端点检测Word格式文档下载.docx
《端点检测Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《端点检测Word格式文档下载.docx（8页珍藏版）》请在冰豆网上搜索。
利用倒谱方法求出自己的基音周期。
三、实验仪器：
Cooledit、Matlab软件
四、实验代码：
取端点流程图
一：
clc,clear
[x,fs,nbits]=wavread（'
fighting.wav'
）;
%x为0~N-1即1~N
x=x/max（abs（x））;
%幅度归一化到[-1,1]
%参数设置
FrameLen=240;
%帧长，每帧的采样点
inc=80;
%帧移对应的点数
T1=10;
%短时能量阈值,语音段
T2=5;
%短时能量阈值,过渡段
T3=1;
%过零率阈值,起止点
minsilence=6;
%无声的长度来判断语音是否结束
silence=0;
%用于无声的长度计数
minlen=15;
%判断是语音的最小长度
state=0;
%记录语音段状态0=静音,1=语音段,2=结束段
count=0;
%语音序列的长度
%计算短时能量
shot_engery=sum（（abs（enframe（x,FrameLen,inc）））.^2,2）;
%计算过零率
tmp1=enframe（x（1:
end-1）,FrameLen,inc）;
%tmp1为二维数组=帧数*每帧的采样点FrameLen
tmp2=enframe（x（2:
end）,FrameLen,inc）;
%
signs=（tmp1.*tmp2）<
0;
%signs为一维数组，符合的置1，否则置0
zcr=sum（signs,2）;
%开始端点检测,找出A,B点
forn=1:
length（zcr）
ifstate==0%0=静音，1=可能开始
ifshot_engery（n）>
T1%确信进入语音段
x1=max（n-count-1,1）;
%记录语音段的起始点
state=2;
silence=0;
count=count+1;
elseifshot_engery（n）>
T2||zcr（n）>
T3%只要满足一个条件,可能处于过渡段
status=1;
x2=max（n-count-1,1）;
else%静音状态
state=0;
count=0;
end
ifstate==2%1=语音段
T2%保持在语音段
elseifzcr（n）>
T3%保持在语音段
x3=max（n-count-1,1）;
else%语音将结束
silence=silence+1;
ifsilence<
minsilence%静音还不够长，尚未结束
elseifcount<
minlen%语音段长度太短，认为是噪声
silence=0;
else%语音结束
state=3;
ifstate==3%2=结束段
break;
end
x1,x2,x3%A、C、E坐标
x11=x1+count-1%B坐标
x22=x2+count-1%D坐标
x33=x3+count-1%F坐标
%画图
subplot（3,1,1）
plot（x）
axis（[1length（x）-11]）%标定横纵坐标
title（'
原始语音信号'
'
fontsize'
17）;
xlabel（'
样点数'
ylabel（'
Speech'
line（[x3*incx3*inc],[-11],'
Color'
'
red'
%画竖线
line（[x33*incx33*inc],[-11],'
subplot（3,1,2）
plot（shot_engery）;
axis（[1length（shot_engery）0max（shot_engery）]）
短时能量'
帧数'
Energy'
line（[x1x1],[min（shot_engery）,T1],'
line（[x11x11],[min（shot_engery）,T1],'
%
line（[x2x2],[min（shot_engery）,T2],'
line（[x22x22],[min（shot_engery）,T2],'
line（[1length（zcr）],[T1,T1],'
linestyle'
:
'
%画横线
line（[1length（zcr）],[T2,T2],'
text（x1,-5,'
A'
%标写A、B、C、D
text（x11-5,-5,'
B'
text（x2-10,-5,'
C'
text（x22-5,-5,'
D'
subplot（3,1,3）
plot（zcr）;
axis（[1length（zcr）0max（zcr）]）
过零率'
ZCR'
line（[x3x3],[min（zcr）,max（zcr）],'
line（[x33x33],[min（zcr）,max（zcr）],'
line（[1length（zcr）],[T3,T3],'
text（x3-10,-3,'
E起点'
%标写E、F
text（x33-40,-3,'
F终点'
运行结果与分析：
x1=650，x11=734，x2=646，x22=752，x3=643，x33=763
得出的值x3<
x2<
x1<
x11<
x22<
x33,基本符合要求
1、主要是学习了一些新的函数。
[x,fs,nbit]=wavread（wavFile）;
x就是音频信号；
fs是采样频率，比如说16000就是每秒16000次；
nbit是采样精度，比如说16就是指16位精度的采样。
y=enframe（x,FrameLen,inc）;
包含语音采样的以为数组x经过处理后得到二维数组y，FrameLen为帧长，即每帧的采样点，inc为帧移对应的点数。
sum（x,2）表示矩阵x的横向相加，求每行的和，结果是列向量。
而缺省的sum（x）就是竖向相加，求每列的和，结果是行向量。
line（[X1X2],[Y1Y2],S）;
%点A（X1,Y1）和点B（X2Y2）之间画一条直线，S为其它属性（颜色，线的粗细等）
2、端点检测可分为四段：
静音段、过渡段、语音段、结束。
实验时使用一个变量表示当前状态。
静音段，如果能量或过零率超过低门限，就开始标记起始点，进入过渡段。
过渡段当两个参数值都回落到低门限以下，就将当前状态恢复到静音状态。
而如果过渡段中两个参数中的任一个超过高门限，即被认为进入语音段。
处于语音段时，如果两参数降低到门限以下，而且总的计时长度小于最短时间门限，则认为是一段噪音，继续扫描以后的语音数据，否则标一记结束端点。
根据这些关系画出流程图，然后再编写程序就比较有条理，且思路清晰。
二：
[y,fs,nbits]=wavread（'
time=（1:
length（y））/fs;
frameSize=floor（40*fs/1000）;
%帧长
startIndex=round（10000）;
%起始序号，这个位置开始正好是语音开始
endIndex=startIndex+frameSize-1;
%结束序号
frame=y（startIndex:
endIndex）;
%取出该帧
frameSize=length（frame）;
%求帧长
frame2=frame.*（hamming（frameSize））;
frame2=frame;
dp=rceps（frame2）;
%求倒谱
ylen=length（dp）;
cepstrum=dp（1:
ylen/2）;
%基音检测
LF=floor（fs/500）;
%设置基音搜索的范围
HF=floor（fs/70）;
cn=cepstrum（LF:
HF）;
%
[mx_cepind]=max（cn）;
ifmx_cep>
0.08&
ind>
LF%求基因周期
basic_T=（LF+ind）/fs;
%由点转化为毫秒，即基音周期
else
basic_T=0;
end
fprintf（'
基因周期=%d\n'
basic_T）;
%basic_T所求基因周期
%画图
subplot（2,1,1）;
plot（frame）;
axis（[1frameSize-1*10.^（-3）1*10.^（-3）]）
某个加窗信号'
subplot（2,1,2）;
plot（cepstrum）;
axis（[1ylen/2-55]）
倒谱图'
1、根据倒谱图可以看出信号没有周期性，应该是清音，所有求出的结果为第一个峰值位置，即0，则基音周期为0/8000s=0，结果基本符合。
2、从自相关函数图中也可以看出在0点峰值最高。
3、总觉得“自相关函数”、“倒谱”、“分帧”、“基音周期”
等概念有些弄不清楚
五、
升级会员 