[工学]第10章matlab.ppt

主 要 内 容 语音信号的时域分析 语音信号的时域分析 【例10-3】 利用例程10-1和10-2，对语音数据加窗分帧，在不同窗口长度情况下，计算平均幅度。 语音信号的时域分析 3、短时过零分析 信号的幅度值从正值到负值要经过零值，从负值到正值也要经过零值，称其为过零，如果统计信号一秒钟有几次过零，就称为过零率，或单位时间过零的次数，这一秒钟就是一个单位时间。如果信号按段分割，就称为短时，把各段信号的过零率作统计平均，就是短时平均过零率。 对于周期信号，为了说明概念，我们假设为正弦信号，其 Hz,也就是 周期/秒,抽样率为 ,则每正弦周期内有 个样点，每一正弦周期内有两次过零，所以长时的平均过零率为： 频率 语音信号的时域分析 然而，语音信号序列并不是如此简单的正弦序列，它是一类宽带的局部平稳信号序列，不能简单地用频率来描述，但用短时平均过零率客观地估计其频率性质还是十分有效的。 语音信号序列x(n)的短时平均过零率Zn定义： 式中sgn[]是符号函数： 而w(n)是窗函数，在这里一般用矩形窗。为了平均，窗的幅度取为1/N,为了使过零率作为“频率”的概念理解，窗的幅度再除以2，所以， 语音信号的时域分析 短时过零率的主要用途有：?在语音信号分析中进行清/浊音判决；?对语音信号作频域分析；?在有/无声的判断中估计话音的起点和终点位置 【例10-4】 利用例程10-1和10-2，对语音数据加矩形窗分帧，在不同窗口长度情况下，计算平均过零率。 语音信号的时域分析 4、短时相关分析 语音信号短时自相关函数定义为 由于自相关函数是偶函数，可以改写成 在实际语音信号计算中，窗口长度的选择至少要大于基音周期两倍，对于浊音，找出其第二个，第三个最大点是必须的（R(0)是其第一个最大值点）。如果序列是周期的，则其自相关函数也是周期的，且周期相同。因此，对语音信号进行相关分析，可以估计基因周期。 语音信号的时域分析 上述算法是以窗截信号为基础的，窗外信号为零，这样计算出来的自相关函数是线性衰减的。对于语音这样的复杂信号的第二个最大点，第三个最大点等就很可能衰减得不明显，其信号的周期性很难检出。为了解决这一问题，使人为加窗的因素不影响自相关函数，有人对短时自相关函数作了修正，其要点是用不等长的两个窗函数截取语音，作任何k的自相关，都有相同的点数相乘相加。这实质上相当于作两个函数的互相关，修正短时自相关函数定义如下 或 如果用矩形窗，其函数表述如下 语音信号的时域分析 【例10-5】 利用例程10-1和10-2，对语音数据加矩形窗分帧，对第5帧（清音帧）和第8帧（浊音帧）分别进行相关分析。 语音信号的频域分析 1、短时傅立叶变换 由于可以认为语音信号是局部平稳的，所以可以对某一帧语音进行傅里叶变换，即短时傅里叶变换。其定义如下 由定义知，短时傅里叶变换是窗选语音信号的标准傅里叶变换。这里用下标n区别于标准的傅里叶变换。式（10-29）中，w(n-m)是窗口函数序列。同样，不同的窗口函数序列，将得到不同的傅里叶变换的结果。由该式知，短时傅里叶变换有两个自变量：n和 。所以它既是关于时间n的离散函数，又是关于角频率 的连续函数。与离散傅里叶变换和连续傅里叶变换的关系一样，如令 ，则得离散的短时傅里叶变换 语音信号的频域分析 它实际上是 在频域的取样。由式（10-29）和式（10-30）可以看出，这两个公式都有两个解释： 当n固定不变时，它们是序列 的标准的傅里叶变换或标准的离散傅里叶变换。此时 与标准的傅里叶变换具有相同的性质，而 与标准的离散傅里叶变换具有相同的特性。 当 或k固定时， 或 看作是时间n的函数。它们是信号序列和窗口函数序列的卷积，此时窗口的作用相当于一个滤波器。 语音信号的频域分析 2、语谱图 语音信号随时间而变化的频谱特性可以利用语谱图显示。语谱图是一种三维图形，纵轴对应于频率，横轴对应于时间，图像的黑白度正比于语音信号的能量。因此，声道的谐振频率在语谱图上就表示成黑带；浊音部分由于其准周期性，则显现为条纹图形；清音部分的图形则显得很致密。 可以使用MATLAB中的函数specgram进行语谱图的绘制。 【例10-6】 利用例程10-1，对语音数据绘制语谱图，要求窗长分别为512和128。 MATLAB数字信号处理 第10章 基于MATLAB的语音信号处理 ? 语音信号处理的基础知识； ? 语音信号的时域分析； ? 语音信号的频域分析； ? 语音的线性预测分析。