语音信号大作业
(完整word版)语音信号处理实验报告实验一
通信工程学院12级1班罗恒2012101032实验一语音信号的低通滤波和短时分析综合实验一、实验要求1、根据已有语音信号,设计一个低通滤波器,带宽为采样频率的四分之一,求输出信号;2、辨别原始语音信号与滤波器输出信号有何区别,说明原因;3、改变滤波器带宽,重复滤波实验,辨别语音信号的变化,说明原因;4、利用矩形窗和汉明窗对语音信号进行短时傅立叶分析,绘制语谱图并估计基音周期,分析两种窗函数对基音估计的影响;5、改变窗口长度,重复上一步,说明窗口长度对基音估计的影响。
二、实验目的1.在理论学习的基础上,进一步地理解和掌握语音信号低通滤波的意义,低通滤波分析的基本方法。
2.进一步理解和掌握语音信号不同的窗函数傅里叶变化对基音估计的影响。
三、实验设备1.PC机;2。
MATLAB软件环境;四、实验内容1。
上机前用Matlab语言完成程序编写工作.2。
程序应具有加窗(分帧)、绘制曲线等功能。
3.上机实验时先调试程序,通过后进行信号处理。
4.对录入的语音数据进行处理,并显示运行结果。
5。
改变滤波带宽,辨别与原始信号的区别。
6。
依据曲线对该语音段进行所需要的分析,并且作出结论。
7.改变窗的宽度(帧长),重复上面的分析内容。
五、实验原理及方法利用双线性变换设计IIR滤波器(巴特沃斯数字低通滤波器的设计),首先要设计出满足指标要求的模拟滤波器的传递函数Ha(s),然后由Ha(s)通过双线性变换可得所要设计的IIR滤波器的系统函数H(z)。
如果给定的指标为数字滤波器的指标,则首先要转换成模拟滤波器的技术指标,这里主要是边界频率Wp和Ws的转换,对ap和as指标不作变化。
边界频率的转换关系为∩=2/T tan(w/2).接着,按照模拟低通滤波器的技术指标根据相应设计公式求出滤波器的阶数N和3dB截止频率∩c ;根据阶数N查巴特沃斯归一化低通滤波器参数表,得到归一化传输函数Ha(p);最后,将p=s/ ∩c 代入Ha(p)去归一,得到实际的模拟滤波器传输函数Ha(s)。
西电信号大作业(歌曲人声消除)
信号与系统课程实践报告1内容与要求通过信号分析的方法设计一个软件或者一个仿真程序,程序的主要功能是完成对歌曲中演唱者语音的消除。
试分析软件的根本设计思路、根本原理,并通过MA TLAB程序设计语言完成设计。
更进一步地,从理论和实用的角度改善软件性能的方法和措施。
2 思路与方案歌曲的伴奏左右声道相同,人声不同。
所以通过左右声道不同处理信号,然后通过频率分析做带阻滤波滤除主要人声信号。
3 成果及展示代码:clear;clc;[X,fs]=audioread('D:\文本文档\林.wav');ts=1/fs;N=length(X)-1;t=0:1/fs:N/fs;Nfft=N;df=fs/Nfft;fk=(-Nfft/2:Nfft/2-1)*df;a1=1;a2=-1;b1=1;b2=-1;%别离左声道和右声道SoundLeft=X(:,1);SoundRight=X(:,2);%对左声道和右声道进行快速傅里叶变换SoundLeft_f=ts*fftshift(fft(SoundLeft,N));SoundRight_f=ts*fftshift(fft(SoundRight,N));%显示左右声道幅度变化figure(1)subplot(411)plot(t,SoundLeft);subplot(412)plot(t,SoundRight);%显示左右声道频率变化subplot(413)f_range=[-5000,5000,0,0.1];plot(fk,SoundLeft_f);axis(f_range);subplot(414)plot(fk,SoundRight_f);axis(f_range);NewLeft=a1*SoundLeft+a2*SoundRight; NewRight=b1*SoundLeft+b2*SoundRight; Sound(:,1)=NewLeft;Sound(:,2)=NewRight;Sound_Left_f=ts*fftshift(fft(NewLeft,N)); Sound_Right_f=ts*fftshift(fft(NewRight,N)); figure(2)subplot(411)plot(t,NewLeft);subplot(412)plot(t,NewRight);f_range=[-5000,5000,0,0.1];subplot(413)plot(fk,Sound_Left_f);axis(f_range);subplot(414)plot(fk,Sound_Right_f);axis(f_range);BP=fir1(300,[800,2200]/(fs/2));%根据左右声道差异进行滤波【800,2200】Hz CutDown=filter(BP,1,Sound);Sound_Final=Sound-0.6*abs(CutDown);Sound_Final_f=ts*fftshift(fft(Sound_Final,N));figure(3)subplot(211)plot(t,Sound_Final);subplot(212)f_range=[-5000,5000,0,0.1];plot(fk,Sound_Final_f);axis(f_range);audiowrite('D:\文本文档\林_去人声.wav',Sound_Final,fs);1歌曲原始左右声道的幅度和频率曲线2相减得到的信号幅度和频率曲线3进行消除人声处理后信号的幅度和频率曲线4 总结与感想在本次实践中,熟悉了matlab的操作,了解了很多命令。
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。
语音信号处理作业homework
Homework6
1、为何矩形窗不适合用于频谱成分动态范围很宽 的语音分析中? 2、用矩形窗和海明窗对浊音语音信号进行谱分析 时,效果有何不同? 3、波形乘以窗函数,相当于对信号谱与窗函数的 傅里叶变换进行卷积,窗函数应具有什么特性? 4、推导短时傅里叶变换的卷积积分形式。 5、写出短时傅里叶变换滤波器解释的第一种形式 定义式实数运算的表达式。 6、对直角窗而言,短时傅里叶变换的时间取样率 是多少?
Homework4
1、矩形窗和海明窗对短时平均能量的影响。 2、窗口的长度对短时平均能量的结果有什么影响? 3、短时平均能量函数和短时平均幅度函数的差别 是什么? 4、浊音和清音的短时平均过零数有何不同? 5、平均过零数的用途。在背景噪声大或小时,各 选用什么函数?
Homework5
1、求证短时自相关函数为偶函数、周期函数。 2、区分五种时域分析方法的表示式和实现框图。 3、浊音和清音的自相关函数各有什么特点? 4、根据书中P36页下图估算浊音的基因周期,其中 窗口长度N=401,采样频率为10kHz。 5、浊音语音和清音语音的短时平均幅度差函数各有 什么特点?。 6、写出短时傅里叶变换的定义式,短时傅里叶变换 与标准傅里叶变换之间的关系是什么? 7、写出短时傅里叶变换或离散的短时傅里叶变换的 两种解释 。
Homework7
1、语谱图和声纹定义。 2、同态滤波和倒谱分析的定义。 3、写出特征系统D*[ ]将卷积性信号转 化为加性信号的过程。 4、写出经过逆特征系统D*-1[ ]将加性 信号转换为卷积性信号的过程。
Homework8
1、用傅里叶变换写出复倒谱和倒谱定义式,二者有 何联系? 2、在倒谱情况下一个序列经过正、逆两个特征系统 变换后,不能还原成自身,原因何在? 3、推导声门激励信号和声道冲激响应序列的复倒谱。 4、声门激励信号和声道冲激响应序列复倒谱性质。 5、微分法避免相位卷绕原理。 6、求证最小相位信号复倒谱的偶对称分量和奇对称 分量的傅里叶变换别为的傅里叶变换的实部和虚部。 7、根据书P64图5-6写出最小相位信号法求复倒谱的 过程。
工程信号与系统大作业文字
欢迎共阅工程信号与系统大作业——音频信号频谱分析比较学院:电子工程学院班级:1402018姓名:杨宁学号:14020181051 一、大作业要求:以下的内容,给出过程描述,原理分析,数据图表及分析。
1录制自己一段语音,分析其频谱特点。
2录制一段自己唱的歌曲,并与歌星唱的相同歌曲作频谱分析的比较(背景唱的去除)。
二、Matlab处理音频信号及歌曲背景音乐的去除1.设计方案:语音波形图是语音信号的时域分析,将语音信号记录成时域波形。
语音信号首先是一个时间序列,进行语音分析时,最直观的就是它的时域波形。
通过计算机的采样的量化,直接将语音波形显示出来。
利用MATLAB中的wavread命令来读入(采集)语音信号,将它赋值给某一向量。
再将该向量看作一个普通的信号,对其进行FFT变换实现频谱分析。
利用matlab简单的函数可以完成对自己声音的录制,保存,利用第二个任务用到的程序可以完成对其频谱图的绘制。
对于歌手所唱歌曲背景音乐的去除,用Adobe Audition 软件来实现。
具体步骤如下:【第一步】打开AA,切换到多轨模式,选择“插入”栏下的“提取视频中的音频”,或者直接右键单击轨道,选择“插入”→“提取音频”,选择你要消声的音频片段。
【第二步】切换到单轨模式。
【第三步】选中一段没有人声的纯背景音乐部分,然后点击工具栏中的“效果”→“修复”→“降噪器(进程)。
【第四步】选择降噪器界面内的“获取特性”,就会自动获取噪音特性,然后就会出现这个界面【第五步】取消选定特定区域,或者全部选中你要消除背景音乐的区域,再通过点击“效果”→“修复”→“降噪器(进程)”,此时又会出现降噪器界面了,这时候要注意界面内的“降噪级别”这一栏。
【第六步】全部调整好了之后,你就可以把它另存为了。
2.自己声音信号的获取:利用录音机录下自己一段话音,并用格式工厂转化成wav格式音频,放入目标文件夹方便调用。
3.音频信号读入和播放可支持两种格式的输入输出:NeST/SUN(后缀为“.au”)和Microsoft WAV文件(后缀为“.wav”)。
数字语音处理大作业PPT精选文档
❖
谢谢观看
10
❖ subplot(2,1,2);plot(w1,magx1,'k');titl e(' 处理前音频信号的频谱');grid;
❖ figure(2);%作图2
❖ subplot(2,1,1);stem(n,x2,'.k');title(' 噪音信号n(t)');grid;
❖ subplot(2,1,2);plot(w2,magx2,'k');titl e(' 噪音信号的频谱');grid;
3
❖ 频谱减法基本原理如下:
❖ 假设带噪语音信号为: y(i)=s(i)+n(i)
❖ 其中,s(i)为纯净语音,n(i)为噪声信号。
❖ 经FFT变换后,相应的频域表示为:Y k= S k +N k
❖ 由此可得: |Y k|2|S k|2 |N k|2S kN * kS * kN k
❖ 因为纯净语音信号与噪声信号是相互独立的,所以 S k与N k也
语音去噪算法研究
班级:通信工程 班 姓名: 学号:
指导教师:崔艳秋
1
研究意义
❖ 在语音的录制、传输过程中.引入各种各样 的噪声是不可避免的。为抑制噪声,提高语 音的质量,需要对含噪语音信号进行语音增 强。
❖ 本研究采用频谱减法有效地去除了噪声,能 够起到很好的语音增强效果,在不损伤语音 信号的前提下能够大幅度提高信噪比。
7
❖ 得到波形如下:
No Image
No Image
去 噪 后 音 频 信 号 n(t) 2
1
0
-1
-2
0
2
4
语音信号处理作业
课堂作业1:1、语音信号的特点是什么?画出数字模型语音信号的最基本组成单位是音素。
音素可以分为“浊音”和“清音”两大类,语音信号的频谱分量主要集中在300~3400HZ的范围内,其采样率为8kHZ,某些语音系统将此频率扩展到7~9KHZ,其采样率也提高到15~20kHZ。
语音信号具有短时性。
2、简述语音信号的特点,基频、共振峰是什么含义?语音一般由清音和浊音组成,浊音的声带振动基本频率,又称基音频率。
声道可以看成是一根具有非均匀截面的声管,在发音时起共鸣的作用,。
当元音激励进入声道时会引起共振特性,产生一组共振频率,称为共振峰频率或简称共振峰。
共振峰为频谱中明显的几个凸起点,它的出现频率与声道的谐振频率相对应。
3、简述短时分析方法,怎样用AMDF判基音?由于语音信号的准平稳特性,任何语信号数字处理算法和技术都建立在“短时”基础上。
语音信号中一组基本短时参数有:短时能量E,短时平均幅度M和短时过零率Z。
短时自相关函数和短时频谱(或短时功率谱)是语音信号非常重要的一对短时参数,分别在时域和频域中表征了语音信号的一些主要特征。
短时基音周期是语音信号重要的参数之一。
用短时自关函数进行基音周期估计是寻找它的最大峰值点的位置,而用短时AMDF进行基音周期估计是寻找它的最深谷值点的位置。
4、短时傅立叶分析的含义?采样时如何考虑?语音波是一个非平稳过程,因此适用于周期、瞬变或平稳随机信号的标准傅立叶变换不能用来直接表示语音信号,而应该用短时傅立叶变换对语音信号的频谱进行分析,相应的频谱称为“短时谱”。
课堂作业二:1、画出同态滤波中特征系统框图,写出倒谱定义式卷积同态系统的框图复倒谱^()n x 是x(n)的Z 变换取对数后的逆Z 变换,其表达式如下: ^1[ln [()]]Z Z x n x -= (7)倒谱c(n)定义为x(n)取Z 变换后的幅度对数的逆Z 变换,即* X ’(n) Y’(n) + + * + + X(n) D *[ ] L[ ] D -1*[ ] y(n)1()[ln |()|]c n z X z -= (8)2、 相位卷绕是什么?怎样避免?相位伸展或相位解卷绕的前提条件是相邻采样点相位差的绝对值小于pi ,即要求lARG[H(k)]一ARG[H(k —1)]I<pi3、写出声道冲激响应序列的复倒谱特点。
生物医学信号处理大作业
生物医学信号处理大作业题目:基于matlab的语音信号处理学生姓名:学号:专业:学院:精密仪器与光电子工程学院作业要求录制自己的一段语音:“天津大学精密仪器与光电子工程学院, College of precision instrument and opto-electronics engineering, biomedical engineering”,时间控制在15秒到30秒左右;利用wavread函数对自己的语音进行采样,记住采样频率。
(1)求原始语音信号的特征频带(比如谱峰位置):可以分别对一定时间间隔内,求功率谱(傅里叶变换结果取模的平方)并画出功率谱。
(2)根据语音信号频谱特点,设计FIR或IIR滤波器,分别画出滤波器幅频和相频特性曲线。
说明滤波器特性参数。
用设计的滤波器对信号滤波,画出滤波前后信号的频谱图。
用sound函数回放语音信号,说明利用高通/低通/带通滤波后的效果,不同特征频带被滤除后分别有什么效果。
(3)求出特征频段语音信号随时间变化的曲线(每隔一定时间求一次功率谱,连接成曲线,即短时 FFT)。
(4)选做:语谱图:横轴为时间,纵轴为频率,灰度值大小表示功率谱值的大小。
(提示,可以采用spectrogram函数)(5) 选做:分析自己的语音频谱特点,比如中英文发音的区别。
基于matlab的语音信号处理摘要:对录制的语音信号进行采样,分析其时域波形和频谱图。
给定数字滤波器的性能指标,采用窗函数法和双线性变换法设计数字滤波器,并对语音信号进行滤波,得到滤波前后的信号幅频响应。
通过对比高通、低通两种滤波处理结果,简单而有效地论证了两种数字滤波器在语音信号处理上的异同。
并进一步求出特征频段语音信号随时间变化的曲线,分析自身语音信号的特点。
关键词: MATLAB 数字滤波器语音信号Speech Signal Processing by Digital Filter Based on MA TLABAbstract :Time-domain waveform and frequency spectrum of the recorded speech signals are analyzed by sampling. The performance indexes of digital filters are given. Two methods of window function and bilinear transformation are used to design the digital filters. The speech signal is filtered by the filters, and then magnitude-frequency responses of the signal before and after filtering are received. The advantages of two digital filters(filter low pass and filter high pass)in speech signal processing are demonstrated by comparing different methods for filtering simply and effectively. For more, we are able to figure out the time curves of characteristic bands of speech signal and then analyses the character of our own speech signals.Key words: MATLAB, digital filter, speech signal为了进一步观察和确定语音信号的频谱特征,首先分别画出每秒的频带特征。
语音大作业
设计报告课程名称语音信号处理任课教师周泽华设计题目用matlab实现语音信号的短时分析班级08电子2班姓名罗荣吉学号0805070210日期2011年10月17日语音信号处理大作业用Matlab编程实现语音信号的短时分析一、目的1.在理论学习的基础上,进一步地理解和掌握语音信号短时分析的意义,短时时域分析的基本方法。
2.进一步理解和掌握语音信号短时平均能量函数及短时平均过零数的计算方法和重要意义。
二、原理及方法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。
三、内容1.用Matlab语言完成程序编写工作。
2.程序应具有加窗(分帧)、计算、以及绘制曲线等功能。
3.对录入的语音数据进行处理,并显示运行结果。
4.依据曲线对该语音段进行所需要的分析,并作出结论。
5.改变窗的宽度(帧长),重复上面的分析内容。
四、步骤(1)用cooledit录了一段音,是我自己说的。
采样率为8KHZ,量化精度为16比特线性码。
(2)利用讲义中给定的公式分别编程计算这段语音信号的短时能量、短时平均幅度、短时过零率,然后分别画出它们的曲线;(3)然后画出短时零能比曲线。
(4)根据上述结果判断找出其中的一帧浊音信号和一帧清音信号。
判断依据是,浊音:短时能量大、短时平均幅度大、短时过零率低;清音:短时能量小、短时平均幅度小、短时过零率高。
浊音,取13270--13510个点,清音,取12120--12360个点。
语音信号处理作业4
语音信号处理技术的发展历程与趋势学号:2010051031语音信号处理技术的发展历程通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息的形式。
语言是人类特有的功能,声音是人类常用的工具,是相互传递信息的最主要手段。
它具有最大的信息容量和最高的只能水平。
因此,用现代的手段研究语音处理技术,使人们能更有效的产生、传输、存储、获取和应用语音信息,对于促进社会发展具有十分重要的的意义。
语音信号处理正是一门研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴学科,是目前发展最为迅速的信息科学研究领域的核心技术之一,同时又是综合性的多学科领域和涉及面很广的交叉学科。
语音信号处理的理论和研究包括紧密结合的两个方面:一方面是从语音的产生和感知来对其进行研究,这一研究语音.语言学、认知科学、心理.生理学等学科密不可分。
另一方面是将语音作为一种信号来进行处理,包括传统的数字信号处理技术以及一些新的应用与语音信号的处理方法和技术。
20 世纪60 年代中期形成的一系列数字信号处理方法和算法,如数字滤波器、快速傅里叶变换(FFT)是语音数字信号处理的理论和技术基础。
而70 年代初期产生的线性预测编码(LPC)算法,为语音信号的数字处理提供了一个强有力的工具。
广泛的应用于语音信号的分析、合成及各个应用领域,以及用于输入语音与参考样本之间时间匹配的动态规划方法。
80 年代初一种新的基于聚类分析的高效数据压缩技术——矢量量化(VQ)应用于语音信号处理中。
而用隐马尔可夫模型(HMM)描述语音信号过程的产生是80 年代语音信号处理技术的重大发展,语音信号处理的各项课题是促进其发展的重要动力之一,同时它的许多成果也体现在有关语音信号处理的各项技术之中。
进入20 世纪90 年代以来,语音信号处理在实用化方面取得了许多实质性的研究进展。
其中,语音识别逐渐由实验室走向实用化。
一方面,对声学语音学统计模型的研究逐渐深入,鲁棒的语音识别、基于语音段的建模方法及隐马尔可夫模型与人工神经网络的结合成为研究的热点。
语音处理大作业
语⾳处理⼤作业信号与系统-MATLAB综合实验之语⾳处理1⾕源涛应启珩郑君⾥⼆〇⼀⼀年七⽉⼀⽇1摘录于草稿,可能和纸质出版物不完全相同。
本版本已经更正了勘误表指出的错误。
⽬录第⼀章语⾳合成1第⼀节背景知识 (1)1.1.1发声机理 (1)1.1.2语⾳信号的时域特征 (2)1.1.3语⾳模型 (3)1.1.4分析和合成语⾳ (5)第⼆节练习题 (6)1.2.1语⾳预测模型 (6)1.2.2语⾳合成模型 (9)1.2.3变速不变调 (10)1.2.4变调不变速 (10)1.2.5逆向⼯程 (10)第⼀章语⾳合成本章中将基于数字滤波器和z变换等基础知识,应⽤第⼀篇讲授的MATLAB编程技术,在语⾳分析合成领域做⼀些练习。
通过本章的练习,可以增进对z变换和滤波器的理解,熟练运⽤MATLAB基本指令。
本章包括两部分,第⼀部分介绍语⾳⽣成和分析的基本知识,第⼆部分给出详细的练习内容和编程步骤。
相信读者对此会产⽣强烈兴趣。
第⼀节背景知识1.1.1发声机理从物理原理来看,语⾳信号是由肺挤压出的空⽓激励发声器官振动产⽣的。
发声器官包括喉、声道和嘴。
喉位于⽓管的上端,实际上是由⽓管末端的⼀圈软⾻构成的⼀个框架。
喉中有两⽚肌⾁,它们和周围的韧带称为声带。
声带张开时空⽓可以⾃由地流过喉和⽓管,如正常呼吸时;声带闭合,将喉封住,所以吃东西时⾷物不会落⼊⽓管。
两⽚声带之间的空隙称为声门。
说话时声带相互靠拢但不完全封闭,这样声门变成⼀条窄缝,当⽓流通过时其间压⼒减⼩,从⽽声带完全合拢使⽓流不能通过;在⽓流被阻断时压⼒恢复正常,因⽽声带间形成空隙,⽓流再次通过。
这⼀过程周⽽复始,就形成了⼀串周期性的脉冲⽓流送⼊声道。
如图1.1所⽰。
这个脉冲串的周期称为“基⾳周期”,其倒数是“基⾳频率”。
男性说话的基⾳频率在60-200Hz范围内,⼥性和⼩孩在200-450Hz之间。
以上图1.1:典型的声门脉冲串波形⽓流从喉向上经过⼝腔或者⿐腔后向外辐射,经过的传输通道称为声道。
实验二语音信号分析与处理2010
实验二语音信号分析与处理2010第一篇:实验二语音信号分析与处理2010实验一语音信号分析与处理学号姓名注:1)此次实验作为《数字信号处理》课程实验成绩的重要依据,请同学们认真、独立完成,不得抄袭。
2)请在授课教师规定的时间内完成;3)完成作业后,请以word格式保存,文件名为:学号+姓名4)请通读全文,依据第2及第3 两部分内容,认真填写第4部分所需的实验数据,并给出程序内容。
1.实验目的(1)学会MATLAB的使用,掌握MATLAB的程序设计方法(2)掌握在windows环境下语音信号采集的方法(3)掌握MATLAB设计FIR和IIR滤波器的方法及应用(4)学会用MATLAB对语音信号的分析与处理方法2.实验内容录制一段自己的语音信号,对录制的语音信号进行采样,画出采样后语音信号的时域波形和频谱图,确定语音信号的频带范围;使用MATLAB产生白噪声信号模拟语音信号在处理过程中的加性噪声并与语音信号进行叠加,画出受污染语音信号的时域波形和频谱图;采用双线性法设计出IIR滤波器和窗函数法设计出FIR滤波器,画出滤波器的频响特性图;用自己设计的这两种滤波器分别对受污染的语音信号进行滤波,画出滤波后语音信号的时域波形和频谱图;对滤波前后的语音信号进行时域波形和频谱图的对比,分析信号的变化;回放语音信号,感觉与原始语音的不同。
3.实验步骤1)语音信号的采集与回放利用windous下的录音机或其他软件录制一段自己的语音(规定:语音内容为自己的名字,以wav格式保存,如wql.wav),时间控制再2秒之内,利用MATLAB提供的函数wavread对语音信号进行采样,提供sound函数对语音信号进行回放。
[y,fs,nbits]=wavread(file),采样值放在向量y中,fs表示采样频率nbits表示采样位数。
Wavread的更多用法请使用help命令自行查询。
2)语音信号的频谱分析利用fft函数对信号进行频谱分析3)受白噪声干扰的语音信号的产生与频谱分析①白噪声的产生:N1=sqrt(方差值)×randn(语音数据长度,2)(其中2表示2列,是由于双声道的原因)然后根据语音信号的频谱范围让白噪声信号通过一个带通滤波器得到一个带限的白噪声信号N2;带通滤波器的冲激响应为:hB(n)=ωc2πsinc(ωc2π(n-α))-ωc1πsinc(ωc1π(n-α))其中ωc1为通带滤波器的下截止频率,ωc2为通带滤波器的上截止频率。
最新语音信号处理实验报告实验二
最新语音信号处理实验报告实验二实验目的:本实验旨在通过实际操作加深对语音信号处理理论的理解,并掌握语音信号的基本处理技术。
通过实验,学习语音信号的采集、分析、滤波、特征提取等关键技术,并探索语音信号处理在实际应用中的潜力。
实验内容:1. 语音信号采集:使用语音采集设备录制一段时长约为10秒的语音样本,确保录音环境安静,语音清晰。
2. 语音信号预处理:对采集到的语音信号进行预处理,包括去噪、归一化等操作,以提高后续处理的准确性。
3. 语音信号分析:利用傅里叶变换等方法分析语音信号的频谱特性,观察并记录基频、谐波等特征。
4. 语音信号滤波:设计并实现一个带通滤波器,用于提取语音信号中的特定频率成分,去除噪声和非目标频率成分。
5. 特征提取:从处理后的语音信号中提取关键特征,如梅尔频率倒谱系数(MFCC)等,为后续的语音识别或分类任务做准备。
6. 实验总结:根据实验结果,撰写实验报告,总结语音信号处理的关键技术和实验中遇到的问题及其解决方案。
实验设备与工具:- 计算机一台,安装有语音信号处理相关软件(如Audacity、MATLAB 等)。
- 麦克风:用于采集语音信号。
- 耳机:用于监听和校正采集到的语音信号。
实验步骤:1. 打开语音采集软件,调整麦克风输入设置,确保录音质量。
2. 录制语音样本,注意控制语速和音量,避免过大或过小。
3. 使用语音分析软件打开录制的语音文件,进行频谱分析,记录观察结果。
4. 设计带通滤波器,设置合适的截止频率,对语音信号进行滤波处理。
5. 应用特征提取算法,获取语音信号的特征向量。
6. 分析滤波和特征提取后的结果,评估处理效果。
实验结果与讨论:- 描述语音信号在预处理、滤波和特征提取后的变化情况。
- 分析实验中遇到的问题,如噪声去除不彻底、频率成分丢失等,并提出可能的改进措施。
- 探讨实验结果对语音识别、语音合成等领域的潜在应用价值。
结论:通过本次实验,我们成功实现了语音信号的基本处理流程,包括采集、预处理、分析、滤波和特征提取。
信号与系统大作业
题目:语音信号的时频认知
1.内容:①录制一段语音信号,对录制的信号进行采样,并画出采样后语音信号的时域波形和频谱图;②对语音信号进行加噪,画出加噪后时域波形和频谱;③回放语音信号;实现快录慢放;④撰写设计报告及完成仿真,并进行验收答辩。
2.要求:(1)课程大作业采用小组形式进行,每4~6名学生一组,每组推选组长1名,由组长负责组织小组成员分工合作;(2)每个小组提交大作业报告一份;(3)录制视频进行答辩,阐述小组成员组成和分工、各人所完成的内容及必要的分析。
3.大作业报告模板
大作业报告至少应该包含以下几个部分:(1)封面;(2)摘要;
(3)目录;(4)正文;(5)参考文献。
其中,封面按照如下统一格式;正文部分至少应该包含以下内容:①大作业目标与要求;
②必要的原理;③设计思路、仿真过程及对结果的必要分析、心
得体会等;④组员分工。
《信号与系统分析》大作业报告
题目:语音信号的时频认知
组号:
组员:17001401××张三
17002001××李四指导教师:
2018 年月日。
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_考试参考题(修订版)(1)
一、填空题:(每空1 分,共60分)1、语音信号的频率范围为(300-3400kHz),一般情况下采样率为(8kHz )。
书上22页2、语音的形成是空气由(肺部)排入(喉部),经过(声带)进入声道,最后由()辐射出声波,这就形成了语音。
书上11页。
肺中的通过(稳定)的气流或声道中的气流激励(喉头至嘴唇的器官的各种作用)而产生。
当肺中的气流通过声门时,声门由于其间气体压力的变化而开闭,使得气流时而通过,时而被阻断,从而形成一串周期性脉冲送入声道,由此产生的语音是(浊音)。
如果声带不振动,声门完全封闭,而声道在某处收缩,迫使气流高速通过这一收缩部位而发音,由此产生的语音是(清音)。
3、语音信号从总体上是非平稳信号。
但是,在短时段(10~30)ms中语音信号又可以认为是平稳的,或缓变的。
书上24页4、语音的四要素是音长,音强,音高和音质,它们可从时域波形上反映出来。
其中音长特性:音长(长),说话速度必然慢;音长(短),说话速度必然快。
音强的大小是由于声源的(震动幅度)大小来决定。
5、声音的响度是一个和(振幅)有密切联系的物理量,但并不就是音强。
6、人类发音过程有三类不同的激励方式,因而能产生三类不同的声音,即(浊音)、(清音)和(爆破音)。
7、当气流通过声门时声带的张力刚好使声带发生较低频率的张弛振荡,形成准周期性的空气脉冲,这些空气脉冲激励声道便产生浊音如果声道中某处面积很小,气流高速冲过此处时而产生湍流,当气流速度与横截面积之比大于某个门限时(临界速度)便产生摩擦音,即(清音)。
8、如果声道某处完全闭合建立起气压,然后突然释放而产生的声音就是(爆破音)。
9、在大多数语音处理方案中,基本的假定为语音信号特性随时间的变化是(平稳随机)的。
这个假定导出各种(线性时不变)处理方法,在这里语音信号被分隔为一些短段再加以处理。
10、一个频率为F。
的正弦形信号以Fs速率抽样,正弦波的一周内就有(Fs/F0)个抽样。
语音信号处理课件作业
激励模型 根据发浊音和发清音的机理 又分为:(a)浊音激励 (b)清音激励
Speech Signal Processing
第02章基础知识—20
(1)激励模型
(a)浊音激励 由前面所讲发音过程可知, 发浊音时声带不断地张开和 闭合将产生间歇的准周期性 脉冲波,其周期为基音周期, 单个脉冲的波形类似于斜三 角波,故数字模型中可用周 期为T0单位取样序列串作为 声门脉冲模型g(n)的输入, 其输出就是浊音激励。 由于人类语音的频率范围主 要集中在300Hz~3400Hz, 数字模型中的信号取样率一 般为8KHz。
Speech Signal Processing
第02章基础知识—18
4、语音信号的特性
数字语音信号表示(Representations of Speech Signals)
Speech Signal Processing
第02章基础知识—19
(1)激励模型
3、语音信号产生的数字模型
由此模型框图,我们可将语音信号看成准周 期序列或随机噪声序列作为激励的线性非 移变系统的输出,此模型可分为三个部分: 激励模型、声道模型、辐射模型
Speech Signal Processing
第02章基础知识—29
第02章基础知识—8
物理模型
2、语音信号产生过程
Speech Signal Processing
第02章基础知识—9
2、语音信号产生过程
2.语音产生过程
语音的形成过程—空气由肺部排入喉部,经过声带 进入声道,最后由嘴辐射出声波,形成语音。
浊音(Voiced sounds) :声带绷紧,气流通过时会使 得开口变成一开一闭的周期性动作,这时候就造成 周期性的激发气流,如a,o;
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、引言语音信号处理是一门研究如何对语音信号进行分析、合成和改善的学科。
在现代通信领域中,语音信号处理起着重要的作用。
本实验旨在探究语音信号处理的基本原理和方法,并通过实验验证其有效性。
二、实验目的1. 了解语音信号处理的基本概念和原理。
2. 学习使用MATLAB软件进行语音信号处理实验。
3. 掌握语音信号的分析、合成和改善方法。
三、实验设备和方法1. 设备:计算机、MATLAB软件。
2. 方法:通过MATLAB软件进行语音信号处理实验。
四、实验过程1. 语音信号的采集在实验开始前,我们首先需要采集一段语音信号作为实验的输入。
通过麦克风将语音信号输入计算机,并保存为.wav格式的文件。
2. 语音信号的预处理在进行语音信号处理之前,我们需要对采集到的语音信号进行预处理。
预处理包括去除噪声、归一化、去除静音等步骤,以提高后续处理的效果。
3. 语音信号的分析语音信号的分析是指对语音信号进行频谱分析、共振峰提取等操作。
通过分析语音信号的频谱特征,可以了解语音信号的频率分布情况,进而对语音信号进行进一步处理。
4. 语音信号的合成语音信号的合成是指根据分析得到的语音信号特征,通过合成算法生成新的语音信号。
合成算法可以基于传统的线性预测编码算法,也可以采用更先进的基于深度学习的合成方法。
5. 语音信号的改善语音信号的改善是指对语音信号进行降噪、增强等处理,以提高语音信号的质量和清晰度。
常用的语音信号改善方法包括时域滤波、频域滤波等。
六、实验结果与分析通过实验,我们得到了经过语音信号处理后的结果。
对于语音信号的分析,我们可以通过频谱图观察到不同频率成分的分布情况,从而了解语音信号的特点。
对于语音信号的合成,我们可以听到合成后的语音信号,并与原始语音信号进行对比。
对于语音信号的改善,我们可以通过降噪效果的评估来判断处理的效果。
七、实验总结通过本次实验,我们深入了解了语音信号处理的基本原理和方法,并通过实验验证了其有效性。
语音信号处理作业11
语音信号处理技术发展历程和趋势201105022 信号与信息处理1、语音信号处理的背景和意义语音信号处理是一门研究用数字信号处理技术对语音信号进行处理的学科,处理的目的是用于得到的某些参数以便高效传输和存储;或者应用于人工合成、语音识别和语音增强等。
同时也是以生理学、心理学、语言学以及声学等学科为基础,以信息论、控制论、系统论的理论做指导,通过应用信号处理、统计分析、模式识别等现代技术手段而发展起来的一门综合性学科。
它与语音学、语言学、声学,认知科学、心理学、心理学、数理统计学等许多学科也有着非常密切的联系。
它包括语音编码、语音合成、语音识别与理解等三个主要分支。
语音编码的目的是将模拟的语音信号用尽可能少的比特实现数字化,使被编码和压缩后的信更有效地在网络中传输或记录在存储器中语音合成的目的是让机器生成人类的自然语言语音识别的目的是使机器能识别人类的语言,从而能够按用户的语音指令完成有关的动作或提供有关的信息服务。
语言是从千百万人的言语中历史地概括总结出来的规律符号系统,使人们用以进行思维、交际的形式。
人的思考常常是用语言来进行,语言是人类特有的功能,它创造和记载了几千年的人类文明历史。
语音是声音和意义的结合体,也是信息的载体,是把语言表述出来的物理形式,是人类最重要、最有效、最常用和最方便的交换信息的形式。
当今世界正处于信息时代,计算机技术、通信技术和电子技术的高速发展,推动人类社会进入了信息社会。
因特网和移动通信的普及、电子购物的兴起、多媒体通信及其应用的蓬勃发展,改变了人类生活、工作、娱乐的方式。
自计算机诞生以来,通过语音与计算机交互一直是人类的梦想,随着计算机软硬件和信息技术的飞速发展,这不仅对语音信号数字处理提出了越来越高越来越迫切的需求,如实现用语音输入代替键盘输入实现人工智能和交互,同时也为语音信号处理提供了高效软硬件实现的可能性。
简而言之,语音信号处理的任务是实现人一人、人一机器和机器一人的通信,是现代通信领域的重要环节。
语音信号处理的未来发展和应用前景——大作业程盛强
语音信号处理的未来发展和应用前景程盛强 071430115【摘要】:随着电子计算机和人工智能机器的广泛应用,人们发现,人和机器之间最好的通信方式是语言通信,而语音是语言的声学表现形式,要机器听懂人讲话,并能说出话来,需要做很多工作,这就是科学工作者研究了几十年的语音识别和语音合成技术。
【关键字】:语音信号处理,应用,发展,语音识别,语音压缩正文当今世界正处于工业时代向信息时代的飞速转变时刻,语音在人类社会中起了非常重要的作用。
随着电子购物、因特网络的普及、多媒体通信及其应用的蓬勃发展,语音始终是人类互相交流、互相通信的最主要、方便、快捷的信息载体。
语音在人类社会中起了非常重要的作用。
在现代信息社会中,小至人们的日常生活,大到国家大事、世界新闻、社会舆论和各种重要会议,都离不开语言和文字。
随着移动通信的迅猛发展,人们可以随时随地通过电话交流,其中语音压缩编码技术发挥着重要的作用。
社会的不断的进步与发展让各种各样的机器更多的参与了人类的生产活动和社会活动,因此改善人和机器之间是人对机器的操纵更加便利就显得越来越重要。
随着电子计算机和人工智能机器的广泛应用,人们发现,人和机器之间最好的通信方式是语言通信,而语音是语言的声学表现形式,要机器听懂人讲话,并能说出话来,需要做很多工作,这就是科学工作者研究了几十年的语音识别和语音合成技术。
上述这些应用领域构成了语音信号处理技术的主要研究内容。
近年来,普通电话、移动电话和互联网已经普及到家庭。
在这些先进的工具中,语音信号处理中的语音编码和语音合成就有很大贡献。
再进一步,可以预料到的口呼打字机(又称听写机,将语音转换为文字)、语音翻译机等,已经不是梦想而是提到日程上的研究工作了。
语音信号处理是语音学与数字信号处理技术相结合的交叉学科,它和认知科学、心理学、语言学、计算机科学、模式识别和人工智能等学科联系紧密。
语音信号处理技术的发展依赖于这些学科的发展,而语音信号处理技术的进步也会促进这些学科的进步。
- 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》(2010-2011学年第2学期)实验报告实验二基于G.721ADPCM的语音编码一、实验目的1.理解语音编码的方法及其应用。
2. 进一步掌握ADPCM语音编码。
二、实验内容基于G.721ADPCM语音编码标准的MATLAB实现。
先输入一个语音信号,用ADPCM对其压缩编码,最后输出解码后的图形,将它与原图形进行比较。
同时将提取的语音信号和编码后的语音信号写入文件中。
三、实验原理1、ADPCM语音编码简介Adpcm是自适应差分脉冲编码调制的简称,最早使用于数字通信系统中。
该算法利用了语音信号样点间的相关性,并针对语音信号的非平稳特点,使用了自适应预测和自适应量化,在32kbps◎8khz速率上能够给出网络等级话音质量。
ADPCM将脉冲编码调制、差值调制和自适应技术结合起来,进一步利用语音信号养点间的关系,并针对语音信号的非平稳特点,使用了自适应预测和自适应量化,在32kbit/s速率上能够够给予网络等级语音质量,从而符合进入公用网的要求。
以下的流程图可以看出,编码器中嵌入了一个解码器,使得编码器的自适应修正完全取决于信号的反馈值。
这个反馈值与解码器的输出一致,所以后续的差值采样就补偿了量化误差,从而避免了量化误差的积累。
2、流程图3、编程算法简介1)先进行自适应预测,得出估计值,然后求取采样值与估计值之差,用表示;2)求出量化阶距自适应因子,它有调整短时能量的变化较快的的语音信号的和调整数据类慢变信号的两部分,经过速度因子加权平均而成;3)自适应量化并编码输出,得出编码值;4)自适应逆量化器输出并重建语音信号,输出重建后的语音信号。
四、程序代码以及分析任务一.主函数程序%主函数程序main.m:clear allcoe=[1,0,1,0,0,0,0,0,0,0,0]; %初始化系数coe1=[0,0,0];coe2=[0,0,0,0,0,0,0,0,0,0];coe3=[0];Dqk=zeros(1,7);fid=fopen('cm.txt','rt'); %读文件,文件格式为.txta=fscanf(fid,'%e\n');fclose(fid);fid=fopen('cm.721.txt','wt');for i=1:size(a,1);Slk=a(i); %输入信号[coe,coe1,coe2,coe3,Dqk]=adpcm(Slk,coe,coe1,coe2,coe3,Dqk); %调用语音编解码函数fprintf(fid,'%f\n',coe2(5));endfclose(fid);%-----------------------------波形显示------------------------fid=fopen('cm.txt','rt'); %读文件,文件格式为.txta=fscanf(fid,'%e\n');fid=fopen('cm.721.txt','rt');b=fscanf(fid,'%e\n');subplot(211),plot(a);title('输入语音波形');subplot(212),plot(b);title('解码输出波形');%完成赋初值、信号输入及调用语音编解码函数任务二.语音编解码子函数程序adpcm.mfunction [coe,coe1,coe2,coe3,Dqk]=adpcm(Slk,coe,coe1,coe2,coe3,Dqk)%语音编解码函数Yk_pre=coe2(1); %初值传递Sek_pre=coe2(2);Ik_pre=coe2(3);Ylk_pre_pre=coe2(4);Srk_pre=coe2(5);Srk_pre_pre=coe2(6);a2=coe2(7);Tdk_pre=coe2(8);Trk_pre=coe2(9);Num=coe2(10);coe2(10)=coe2(10)+1;[Sek,coe]=Selfpredict(Srk_pre,Srk_pre_pre,Dqk,coe); %自适应预测Dk=Slk-Sek; %采样值与其估值差值计算Yuk_pre=yu_result(Yk_pre,wi_result(abs(Ik_pre))); %快速非锁定标度因子计算if Yuk_pre<1.06Yuk_pre=1.06;elseif Yuk_pre>10.00Yuk_pre=10.00;endYlk_pre=y1_result(Ylk_pre_pre,Yuk_pre); %锁定标度因子计算%窄带信号瞬变判定%if((a2<-0.71875)&(fabs(Dqk)>pow(24.2,Ylk_pre)) ) Trk=1;else Trk=0;endTdk_pre = Trk;%窄带信号瞬变判定结束Tdk_pre=Tdk_com(a2); %单频信号判定[Alk,coe1]=Alk_com(Ik_pre,Yk_pre,coe1,Tdk_pre,Trk_pre); %自适应速度控制与自适应预测if Alk<0.0Alk=0.0;elseif Alk>1.0Alk=1.0;end[Yk,coe3]=Yk_com(Ik_pre,Alk,Yk_pre,coe3); %量化阶矩自适应因子计算Ik=Ik_com(Dk,Yk); %自适应量化并编码输出Yk_pre=Yk;Srk_pre_pre=Srk_pre;Sek_pre=Sek;Ylk_pre_pre=Ylk_pre;Ik_pre=Ik;coe2(1)=Yk;coe2(6)=Srk_pre;coe2(2)=Sek;coe2(4)=Ylk_pre;coe2(3)=Ik;Dqk(1)=Dqk(2);Dqk(2)=Dqk(3);Dqk(3)=Dqk(4);Dqk(4)=Dqk(5);Dqk(5)=Dqk(6);Dqk(6)=Dqk(7);Dqk(7)=Dqk_com(Ik_pre,Yk_pre); %自适应逆量化器输出Srk_pre=Srk_com(Dqk(7),Sek_pre); %重建信号输出coe2(5)=Srk_pre;语音编解码子函数程序adpcm.m的详细说明(按照程序流程):1)先初始化系数;2)自适应预测,然后求的采样值与其估计值的差值。
即;3)快速非锁定标度因子计算。
称为快速非锁定因子,取值范围在区间,对应的线性阈为;式子中,称为标度因子。
的取值4)锁定标度因子的计算。
为了适应语音预测差值信号中的基音引起的能量突变,的高端取值都很大。
对于带内数据,信号短时能量基本是平稳的,阶矩自适应采用如下算法:;称为锁定标度因子。
5)窄道信号瞬间判定和单频信号判定当ADPCM编码器遇到频移键控指信号或其他窄道瞬变信号时,需要将系统从慢速自适应状态强制性调整到快速自适应状态,为此,引入单频信号判定条件和窄道信号瞬时判别依据:和的的决定公式见程序计算。
6)自适应速度控制与自适应预测是速度控制因子,它是通过I(n)的长时平均幅度值的差求出的。
它反映了预测余量信号的变化率。
长时:;短时:;函数F[I(k)]的取值如下所示。
7)量化阶矩自适应因子的计算。
式中y(k)是量化阶矩自适应因子,他又调整短时能量变化较快的语音信号的和调整数据内慢变信号的两部分,经速度调节因子加权平均而成:; 对于快变信号,趋于1,而对慢变信号趋于0;8)自适应量化并编码输出。
前面所有的步骤都为这一步服务。
即求的I(k)。
I(k) = ;[3.12,根据公式以及量化表可以得出编码。
9)自适应逆量化器输出,并重建语音信号。
即利用公式;至此,整个编码解码的过程结束。
从以上程序分析可以看出,编码里套着解码器,而编码的过程是繁琐的,要注意到众多细节问题。
以上的分析与流程图相对应,原理与思路相对应。
可知实验思路是没有问题的。
五、实验结果原始语音信号以及编码后的语音信号分别存在两个txt文本文件中,这里不再列举数据。
六、实验结果分析:由两者的图形可知,输入语音波形与解码输出波形的形状基本一样,没有大的失真,说明ADPCM算法的合理性,能对语音信号进行压缩编码,并且能够在现高质量语音。
对比两个文本文件中的数据,可知除了极少数的个别取样值误差较大之外,在50%以上,绝大部分数据的的相对误差都小于0.1%说明解码后的语音信号失真非常小,这在语音编解码的算法是比较好的。
运行wucha.m程序,出现如下波形:波形程序:clcclear%波形显示fid = fopen('xiangdui.txt','rt');a = fscanf(fid,'%e\n');fid = fopen('juedui.txt','rt');b = fscanf(fid,'%e\n');subplot(211),plot(b);title('绝对误差波形');subplot(212),plot(a);title('相对误差波形');分析上面两个图形,绝对误差比较理想,而相对误差可以很明显的看出,百分比大部分都在0附近,可知效果还是比较理想的。
同时我们也可以看出开始时候的语音信号有点失真,但是开始时的幅度较小,失真影响较大,有可能不能正确还原出原始信息,所以ADPCM算法对开始信号的处理部分还是应该改进。
这是本次实验的不足之处。
七、实验心得:1)本次实验做起来并不轻松,因为理论知识比较抽象,而且要利用到许多数学原理以及数字信号处理方面的知识,可知这不仅仅是一个单学科的实验,而且要利用到许多相关知识,是一门综合性的实验。
2)经过一个多星期的努力,我们把程序做出来了,并且也掌握了ADPCM 的原理及实现方法。
这是最有价值的地方。
3)通过本次实验我们对语音编码有了一定的了解,对编码算法有了清楚的认识和掌握。
4)在整个编码解码的过程,编码里套着解码器,而编码的过程是繁琐的,要注意到众多细节问题。
5)这次试验中对语音编解码子函数程序adpcm.m的功能、算法、输出等都能较清晰的掌握。
6)能通过这次试验最后输出解码后的图形,将它与原图形进行比较,同时将提取的语音信号和编码后的语音信号写入文件中。
附录:梅丽娟论文工作:实验心得刘智论文工作:实验原理及结果分析两人共同完成的工作:实验的选题、实验流程图、实验代码的编写、以及实验其他学科知识的参考。