语音信号课程设计.docVIP

江苏师范大学 物电学院实验报告 实 验 名 称： 语音信号的时域分析方法及应用 指 导 老 师： 马 勇 专 业： 电子信息工程 班 级： 14物42 姓 名： 都颖 学 号： 140220012 实验目的 了解语音信号的时域分析的三种方法； 掌握短时相关分析和短时平均幅度差函数； 学会利用自相关法估计基因周期。 实验原理 1 、语音信号时域分析方法 通过Matlab编程实现语音信号的时域波形图，并观察清音、浊音信号的时域特点。掌握语音信号的时域分析技术，如短时平均能量、短时平均幅度、短时平均过零率分析、短时平均自相关、短时平均幅度差。 1 ）、短时相关分析 相关分析的依据：用于确定两个信号在时域内的相似性。常用的物理量为自相关函数和互相关函数。当两个信号的互相关函数大时，则说明一个信号可能是另一个信号的时间滞后或提前；当互相关函数为0时，则两个信号完全不同。 自相关函数用于研究信号本身，如波形的同步性和周期性。 短时自相关函数的定义 (1)说明当时域信号为周期信号时，自相关函数也 是周期性函数，两者具有同样的周期。 (2)R n (k)为偶函数， R n (k)＝R n (－k) (3)R n (0)最大， R n (0)? |R n (k)|, R n (0)=E n 。 4）、短时平均幅度差函数（AMDF） 短时平均幅度差函数的意义： 短时自相关函数是语音信号时域分析的重要参量，但由于乘法运算所需要的时间长。为了避免乘法，一个简单的方法就是利用差值，为此常常采用另一种与自相关函数有类似作用的参量，短时平均幅度差函数。短时自相关函数是语音信号时域分析的重要参量，但由于乘法运算所需要的时间长。为了避免乘法，一个简单的方法就是利用差值，为此常常采用另一种与自相关函数有类似作用的参量，短时平均幅度差函数。 对于周期性的x(n)，F n (k)也呈周期性，与R n (k)相反的是在R n (k)谷点时，对应F n (k) 是峰值。 短时平均幅度差函数和自相关函数的关系： 浊音是一个准周期信号，在一帧语音内基音周期近似恒定，因此， 短时平均幅度差函数在 浊音语音的基音周期上出现极小值，而在清音语音中没有明显的极小值。 实验内容 录制一个浊音（如：a）和一个清音字母（如：b），采样频率为8000Hz: 计算两个语音的短时自相关和平均幅度差，画图表示，并分析主要特点。 利用自相关法估计基因周期。 【实验数据】 语音的短时自相关函数 ?Y=wavread(F:\打字平台\语音信号课程设计\作品\a.wav); %%%%%%浊音，取13270--13510个点 %短时自相关函数 temp=Y(13271:13510); % %wc1=0.0075;wc2=0.9625; %wn=[wc1/pi,wc2/pi]; %h=fir1(239,wn,blackman(240)); %h=reshape(h,240,1); %temp=temp.*abs(h);? % %%%temp2=reshape(temp,1,240); %temp=temp2.*B; Rn1=zeros(1,240); for nn=[1:240], for ii=[1:240-nn], Rn1(nn)=Rn1(nn)+temp(ii)*temp(nn+ii); end end figure(2) set(2,Position,[400,35,350,650]) subplot(4,1,1) jj=[1:240]; plot(jj,Rn1,b); grid %axis([9,50,-0.01,0.02]) 短时平均幅度差函数 Yn1=wavread(F:\打字平台\语音信号课程设计\作品\a.wav); %短时平均幅度差函数 Yn1=zeros(1,240); for nn=[1:240], for ii=[1:240-nn], Yn1(nn)=Yn1(nn)+abs(temp(ii)-temp(nn+ii)); end end figure(2) subplot(4,1,2) jj=[1:240]; plot(jj,Yn1,b); grid 基因周期估计 function pitch x=wavread(F:\打字平台\语音信号课程设计\作品\a.wav);%读取声音文件 figure(1); stem(x,.);%显示声音信