语音信号处理实验报告Word文档格式.docx
《语音信号处理实验报告Word文档格式.docx》由会员分享，可在线阅读，更多相关《语音信号处理实验报告Word文档格式.docx（27页珍藏版）》请在冰豆网上搜索。
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'
end
（2）加汉明窗
a=a（:
h=hanning（2.^（i-2）*N）;
%形成一个汉明窗，长度为2.^（i-2）*N
if（i==2）,legend（'
2）短时平均过零率
a=wavread（'
n=length（a）;
N=320;
subplot（3,1,1）,plot（a）;
h=linspace（1,1,N）;
%求卷积得其短时能量函数En
subplot（3,1,2）,plot（En）;
fori=1:
n-1
ifa（i）>
=0
b（i）=1;
else
b（i）=-1;
end
ifa（i+1）>
b（i+1）=1;
b（i+1）=-1;
w（i）=abs（b（i+1）-b（i））;
%求出每相邻两点符号的差值的绝对值
end
k=1;
j=0;
while（k+N-1）<
n
Zm（k）=0;
fori=0:
N-1;
Zm（k）=Zm（k）+w（k+i）;
j=j+1;
k=k+N/2;
%每次移动半个窗
forw=1:
j
Q（w）=Zm（160*（w-1）+1）/（2*N）;
%短时平均过零率
subplot（3,1,3）,plot（Q）,grid;
3）自相关函数
N=240
y=wavread（'
y=y（:
x=y（13271:
13510）;
x=x.*rectwin（240）;
R=zeros（1,240）;
fork=1:
240
forn=1:
240-k
R（k）=R（k）+x（n）*x（n+k）;
j=1:
240;
plot（j,R）;
grid;
实验二基于MATLAB分析语音信号频域特征
1）短时谱
clear
subplot（2,1,1）,
plot（a）;
title（'
originalsignal'
grid
N=256;
h=hamming（N）;
form=1:
N
b（m）=a（m）*h（m）
end
y=20*log（abs（fft（b）））
subplot（2,1,2）
plot（y）;
短时谱'
2）语谱图
[x,fs,nbits]=wavread（'
）
x=x（:
specgram（x,512,fs,100）;
xlabel（'
时间（s）'
ylabel（'
频率（Hz）'
语谱图'
3）倒谱和复倒谱
（1）加矩形窗时的倒谱和复倒谱
clear
[4000,4350]）;
N=300;
b（m）=a（m）*h（m）;
c=cceps（b）;
c=fftshift（c）;
d=rceps（b）;
d=fftshift（d）;
subplot（2,1,1）
plot（d）;
加矩形窗时的倒谱'
plot（c）;
加矩形窗时的复倒谱'
（2）加汉明窗时的倒谱和复倒谱
a=a（;
加汉明窗时的倒谱'
加汉明窗时的复倒谱'
实验三基于MATLAB的LPC分析
MusicSource=wavread（'
MusicSource=MusicSource（:
Music_source=MusicSource'
;
N=256;
%windowlength，N=100--1000;
Hamm=hamming（N）;
%createHammingwindow
frame=input（'
请键入想要处理的帧位置='
%originiscurrentframe
origin=Music_source（（（frame-1）*（N/2）+1）:
（（frame-1）*（N/2）+N））;
Frame=origin.*Hamm'
%
%ShortTimeFourierTransform
[s1,f1,t1]=specgram（MusicSource,N,N/2,N）;
[Xs1,Ys1]=size（s1）;
fori=1:
Xs1
FTframe1（i）=s1（i,frame）;
N1=input（'
请键入预测器阶数='
%N1ispredictor'
sorder
[coef,gain]=lpc（Frame,N1）;
%LPCanalysisusingLevinson-Durbinrecursion
est_Frame=filter（[0-coef（2:
end）],1,Frame）;
%estimateframe（LP）
FFT_est=fft（est_Frame）;
err=Frame-est_Frame;
%error
%FFT_err=fft（err）;
subplot（2,1,1）,plot（1:
N,Frame,1:
N,est_Frame,'
-r'
原始语音帧vs.预测后语音帧'
subplot（2,1,2）,plot（err）;
误差'
pause
%subplot（2,1,2）,plot（f'
20*log（abs（FTframe2）））;
%GainsolutionusingG^2=Rn（0）-sum（ai*Rn（i））,i=1,2,...,P
fLength（1:
2*N）=[origin,zeros（1,N）];
Xm=fft（fLength,2*N）;
X=Xm.*conj（Xm）;
Y=fft（X,2*N）;
Rk=Y（1:
N）;
PART=sum（coef（2:
N1+1）.*Rk（1:
N1））;
G=sqrt（sum（Frame.^2）-PART）;
A=（FTframe1-FFT_est（1:
length（f1'
）））./FTframe1;
%inversefilterA（Z）
subplot（2,1,1）,plot（f1'
20*log（abs（FTframe1））,f1'
（20*log（abs（1./A）））,'
subplot（2,1,2）,plot（f1'
（20*log（abs（G./A））））;
LPC谱'
%plot（abs（ifft（FTframe1./（G./A））））;
excited'
%plot（f1'
20*log（abs（FFT_est（1:
））.*A/G）））;
%pause
%find_pitch
temp=FTframe1-FFT_est（1:
））;
%notmovehigherfrequnce
pitch1=log（abs（temp））;
pLength=length（pitch1）;
result1=ifft（pitch1,N）;
%movehigherfrequnce
pitch1（（pLength-32）:
pLength）=0;
result2=ifft（pitch1,N）;
%directdorealcepstrumwitherr
pitch=fftshift（rceps（err））;
origin_pitch=fftshift（rceps（Frame））;
subplot（211）,plot（origin_pitch）;
原始语音帧倒谱（直接调用函数）'
subplot（212）,plot（pitch）;
预测误差倒谱（直接调用函数）'
subplot（211）,plot（1:
length（result1）,fftshift（real（result1）））;
预测误差倒谱（根据定义编写，没有去除高频分量）'
subplot（212）,plot（1:
length（result2）,fftshift（real（result2）））;
预测误差倒谱（根据定义编写，去除高频分量）'
实验四基于VQ的特定人孤立词语音识别研究
1、mfcc.m
functionccc=mfcc（
升级会员 