语音信号处理实验二.docVIP

实验? 语音信号的实验目的在理论学习的基础上，进一步理解和掌握语音信号短时分析的意义方法。原理 语音信号的能量分析是基于语音信号能量随时间有相当大的变化，特别是清音段的能量一般比浊音段的小得多。定义短时平均能量 下图说明了短时能量序列的计算方法，其中窗口采用的是直角窗。 过零就是信号通过零值。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。而对于离散时间信号，如果相邻的取样值改变符号则称为过零。由此可以计算过零数，过零数就是样本改变符号的次数。单位时间内的过零数称为平均过零数。 语音信号x(n)的短时平均过零数定义为 式中，是符号函数，即 短时平均过零数可应用于语音信号分析中。发浊音时，尽管声道有若干个共振峰，但由于声门波引起了谱的高频跌落，所以其语音能量约集中干3kHz以下。而发清音时．多数能量出现在较高频率上。既然高频率意味着高的平均过零数，低频率意味着低的平均过零数，那么可以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。然而这种高低仅是相对而言，没有精确的数值关系。 实验步骤 语音信号的录音、读入、放音等：利用函数wavread对语音信号进行采样,记住采样频率和采样点数，给出以下语音的波形图（2.wav）。 程序： x=wavread(2.wav); Fs=10000; nbits=80; [x,Fs,nbits]=wavread(2.wav); wavplay(x,10000); soundview(x,10000); 短时能量分析：(1)首先对语音信号预加重；(2)对预加重后的语音信号进行分帧，帧长取N=256个样值点，帧移取128个样值点；(3)求短时能量。 程序：x=wavread(2.wav); z=filter([1-0.9375],1,x); y=enframe(z,256,128); m1=sum(abs(y),2); m2=sum(y.*y,2); m3=sum(log(y.*y+eps),2); figure(1); subplot(3,1,1),plot(m1) subplot(3,1,2),plot(m2) subplot(3,1,3),plot(m3) 短时过零率分析：求语音信号的短时过零率。 程序：[x,fs,nbit]=wavread(2.wav); x=x/max(abs(x)); len=256; inc=128; tmp1=enframe(x(1:end-1),256,128); tmp2=enframe(x(2:end),256,128); signs=(tmp1.*tmp2)0; diffs=(tmp1-tmp2)0.02; zor=sum(signs.*diffs,2) figure; subplot(2,1,1),plot(x) subplot(2,1,2),plot(zor) 编写程序：参考Matlab有关资料，设计并编写出上述程序注明语音段和所用窗函数及其宽度。 z=filter([1-0.9375],1,x); inc=128; len=256; y=enframe(z,len,inc); amp1=sum(abs(y),2); tmp1=enframe(x(1:end-1),256,128); tmp2=enframe(x(2:end),256,128); signs=(tmp1.*tmp2)0; diffs=(tmp1-tmp2)0.02; zor=sum(signs.*diffs,2); figure; subplot(3,1,1),plot(x) subplot(3,1,2),plot(amp1) subplot(3,1,3),plot(zor) 结论：4000之前的是清音，之后的是浊音。清音的短时能量小，浊音的短时能量大。清音的短时过零率大，浊音的短时过零率小。语音段为第二段，为矩形窗。 换一段语音重复上述步骤。 程序：[x,fs,nbit]=wavread(8.wav); soundview(x,10000); z=filter([1-0.9375],1,x); inc=128; len=256; y=enframe(z,len,inc); amp1=sum(abs(y),2); tmp1=enframe(x(1:end-1),256,128); tmp2=enframe(x(2