电子科技大学数字信号处理DSP课程设计-钢琴音符识别.docVIP

2014级数字信号处理课程设计报告 题目：钢琴音符识别 姓名：邱晨曦 答辩时间： （1） 播放和记录一段音乐中的音符 （2） 记录到音符以后，所对应的标准的钢琴，并分析结果。 快速傅里叶变换、音频信号的时域和频域的特性熵比的概念频率校正、与音符的转换。 预处理部分： 用读出来的数据。 ：准确率较高； ：数据量较大，采样频率为Hz，远大于奈奎斯特采样率。kHz的采样率重新采样，并转换为单声道。 ：数据量小了很多，易于处理； ：牺牲了部分的准确率，但对于音符的判断影响可以忽略。 算法： 1 . 双门限法： 1. 计算短时能量（高门限）和过零率（低门限）； 2. 选取一个较高的门限，语音信号的能量包络大部分都在此门限之上，进行一次初判，语音起止点位于该门限与短时能量包络交点所对应的时间间隔之外； 3. 根据噪声能量，确定一个较低的门限，并从初判起点往左，从初判终点往右搜索，分别找到能零比曲线第一次与门限相交的两个点，两点之间段就是用双门限方法所判定的语音段； 4. 以短时平均过零率为准，从低门限点往左右搜索，找到短时平均过零率低于某阈值的两点，为语音的起止点； 图1：双门限法示意图算法的阀值是实验过程调节的。在实际应用的过程中：在语音信号频率分布较为集中的时候检测出来的结果比较准确，但当语音信号频率分布比较分散的时候，很难通过控制固定阀值来每个音符；2. 自相关法： 由于两种信号的自相关函数存在极大的差异，可以利用这种差别来提取语音端点。根据噪声的情况，设置两个阈值和，当相关函数最大值大于时，便判定是语音；当相关函数最大值大于或小于时，则判定为语音信号的端点。 该算法同样存在语音信号频率分布较广的时候，阀值难控制的问题。 3. 计算每一帧的谱能量； 计算出每一帧中每个样本点的概率密度函数； 计算出每一帧的谱熵值（由信息论知识知道，在自变量服从均匀分布的时候熵值达到最大值，所以噪声的熵值是比较大的，而钢琴的熵值是比较小的由此了噪声和音符 设置判决门限； 根据各帧的谱熵值进行端点检测。 在实验过程中发现：存在当语音信号频率分布较广时阀值不太好控制的问题。因此方法进行改进，引入，能熵比的概念 谱熵值类似于过零率，能熵比的表示为。由于噪声和信号的能熵比差别很大。因此在熵比的中，每一个“”就代表了一个特定频率的信号。 图2：能熵比图中的“尖刺” 在检测过程中，依然不能通过简单的设置阀值的办法来进行端点检测，原因是语音频率分布较广时，每个音符的能熵比变化范围差别较大，如下图所示，有的“尖刺”完全在门限之上，而有的则完全在门限之下。 图3：88阶全音的能熵比图 因此，采用检测能熵比中的“低谷点”（该点比左右两边的一定数目的点的能熵比都小）的方法。语音信号一定位于两个低谷点之间的部分，再对低谷点进行适当的左右移动作为语音信号的起止点。如下图所示： 图4：标记起止点的能熵比图 （绿色为起始点，红色为截止点） 设计框架和流程： 用audioread函数读入钢琴音乐，并用播放 2. 为了方便处理，对信号以11.025kHz的频率进行重新采样，并统一转换成单声道的信号； 3. 因为语言信号可以在短时间内认为是平稳的，因此对语音信号进行分帧的处理，设置帧长320，为了减小误差，两帧之间设置重叠部分，因此帧移取80； 4. 计算每一帧的能熵比； 5. 找到能熵比中的“低谷点”（该点比左右两边的一定数目的点的能熵比都小）； 6. 如果两个低谷点之间的距离持续超过一定长度的为音符，最小长度自行设置sr (即shift right,数值可自行调节)l（可自行调节：采用该方法的是通过调节相关参数能适应多种情况，缺点是环境发生较大变化时，需要重新设置参数7. 将找到的语音段转换成未分帧时对应坐标8. 找到每段快速傅里叶变换中的最大值以及最大值所对应的横坐标（fft点），将横坐标转换成相应的频率，得到的频率即为该段音符的频率； 9. 利用比值法进行频率的校正，窗函数选择矩形窗； 10. 根据检测到的频率确定音符计算为：为第几个按键，通过查表得到对应音符11. 分析结果。 三. 具体设计过程： 部分代码（测试部分缺省 主函数部分： format short; wlen=320; inc=80; % 分帧的帧长和帧移 overlap=wlen-inc; % 帧之间的重叠部分 sound(x,fs); % 播放音乐 x=calsample(x,fs); % 为了方便处理，重新以11025Hz的频率采样，并转换成单声道 x=x-mean(x); % 消去直流分量 x=x