语音信号处理大作业讲解

合集下载

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。

语音信号处理实验报告实验二

语音信号处理实验报告实验二

语音信号处理实验报告实验二一、实验目的本次语音信号处理实验的目的是深入了解语音信号的特性,掌握语音信号处理的基本方法和技术,并通过实际操作和数据分析来验证和巩固所学的理论知识。

具体而言,本次实验旨在:1、熟悉语音信号的采集和预处理过程,包括录音设备的使用、音频格式的转换以及噪声去除等操作。

2、掌握语音信号的时域和频域分析方法,能够使用相关工具和算法计算语音信号的短时能量、短时过零率、频谱等特征参数。

3、研究语音信号的编码和解码技术,了解不同编码算法对语音质量和数据压缩率的影响。

4、通过实验,培养我们的动手能力、问题解决能力和团队协作精神,提高我们对语音信号处理领域的兴趣和探索欲望。

二、实验原理(一)语音信号的采集和预处理语音信号的采集通常使用麦克风等设备将声音转换为电信号,然后通过模数转换器(ADC)将模拟信号转换为数字信号。

在采集过程中,可能会引入噪声和干扰,因此需要进行预处理,如滤波、降噪等操作,以提高信号的质量。

(二)语音信号的时域分析时域分析是对语音信号在时间轴上的特征进行分析。

常用的时域参数包括短时能量、短时过零率等。

短时能量反映了语音信号在短时间内的能量分布情况,短时过零率则表示信号在单位时间内穿过零电平的次数,可用于区分清音和浊音。

(三)语音信号的频域分析频域分析是将语音信号从时域转换到频域进行分析。

通过快速傅里叶变换(FFT)可以得到语音信号的频谱,从而了解信号的频率成分和分布情况。

(四)语音信号的编码和解码语音编码的目的是在保证一定语音质量的前提下,尽可能降低编码比特率,以减少存储空间和传输带宽的需求。

常见的编码算法有脉冲编码调制(PCM)、自适应差分脉冲编码调制(ADPCM)等。

三、实验设备和软件1、计算机一台2、音频采集设备(如麦克风)3、音频处理软件(如 Audacity、Matlab 等)四、实验步骤(一)语音信号的采集使用麦克风和音频采集软件录制一段语音,保存为常见的音频格式(如 WAV)。

语音信号处理作业

语音信号处理作业

华南理工大学《语音信号处理》作业报告姓名:学号:班级:10级电信5班日期:2013年5 月24日1.实验要求编程实现:作业1、提取一段语音信号的短时能量、过零率、短时平均幅度差。

作业2、提取一段语音的傅里叶变换幅度谱、线性倒谱、梅尔频率倒谱(MFCC)。

作业3、提取一段语音的LPC参数。

作业4、估计一段语音的基音频率。

作业5、估计一段语音的前3个共振峰频率。

作业1:1、实验原理(1)、短时能量语音和噪声的区别可以体现在它们的能量上,语音段的能量比噪声段能量大,语音段的能量是噪声段能量叠加语音声波能量的和。

在信噪比很高时,那么只要计算输入信号的短时能量或短时平均幅度就能够把语音段和噪声背景区分开。

这是仅基于短时能量的端点检测方法。

信号{x(n)}的短时能量定义为:语音信号的短时平均幅度定义为:其中w(n)为窗函数。

(2)、短时平均过零率短时过零表示一帧语音信号波形穿过横轴(零电平)的次数。

过零分析是语音时域分析中最简单的一种。

对于连续语音信号,过零意味着时域波形通过时间轴;而对于离散信号,如果相邻的取样值的改变符号称为过零。

过零率就是样本改变符号次数。

信号{x(n)}的短时平均过零率定义为:式中,sgn为符号函数,即:过零率有两类重要的应用:第一,用于粗略地描述信号的频谱特性;第二,用于判别清音和浊音、有话和无话。

从上面提到的定义出发计算过零率容易受低频干扰,特别是50Hz交流干扰的影响。

解决这个问题的办法,一个是做高通滤波器或带通滤波,减小随机噪声的影响;另一个有效方法是对上述定义做一点修改,设一个门限T,将过零率的含义修改为跨过正负门限。

于是,有定义:2、实验结果及讨论本次实验选取语音文件phrase.WA V,运行程序,结果如下图:3、实验代码[x,fs,nbits]=wavread('E:\yuuyin\phrase.WAV');x = x / max(abs(x));%幅度归一化到[-1,1]%参数设置FrameLen = 256; %帧长inc = 90; %未重叠部分amp1 = 10; %短时能量阈值amp2 = 2;zcr1 = 10; %过零率阈值zcr2 = 5;%计算过零率tmp1 = enframe(x(1:end-1), FrameLen,inc);tmp2 = enframe(x(2:end) , FrameLen,inc);signs = (tmp1.*tmp2)<0;diffs = (tmp1 -tmp2)>0.02;zcr = sum(signs.*diffs,2);%计算短时能量amp = sum((abs(enframe(filter([1 -0.9375], 1, x), FrameLen, inc))).^2, 2);subplot(3,1,1)plot(x)axis([1 length(x) -1 1])xlabel('帧数');ylabel('Speech');subplot(3,1,2)plot(amp);axis([1 length(amp) 0 max(amp)])xlabel('帧数');ylabel('Energy');subplot(3,1,3)plot(zcr);axis([1 length(zcr) 0 max(zcr)])xlabel('帧数');ylabel('ZCR');作业2、3:1、 提取一段语音的傅里叶变换幅度谱[x]=wavread('E:\yuuyin\monologue speech_male.wav'); y=fft(x); %傅里叶变换函数 plot(abs(y)); %振幅频率 title('傅里叶变换幅度谱');2、 提取一段语音的线性倒谱和LPC 参数基本原理:由于频率响应)(jw e H 反映声道的频率响应和被分析信号的谱包络,因此用|)(|log jw e H 做反傅里叶变换求出的LPC 倒谱系数。

语音信号处理第4讲剖析

语音信号处理第4讲剖析
4.1概述 4.2语音分帧 4.3语音信号的时域分析 4.4语音信号的频域分析
4.1 概述
语音信号分析 语音信号处理的前提和基础,只有分析出可表示语音信号 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。
贯穿于语音分析全过程的是“短时分析技术” 语音信号从整体来看其特征及表征其本质特征的参数均是随时间而变
分析方法的不同: 模型分析方法和非模型分析方法
不论是分析怎么样的参数以及彩什么分析方法,在按帧进行 语音分析,提取语音参数之前,有一些经常使用的、共同的 短时分析技术必须预先进行,如语音信号的数字化、语音信 号的端点检测、预加重、加窗和分帧等,这些也是不可忽视 的语音信号分析的关键技术。
4.2 语音分帧
①表示语音信号比较直观、物理意义明确。 ②实现起来比较简单、运算量少。 ③可以得到语音的一些重要的参数。 ④只使用示波器等通用设备,使用较为简单等。
短时平均能量及含义
N 1
N 1
短时平均能量:E n xn 2(m ) (m )x(nm )2
m 0
m 0
每区一个n,得到一个 E n
短时能量及短时平均幅度分析
S ( e j ) k m x ( m ) x ( m k ) e j k X ( e j ) X * ( e j ) X ( e j ) 2
根据功率谱定义,可以写出短时功率谱与短时傅里叶变换之 间的关系:
进行过预加重数字滤波处理后,接下来就要进行加窗分帧处 理。一般每秒的帧数约为33-100帧,视实际情况而定。分帧 虽然可以采用连续分段的方法,但一般要采用如图3-1所示 的交叠分段的方法,这是为了使帧与帧之间平滑过渡,保持 其连续性。前一帧和后一帧的交叠部分称为帧移。帧移与帧 长的比值一般取为0-1/2。

19-26.6 语音信号处理过程讲稿

19-26.6 语音信号处理过程讲稿

手机是如何把我们说话的声音变为无线信号发送出去的呢?今天我们来学习语音信号处理过程大家都知道我们说话的声音是模拟信号,数字系统的手机要先将模拟信号转化为数字信号,我们通过一个模/数转换器来实现这个过程称为模数转换,即A/D转换实际上是经过每秒8千次的抽样,将每个脉冲均匀量化为13比特数值;再将数字语音信号分段处理,每段20ms的语音信号,这个过程称为分段之后对每段语音进行压缩,称为语音编码,它将单路语音的传码率降为13K比特每秒;无线信道环境比较复杂,无线信号要有较强的纠检错能力,我们使用信道编码增强信号的抗干扰能力。

经过信道编码增加了信号冗余,语音信号传码率变为22.8K比特每秒;为了使长串误码变为短误码,从而便于进行纠错我们采用交织的方法打乱信号传输顺序。

为了增加安全性,再对信号进行加密,变为密文。

交织和加密都没有增加冗余码字,传码率依然为22.8K比特每秒;再将数字信号进行封装,形成统一的突发脉冲格式,再组成数字信号帧,经过封装后的传码率变为33.8k比特每秒;最后再把基带信号调制为射频信号发送出去.简单来说发送端模拟语音经过了A/D转换、分段、语音编码、信道编码、交织、加密、形成突发脉冲序列和调制几个阶段。

接收端的处理过程与发送端相反。

先把射频信号解调为基带信号。

传码率为33.8K比特每秒再用均衡器去掉封装,传码率变为22.8K比特每秒;再对已加密信号进行解密,还原为明文再进行去交织操作,还原信号顺序再进行信道解码,去掉额外增加的冗余,传码率变为13K比特每秒;之后进行话音解码,解压缩数据,还原为每秒八千个样值点,每样值点13比特。

再接续成数据流最后将数据流进行数模转换,还原为模拟语音信号,播放给用户。

生物医学信号处理大作业

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。

《语音信号处理》讲稿第1章

《语音信号处理》讲稿第1章
别。
05 语音信号处理的挑战与展 望
语音信号处理的挑战
噪声干扰
语音信号在采集、传输和处理过程中容易受到各种噪声的干扰,如 环境噪声、设备噪声等,导致语音质量下降。
多变性
语音信号具有极大的多变性,不同人的发音、语速、语调等差异较 大,给语音信号处理带来很大的挑战。
实时性要求
许多语音信号处理应用需要实时处理,如语音识别、语音合成等,对 算法的复杂度和处理速度要求较高。
语音信号的基本特征
01 02
时域特征
语音信号在时域上表现为振幅随时间变化的波形。时域特征包括短时能 量、短时过零率、短时自相关函数等,用于描述语音信号的幅度、频率 和周期性等特性。
频域特征
语音信号在频域上表现为不同频率成分的分布。频域特征包括频谱、功 率谱、倒谱等,用于描述语音信号的频率结构、共振峰和声学特性等。
倒谱分析
对语音信号的频谱进行对数运算后, 再进行傅里叶反变换,得到倒谱系 数,用于语音合成、说话人识别等。
倒谱分析方法
线性预测倒谱系数(LPCC)
01
基于线性预测模型的倒谱系数,用于描述语音信号的声道特性。
梅尔频率倒谱系数(MFCC)
02
基于人耳听觉特性的倒谱系数,具有较好的抗噪性和鲁棒性,
广泛应用于语音识别、说话人识别等领域。
基音周期和基音频率
反映语音信号的周期性特征,是语音信号处理中 的重要参数。
语音信号的识别技术
模板匹配法
将待识别语音与预先存储的模板 进行比较,选取最相似的模板作
为识别结果。
随机模型法
利用统计模型来描述语音信号的 特征,通过模型参数的训练和识
别来实现语音信号的识别。
人工智能方法
包括神经网络、支持向量机、深 度学习等方法,通过训练和学习 来建立语音信号与语义之间的映 射关系,实现语音信号的智能识

哈尔滨工程大学语音信号处理实验报告讲述

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。

大学本科语音信号处理实验讲义8学时

大学本科语音信号处理实验讲义8学时

语音信号处理实验讲义时间:2011-12目录实验一语音信号生成模型分析 (3)实验二语音信号时域特征分析 (7)实验三语音信号频域特征分析 (12)实验四语音信号的同态处理和倒谱分析 (16)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。

2、编程实现声门激励波函数波形及频谱,与理论值进行比较。

3、编程实现已知语音信号的语谱图,区分浊音信号和清音信号在语谱图上的差别。

二、实验原理语音生成系统包含三部分:由声门产生的激励函数()G z 、由声道产生的调制函数()V z 和由嘴唇产生的辐射函数()R z 。

语音生成系统的传递函数由这三个函数级联而成,即()()()()H z G z V z R z =1、激励模型发浊音时,由于声门不断开启和关闭,产生间隙的脉冲。

经仪器测试它类似于斜三角波的脉冲。

也就是说,这时的激励波是一个以基音周期为周期的斜三角脉冲串。

单个斜三角波的频谱表现出一个低通滤波器的特性。

可以把它表示成z 变换的全极点形式121()(1)cTG z ez --=-⋅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:1121()()()1(1)v cT A U z E z G z z e z ---=⋅=⋅--⋅这就是整个激励模型,v A 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12()1ii i i A V z B z C z--=-- 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()i V z 叠加可以得到声道的共振峰模型12111()()11Rrr MMir i N ki i i ik k b zA V z V zB zC z a z -=---======---∑∑∑∑3、辐射模型从声道模型输出的是速度波,而语音信号是声压波。

语音信号处理实验报告 (2)

语音信号处理实验报告 (2)

语音信号处理实验报告实验一1 用Matlab读取一段话音(自己录制一段,最好其中含有汉语四种声调变化,该段话音作为本课实验原始材料),绘制原始语音波形图。

2. 用Matlab计算这段语音的短时平均过零率、短时平均能量和短时平均幅度,并将多个波形同步显示绘图。

3.观察各波形在不同音情况下的参数特点,并归纳总结其中的规律。

clc clc;[x,fs]=wavread('benpao.wav');figureplot(x);axis([0 length(x) min(x) max(x)]);title('原始语音波形')xlabel('时间')f=enframe(x,300,100);[m,n]=size(f);for i=1:menergy(i)=sum(f(i,1:n).^2);mn(i)=sum(abs(f(i,1:n)));endfigureplot(energy);axis([0 length(energy) min(energy) max(energy)]);title('短时能量')figureplot(mn);axis([0 length(mn) min(mn) max(mn)]);title('短时幅度')lingd=zeros(m);for x=1:mfor y=1:n-1temp=f(x,y)*f(x,y+1) ;if temp<= 0lingd(x)=lingd(x)+1;endend%temp1=num(x,1)/300;%count(x)=temp1;endfigureplot(lingd);%axis([0 length(lingd) min(lingd) max(lingd)]);title('短时过零率')子函数:function f=enframe(x,win,inc)%定义函数。

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。

语音信号处理实验报告

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。

语音信号处理课件作业

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。

  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)。

设计报告
课程名称语音信号处理任课教师
设计题目
班级
姓名
学号
日期
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、报告要求
1.学习课本有关内容 , 理解和掌握短时平均能量函数及短时平均过零数函数的意义及其计算方法。

2.参考 Matlab 有关资料,设计并编写出具有上述功能的程序。

3.画出求得的短时分析曲线,注明语音段和所用窗函数及其宽度。

阐述所作分析和判断的过程,提出依据,得出判断结论。

附:
所用语音信号文件名为 "shop.wav", 拷贝到 MATLAB 工作目录。

(语音信号内容可自选 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;
Matlab 部分函数语法格式:
读 wav 文件: x=wavread(`filename`
数组 a 及 b 中对应元素相乘: a.*b
创建图形窗口命令: figure
绘图函数: plot(x
坐标轴: axis([xmin xmax ymin ymax]
坐标轴注解:xlabel(`…`ylabel(`…`
图例注解:legend( `…`
一阶高通滤波器: y=filter([1-0.09375],1,x
voicebox 工具箱介绍:
分帧函数:f=enframe(x,len,inc
x为输入语音信号, len 指定了帧长, inc 指定帧移,函数返回为 n×len的一个矩阵, 每一行都是一帧数据。

voicebox 工具箱安装方法:
把工具箱拷贝入 .\MatLab\toolbox目录下。

菜单 file-set path-"Add folder" 导入 voicebox ;
菜单 file-Preference-General-"Updata Toolbox Path Cache。

相关文档
最新文档