语音基音周期的估计

实验一离散数字信号的产生及其时域处理

学习实现实验1的内容，并且编制一个程序(m文件)产生5种信号，函数需要的参数可输入确定，并绘出其图形

1、单位抽样序列

在MATLAB中可以利用函数实现,

%单位抽样序列函数%

X=0:10;

Y=[0 1 zeros(1,9)];

stem(X,Y,'r');

axis([-1,10,0,1]);

title('单位抽样序列');

xlabel('n');

ylabel('δ*n+');

图形如右:

2、单位阶越序列

在MATLAB中可以利用函数实现, 实现过程如下：

%单位阶跃序列函数

K=-8:8;

H=[zeros(1,8),ones(1,9)];

stem(K,H,'r');

axis([-8,8,0,2]);

title('单位阶跃序列');

xlabel('n');

ylabel('u[n]');

图形如下:

3、正弦序列，在MATLAB中实现过程如下：%正弦序列函数sin(2*pi*D/5+pi/4)%

D=-1:0.1*pi:8*pi;

C=sin(2*pi*D/5+pi/4);

stem(D,C,'filled');

axis([-1,10,-2,2]);

title('正弦序列');

xlabel('n');

ylabel('sin(2*pi*D/5+pi/4)')

图形如下:

4、复指数序列，从幅度和相位进行分析，在MATLAB中实现过程如下：%复指数序列函数%

n=[0:10];

x1=2*exp((-0.2+0.7*j)*n);

x2=abs(x1);

x3=angle(x1);

subplot(2,3,4);

stem(n,x2);

title('复指数序列幅值'); xlabel('n');

ylabel('x2');

stem(n,x3);

title('复指数序列相位'); xlabel('n');

ylabel('x3');

图形如下：

5、指数序列，在MATLAB中实现过程如下：

% 实指数序列%

L=0:20;

x4=(1.4).^(L/3);

stem(L,x4);

title('实指数序列');

xlabel('n');

ylabel('x4');

图形如下：

编制一个完整的程序(m文件)产生以上5种信号，图形如下：

m文件程序如下：

function F1

%单位抽样序列函数%

X=0:10;

Y=[0 1 zeros(1,9)];

subplot(2,3,1);

stem(X,Y,'r');

axis([-1,10,0,1]);

title('单位抽样序列 ');

xlabel('n');

ylabel('δ[n]');

%单位阶跃序列函数

K=-8:8;

H=[zeros(1,8),ones(1,9)];

subplot(2,3,2);

stem(K,H,'r');

axis([-8,8,0,2]);

title('单位阶跃序列 ');

xlabel('n');

ylabel('u[n]');

%正弦序列函数sin(2*pi*D/5+pi/4)%

D=-1:0.1*pi:8*pi;

C=sin(2*pi*D/5+pi/4);

subplot(2,3,3);

stem(D,C,'filled');

axis([-1,10,-2,2]);

title('正弦序列 ');

xlabel('n');

ylabel('sin(2*pi*D/5+pi/4)');

%复指数序列函数2*exp((-0.2+0.7*j)*n)，从相位和幅值角度来分开讨论其图形%

n=[0:10];

x1=2*exp((-0.2+0.7*j)*n);

x2=abs(x1);

x3=angle(x1);

subplot(2,3,4);

stem(n,x2);

title('复指数序列幅值');

xlabel('n');

ylabel('x2');

subplot(2,3,5);

stem(n,x3);

title('复指数序列相位');

xlabel('n');

ylabel('x3');

% 实指数序列(1.4)^(L/3)%

L=0:20;

x4=(1.4).^(L/3);

subplot(2,3,6);

stem(L,x4);

title('实指数序列 ');

xlabel('n');

ylabel('x4');

%在MATLAB 中产生5种信号，所需参数预先设定%

语音基音周期估计

语音基音周期估计的实现方法: 自相关函数法

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 τ

τττ--==++++∑

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：