数字变声器设计方案..docx
《数字变声器设计方案..docx》由会员分享，可在线阅读，更多相关《数字变声器设计方案..docx（10页珍藏版）》请在冰豆网上搜索。
基于FFT算法的数字变声器
201242216
河北北方学院宣化教学部河北宣化075100
【摘要】本数字变声器是实现男声变女声和女声变男声以及变成童声的系统。
设计本数字变声器的目的是锻炼自己的学习实践能力。
通过matlab编写程序修改语音参数来实现男声女声之间的变换。
【关键词】 变音算法 数字滤波器 语音信号 数字滤波器 频谱分析 MATLAB
1引言
变声器在现实生活中应用广泛，变声器是通过改变输入音频的音色、音调，并将变声后
的音频输出的工具。
根据变声器材质不同，变声器分为变声器硬件和变声器软件。
变声器硬件，即通过硬件实现变声的工具；变声器软件，即通过软件实现变声的工具，软件类变声器，运行平台皆为电脑系统。
无论是硬件变声器，还是软件变声器，其原理都是，通过改变输入声音频率，进而改变声音的音色、音调，使输出声音在感官上与原声音不同。
我们每个人的声音不同，源于我们的每个人的音色和音调不同，我们所说的男中音、男高音，就是音调的不同，而即便音调一致，我们依然能区分出两个不同人的声音，或不同乐器的声音，这就是音色的不同。
变声器，正是借助对声音音色和音调的双重复合改变，实现输出声音的改变。
我们这里的变声器就是matlab来实现变声。
2数字变声器的原理和算法
发音方法，发音时，喉头、口腔、鼻腔节制气流的方式和状态，包括发音时构成阻碍和克服阻碍的方式，气流强弱的情况及声带是否振动等几个方面。
人类语音可分为有380声语音和无声语音，前者是由声带振动激励的脉冲信号经声腔调制变成不同的音，它是人类语言中元音的基础，声带振动的频率称为基频。
无声语音则是声带保持开启状态，禁止振动引发的。
一般来说，由声门振动决定的基频跟说话人的性别特征有关，如下表，而无声语音则没有体现这个特征。
说话人的个性化音色和语音的另外一个声学参数——共振峰频率的分布有关。
儿童由于声道短，其共振峰频率高于成年人，成年女性的声道一般短于成年男性，所以女性的共振峰频率一般高于男性。
本实验是基于男生录制的声音进行相关参数提取，修改接近于女声、童声、老人声，并实现了音调的高低与速度的快慢1.变声原理
在进行性别变声时，主要考虑基音周期、基频和共振峰频率的变化。
基音周期改变时，基频、共振峰同时变化，若伸展既有男变女、女变童，反之亦可。
本实验是基于男生录制的声音进行相关参数提取，修改接近于女声，实现男声到女声的变换。
●音段特征：
描述的是语音的音色特征。
特征参数主要包括基音频率、共振峰位置、共振峰带宽、基音频率、能量等。
●超音段特征：
描述的是语音的韵律特征。
特征参数主要包括因素的时长、基音频率的变化（音调）、能量等
●语言特征：
包括习惯用语、方言、口音等。
基音是指发浊音时声带振
动所引起的周期性， 而基音周期是指声带振动频率的倒数。
基音周期是语音信号最重要的参数之一，它描述了语音激励源的一个重要特征。
不同的人以及同一个人在不同的年龄时期有不同的基音周期。
人唱歌时，其基音频率范围大约是：
童声高音频率范围为260-880Hz，低音频率范围为196-700Hz，女声高音频率范围为220-1.1KHz,低音频率范围为200-700Hz，男声高音频率范围为160-523Hz低音频率范围为80-358Hz。
此外，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息。
先就如何实时地通过基音频率的变化来实现语声变声，进行讨论，Matlab实现算法。
男声 基频分布（hz）：
50~180 共振峰频率分布：
偏低
人群
女声 基频分布（hz）：
160~380 共振峰频率分布：
中
提取参数
（1）语音时变傅里叶变换为：
X（ejw）=
¥
åx（n）e-jwnn=-¥
在低通滤波时，采用巴特沃斯滤波器。
（2）构建巴特沃斯低通滤波器
根据人的说话特征设定相应指标参数，对本段语音设计算出巴特沃斯模拟滤波器的阶数，截止频率，归一化低通原型系统函数。
本段语音设计算出巴特沃斯模拟滤波器的阶数N为5，3dB截止频率,
算出为0.175，归一化低通原型系统函数为：
其中将 带人 中，得到低通滤波器，
各种理想数字滤波器的幅度频率响应
准备
流程图
查看变声器和声音的相关资料
收集声音
进行波形分析，傅里叶变换
构建巴特沃斯低通滤波器
用matlab进行程序设计，构建GUI界面
男声
打开声音文件
女声
变女声
变男声
3数字变声器的软件实现与仿真结果
代码部分
选择音频文件
[filename,pathname]=uigetfile（{'*.wav','ALLFILES'},'selectvoicefile'）;ifisequal（[filenamepathname],[0,0]）
return;
end
str=[pathnamefilename];[temp,Fs]=audioread（str）;temp1=resample（temp,80,441）;handles.y1=temp;handles.y=temp1;handles.Fs=Fs;guidata（hObject,handles）;
原音播放c=handles.Fs;sound（handles.y1,c）;
plot（handles.axes1,handles.y1）
title（handles.axes1,'时域图'）;ysize=size（handles.y1）;y1=fft（handles.y,length（handles.y1））;ysize=size（y1）;plot（handles.axes2,abs（y1（1:
ysize/2）））;
xlabel（handles.axes2,'频率'）;
ylabel（handles.axes2,'幅度'）;
title（handles.axes2,'频率特性'）;
男声变女声FL=80;WL=240;P=10;
x1=handles.y;
fs=handles.Fs;x1=resample（x1（:
1）,8000,fs）;fs=8000;
x1=x1+0.000001*randn（length（x1）,1）;x1=x1/max（x1）;
L=length（x1）;FN=floor（L/FL）-2;exc=zeros（L,1）;zi_pre=zeros（P,1）;x1_rec=zeros（L,1）;zi_rec=zeros（P,1）;exc_syn=zeros（L,1）;x1_syn=zeros（L,1）;last_syn=0;
zi_syn=zeros（P,1）;exc_syn_t=zeros（L,1）;x1_syn_t=zeros（L,1）;last_syn_t=0;zi_syn_t=zeros（P,1）;hw=hamming（WL）;
forn=3:
FN
x1_w=x1（n*FL-WL+1:
n*FL）.*hw;[AE]=lpc（x1_w,P）;x1_f=x1（（n-1）*FL+1:
n*FL）;
[exc1,zi_pre]=filter（A,1,x1_f,zi_pre）;exc（（n-1）*FL+1:
n*FL）=exc1;[x1_rec1,zi_rec]=filter（1,A,exc1,zi_rec）;x1_rec（（n-1）*FL+1:
n*FL）=x1_rec1;x1_Pitch=exc（n*FL-222:
n*FL）;PT=findpitch（x1_Pitch）;
G=sqrt（E*PT）;PT1=floor（PT/2）;poles=roots（A）;deltaOMG=190*2*pi/8000;forp=1:
10
ifimag（poles（p））>0poles（p）=poles（p）*exp（j*deltaOMG）;elseifimag（poles（p））<0poles（p）=poles（p）*exp（-j*deltaOMG）;end
endA1=poly（poles）;
tempn_syn_t=[1:
n*FL-last_syn_t]';exc_syn1_t=zeros（length（tempn_syn_t）,1）;exc_syn1_t（mod（tempn_syn_t,PT1）==0）=G;exc_syn1_t=exc_syn1_t（（n-1）*FL-last_syn_t+1:
n*FL-last_syn_t）;[x1_syn1_t,zi_syn_t]=filter（1,A1,exc_syn1_t,zi_syn_t）;exc_syn_t（（n-1）*FL+1:
n*FL）=exc_syn1_t;
x1_syn_t（（n-1）*FL+1:
n*FL）=x1_syn1_t;last_syn_t=last_syn_t+PT1*floor（（n*FL-last_syn_t）/PT1）;end
sound（x1_syn_t,fs）plot（handles.axes1,x1_syn_t）;
title（handles.axes1,'时域图'）;
gridon;ysize=size（x1_syn_t）;
y=fft（x1_syn_t,length（x1_syn_t））;ysize=size（y）;plot（handles.axes2,abs（y（1:
ysize）））
xlabel（handles.axes2,'频率'）;
ylabel（handles.axes2,'幅度'）;
title（handles.axes2,'频率特征'）;
女声变男声
FL=80; %帧长
WL=240; %窗长
P=10; %预测系数个数
c=handles.Fs;Fs=c;s=handles.y;
s=resample（s（:
1）,8000,Fs）;Fs=8000;
s=s+0.000001*randn（length（s）,1）;s=s/max（s）; %归一化¯
L=length（s）; %读入语音长度
FN=floor（L/FL）-2; %计算帧数
%预测和重建滤波器
exc=zeros（L,1）; %激励信号
zi_pre=zeros（P,1）; %预测滤波器状态¬s_rec=zeros（L,1）; %重建语音
zi_rec=zeros（P,1）;
%变调不变速滤波器
exc_syn_t=zeros（L,1）; %合成的激励信号
s_syn_t=zeros（L,1）; %合成语音
last_syn_t=0; %储存上一个或多个段的最后一个脉冲的下标zi_syn_t=zeros（P,1）; %合成滤波器状态
hw=hamming（WL）; %依次处理语音forn=3:
FN
%计算预测系数
s_w=s（n*FL-WL+1:
n*FL）.*hw; %汉明窗加权后的语音[A,E]=lpc（s_w,P）;
s_f=s（（n-1）*FL+1:
n*FL）; %本帧语音
%计算激励
[exc1,zi_pre]=filter（A,1,s_f,zi_pre）;
exc（（n-1）*FL+1:
n*FL）=exc1;%计算得到的重建语音[s_rec1,zi_rec]=filter（1,A,exc1,zi_
升级会员 