基于MATLAB的语音信号的清浊音分析文档格式.docx

基于MATLAB的语音信号的清浊音分析文档格式.docx

《基于MATLAB的语音信号的清浊音分析文档格式.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的语音信号的清浊音分析文档格式.docx（12页珍藏版）》请在冰豆网上搜索。

浊音信号的周期称为基音周期，它是声带振动频率的倒数，基音周期的估计称为基音检测。

基音检测是语音处理中的一项重要技术，它在有调语音辨意、低速率语音编码、说话人识别等方面起着非常关键的作用。

但在实现过程中，由于声门激励波形不是一个完全的周期脉冲串，再加上声道影响去除不易、基音周期定位困难、背景噪声影响强烈等一系列因素，基音检测面临着很大的困难。

现在已有很多性能优越的基音检测算法，自相关基因检测算法就是一种基于语音时域分析理论较好的算法，在这里基于声音文件比较稳定的基础上，使用观察法获取基音周期。

1.4短时分析技术

语音信号具有时变特性，但在一个短时间范围内（一般认为在10～30ms的短时间内），其特性基本保持不变，即相对稳定，因而可以将其看作是一个准稳态过程，即语音信号具有短时平稳特性。

任何语音信号的分析和处理必须建立在“短时”的基础上。

即进行“短时分析”，将语音信号分段来分析其特征参数，其中每一段称为一“帧”，帧长一般取为10～30ms。

这样，对于整体的语音信号来讲，分析出的是由每一帧特征参数组成的特征参数时间序列。

2语音信号的采集及清浊音分析

2.1语音信号的采集

该设计以本人的声音为分析样本。

在MATLAB中使用Wavread函数。

可得出声音的采样频率为22050Hz，且声音是单通道的。

利用sound函数，可清晰地听到读音为：

“电子信息工程”的音频信号。

采集数据并画出波形图如下所示，fs为采样频率，x为采样数据，接下来对采样数据作傅里叶变换y=fft（x）并画出频谱图如图1所示:

图1原始语音信号波形及频谱图

由频谱图可清楚地看到样本声音主要以低频为主。

人的语音信号频率一般集中在200kHz到4．5kHz之间，从声音频谱的包络来看，样本声音的能量集中在0．1pi（1102．5Hz）以内，0．4pi以外的高频部分很少。

所以信号宽度近似取为1.1kHz，由采样定理可得fs>

2fo=2xl102.5=2205Hz。

2.2采样分帧

这里的采样是指从语音信号中选取一段样本,一般取样点数为帧长的整数倍。

每秒钟的采样样本数叫做采样频率，分帧主要完成将取样模块中获得的语音样值点分为若干个语音帧，语音是不平稳的时变信号,在时间足够短的情况下,可以近似认为是平稳的,短时分析将语音流分为一段一段来处理,每一段就被称为一帧。

分帧时需对语音信号进行加窗操作,即用一个有限长度的窗序列截取一段语音信号来进行分析，该窗函数可以按时间方向滑动,以便分析任一时刻附近的信号。

常见的窗函数有:

方窗、Hamming窗及Hannig窗。

如果把窗函数理解成为某个滤波器的单位冲激响应,由于窗函数一般是中间大两头小的光滑函数,因此该滤波器具有低通特性。

窗口长度的选择非常重要,窗长过短会使分析窗内没有包含足够的数据点来进行周期判断,且短时能量变化剧烈窗长过长,短时能量是一段长时间的平均,不但不能反映语音信号基频的细节变化部分,而且使得计算量增大，窗口长度至少要大于基音周期的两倍。

浊音的短时谱有两个特点：

（1）有明显的周期性起伏结构，这是因为浊音的激励源为周期脉冲气流。

（2）频谱中明显地有凸出点，即“共振峰”，它们的出现频率与声道的谐振频率相对应。

清音的短时谱则没有这两个特点。

它十分类似于一段随机噪声的频谱。

2.3短时能量和短时平均幅度

能量是语音的一个重要特性，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，清音的能量较小，浊音的能量较大。

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。

短时能量定义为：

其中，W（n）是窗函数，N是窗长。

特殊地，当采用矩形窗时，可简化为：

由此表明,窗口加权短时平均能量En相当于将“语音平方”信号通过一个单位函数响应为h（n）的线性滤波器的输出。

本次语音信号的短时平均能量和短时平均幅度如下图2所示：

图2短时平均能量和短时平均幅度

由上图发现,语音浊音段的短时平均能量远远大于清音段的短时平均能量。

因此,短时平均能量En的计算给出了区分清音段与浊音段的依据,即En（浊）>

En（清）。

根据En由高到低的跳变可定出浊音变为清音语音的时刻,En由低向高的跳变可定出清音变为浊音语音的时刻，而只有浊音才有基音周期,清音的基音周期为零。

故清浊音判断是基音检测的第一步。

该算法中窗口选择汉明窗,其定义为:

　　w（n）=0154-0146cos（2πn/（N-1））；

0≤n≤N-1

0　　；

其他

选择汉明窗的理由是窗函数的选取原则为窗函数截取后的x（n）尽量是中间大两头小的光滑函数,冲激响应对应的滤波器具有低通特性。

从汉明窗的构成及频率响应特性上看,汉明窗具有这种特性,而矩形窗及汉宁窗则稍逊之。

汉明窗虽然主瓣最高（带宽大）,但旁瓣最低（通带外的衰减大）,可以有效地克服泄露现象,具有更好的低通特性。

故选择汉明窗而不选择别的窗函数,能使短时平均能量En更能反映语音信号的幅度变化。

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。

2.4短时过零率

过零率可以反映信号的频谱特性。

对于连续语音信号，可以考察其时域波形通过时间轴的情况。

对于离散时间信号，如果相邻两个样点的正负号相异时，我们称之为“过零”，即此时信号的时间波形穿过了零电平的横轴。

由此可以计算过零数，过零数就是样本改变符号的次数，统计单位时间内样点值改变符号的次数就可以得到平均过零率。

短时过零分析通常用在端点检测，特别是用来估计清音的起始位置和结束位置。

短时平均过零率定义为：

其中

为符号函数，

，在矩形窗条件下，可以简化为

短时过零率可以粗略估计语音的频谱特性。

由语音的产生模型可知，发浊音时，声带振动，尽管声道有多个共振峰，但由于声门波引起了频谱的高频衰落，因此浊音能量集中于3KZ以下。

而清音由于声带不振动，声道的某些部位阻塞气流产生类白噪声，多数能量集中在较高频率上。

高频率对应着高过零率，低频率对应着低过零率，那么过零率与语音的清浊音就存在着对应关系。

.

音频为“电子信息工程”的短时过零率的波形图如下图3所示：

图图3短时平均过零率

分析可知：

清音的短时能量较低，过零率高，浊音的短时能量较高，过零率低。

清音的过零率为0.5左右，浊音的过零率为0.1左右，两但者分布之间有相互交叠的区域，所以单纯依赖于平均过零率来准确判断清浊音是不可能的，在实际应用中往往是采用语音的多个特征参数进行综合判决。

短时过零率的应用：

1）区别清音和浊音。

清音的过零率高，浊音的过零率低。

此外，清音和浊音的两种过零分布都与高斯分布曲线比较吻合。

2）从背景噪声中找出语音信号。

语音处理领域中的一个基本问题是，如何将一串连续的语音信号进行适当的分割，以确定每个单词语音的信号，亦即找出每个单词的开始和终止位置。

3）在孤立词的语音识别中，可利用能量和过零作为有话无话的鉴别。

2.5短时自相关函数

自相关函数用于衡量信号自身时间波形的相似性。

清音和浊音的发声机理不同，因而在波形上也存在着较大的差异。

浊音的时间波形呈现出一定的周期性，波形之间相似性较好；

清音的时间波形呈现出随机噪声的特性，样点间的相似性较差。

因此，我们用短时自相关函数来测定语音的相似特性。

短时自相关函数定义为：

清音的短时自相关函数波形和浊音的短时自相关函数波形如下图4所示：

图4清音的短时自相关函数波形和浊音的短时自相关函数波形

由短时自相关函数波形分析可知：

清音接近于随机噪声，清音的短时自相关函数不具有周期性，也没有明显突起的峰值，且随着延时k的增大迅速减小；

浊音是周期信号，浊音的短时自相关函数呈现明显的周期性，自相关函数的周期就是浊音信号的周期，根据这个性质可以判断一个语音信号是清音还是浊音，还可以判断浊音的基音周期。

浊音语音的周期可用自相关函数中第一个峰值的位置来估算。

所以在语音信号处理中，自相关函数常用来作以下两种语音信号特征的估计：

1）区分语音是清音还是浊音；

2）估计浊音语音信号的基音周期。

3心得体会

经过一周时间的忙碌，终于完成了本次的课程设计—基于MATAB语音信号的清、浊音分析。

在这段时间内我发现自己还有很多基础知识没有掌握，设计起来非常吃力，并且在开始的几天之中，因为没有头绪，做起来毫无目的。

通过上网，去图书馆查询资料，并通过和老师、同学们进行讨论，最后终于完成了本次的课程设计。

经过这段时间的课程设计，我明白了每个人不可能掌握很多知识或技能，但是我们可以通过查询资料或向老师，同学请教。

虽然开始觉得很吃力但是培养了自己的独立学习能力。

当每次课程设计中，遇到问题，最好的办法就是查阅相关资料，因为每个人掌握情况不一样，一个人不可能做到处处都懂，集合多个人的思想，复杂的事情就会变得很简单。

通过问题的不断解决，自己就会积累很多实用的知识，这一点我深有体会。

在这段时间里，我认识到自己在MATLAB编程及语音信号处理方面的知识还有所欠缺，自身还存在很多不足。

一周的语音信号课程设计即将结束，回顾这一周真是收益匪浅。

以前对知识的了解仅限于理论知识，而且有的仅能够理解，有的只是停留在似懂非懂的状态。

对于有些函数不知道有什么功能，也就不懂怎样使用，但是，经过这一周之后，我对MATLAB软件有了新的认识，掌握的也更加熟练。

主要参考资料

[1]赵力著，语音信号处理（第2版）[M]，机械工业出版社，2010.

[2]胡航著，语音信号处理（第四版）[M]，哈尔滨工业大学出版社，2009.

[3]张雄伟等著，现代语音处理技术及应用[M]，机械工业出版社，2009.

附录

fs=22050;

%抽样频率

x=wavread（'

yin.wav'

）;

sound（x1,22050）;

%读取语音信号“电子信息工程”

figure

（1）

subplot（211）

plot（x）%做原始语音信号的时域图形

title（'

原始语音信号波形'

xlabel（'

样点数'

%x轴的名字是“样点数”

ylabel（'

幅值'

%y轴名字是“幅值”

gridon;

N=128;

n=0:

N-1;

y=fft（x）;

%对x进行傅里叶变换

mag=abs（y）;

%求幅值

f=（0:

length（y）-1）'

*fs/length（y）;

%进行对应的频率转换

subplot（212）

plot（f,mag）;

%做原始语音信号的频谱图

频率（Hz）'

幅值'

原始信号频谱图'

N=240;

Y=wavread（'

L=length（Y）;

LL=length（Y）/N;

figure

（2）

Em=zeros（1,（LL-1）*240）;

forii=1:

（LL-1）*240,

temp=Y（ii:

ii+240）;

Em（ii）=sum（temp.*temp）;

end

jj=[1:

（LL-1）*240];

plot（jj,Em,'

b'

%绘制短时平均能量曲线

帧数'

短时能量'

短时平均能量'

%axis（[12000,16000,0.15,0.4]）

%短时平均幅度Mn=sum（abs（Y））/N

Mn=zeros（1,（LL-1）*240）;

Mn（ii）=sum（abs（temp））/N;

plot（jj,Mn,'

%绘制短时平均幅度曲线

短时平均幅度'

%短时过零率

Zn=zeros（1,（LL-1）*240）;

forii=2:

temp1=sign（Y（ii:

ii+240））;

temp=sign（Y（ii-1:

ii+240-1））;

Zn（ii）=sum（abs（temp1-temp））;

figure（3）

plot（jj,Zn,'

%绘制短时过零率函数曲线

短时过零率'

%浊音，取13270--13510个点

%短时自相关函数

temp=Y（13271:

13510）;

Rn1=zeros（1,240）;

fornn=[1:

240],

forii=[1:

240-nn],

Rn1（nn）=Rn1（nn）+temp（ii）*temp（nn+ii）;

end

figure（4）

240];

plot（jj,Rn1,'

%绘制浊音短时自相关函数曲线

短时自相关函数'

浊音短时自相关函数'

%清音，取12120--12360个点

temp=Y（12121:

12360）;

Rn2=zeros（1,240）;

Rn2（nn）=Rn2（nn）+temp（ii）*temp（nn+ii）;

plot（jj,Rn2,'

清音短时自相关函数'