语音频域分析.docVIP

1.实验目的 由于语音信号是随着时间变化的，通常认为，语音是一个受准周期脉冲或随机噪声源激励的线性系统的输出。输出频谱是声道系统频率响应与激励源频谱的乘积。声道系统的频率响应及激励源都是随时间变化的，因此一般标准的傅立叶表示虽然适用于周期及平稳随机信号的表示，但不能直接用于语音信号。由于语音信号可以认为在短时间内，近似不变，因而可以采用短时分析法。 录入一段文字“Nothing is impossible”保存为wav格式，进行频域方面的处理分析。 2.利用短时傅立叶变换求短时谱 对第n帧语音信号xn(m)的短时傅立叶变换的定义如下： 由定义可知，短时傅立叶变换实际就是窗选语音信号的标准傅立叶变换，这里w(n-m)是一个“滑动的”窗口，它随n的变化而沿着序列x(m)滑动。令n-m=k，则得到 于是可以得到 假定 则可以得到 根据信号的时宽带宽积为一常数之一基本性质，可知主瓣宽度和窗口宽度成反比，N越大越窄。尤其是N值大于语音音素长度时已不能反应语音音素的频谱了。因此，应折衷选择窗的宽度N。另外，窗的形状也对短时谱有影响，如矩形窗，虽然频率分辨率很高，但由于第一旁瓣的衰减很小，所以不适合用于频谱成分很宽的语音分析中，而汉明窗在频率范围中分辨率较高，而且旁瓣衰减大，具有频谱泄露少的优点，所以在求短时频谱时一般采用汉明窗。图1与图2分别是不同窗长的汉明窗下的短时谱仿真图， 图1窗长为512 图2窗长为1024 附程序源码： clear a=wavread(3.wav); subplot(2,1,1), plot(a); grid N=512; h=hamming(N); for m=1:N b(m)=a(m)*h(m) end y=20*log(abs(fft(b))) subplot(2,1,2) plot(y);title(短时谱); grid 3.语谱图 谱图就是语音频谱图，一般是通过处理接收的时域信号得到频谱图，因此只要有足够时间长度的时域信号就可。（时间长度为保证频率分辨率） 语谱图的横坐标是时间，纵坐标是频率，坐标点值为语音数据能量。由于是采用二维平面表达三维信息，所以能量值的大小是通过颜色来表示的，颜色深，表示该点的语音能量越强。 语谱图的时间分辨率和频率分辨率是由窗函数的特性决定的。时间分辨率高，可以看出时间波形的每个周期及共振峰随时间的变化，但频率分辨率低，不足以分辨由于激励所形成的细微结构，称为宽带语谱图；而窄带语谱图正好与之相反。 图3 语谱图 图中可以看到明显的一条条横方向的条纹，我们称为“声纹”，有很多应用。条纹的地方实际是颜色深的点聚集的地方，随时间延续，就延长成条纹，也就是表示语音中频率值为该点横坐标值的能量较强，在整个语音中所占比重大，那么相应影响人感知的效果要强烈得多。而一般语音中数据是周期性的，所以，能量强点的频率分布是频率周期的。 附程序源码： a=wavread(3.wav); aFFT = abs(fft(a));%可以获得傅立叶谱幅度 aFFTdB = 20*log10(aFFT); %变成分贝值 image(aFFTdB) ; title(yupu); 4.复倒谱和倒谱 在语音信号处理的实际应用中，很多场合需要根据语音信号反过来求解声门信号或声道冲激响应。这就需要在知道卷积结果的基础上，利用“解卷”求得参与卷积的各个信号，同态处理是常用的解卷方法。由于语音信号进行同态分析后得到的是语音信号的倒谱参数，因此同态分析也叫倒谱分析。 复倒谱是x(n)的Z变换取对数后的逆Z变换，其表达式如下： 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 在时域上，语音产生模型实际上是一个激励信号与声道冲激响应的卷积。对于浊音，激励信号可以由周期脉冲序列表示；对于清音，激励信号可以由随机噪声序列表示。声道系统相当于参数缓慢变化的零极点线性滤波器。这样经过同态处理后，语音信号的复倒谱，激励信号的复倒谱，声道系统的复倒谱之间满足下面的关系： 由于倒谱对应于复倒谱的偶部，因此倒谱与复倒谱具有同样的特点，很容易知道语音信号的倒谱，激励信号的倒谱以及声道系统的倒谱之间满足下面关系： 图4 不同窗的倒谱与复倒谱 倒谱基音检测中，语音加窗是很重要的，窗口的选择应该选择缓变窗。如果窗口选择矩形窗，在许多情况下倒谱中的基音峰将变得不清晰甚至消失。一般来讲，窗口函数选择汉明窗比较合理。 对语音信号进行倒谱与负