许多。

过零率的计算要用下面的代码:zcr = zeros(size(y,1)1);delta= 0.02;for i=1:size(y,1)x=y(i,:);for j=1;length(x)-1if x(j)*x(j+1)<0 &abs(x(j)-x(j+1))>deltazcr(i)=zcr(i)+1;endendend其中设置了门限delta=0.02。

这是个经验值,可以进行细微的调整。

语音信号处理实验报告.docx

语音信号处理实验报告.docx
在浊音清音对比中,可以发现,对呈现谐波特征的浊音语音谱来说这个特点很明显,就是在谐波成分处LPC谱匹配信号谱的效果要远比谐波之间好得多。
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。

声音信号的频谱分析与频率测量方法

声音信号的频谱分析与频率测量方法

声音信号的频谱分析与频率测量方法声音是我们日常生活中不可或缺的一部分,我们通过声音来交流、表达情感,甚至通过声音来判断事物的性质。

然而,声音是如何产生的?我们如何对声音进行分析和测量呢?本文将介绍声音信号的频谱分析与频率测量方法。

声音信号是由空气中的振动引起的,当物体振动时,会产生压力波,通过空气传播出去,我们就能听到声音。

声音信号可以通过振动的频率和振幅来描述,其中频率是指振动的周期性,而振幅则是指振动的强度。

频谱分析是一种将声音信号分解成不同频率成分的方法。

它可以帮助我们了解声音信号的频率分布情况,从而更好地理解声音的特性。

频谱分析的基本原理是将声音信号转换为频域表示,即将信号从时域转换为频域。

这可以通过傅里叶变换来实现。

傅里叶变换是一种将时域信号转换为频域信号的数学方法。

它将信号分解成一系列正弦波的叠加,每个正弦波都有不同的频率和振幅。

通过傅里叶变换,我们可以得到声音信号的频谱图,从而了解声音信号中不同频率成分的贡献程度。

频谱图通常以频率为横轴,振幅或能量为纵轴,通过不同的颜色或灰度表示不同频率成分的强度。

频谱图可以直观地展示声音信号的频率分布情况,帮助我们分析声音的特性。

例如,在音乐领域,频谱分析可以用来研究音乐的音色特点,判断乐器的类型等。

除了频谱分析,频率测量是对声音信号进行定量分析的重要方法。

频率是声音信号中最基本的特征之一,它决定了声音的音调高低。

频率测量可以通过多种方法实现,其中一种常用的方法是自相关法。

自相关法是一种基于信号自身的周期性特点进行频率测量的方法。

它通过计算信号与自身的延迟版本之间的相似程度来确定信号的周期性。

具体而言,自相关法将信号与其自身进行延迟,然后计算它们之间的相关性。

通过寻找最大相关性的延迟值,我们可以得到信号的主要频率成分。

除了自相关法,还有一些其他的频率测量方法,如峰值检测法、零交叉法等。

这些方法在不同的应用场景下有着各自的优势和适用性。

例如,峰值检测法适用于测量周期性信号的频率,而零交叉法适用于测量非周期性信号的频率。

语音信号的频域分析

语音信号的频域分析

实验二:语音信号的频域分析实验目的:以MATLAB 为工具,研究语音信号的频域特性,以及这些特性在《语音信号处理》中的应用情况。

实验要求:利用所给语音数据,分析语音的频谱、语谱图、基音频率、共振峰等频域参数。

要求会求取这些参数,并举例说明这些参数在语音信号处理中的应用。

实验内容:1、 语音信号的频谱分析1.1加载“ma1_1”语音数据。

基于DFT 变换,画出其中一帧数据(采样频率为8kHz ,帧长为37.5ms ,每帧有300个样点)的频域波形(对数幅度谱)。

load ma1_1;x = ma1_1 (4161:4460); plot (x)N = 1024; k = - N/2:N/2-1;X = fftshift (fft (x.*hann (length (x)),N));plot (k,20*log10 (abs(X))), axis ([0 fix(N/2) -inf inf ])已知该帧信号的时域波形如图(a )所示,相应的10阶LPC 谱如图(b )所示。

问题1:这帧语音是清音还是浊音?基于DFT 求出的对数幅度谱和相应的LPC 谱相比,两者有什么联系和区别?问题2:根据这帧基于DFT 的对数幅度谱,如何估计出共振峰频率和基音周期?问题3:时域对语音信号进行加窗,反映在频域,其窗谱对基于DFT 的对数幅度谱有何影响?如何估计出窗谱的主瓣宽度?1.2对于浊音语音,可以利用其频谱)(ωX 具有丰富的谐波分量的特点,求出其谐波乘积谱:∏==R r r X HPSx 1)()(ωω式中,R 一般取为5。

在谐波乘积谱中,基频分量变得很大,更易于估计基音周期。

1.3加载“vowels.mat”语音数据,分别画出一帧/i/和一帧/u/(采样频率为10kHz,帧长为30ms,每帧有300个样点)的基于DFT的对数幅度谱。

其Matlab代码如下:load vowelsx = vowels.i_1(2001:2300);N = 1024; k= -N/2:N/2-1;X = fftshift (fft (x.*hann (length(x)),N));plot (k,20*log10(abs(X))), axis([0 fix(N/2) 0 100])x = vowels.u_1(2001:2300);N= 1024; k = -N/2:N/2-1;X = fftshift (fft (x.*hann(length(x)),N));plot (k,20*log10(abs(X))), axis([0 fix(N/2) 0 100])1.4画出一帧清音语音的基于DFT的对数幅度谱。

语音信号采样和频谱分析

语音信号采样和频谱分析

语音信号采样和频谱分析一.实验目的(1)掌握傅里叶变换的物理意义,深刻理解傅里叶变换的内涵;(2)了解MATLAB 对声音信号的处理指令;(3)了解计算机存储信号的方式及语音信号的特点;(4)加深对采样定理的理解;(5)加深学生对信号分析工程应用的理解,拓展学生在信号分析领域的综合应用能力。

二.实验内容本实验利用MATLAB 指令录制一段语音信号,观察其时域波形并进行傅里叶变换,观察其频域的频谱。

根据该信号的频谱构成,选择三种不同的采样频率重新录制该语音信号,并试听回放效果,进行比较,以验证采样定理,并了解MATLAB 对声音信号的处理指令,加深对采样定理的理解。

关键词:傅里叶变换 信号采样三、实验原理语音信号是一种连续变化的模拟信号,而计算机只能处理和记录二进制的数字信号,因此,由自然音而得的音频信号必须用计算机的声音编辑工具,先进行语音采样,然后利用了计算机上的A/D 转换器,将模拟的声音信号变成离散的量化了的数字信号量化和编码,变成二进制数据后才能送到计算机进行再编辑和存储。

语音信号输出时,量化了的数字信号又通过D/A 转换器,把保存起来的数字数据恢复成原来的模拟的语音信号。

(1)应用MATLAB 进行声音的录制 (2)应用MATLAB 进行声音的播放 (3)语音信号的频谱分析 。

傅里叶变换建立了信号频谱的概念。

所谓傅里叶分析即分析信号的频谱(频率构成)、频带宽度等。

对语音信号的分析也不例外,也必须采用傅里叶变换这一工具。

对于连续时间信号)(t f ,其傅里叶变换)(ωF 为:⎰∞∞--=dt e t f F t j ωω)()(四、实验任务(1)应用MATLAB 进行声音的录制在MATLAB 命令窗口中键入“y=wavrecord(8000,8000,1)”,并按回车键,此时刻以后的1(8000/8000)秒时段内的声音信号将以y 为文件名,以数字声音信号.wav 格式存储在MATLAB 的工作空间里。

语音信号的采集与频谱分析(附代码)

语音信号的采集与频谱分析(附代码)
First,I compare the file generated by myself with that of thesame song sang by a famous singer.The emphasis is generally laid on analysing the difference in frequncy domain,but time domain will be included too.
After that,two noise signals are added to the original signal respectively and let them pass a filter to analyse it.In the two process mentioned before,I make comparison between the before and after frequency domain.
本设计给信号加了两种噪声并通过观察加噪后的频谱和试听回放效果比较加噪前后的差别,
最后,设计了FIR数字低通滤波器和带通滤波器,分析滤波前后的频谱。再次试听回放效果,得出结论。
关键词:语音、FFT、频谱图、噪声、滤波器
Abstract
This design is based on the general function of Matlaband Adobeedition to deal with Audio signals. The original signals are collected by iPhone’s built-in recording equipment.
Sampling Theorem is the base of my design.It is by sampling we can get discrete signals from the original one and draw the image in time domain.Also,fast fourier transform is employed(FFT)to get the signals in frequency domain.The ayalysis of frequency domain is the highlight of this design.

语音信号的采集与频谱分析(附代码)

语音信号的采集与频谱分析(附代码)

《信号与系统》大作业语音信号的采集与频谱分析——基于Matlab的语音信号处理学生姓名:学号:专业班级:电子工程学院卓越班指导老师:2015年6月22日摘要本设计用苹果手机自带的录音设备采集了原始语音,并导入了电脑转成wav格式,然后用MATLAB和Adobe audition对其进行时域分析。

接着利用傅里叶变换进行了频域分析,绘制频谱图,再录制一段加上歌曲的伴奏的语音与原唱进行了对比分析,得出了我与歌星在频域上的差别。

本设计给信号加了两种噪声并通过观察加噪后的频谱和试听回放效果比较加噪前后的差别,最后,设计了FIR数字低通滤波器和带通滤波器,分析滤波前后的频谱。

再次试听回放效果,得出结论。

关键词:语音、FFT、频谱图、噪声、滤波器AbstractThis design is based on the general function of Matlab and Adobe edition to deal with Audio signals. The original signals are collected by iPhone’s built-in recording equipment.First,I compare the file generated by myself with that of thesame song sang by a famous singer.The emphasis is generally laid on analysing the difference in frequncy domain,but time domain will be included too.After that,two noise signals are added to the original signal respectively and let them pass a filter to analyse it.In the two process mentioned before,I make comparison between the before and after frequency domain.Sampling Theorem is the base of my design.It is by sampling we can get discrete signals from the original one and draw the image in time domain.Also,fast fourier transform is employed(FFT)to get the signals in frequency domain.The ayalysis of frequency domain is the highlight of this design.Through this design,I can deepen my comprehension of principles of audio signals and I have learnt how to deal with it.Through met with much hindrance,I improved my skills finally.Keywords: audio signal、TTT、noise、filter1 绪论1.1课题的研究意义语音信号处理属于信息科学的一个重要分支,它是研究用数字信号处理技术对语音信号进行处理的一门新兴学科,同时又是综合性的多学科领域和涉及面很广的交叉学科,因此我们进行语言信号处理具有时代的意义。

语音信号采集和分析报告

语音信号采集和分析报告

语音信号的采集与分析一、背景介绍1、语音信号处理的相关内容通过语音相互传递信息是人类最重要的基本功能之一.语言是人类特有的功能.声音是人类常用工具,是相互传递信息的最重要的手段.虽然,人可以通过多种手段获得外界信息,但最重要,最精细的信息源只有语言,图像和文字三种.与用声音传递信息相比,显然用视觉和文字相互传递信息,其效果要差得多.这是因为语音中除包含实际发音内容的话言信息外,还包括发音者是谁及喜怒哀乐等各种信息.所以,语音是人类最重要,最有效,最常用和最方便的交换信息的形式.另一方面,语言和语音与人的智力活动密切相关,与文化和社会的进步紧密相连,它具有最大的信息容量和最高的智能水平。

语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科,处理的目的是用于得到某些参数以便高效传输或存储;或者是用于某种应用,如人工合成出语音,辨识出讲话者,识别出讲话内容,进行语音增强等.语音信号处理是一门新兴的学科,同时又是综合性的多学科领域,是一门涉及面很广的交叉学科.虽然从事达一领域研究的人员主要来自信息处理及计算机等学科.但是它与语音学,语言学,声学,认知科学,生理学,心理学及数理统计等许多学科也有非常密切的联系.语音信号处理是许多信息领域应用的核心技术之一,是目前发展最为迅速的信息科学研究领域中的一个.语音处理是目前极为活跃和热门的研究领域,其研究涉及一系列前沿科研课题,巳处于迅速发展之中;其研究成果具有重要的学术及应用价值.2、工作流程:相关的信号与系统知识:傅里叶变换在信号处理中具有十分重要的作用,它通常能使信号的某些特性变得很明显,而在原始信号中这些特性可能含糊不清或至少不明显.在语音信号处理中,傅里叶表示在传统上一直起主要作用.其原因一方面在于稳态语音的生成模型由线性系统组成,此系统被一随时间作周期变化或随机变化的源所激励.因而系统输出频谱反映了激励与声道频率响应特性.另一方面,语音信号的频谱具有非常明显的语音声学意义,可以获得某些重要的语音特征(如共振峰频率和带宽等).根据语音信号的产生模型,可以将其用一个线性非时变系统的输出表示,即看作是声门激励信号和声道冲激响应的卷积.在语音信号数字处理所涉及的各个领域中,根据语音信号求解声门激励和声道响应具有非常重要的意义.例如,为了求得语音信号的共振蜂就要知道声道传递函数(共振峰就是声道传递函数的各对复共轭极点的频率).又如,为了判断语音信号是清音还是浊音以及求得浊音情况下的基音频率,就应知道声门激励序列.在实现各种语音编码,合成,识别以及说话人识别时无不需要由语音信号来求得声门激励序列和声道冲激响应. 3、相关MATLAB知识:MATLAB 语言是一种数据分析和处理功能十分强大的计算机应用软件 ,它可以将声音文件变换为离散的数据文件 , 然后利用其强大的矩阵运算能力处理数据,如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等, 信号处理是MATLAB 重要应用的领域之一。

数据的采集与语音信号的频谱分析

数据的采集与语音信号的频谱分析

中北大学课程设计说明书学生姓名:吕涛学号:10050644X23 学生姓名:王丽学号:10050644X09学生姓名:赵芳学号:10050644X15 学生姓名:孟庆慧学号:10050644X05 学院:信息商务学院专业:电子信息工程题目:信息处理综合实践:数据的采集与语音信号的频谱分析指导教师:金永职称: 副教授2013 年 6 月 28 日中北大学课程设计任务书12/13 学年第二学期学院:信息商务学院专业:电子信息工程学生姓名:吕涛学号:10050644X23 学生姓名:王丽学号:10050644X09学生姓名:赵芳学号:10050644X15 学生姓名:孟庆慧学号:10050644X05 课程设计题目:信息处理综合实践:数据的采集与语音信号的频谱分析起迄日期:2013年6月7日~2013年6月28日课程设计地点:学院楼201、510、608实验室指导教师:金永系主任:王明泉下达任务书日期: 2013 年6月7 日1.设计目的:(1)掌握USB总线或PCI总线的基本结构,了解基于USB总线或PCI总线A/D卡的通用结构;(2)掌握数据采集卡采集数据的过程和原理;(3)了解MATLAB的信号处理技术;(4)掌握MATLAB 实现音乐信号的读取、保存、拼接与频谱分析。

2.设计内容和要求(包括原始数据、技术参数、条件、设计要求等):(1)查阅相关资料,撰写关于基于USB总线或PCI总线A/D卡的报告;(2)采用麦克采集本组各个同学的语音信号;(3)采用MATLAB读取采集的语音信号,截取各信号中的一段进行拼接,并进行频谱分析;(4)保存拼接后的语音信号,并进行播放证实存储的正确性,同时对拼接后信号与原有信号的频谱作对比;(5)提高内容:编写语音采集数据程序。

3.设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕:(1)要求设计组的每个成员都要了解设计的要求和思路;(2)MATLAB数据处理部分要求有正确的运行结果及结果分析;(3)总线部分和A/D采集卡部分要求每位同学有自己的理解;(4)每位同学针对上述内容撰写设计说明书(每人1份)。

语音信号采集与时频域分析正文

语音信号采集与时频域分析正文

第一章引言语音信号是一种非平稳的时变信号,它携带着各种信息。

在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。

语音信号分析的目的就在与方便有效的提取并表示语音信号所携带的信息。

语音信号分析可以分为时域和频域等处理方法。

语音信号可以认为在短时间内(一般认为在 10~30ms 的短时间内)近似不变,因而可以将其看作是一个准稳态过程, 即语音信号具有短时平稳性。

任何语音信号的分析和处理必须建立在“短时”的基础上, 即进行“短时分析”。

时域分析:直接对语音信号的时域波形进行分析,提取的特征参数有短时能量,短时平均过零率,短时自相关函数等。

频域分析:对语音信号采样,并进行傅里叶变换来进行频域分析。

主要分析的特征参数:短时谱、倒谱、语谱图等。

本文采集作者的声音信号为基本的原始信号。

对语音信号进行时频域分析后,进行加白噪声处理并进行了相关分析,设计滤波器并运用所设计的滤波器对加噪信号进行滤波, 绘制滤波后信号的时域波形和频谱。

整体设计框图如下图所示:图1.1时频域分析设计图图1.2加噪滤波分析流程图第二章 语音信号时域分析语音信号的时域分析可直接对语音信号进行时域波形分析,在此只只针对语音信号的短时能量、短时平均过零率、短时自相关函数进行讨论。

2.1窗口选择由人类的发生机理可知,语音信号具有短时平稳性,因此在分析讨论中需要对语音信号进行加窗处理进而保证每个短时语音长度为10~30ms 。

通常选择矩形窗和哈明窗能得到较理想的“短时分析”设计要求。

两种窗函数的时域波形如下图2.1所示:samplew (n )samplew (n )图2.1 矩形窗和Hamming 窗的时域波形矩形窗的定义:一个N 点的矩形窗函数定义为如下{1,00,()n Nw n ≤<=其他(2.1)哈明窗的定义:一个N 点的哈明窗函数定义为如下0.540.46cos(2),010,()n n NN w n π-≤<-⎧⎨⎩其他= (2.2)这两种窗函数都有低通特性,通过分析这两种窗的频率响应幅度特性可以发现(如图2.2):矩形窗的主瓣宽度小(4*pi/N ),具有较高的频率分辨率,旁瓣峰值大(-13.3dB ),会导致泄漏现象;哈明窗的主瓣宽8*pi/N ,旁瓣峰值低(-42.7dB ),可以有效的克服泄漏现象,具有更平滑的低通特性。

声音信号的采集与时域、频域分析

声音信号的采集与时域、频域分析

信号与系统实验报告实验二:声音信号的采集与时域、频域分析一、实验目的:1、熟悉MATLAB软件环境及界面组成;2、掌握运用傅里叶级数,在MATLAB里,通过运用傅里叶级数的展开,进行编写程序;3、用matlab实现采集到的WA V文件播放、显示其波形,并对男生女生的时域图、频谱图进行分析;4、能够在理论学习的基础上,进一步地理解和掌握语音信号的时域、频域特性。

二、实验原理:语音波形是时间的连续函数,所以语音信号的特性是随时间而变化的,其幅值随着时间有很显著的变化,即使是传递相同信息的语音信号,其基音频率也是不同的,语音信号的这些时变特性在波形图中都能很明显地观察出来,其中一定时宽的语音信号,男生发音时,其语音能量约集中于较低频率,而女生发音时,多数能量出现在较高频率上。

三、实验仪器:微型计算机Matlab软件环境麦克风四、实验内容:1、用麦克风录制一段自己的声音以及一位男同学声音,录制声音为“谢谢”(使用windows的录音机录制,并存储为WA V文件)2、用Matlab语言完成采集到的语音信号的读写程序3、用Matlab语言编写录制的女生声音信号、男生声音信号的频谱图程序4.依据时域以及频域曲线对语音进行比较分析,得出结论。

五、实验前准备1.预习课本有关内容,理解和掌握语音信号的时域、频域特性。

2.参考Matlab有关资料,设计并编写出具有上述功能的程序。

六、运行结果七、实验程序[x]=wavread('C:\ matlab6p5\work\girl.wav');N=size(x);figure;subplot(2,2,1);plot(x);ylabel('幅度');legend('女生生语音信号时域波形');y=abs(fft(x));subplot(2,2,2)plot(y)ylabel('频谱');legend('女生语音信号频谱图');hold on;[y]=wavread(' C:\ matlab6p5\work\boy.wav');N=size(y);figure;subplot(2,2,3);plot(x);ylabel('幅度');legend('男生生语音信号时域波形');y=abs(fft(y));subplot(2,2,4)plot(y)ylabel('频谱');legend('男生语音信号频谱图');hold off;八、实验分析实验的声音信号为“谢谢”,从上图中可以看出,其对称性很高,主要的差别在于时域的幅度以及频域的频率。

实验二 用FFT分析语音信号的频谱

实验二  用FFT分析语音信号的频谱

实验二用FFT分析语音信号的频谱
一、实验目的
1、分析实际工程中一个语音信号的频谱。

2、掌握FFT反变换的意义。

二、实验内容
1、实际中通过一个语音信号进行采样,获得数字信号对频谱信号进行FFT进行
分析。

2、去除频谱中幅值小于1的系数进行反变换,重构原来语音进行对比分析。

3、
三、实验用设备仪器及材料
P4计算机MATLAB软件
四、实验原理
实验程序如下:
[x,f,n,o]=wavread(‘bird.wav’);
subplot(2,2,1);plot(x);title(‘原始语音信号’);
y=fft(x);subplot(2,2,2);plot(abs(y));title(‘FFT变换’);
y(abs(y)<1)=0;x=ifft(y);
subplot(2,2,3);plot(abs(y));title(‘去掉幅值小于1的FFT变换值’);
subplot(2,2,4);plot(real(x));title(‘重构语音信号’);
wavwrite(x,f,’bird1.wav’);
五、实验步骤和及方法
1、对一个语音进行FFT,画出其频谱。

2、去掉幅值小于1的系数,进行傅立叶变换。

3、给出一个语音信号,用MATLAB进行FFT分析。

六、实验报告要求
1、对FFT变换及IFFT有一定的认识。

2、了解数据压缩的意义。

3、画出语音信号时频图、及重构语音图。

语音信号的频谱分析实验报告

语音信号的频谱分析实验报告

语音信号的频谱分析实验报告1 引言1.1 实验背景及意义随着信息技术的飞速发展,语音信号处理技术在通信、语音识别、音频编辑等领域发挥着越来越重要的作用。

频谱分析作为语音信号处理的核心技术之一,能够揭示语音信号的频率结构,对于理解语音的本质、提升语音处理技术的性能具有重要意义。

本实验旨在通过频谱分析,深入探究语音信号的内在特性,为相关领域的研究提供理论支持和技术参考。

1.2 实验目的本实验的主要目的是掌握语音信号的频谱分析方法,通过实际操作,理解频谱分析的基本原理及其在语音信号处理中的应用。

具体目标包括:1.学习并掌握语音信号的时域与频域表示方法;2.学习并掌握傅里叶变换(FFT)及短时傅里叶变换(STFT)的原理及其在语音信号频谱分析中的应用;3.分析语音信号的频谱特征,为后续的语音识别、降噪等处理提供依据。

1.3 实验方法与工具本实验采用以下方法与工具:1.实验方法:采用对比实验的方法,对原始语音信号及其频谱进行分析,探讨不同参数设置对频谱分析结果的影响。

2.实验工具:使用MATLAB软件进行实验,利用其强大的信号处理功能实现语音信号的采集、处理和频谱分析。

MATLAB具有以下优点:- 丰富的信号处理函数库,方便快速实现各种算法;- 图形化编程环境,便于观察实验结果; - 高度可扩展性,支持自定义函数和工具箱。

2. 语音信号基本概念2.1 语音信号的特性语音信号是人类交流的主要方式之一,它具有以下特性:•时变性:语音信号随着时间变化,其波形不断改变,即使在同一发音人的连续发音中,同一音素的波形也有所不同。

•非周期性:与简单的正弦波等周期性信号不同,语音信号在短时间内是非周期的,具有随机性质。

•频率特性:人的发声器官产生的语音信号主要频率范围在20Hz到4kHz之间,不同语言和方言的频率分布可能有所差异。

•幅度特性:语音信号的幅度变化较大,通常需要通过预处理进行归一化处理,以便于分析。

•短时平稳性:尽管语音信号整体上是非平稳的,但在短时间内(大约20-30ms),可以近似认为是平稳的,这是进行短时傅里叶变换(STFT)的理论基础。

拓展作业之二—音频信号采集与频谱分析

拓展作业之二—音频信号采集与频谱分析

拓展作业之二音频信号的采集及频谱分析一. 目的由于音频信号是一种连续变化的模拟信号,而计算机只能处理和记录二进制的数字信号,因此,由自然音而得的音频信号必须经过采样,量化和编码,变成二进制数据后才能送到计算机进行再编辑和存贮。

本作业的目的:1、掌握用声音编辑工具软件录制Wav文件的方法;2、对音频信号波形进行分析,认识;3、以不同的采样率采样生成Wav文件,并试听回放效果,作出比较,以此体会采样定理的内容。

二. 原理如果对某一模拟信号进行采样,则采用后可还原的最高信号频率只有采样频率的一半或者只要采样频率高于输入信号最高频率的两倍就能从采样信号序列重构原始信号,三个标准的采样频率分别为:44.1kHz, 22.05kHz, 11.025kHz。

量化和编码都是由声卡自动完成。

数字音频产生的数据一般用Wav文件格式存储,以“.wav”作为文件扩展名。

Wav格式是Windows 下通用的数字音频标准。

三. 内容1.音频卡配有话筒输入,线性输入接口,数字音频源可以是话筒,收录音机和CD唱片;选择不同的采样率,生产Wave文件。

利用计算机上的录音机(具体位置是在开始/程序/附件/娱乐)录下一段自己的讲话声音, 时间约2 秒。

将录音机的属性调为44.1kHz, 16 比特, 双声道。

如此录下的语音信号当然是数字信号, 但为了方便, 我们假设它是模拟的语音信号。

2.采用Matlab辅助完成,下面先介绍几个成员函数:[x,fs,bits]=wavread('filename')这是一个Matlab中读取wav文件的数据的函数。

其中的x表示一长串的数据,一般是两列(立体声);fs是该wav文件在采集时用的采样频率;bits是指在进行A/D转化时用的量化位长(一般是8bits或16bits)。

[d]=fft(w,l)这是matlab中fft函数的一种输入输出形式。

w是一列波形数据;l是指示用多少点的fft,我们应该选择2的乘方的数(如16,128,1024等),因为这样就可以使用优化的蝶形算法;d是频域的输出。

频谱相关分析范文

频谱相关分析范文

频谱相关分析范文频谱相关分析是指对信号的频谱进行分析和探究的一种方法。

频谱是信号在不同频率上的能量分布情况,通过对频谱进行相关分析可以揭示信号的特性和演化规律。

本文将详细介绍频谱相关分析的原理、方法和应用,并结合具体案例进行解析。

一、频谱相关分析的原理频谱相关分析是将信号进行频域转换,并通过相关性计算方法对频谱进行分析的过程。

它的基本原理是将信号转换到频率域,通过分析不同频率上的能量分布情况,来推测信号的特征和属性。

频谱相关分析主要包括以下几个步骤:1.信号采样:首先对信号进行采样,即以固定的时间间隔对信号进行取样,获取信号的时域离散数据。

2.信号窗口化:为了消除信号的突变对频谱分析的影响,通常需要对信号进行窗口化处理。

窗口函数可以将信号在时域上进行平滑处理,使得信号在频域上的能量分布更加均匀。

3.频域转换:通过傅里叶变换或者相关变换等方法,将信号从时域转换到频域,得到信号的频谱表示。

4.频谱相关计算:对频谱进行相关性计算,分析不同频率上的信号能量分布情况,探究信号的特性和演化规律。

常见的频谱相关计算方法包括自相关、互相关、功率谱密度等。

5.结果分析和解释:根据频谱相关计算的结果,进行结果分析和解释。

可以通过对频谱的峰值、能量分布等特征进行分析,推测信号的频率成分以及可能的物理意义。

二、频谱相关分析的方法频谱相关分析的方法主要包括时域分析和频域分析两种。

时域分析主要依据信号在时间上的波形变化来分析信号的特性,常见的方法有自相关分析、互相关分析等;频域分析则主要依据信号在频率上的能量分布情况来分析信号的特性,其中最常用的方法是傅里叶变换。

1.自相关分析:自相关分析是指将信号与自身在时间上的延迟进行相关性计算的方法。

通过自相关分析可以得到信号的自相关函数,进而推测信号的周期性、重复性等特征。

2.互相关分析:互相关分析是指将两个不同信号在时间上的相关性进行计算的方法。

通过互相关分析可以得到两个信号之间的互相关函数,进而推测它们之间的关联性以及频率成分。

语音的频率、频率分辨率、采样频率、采样点数、量化、增益

语音的频率、频率分辨率、采样频率、采样点数、量化、增益

语⾳的频率、频率分辨率、采样频率、采样点数、量化、增益语⾳的频率、频率分辨率、采样频率、采样点数、量化、增益采样采样频率 每秒从连续信号中提取并组成离散信号的采样个数。

⽤Hz表⽰,采样频率的倒数是采样周期,即采样之间的时间间隔。

通俗的讲:采样频率是指计算机每秒钟采集的多少声⾳样本。

采样频率越⾼,即采样的间隔时间越短,则在单位时间内计算机得到的声⾳样本数据就越多,对声⾳波形的表⽰也越精确。

采样定理 也称作奈奎斯特采样定理,只有采样频率⾼于声⾳信号最⾼频率的两倍时,才能把数字信号表⽰的声⾳还原成为原来的声⾳。

所以采样定理确定了信号最⾼最⾼的频率上限,或能获取连续信号的所有信息的采样频率的下限。

举例:如果有⼀个20Hz的语⾳和⼀个20KHz的语⾳,我们以44.1KHz的采样率对语⾳进⾏采样,结果:20Hz语⾳每次振动被采样了40K20=200040K20=2000次;20KHz语⾳每次振动被采样了40K20K=240K20K=2次;所以在相同的采样率下,记录低频的信息远远⽐⾼频的详细。

上采样可以理解为信号的插值,下采样可以理解为信号的抽取。

带宽:采样频率的⼀半,最⾼频率等于采样频率的⼀半。

混叠 混叠也称为⽋采样,当采样频率⼩于最⼤截⽌频率两倍(奈奎斯特频率)的时候就会发⽣信号重叠,这⼀现象叫做混叠。

为了避免混叠现象,通常采⽤两种措施:1、提⾼采样频率,达到信号最⾼频率的两倍以上;2、输⼊信号通过抗混叠滤波器(低通滤波器)进⾏滤波处理,过滤掉频率⾼于采样率⼀半的信号。

语谱图和频谱图语⾳波形图 波形图表⽰语⾳信号的响度随时间变化的规律,横坐标表⽰时间,纵坐标表⽰声⾳响度,我们可以从时域波形图中观察语⾳信号随时间变化的过程以及语⾳能量的起伏频谱图 频谱图表⽰语⾳信号的功率随频率变化的规律,信号频率与能量的关系⽤频谱表⽰,频谱图的横轴为频率,变化为采样率的⼀半(奈奎斯特采样定理),纵轴为频率的强度(功率),以分贝(dB)为单位语谱图 横坐标是时间,纵坐标是频率,坐标点值为语⾳数据能量,能量值的⼤⼩是通过颜⾊来表⽰的,颜⾊越深表⽰该点的能量越强。

语音信号处理实验指导书

语音信号处理实验指导书

语音信号处理实验指导书实验一:语音信号的采集与播放实验目的:了解语音信号的采集与播放过程,掌握采集设备的使用方法。

实验器材:1. 电脑2. 麦克风3. 扬声器或者耳机实验步骤:1. 将麦克风插入电脑的麦克风插孔。

2. 打开电脑的录音软件(如Windows自带的录音机)。

3. 在录音软件中选择麦克风作为录音设备。

4. 点击录音按钮开始录音,讲话或者唱歌几秒钟。

5. 点击住手按钮住手录音。

6. 播放刚刚录制的语音,检查录音效果。

7. 将扬声器或者耳机插入电脑的音频输出插孔。

8. 打开电脑的音频播放软件(如Windows自带的媒体播放器)。

9. 选择要播放的语音文件,点击播放按钮。

10. 检查语音播放效果。

实验二:语音信号的分帧与加窗实验目的:了解语音信号的分帧和加窗过程,掌握分帧和加窗算法的实现方法。

实验器材:1. 电脑2. 麦克风3. 扬声器或者耳机实验步骤:1. 使用实验一中的步骤1-5录制一段语音。

2. 将录制的语音信号进行分帧处理。

选择合适的帧长和帧移参数。

3. 对每一帧的语音信号应用汉明窗。

4. 将处理后的语音帧进行播放,检查分帧和加窗效果。

实验三:语音信号的频谱分析实验目的:了解语音信号的频谱分析过程,掌握频谱分析算法的实现方法。

实验器材:1. 电脑2. 麦克风3. 扬声器或者耳机实验步骤:1. 使用实验一中的步骤1-5录制一段语音。

2. 将录制的语音信号进行分帧处理。

选择合适的帧长和帧移参数。

3. 对每一帧的语音信号应用汉明窗。

4. 对每一帧的语音信号进行快速傅里叶变换(FFT)得到频谱。

5. 将频谱绘制成图象,观察频谱的特征。

6. 对频谱进行谱减法处理,去除噪声。

7. 将处理后的语音帧进行播放,检查频谱分析效果。

实验四:语音信号的降噪处理实验目的:了解语音信号的降噪处理过程,掌握降噪算法的实现方法。

实验器材:1. 电脑2. 麦克风3. 扬声器或者耳机实验步骤:1. 使用实验一中的步骤1-5录制一段带噪声的语音。

语音信号_实验报告

语音信号_实验报告

一、实验目的1. 理解语音信号的基本特性及其在数字信号处理中的应用。

2. 掌握语音信号的采样、量化、编码等基本处理方法。

3. 学习语音信号的时域、频域分析技术。

4. 熟悉语音信号的增强、降噪等处理方法。

二、实验原理语音信号是一种非平稳信号,其特性随时间变化。

在数字信号处理中,我们通常采用采样、量化、编码等方法将语音信号转换为数字信号,以便于后续处理和分析。

三、实验内容1. 语音信号的采集与预处理- 使用麦克风采集一段语音信号。

- 对采集到的语音信号进行预加重处理,提高高频成分的幅度。

- 对预加重后的语音信号进行采样,采样频率为8kHz。

2. 语音信号的时域分析- 画出语音信号的时域波形图。

- 计算语音信号的短时能量和短时平均过零率,分析语音信号的时域特性。

3. 语音信号的频域分析- 对语音信号进行快速傅里叶变换(FFT)分析,得到其频谱图。

- 分析语音信号的频谱特性,提取关键频段。

4. 语音信号的增强与降噪- 在语音信号中加入噪声,模拟实际应用场景。

- 使用谱减法对加噪语音信号进行降噪处理。

- 对降噪后的语音信号进行主观评价,比较降噪效果。

5. 语音信号的回放与对比- 对原始语音信号和降噪后的语音信号进行回放。

- 对比分析两种语音信号的时域波形、频谱图和听觉效果。

四、实验步骤1. 采集语音信号- 使用麦克风采集一段时长为5秒的语音信号。

- 将采集到的语音信号保存为.wav格式。

2. 预处理- 使用Matlab中的preemphasis函数对采集到的语音信号进行预加重处理。

- 设置预加重系数为0.97。

3. 时域分析- 使用Matlab中的plot函数画出语音信号的时域波形图。

- 使用Matlab中的energy和zero crossing rate函数计算语音信号的短时能量和短时平均过零率。

4. 频域分析- 使用Matlab中的fft函数对语音信号进行FFT变换。

- 使用Matlab中的plot函数画出语音信号的频谱图。

语音信号采集和频谱分析

语音信号采集和频谱分析

语音信号采集和频谱分析利用计算机中的录音设备,采集语音信号并采样,得到数据文件‘*.wav’。

方法为:[开始]→[程序]→[附件]→[娱乐]→[录音机]→‘*.wav’。

读取‘*.wav’。

[x,fs,bits] = wavread(‘F:\*\*.wav’); %用于读取语音,采样值放在变量x中,fs表示采样频率(Hz),bits表示采样位数。

sound(x,fs,bits); %放音得到声音变量x,同时也把x的采样频率fs = 8kHz和数据位bits = 8 bits 放进了MATLAB的工作空间。

对采集的语音数据做fs点快速傅立叶变换。

n = length (x) ; %求出语音信号的长度X=fft(x,n); %傅里叶变换subplot(2,1,1);plot(x);title('原始信号波形');subplot(2,1,2);plot(abs(X));title('原始信号频谱')图1语音数据的波形图和频谱图由图1 所示的频谱可清楚地看到:样本声音主要以低频为主,样本声音的能量大约集中在600Hz以内,2000Hz以外的高频部分很少。

所以信号宽度近似取为600Hz,由采样定理可得Fs >2F = 2*600=1200Hz。

重放语音后仍可较清晰地听出原声,不存在声音混叠现象。

(2)加入噪音给原始的语音信号加上一个高频余弦噪声,频率为3.8kHz。

画出加噪后的语音信号时域和频谱图,与原始信号对比,可以很明显的看出区别。

fs=11025;t=(0:length(x)-1)/11025;Au=0.05;d=[Au*cos(2*pi*3800*t)]'; %噪声为3.8kHz的余弦信号z=x+d;Z=fft(z,n);subplot(2,1,1);plot(z);title('加噪后的信号波形');subplot(2,1,2);plot(abs(Z));title('加噪后的信号频谱');图2添加噪声后的语音数据的波形图和频谱图Write a report and explain your experiment (In English).。

语音信号的频谱分析实验报告

 语音信号的频谱分析实验报告

综合设计实验语音信号的频谱分析一、实验内容录制一段个人自己的语音信号,并对录制的信号进行采样;画出采样后语音信号的时域波形和频谱图;在语音信号中增加正弦噪声信号(自己设置几个频率的正弦信号),对加入噪声信号后的语音信号进行频谱分析;给定滤波器的性能指标,采用窗函数法和双线性变换设计数字滤波器,并画出滤波器的频率响应;然后用自己设计的滤波器对采集的信号进行滤波,画出滤波后信号的时域波形和频谱,并对滤波前后的信号进行对比试听,分析信号的变化。

二、实现步骤1.语音信号的采集利用Windows下的录音机,录制一段自己的话音(“信号与系统”),时间在3s内。

然后在Matlab软件平台下,利用函数wavread对语音信号进行采样,采样频率设置为4kHz。

[y,fs,bits]=wavread('j.wav',[1024 63500]);sound(y,fs,bits);2.语音信号的频谱分析要求首先画出语音信号的时域波形;然后对语音号进行傅里叶变换,得到信号的频谱特性。

在采集得到的语音信号中加入正弦噪声信号(频率为10kHz),然后对加入噪声信号后的语音号进行傅里叶变换,得到信号的频谱特性。

并利用sound试听前后语音信号的不同。

3. 设计滤波器设计一个理想低通滤波器,滤除正弦噪声信号,得到信号的频谱特性。

要求采样卷积计算的方式滤除噪声,并利用sound试听滤波前后语音信号的不同。

1、语音信号的采集[y,fs,bits]=wavread('j.wav',[1024 63500]);sound(y,fs,bits);2、语音信号的频谱分析Y=fft(y,4096);figure(1);plot(y);title('语音信号的时域波形');figure(2);plot(abs(Y));title('语音信号的频谱特性');IIR 数字滤波器低通clear;close all;[y,fs,bits]=wavread('j.wav',[1024 63500]);Y=fft(y,4096);fb=1000;fc=1200;As=100;Ap=1;fs=22050;wc=2*fc/fs; wb=2*fb/fs;[n,wn]=ellipord(wc,wb,Ap,As);[b,a]=ellip(n,Ap,As,wn);figure(1);freqz(b,a,512,fs);x=filter(b,a,y);X=fft(x,4096);figure(2);subplot(2,2,1);plot(y);title('滤波前信号波形');subplot(2,2,2);plot(abs(Y));title('滤波前信号频谱');Subplot(2, 2 ,3);plot(x);title('滤波后信号波形');Subplot(2, 2 ,4);plot(abs(X));title('滤波后信号频谱');sound(x,fs,bits);IIR 高通wp=2*pi*4800/18000;wr=2*pi*5000/18000;Ap=1;Ar=15;T=1[N,wn]=buttord(wp/pi,wr/pi,Ap,Ar);[b,a]=butter(N,wn,'high');[db,mag,pha,grd,w]=freqz_m(b,a);subplot(211);plot(w/pi,mag);title('数字巴特沃茨高通滤波器幅度响应|Ha(J\Omega)|'); subplot(212);plot(w/pi,db);title('数字巴特沃茨高通滤波器幅度响应(db)');[y,Fs,nbite]=wavread('j.wav',[1024 63500]);Y=fft(y,4096);x=filter(b,a,y);X=fft(x,4096);figure(3)subplot(211);plot(y);title('原时域波形');subplot(212);plot(x);title('滤波后信号波形');figure(4)subplot(211);plot(abs(Y));title('原频谱频谱');subplot(212);plot(abs(X));title('滤波后信号频谱');sound(x,Fs);IIR 带通wp=[1200*pi*2/9000,3000*2*pi/9000];wr=[1000*2*pi/9000,3200*2*pi/9000];Ap=1;Ar=10 0;[N,wn]=buttord(wp/pi,wr/pi,Ap,Ar);[b,a]=butter(N,wn,'bandpass');[db,mag,pha,grd,w]=freqz_m(b,a);subplot(211);plot(w/pi,mag);title('数字巴特沃茨带通滤波器幅度响应|Ha(J\Omega)|');subplot(212);plot(w/pi,db);title('数字巴特沃茨带通滤波器幅度响应(db)');[y,Fs,nbite]=wavread('j.wav');Y=fft(y,4096);x=filter(b,a,y);X=fft(x,4096);figure(3)subplot(211);plot(y);title('原时域波形');subplot(212);plot(x);title('滤波后信号波形');figure(4)subplot(211);plot(abs(Y));title('原频谱频谱');subplot(212);plot(abs(X));title('滤波后信号频谱');sound(x,Fs);FIR 数字滤波器FIR 低通fsamp=8000;rp=1;rs=100;fcuts=[1000 1200];d1=(10^(rp/20)-1)/(10^(rp/20)+1);d2=10^(-rs/20);mags=[1 0];devs=[d1 d2];[n,wn,beta,ftype]=kaiserord(fcuts,mags,devs,fsamp); hh=fir1(n,wn,ftype,kaiser(n+1,beta),'noscale'); freqz(hh);[y,Fs,nbite]=wavread('j.wav');Y=fft(y,4096);x=fftfilt(hh,y);X=fft(x,4096);figure(2)subplot(211);plot(y);title('原时域波形');subplot(212);plot(x);title('滤波后信号波形'); figure(3)subplot(211);plot(abs(Y));title('原频谱频谱'); subplot(212);plot(abs(X));title('滤波后信号频谱'); sound(x,Fs);FIR 高通wc=2*pi*4800;wp=5000*2*pi/18000;f=[0.5333,0.5556]; m=[0,1];rp=1;rs=100;d1=(10^(rp/20)-1)/(10^(rp/20)+1);d2=10^(-rs/20); rip=[d2,d1];[N,fo,mo,w]=remezord(f,m,rip);N=N+2;hn=remez(N,fo,mo,w);[hw,w]=freqz(hn,1);plot(w/pi,20*log10(abs(hw)));[y,Fs,nbite]=wavread('j.wav');Y=fft(y,4096);x=fftfilt(hn,y);X=fft(x,4096);figure(2)subplot(211);plot(y);title('原时域波形');subplot(212);plot(x);title('滤波后信号波形');figure(3)subplot(211);plot(abs(Y));title('原频谱频谱');subplot(212);plot(abs(X));title('滤波后信号频谱');sound(x,Fs);FIR 带通wp1=2*pi*1200/8000;wp2=3000*2*pi/8000;wc1=2*pi*1000/8000;wc2=2*pi*3200*8000; f=[0.25,0.30,0.75,0.80][n,wn,bta,ftype]=kaiserord([0.25,0.30,0.75,0.80],[0 1 0],[0.01 0.1087 0.01]);h1=fir1(n,wn,ftype,kaiser(n+1,bta),'noscale');[hh1,w1]=freqz(h1,1,256);figure(1);plot(w1/pi,20*log10(abs(hh1)));grid;[y,Fs,nbite]=wavread('j.wav');Y=fft(y,4096);x=fftfilt(h1,y);X=fft(x,4096);figure(2)subplot(211);plot(y);title('原时域波形');subplot(212);plot(x);title('滤波后信号波形');figure(3)subplot(211);plot(abs(Y));title('原频谱频谱');subplot(212);plot(abs(X));title('滤波后信号频谱');sound(x,Fs);设计结果分析(1)语音分析图1图2Fs=22050; n=4096(2)IIR 低通图3滤波器在通带内平滑,通带截止频率为 1000hz,最大衰减 0dB;阻带起始频率为1200hz,最小衰减 100dB;相位不是线性变化, 基本满足性能要求.图4语音信号经过低通滤波器后,基本没发生变化(3) IIR 高通图5数字滤波器在通带内平滑,通带截止频率为0. 5π,最大衰减 0dB;阻带起始频率为 0. 48π,最小衰减 100dB;相位不是线性变化, 基本满足性能要求.语言信号经过高通滤波器后,低频分量基本被衰减。

  1. 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. 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. 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)。

语音信号采样和频谱分析
一.实验目的
(1)掌握傅里叶变换的物理意义,深刻理解傅里叶变换的内涵;
(2)了解 MATLAB对声音信号的处理指令;
(3)了解计算机存储信号的方式及语音信号的特点;
( 4)加深对采样定理的理解;
(5)加深学生对信号分析工程应用的理解,拓展学生在信号分析领域的综合应用能力。

二.实验内容
本实验利用 MATLAB指令录制一段语音信号,观察其时域波形并进行傅里叶变换,观察其频域的频谱。

根据该信号的频谱构成,选择三种不同的采样频率重新录制该语音信号,并试听回放效果,进行比较,以验证采样定理,并了解MATLAB对声音信号的处理指令,加深对采样定理的理解。

关键词:傅里叶变换信号采样
三、实验原理
语音信号是一种连续变化的模拟信号,而计算机只能处理和记录二进制的数字信号,因此,
由自然音而得的音频信号必须用计算机的声音编辑工具,先进行语音采样,然后利用了计算机上的
A/D 转换器,将模拟的声音信号变成离散的量化了的数字信号量化和编码,变成二进制数据后才能
送到计算机进行再编辑和存储。

语音信号输出时,量化了的数字信号又通过 D/A 转换器,把保存起
来的数字数据恢复成原来的模拟的语音信号。

(1)应用 MATLAB进行声音的录制(2)应用 MATLAB进行声音的播放( 3)语音信号的频谱分析。

傅里叶变换建立了信号频谱的概念。

所谓傅里叶分析即分析信号的频谱(频率构成)、频带宽
度等。

对语音信号的分析也不例外,也必须采用傅里叶变换这一工具。

对于连续时间信号 f (t ) ,
其傅里叶变换 F () 为:F () f (t )e j t dt
四、实验任务
(1)应用 MATLAB进行声音的录制
在 MATLAB命令窗口中键入“ y=wavrecord(8000,8000,1) ”,并按回车键,此时刻以后的(18000/8000 )秒时段内的声音信号将以y 为文件名,以数字声音信号 .wav 格式存储在 MATLAB的工作空间里。

纪录长度为 80000,采样频率为 8000Hz,声道数为 1。

图为录制的语音:“信号与系统”。

(2)应用 MATLAB进行声音的播放
在 MATLAB命令窗口中键入“ sound(y,Fs) ”, 按下回车键就能听到回放的声音。

当 Fs=8000 时,听到的是原来未失真的声音;当 Fs=6000时,听到的声音比较低沉;当 Fs=10000时,听到的声音很
尖锐。

(3)语音信号的频谱分析
在 MATLAB命令窗口中键入“ p=fft(y);plot(abs(p))”按下回车键后出现如图所示图形:从图
中可以看出该音频的上限频率为 4000Hz。

来源于网络
(4)采样定理
一个频谱受限的信号 f(t), 如果频谱只占据
m
~
m 的范围,则信号 f (t ) 可以用等间隔的抽
样值唯一地表示。

而抽样间隔必须不大于
1
(其中
m
2 f m ),或者说,最低抽样频率为 2 f m 。

2 f m
低抽样频率为 2 f m 。

该实验中,音频的上限频率为 4000Hz ,所以采用的抽样信号的频率为该频率
的两倍 8000Hz 。

当采用小于 8000Hz 的频率抽样时,回放声音低沉;当采用大于
8000Hz 的频率采
样时,回放声音尖锐。

结论:
本次试验是进行语音信号的采集和频谱分析,实验纪录了长度为 80000,采样频率为 8000Hz 采样一段音频, 并进行频谱分析, 最终经过分析得只有以两倍上限频率回放音频时才会得到原音频
信号,否则都会失真。

本次试验不仅学习到了新知识, 而且复习到了抽样定理的许多内容,加深
了对这些内容的理解,受益很多! !
来源于网络。

相关文档
最新文档