太原理工大学语音信号实验报告.docx
《太原理工大学语音信号实验报告.docx》由会员分享，可在线阅读，更多相关《太原理工大学语音信号实验报告.docx（16页珍藏版）》请在冰豆网上搜索。
太原理工大学语音信号实验报告
太原理工大学现代科技学院
语音信号处理课程实验报告
……………………………………装………………………………………订…………………………………………线………………………………………
实验名称语音短时平均能量的实现同组人
专业班级学号姓名成绩
一、实验目的
1、熟悉Matlab基本程序的运用。
2、充分理解取不同窗长时的语音短时平均能量的变化情况。
3、熟悉Matlab编程语言在语音信号处理中的作用。
4、能够实现程序的重新编制。
二、实验要求
1、实验前自己用CoolEdit音频编辑软件录制声音“我到北京去”，并把它保存为.txt文件。
2、编程实现不同矩形窗长N=50、100、400、800的短时平均能量。
3、用Matlab画出不同窗长的短时平均能量的图形。
4、写出实验报告，分析实验结果。
三、实验步骤
1、用CoolEdit读入语音“我到北京去”。
设置采样率为8kHz,16位，单声道。
2、将读入的语音wav文件保存为txt文件。
3、把保存的文件speech.txt读入Matlab。
四、程序及运行成果
fid=fopen（'zxq.txt','rt'）;
x=fscanf（fid,'%f'）;
fclose（fid）;
s=fra（50,25,x）
s2=s.^2;
energy=sum（s2,2）
subplot（2,2,1）
plot（energy）
xlabel（'帧数'）
ylabel（'短时能量E'）
legend（'N=50'）
axis（[0,1000,0,4*10^8]）
s=fra（100,50,x）
s2=s.^2;
energy=sum（s2,2）
subplot（2,2,2）
plot（energy）
xlabel（'帧数'）
ylabel（'短时能量E'）
legend（'N=100'）
axis（[0,500,0,8*10^8]）
s=fra（400,200,x）
s2=s.^2;
……………………………………装………………………………………订…………………………………………线………………………………………
energy=sum（s2,2）
subplot（2,2,3）
plot（energy）
xlabel（'帧数'）
ylabel（'短时能量E'）
legend（'N=400'）
axis（[0,150,0,3*10^9]）
s=fra（800,400,x）
s2=s.^2;
energy=sum（s2,2）
subplot（2,2,4）
plot（energy）
xlabel（'帧数'）
ylabel（'短时能量E'）
legend（'N=800'）
axis（[0,75,0,6*10^9]）
五、思考题
……………………………………装………………………………………订…………………………………………线………………………………………
1、通过改动不同的窗长和窗移，观看短时平均能量的变化。
……………………………………装………………………………………订…………………………………………线………………………………………
答：
窗长越小短时平均能量越小，细节越多，随着窗长的增大短时平均能量越大，曲线越光滑，个别细节被平滑掉了。
2、在相同的实验环境下，把本文中的矩形窗改成hamming窗，来实现语音短时平均能量。
……………………………………装………………………………………订…………………………………………线………………………………………
实验名称语音修正的短时自相关的实现同组人
专业班级学号姓名成绩
一、实验目的
1、熟悉语言修正自相关的意义。
2、充分理解取不同窗长时的语言的修正自相关的变化情况。
3、熟悉Matlab编程语言在语言信号处理中的作用。
4、能够实现程序的重新编制。
二、实验要求
1、实验前自己用CoolEdit音频编辑软件录制声音，并把它保存为.txt文件。
2、编程实现不同矩形窗长N=320,160,70的短时修正自相关。
3、用Matlab画出短时修正自相关的图形。
4、写出实验报告，分析实验结果。
三、实验步骤
1、用CoolEdit读入浊音语音，设置采样率为8kHz，16位，单声道。
2、将读入的语音wav文件保存为txt文件。
3、读入Matlab中，并且对照取不同矩形窗长N的短时修正自相关函数，画出图形。
四、程序及运行结果
fid=fopen（'zhuoyin.txt','rt'）;
b=fscanf（fid,'%f'）;
b1=b（1:
320）;
N=160;
A=[];
fork=1:
160;
sum=0;
form=1:
N;
sum=sum+b1（m）*b1（m+k-1）;
end
A（k）=sum;
end
fork=1:
160
A1（k）=A（k）/A
（1）;
end
figure
（1）
subplot（3,1,1）
plot（A1）;
ylabel（'R（k）'）
legend（'N=160'）
axis（[0,320,-1,1]）;
b2=b（1:
200）;
N=100;
…………………………………装……………………………………订………………………………………线……………………………………………
B=[];
fork=1:
100;
sum=0;
form=1:
N;
sum=sum+b2（m）*b2（m+k-1）;
end
B（k）=sum;
end
fork=1:
100
B1（k）=B（k）/B
（1）;
end
figure
（1）
subplot（3,1,2）
plot（B1）;
ylabel（'R（k）'）
legend（'N=100'）
axis（[0,320,-1,1]）;
L=1;
b3=b（1:
140）;
N=70;
C=[];
fork=1:
70;
sum=0;
form=1:
N;
sum=sum+b3（m）*b3（m+k-1）;
end
C（k）=sum;
end
fork=1:
70
C1（k）=C（k）/C
（1）;
end
figure
（1）
subplot（3,1,3）
plot（C1）;
ylabel（'R（k）'）
legend（'N=70'）
axis（[0,320,-1,1]）;
五、思考题
1、在相同的实验环境下，用Matlab程序实现语音的短时自相关的图形，并与修正自相关进行比较，加深对修正自相关的理解。
答：
由于在计算短时自相关时，窗选语音段为有限长度N，而求和上限是N-1-k，因此当k增加时可用于计算的数据就越来越少了，从而导致k增加时自相关函数的幅度减小了。
采用修正的自相关函数可以避免这个问题。
2、通过实验的图形，试分析它在语音信号处理中的应用。
答：
1）可以作为区分清音浊音的特征参数；
2）在信噪比较高的情况下，短时能量还可以作为区分有声和无声的依据；
3）可以作为辅助的特征参数用于语音识别中。
……………………………………装………………………………………订…………………………………………线………………………………………
实验名称用修正的短时自相关检测语言的基音周期同组人
专业班级学号姓名成绩
一、实验目的
1、熟悉前一个实验程序以及中心削波的意义。
2、用Matlab实现用修正的短时自相关检测语音的基音周期。
3、分析修正的短时自相关在基音周期检测中的应用。
4、能够对程序进行重新编制。
二、实验要求
1、实验前自己用CoolEdit音频编辑软件录制浊音声音，并把它保存为.txt文件。
2、分别取长度N=160和N'=N+K的矩形窗函数作用于语音信号上，首先对其进行中心削波，比较削波前和削波后语音信号波形，并使得削波后的信号进行乘积并求和，计算延迟为03、写出实验报告，分析实验结果。
三、实验步骤
1、用CoolEdit读入浊音语音。
设置采样率为8kHz，16位，单声道。
2、将读入的语音wav文件保存为txt文件。
3、编程实现中心削波前后的语音波形。
四、程序及运行结果
1.用Cooledit读入浊音语音。
设置采样率为8kHz，16位，单声道。
2.将读入的语音wav文件保存为txt文件。
3.编程实现中心削波前后的语音波形。
fid=fopen（'voice.txt','rt'）;
[a,count]=fscanf（fid,'%f',[1,inf]）;
L=length（a）;
m=max（a）;
fori=1:
L
a（i）=a（i）/m;
end
m=max（a）;
n=min（a）;
ht=（m+n）/2;
fori=1:
L;
a（i）=a（i）-ht;
end
figure
（1）;
subplot（2,1,1）;
plot（a,'k'）;
axis（[0,1711,-1,1]）;
title（'中心削波前语音波形'）;
xlabel（'样点数'）;
ylabel（'幅度值'）;
……………………………………装………………………………………订…………………………………………线………………………………………
coeff=0.7;
th0=max（a）*coeff;
fork=1:
L;
ifa（k）>=th0
a（k）=a（k）-th0;
elseifa（k）<=（-th0）;
a（k）=a（k）+th0;
else
a（k）=0;
end
end
m=max（a）;
fori=1:
L;
a（i）=a（i）/m;
end
subplot（2,1,2）;
plot（a,'k'）;
axis（[0,1711,-1,1]）;
title（'中心削波后语音波形'）;
xlabel（'样点数'）;
ylabel（'幅度值'）;
fclose（fid）;
4.编程实现削波前后的修正自相关，并检测出基音周期。
fid=fopen（'voice.txt','rt'）;
[b,count]=fscanf（fid,'%f',[1,inf]）;
fclose（fid）;
N=320;
A=[];
fork=1:
320;
sum=0;
form=1:
N;
sum=sum+b（m）*b（m+k-1）;
end
A（k）=sum;
end
fork=1:
320
B（k）=A（k）/A
（1）;
end
figure
（2）;
subplot（2,1,1）;
……………………………………装………………………………………订…………………………………………线………………………………………
plot（B,'k'）;
title（'中心削波前修正自相关'）;
xlabel（'延迟k'）;
ylabel（'幅度值'）;
axis（[0,320,-1,1]）;
N=320;
A=[];
fork=1:
320;
sum=0;
form=1:
N;
sum=sum+a（m）*a（m+k-1）;
end
A（k）=sum;
end
fork=1:
320
C（k）=A（k）/A
（1）;
end
subplot（2,1,2）;
plot（C,'k'）;
title（'中心削波后修正自相关'）;
xlabel（'延迟k'）;
ylabel（'幅度值'）;
axis（[0,320,-1,1]）;
四、思考题
1在相同的实验环境下，用Matlab程序实现程序短时自相关检测语音的基音周期的图形，并与修正的短时自相关进行比较。
答：
修正自相关使得在基音周期位置的峰值更加尖锐，使得由于声道共振特性引起的峰值有
效减少，从而减少倍频或半频错误。
2、分析清音的修正的短时自相关图形。
升级会员 