倒谱计算与分析.docx

1、倒谱计算与分析视频语音处理技术倒谱计算与分析*学院名称： 计算机与信息工程学院 专业名称： 计算机科学与技术 年级班级： 姓 名： 学 号： 计算机与信息技术学院综合性、设计性实验报告专业：计算机科学技术 年级/班级：2011级 20122013学年第一学期课程名称视频语音处理技术、指导教师张新明本组成员学号姓名53 王彦秋实验地点计科楼324实验时间项目名称？倒谱计算与分析实验类型设计性一、实验目的：对语音信号进行同态分析可得到语音信号的倒谱参数。语音的倒谱是将语音的短时谱取对数后再进行IDFT得到的，所以浊音信号的激励反映在倒谱上是同样周期的冲激，借此，可从倒谱波形中估计出基音周期。对倒谱

2、进行低时窗选，通过语音倒谱分析的最后一级，进行DFT后的输出即为平滑后的对数模函数，这个平滑的对数谱显示了特定输入语音段的谐振结构，即谱的峰值基本上对应于共振峰频率，对于平滑过的对数谱中的峰值进行定位，即可估计共振峰。对于倒谱计算与分析的设计实验可作如下训练： 1、复倒谱的几种计算方法：2、最小相位信号法和递归法；3、基音检测；4、共振峰检测。￥二、实验仪器或设备：windowsXP下的Matlab编程环境三、总体设计（设计原理、设计方案及流程等）1复倒谱的几种计算方法：在复倒谱分析中，z变换后得到的是复数，所以取对数时要进行复对数运算。这时存在相位的多值性问题，称为“相位卷绕”。设信号为 则

3、其傅里叶变换为 对上式取复对数为则其幅度和相位分别为：)上式中，虽然 ， 的范围均在 内，但 的值可能超过 范围。计算机处理时总相位值只能用其主值 表示，然后把这个相位主值“展开”，得到连续相位。所以存在下面的情况： （K为整数）此时即产生了相位卷绕。下面介绍几种避免相位卷绕求复倒谱的方法。最小相位信号法这是解决相位卷绕的一种较好的方法。但它有一个限制条件：被处理的信号想x(n)必须是最小相位信号。实际上许多信号就是最小相位信号，或可以看作是最小相位信号。语音信号的模型就是极点都在z平面单位圆内的全极点模型，或者极零点都在z平面单位圆内的极零点模型。$设信号x(n)的z变换为X(z)=N (z

4、)/ D(z) ，则有根据z变换的微分特性有 若x(n)是最小相位信号，则 必然是稳定的因果序列。 由Hilbert变换的性质可知，任一因果复倒谱序列都可分解为偶对称分量和奇对称分量之和:其中这两个分量的傅里叶变换分别为 的傅里叶变换的实部和虚部。 从而可得?此即复倒谱的性质3，也就是说一个因果序列可由其偶对称分量来恢复。如果引入一个辅助因子g(n)，上式可写作其中最小相位信号法求复倒谱原理框图如下$递归法这种方法仅限于是最小相位信号的情况。根据z变换的微分特性得对上式求逆z变换，根据z变换的微分特性，有所以设x(n)是最小相位序列，而最小相位信号序列一定为因果序列 ，所以有由于 及 可得递推

5、公式(递归运算后由复倒谱定义可知如果x(n)是最大相位序列，则变为。其中2、基音检测；语音的倒谱是将语音的短时谱取对数后再进行IDFT得到的，所以浊音信号的周期性激励反映在倒谱上是同样周期的冲激。借此，可从倒谱波形中估计出基音周期。一般把倒谱波形中第二个冲激，认为是对应激励源的基频。下面给出一种倒谱法求基音周期的框图及流程图如下￥：-3.共振峰检测 倒谱将基音谐波和声道的频谱包络分离开来。对倒谱进行低时窗选，通过语音倒谱分析系统的最后一级，进行DFT后的输出即为平滑后的对数模函数，这个平滑的对数谱显示了特定输入语音段的谐振结构，即谱的峰值基本上对应于共振蜂频率，对平滑过的对数谱中的峰值进行定位

6、，即可估计共振峰。原理框图及流程图如下。四、实验步骤（包括主要步骤、代码分析等）1倒谱MATLAB实现代码段clear all; %倒谱s,fs,nbit=wavread(); %读入一段语音b=s; %将s转置x=b(5000:5399); %取400点语音N=length(x); %读入语音的长度S=fft(x); %对x进行傅里叶变换Sa=log(abs(S); %log为以e为底的对数sa=ifft(Sa); %对Sa进行傅里叶逆变换；ylen=length(sa); for i=1:ylen/2; sal(i)=sa(ylen/2+1-i);endfor i=(ylen/2+1):y

7、len; sal(i)=sa(i+1-ylen/2);end%绘图figure(1);subplot(2,1,1);【plot(x);%axis(0,400,)title(截取的语音段);xlabel(样点数);ylabel(幅度);subplot(2,1,2);time2=-199:1:-1,0:1:200;plot(time2,sa1);%axis(-200,200,)title(截取语音的倒谱);xlabel(样点数);ylabel(幅度);运行结果如图：2. 倒谱法求浊音、清音的基音周期 function s=p5_2pitchdetectwaveFile=;y,fs,nbits=wa

8、vread(waveFile);time1=1:length(y);time=(1:length(y)/fs;frameSize=floor(50*fs/1000); % 帧长startIndex=round(5000); % 起始序号endIndex=startIndex+frameSize-1; % 结束序号frame=y(startIndex:endIndex); % 取出该帧frameSize=length(frame);frame2=frame.*hamming(length(frame); % 加汉明窗rwy=rceps(frame2); % 求倒谱ylen=length(rwy)

9、;cepstrum=rwy(1:ylen/2);for i=1:ylen/2;【 cepstrum1(i)=rwy(ylen/2+1-i);endfor i=(ylen/2+1):ylen; cepstrum1(i)=rwy(i+1-ylen/2);end%基因检测LF=floor(fs/500); %基因周期的范围是70500HzHF=floor(fs/70);cn=cepstrum(LF:HF);mx_cep ind=max(cn);if mx_cep&indLF; a=fs/(LF+ind);else a=0;endpitch=a%画图figure(1);subplot(3,1,1);p

10、lot(time1,y);title(语音波形);%axis tightylim=get(gca,ylim);line(time1(startIndex),time1(startIndex),ylim,color,r);line(time1(endIndex),time1(endIndex),ylim,color,r);xlabel(样点数);ylabel(幅度);subplot(3,1,2);plot(frame);%axis(0,400,)。title(一帧语音);xlabel(样点数);ylabel(幅度)subplot(3,1,3);time2=-199:1:-1,0:1:200;pl

11、ot(time2,cepstrum1);%axis(-200,200,)title(一帧语音的倒谱);xlabel(样点数);%ylabel(幅度);运行结果如下图：倒谱法求浊音的基音周期 清音的倒谱 3. 共振峰检测程序waveFile=;y,fs,nbits=wavread(waveFile);time=(1:length(y)/fs;frameSize=floor(40*fs/1000); % 帧长$startIndex=round(15000); % 起始序号endIndex=startIndex+frameSize-1; % 结束序号frame=y(startIndex:endInd

12、ex); % 取出该帧frameSize=length(frame); frame2=frame.*hamming(length(frame); %加汉明窗rwy=rceps(frame2); %倒谱求ylen=length(rwy);cepstrum=rwy(1:ylen/2);% 基音检测LF=floor(fs/500);HF=floor(fs/70);cn=cepstrum(LF:HF);mx_cepind=max(cn);% 找到最大的突起的位置% 共振峰检测核心代码NN=ind+LF;ham=hamming(NN);cep=cepstrum(1:NN);ceps=cep.*ham;

13、%汉明窗formant1=20*log(abs(fft(ceps);formant(1:2)=formant1(1:2);？for t=3:NN % do some median filtering z=formant1(t-2:t); md=median(z); formant2(t)=md;endfor t=1:NN-1 if t=2 formant(t)=formant1(t); else formant(t)=formant2(t-1)*+formant2(t)*+formant2(t+1)*; endendsubplot(3,1,1);plot(cepstrum);title(倒谱)

14、;xlabel(样点数);ylabel(幅度)%axis(0,220,)spectral=20*log(abs(fft(frame2);subplot(3,1,2);xj=(1:length(spectral)/2)*fs/length(spectral);plot(xj,spectral(1:length(spectral)/2);title(频谱);xlabel(频率/Hz);ylabel(幅度/dB)%axis(0,500,-100,50)subplot(3,1,3);xi=(1:NN/2)*fs/NN;plot(xi,formant(1:NN/2);title(平滑对数幅度谱);xlabel(频率/Hz);ylabel(幅度/dB);%axis(0,5500,-80,0)运行结果如图所示：五、结果分析与总结 对语音信号进行同态分析可得到语音信号的倒谱参数。语音的倒谱是将语音的短时谱取对数后再进行IDFT得到的，所以浊音信号的激励反映在倒谱上是同样周期的冲激，借此，可从倒谱波形中估计出基音周期。对倒谱进行低时窗选，通过语音倒谱分析的最后一级，进行DFT后的输出即为平滑后的对数模函数，这个平滑的对数谱显示了特定输入语音段的谐振结构，即谱的峰值基本上对应于共振峰频率，对于平滑过的对数谱中的峰值进行定位，即可估计共振峰。教师签名： 年 月 日