《课程设计（论文）基于MATLAB的语音信号分析.doc》由会员分享，可在线阅读，更多相关《课程设计（论文）基于MATLAB的语音信号分析.doc（11页珍藏版）》请在三一办公上搜索。
1、基于MATLAB的语音信号分析摘要：当今语音信号分析技术主要可以分析语音信号的时域与频域方面的分析。在MATLAB的环境下，提取语音信号的特征参数(LPCC)分析，用于信号分析。将语音信号进行分析之后能够运用到人机交互的环境中，从而研究出智能的人机通信问题。关键字：语音信号；MATLAB；人机通信；The Analysis of speech signal Based on MATLABAbstract: The speech signal analysis technology can analyze speech signal in time domain and frequency do
2、main analysis of the. In the MATLAB environment, extraction of speech signal feature parameters ( LPCC ) analysis, used for signal analysis. Speech signal analysis can use to human-computer interaction in the environment, in order to study the intelligent man-machine communication problems.Keyword:
3、Speech signal;MATLAB;Man-machine communication1. 前言语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴的学科，是目前发展最为迅速的信息科学研究领域的核心技术之一。通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息形式。同时，语言也是人与机器之间进行通信的重要工具，它是一种理想的人机通信方式，因而可为信息处理系统建立良好的人机交互环境，进一步推动计算机和其他智能机器的应用，提高社会的信息化程度。2. 语音信号基本分析2.1 MATLAB的语音信号时域特征分析1.窗口的选择通过对发声机理的认识，语音信号可以认为是短
4、时平稳的。在550ms的范围内，语音频谱特性和一些物理特性参数基本保持不变。我们将每个短时的语音称为一个分析帧。一般帧长取1030ms。我们采用一个长度有限的窗函数来截取语音信号形成分析帧。通常会采用矩形窗和汉明窗。图1.1给出了这两种窗函数在帧长N=50时的时域波形。图1.1 矩形窗和Hamming窗的时域波形矩形窗的定义：一个N点的矩形窗函数定义为如下 hamming窗的定义：一个N点的hamming窗函数定义为如下 这两种窗函数都有低通特性，通过分析这两种窗的频率响应幅度特性可以发现（如图1.2）：矩形窗的主瓣宽度小（4*pi/N），具有较高的频率分辨率，旁瓣峰值大（-13.3dB），会
5、导致泄漏现象；汉明窗的主瓣宽8*pi/N，旁瓣峰值低（-42.7dB），可以有效的克服泄漏现象，具有更平滑的低通特性。因此在语音频谱分析时常使用汉明窗，在计算短时能量和平均幅度时通常用矩形窗。表1.1对比了这两种窗函数的主瓣宽度和旁瓣峰值。 图1.2 矩形窗和Hamming窗的频率响应表1.1 矩形窗和hamming窗的主瓣宽度和旁瓣峰值窗函数主瓣宽度旁瓣峰值矩形窗4*pi/N13.3dBhamming8*pi/N42.7dB2.短时能量由于语音信号的能量随时间变化，清音和浊音之间的能量差别相当显著。因此对语音的短时能量进行分析，可以描述语音的这种特征变化情况。定义短时能量为：，其中N为窗长
6、特殊地，当采用矩形窗时，可简化为： 图1.3和图1.4给出了不同矩形窗和hamming窗长的短时能量函数，我们发现：在用短时能量反映语音信号的幅度变化时，不同的窗函数以及相应窗的长短均有影响。hamming窗的效果比矩形窗略好。但是，窗的长短影响起决定性作用。窗过大（N 很大），等效于很窄的低通滤波器，不能反映幅度En的变化；窗过小（ N 很小），短时能量随时间急剧变化，不能得到平滑的能量函数。在11.025kHz左右的采样频率下，N 选为100200比较合适。短时能量函数的应用:1）可用于区分清音段与浊音段。En值大对应于浊音段，En值小对应于清音段。2）可用于区分浊音变为清音或清音变为浊音
7、的时间（根据En值的变化趋势）。3）对高信噪比的语音信号，也可以用来区分有无语音（语音信号的开始点或终止点）。无信号（或仅有噪声能量）时，En值很小，有语音信号时，能量显著增大。图1.3 不同矩形窗长的短时能量函数图1.4 不同hamming窗长的短时能量函数2.2 MATLAB的语音信号频域特征分析1、短时傅立叶变换由于语音信号是短时平稳的随机信号，某一语音信号帧的短时傅立叶变换的定义为： （2.1）其中w(n-m)是实窗口函数序列，n表示某一语音信号帧。令n-m=k，则得到 （2.2）于是可以得到 （2.3）假定 （4）则可以得到 （5）同样，不同的窗口函数，将得到不同的傅立叶变换式的结果
8、。由上式可见，短时傅立叶变换有两个变量：n和，所以它既是时序n的离散函数，又是角频率的连续函数。与离散傅立叶变换逼近傅立叶变换一样，如令=2k/N，则得离散的短时傅立叶吧如下： (6)2、语谱图水平方向是时间轴，垂直方向是频率轴，图上的灰度条纹代表各个时刻的语音短时谱。语谱图反映了语音信号的动态频率特性，在语音分析中具有重要的实用价值。被成为可视语言。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。宽带语谱图可以获得较高的时间分辨率，
9、反映频谱的快速时变过程；窄带语谱图可以获得较高的频率分辨率，反映频谱的精细结构。两者相结合，可以提供带两与语音特性相关的信息。语谱图上因其不同的灰度，形成不同的纹路，称之为“声纹”。声纹因人而异，因此可以在司法、安全等场合得到应用。3、复倒谱和倒谱复倒谱是x(n)的Z变换取对数后的逆Z变换，其表达式如下: （7）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 （8）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
10、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： （9）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： （10）浊音信号的倒谱中存在着峰值，它的出现位置等于该语音段的基音周期，而清音的倒谱中则不存在峰值。利用这个特点我们可以进行清浊音的判断，并且可以估计浊音的基音周期。1 短时谱 图2.1 短时谱3 倒谱和复倒谱图2.3、2.4是加矩形窗和汉明窗的倒谱图和复倒谱图,图中横轴的单位是Hz，纵轴的单位是dB。图2.3 加矩形窗时的倒谱和复倒谱图图2.4加汉明窗时倒谱和复倒谱图图2.5 倒谱
11、图2.3 MATLAB的语音信号LPCC如果声道特性H(Z)用式(14)所示的全极点模型表示，有 （16）式中，S(z)和I(z)分别为语音信号和激励源的Z变换。对人的听觉来说，浊音是最重要的语音信号。对于浊音，模型的激励信号源e(n)是以基音周期重复的单位脉冲，此时有。可得的Z变换S(z)为 （17）式中，为P阶线性预测系数。根据倒谱的定义，对具有最小相位特征的语音信号，有 （18）式中，为语音信号的倒谱。将式(16)代入式(17)，并对两边求导，得 （19）根据上式即可由线性预测系数通过递推得到倒谱系数，将这样得到的倒谱称为线性预测倒谱系数。3. 程序部分1） 短时能量 （1）加矩形窗 a
12、=wavread(beifeng.wav);subplot(6,1,1),plot(a);N=32;for i=2:6h=linspace(1,1,2.(i-2)*N)；%形成一个矩形窗，长度为2.(i-2)*N En=conv(h,a.*a);% 求短时能量函数En subplot(6,1,i),plot(En);if(i=2) legend(N=32);elseif(i=3) legend(N=64);elseif(i=4) legend(N=128);elseif(i=5) legend(N=256);elseif(i=6) legend(N=512);endend（2）加汉明窗 a=w
13、avread(beifeng.wav);subplot(6,1,1),plot(a);N=32;for i=2:6h=hanning(2.(i-2)*N)；%形成一个汉明窗，长度为2.(i-2)*N En=conv(h,a.*a);% 求短时能量函数En subplot(6,1,i),plot(En);if(i=2) legend(N=32);elseif(i=3) legend(N=64);elseif(i=4) legend(N=128);elseif(i=5) legend(N=256);elseif(i=6) legend(N=512);endend2）短时谱 cleara=wavre
14、ad(beifeng.wav);subplot(2,1,1),plot(a);title(original signal);gridN=256;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);grid3）倒谱和复倒谱（1）加矩形窗时的倒谱和复倒谱cleara=wavread(beifeng.wav,4000,4350);N=300;h=linspace(1,1,N);for m=1:Nb(m)=a(m)*h(m);end c=cceps(b);c=fftsh
15、ift(c);d=rceps(b);d=fftshift(d); subplot(2,1,1)plot(d);title(加矩形窗时的倒谱)subplot(2,1,2)plot(c);title(加矩形窗时的复倒谱)（2）加汉明窗时的倒谱和复倒谱cleara=wavread(beifeng.wav,4000,4350);N=300;h=hamming(N);for m=1:Nb(m)=a(m)*h(m);end c=cceps(b);c=fftshift(c);d=rceps(b);d=fftshift(d); subplot(2,1,1)plot(d);title(加汉明窗时的倒谱)subp
16、lot(2,1,2)plot(c);title(加汉明窗时的复倒谱)4.总结本文从时域和频域上对语音信号进行了分析，根据语音信号的特殊性，着重分析了短时能量和短时傅里叶变换，运用了倒谱进行更深的分析。这些参数可以运用到人机交互上，特别是LPCC能够很好的提取出来运用到语音信号识别上，从而进行智能设计。参考文献 1 杨行竣，迟惠生语音信号数字处理M.电子工业出版社，199549-80 2 覃爱娜，韩华说话人识别技术及其在工厂自动控制系统中的应用J.长沙电力学院学报，2003， 18（2）：68-70 3 丁美玉，高西全数字信号处理M.西安电子科技大学出版社，200468-71 4 李宏松，苏健民，黄英来，于慧伶基于声音信号的特征提取方法的研究J.信息技术， 2006，26（6）：91-94 5 谢霞，李宏，郑俊基于GMM 的说话人辨认系统及其改进J电脑与信息技术， 2006， 14（2）： 48-51
