语音信号处理实验报告Word文档格式.docx

1、N=32elseif（i=3）, legend（N=64elseif（i=4） ,legend（N=128elseif（i=5） ,legend（N=256elseif（i=6） ,legend（N=512end（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Ensubplot（3,1,2）,plot（En）; for

2、i=1:n-1 if a（i）=0 b（i）= 1; else b（i） = -1; end if a（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; for i=0:N-1; Zm（k）=Zm（k）+w（k+i）; j=j+1; k=k+N/2; %每次移动半个窗 for w=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=2

3、40y=wavread（y=y（:x=y（13271:13510）;x=x.*rectwin（240）;R=zeros（1,240）;for k=1:240for n=1:240-kR（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 clearsubplot（2,1,1）,plot（a）;title（original signalgridN=256;h=hamming（N）;for m=1:N b（m）=a（m）*h（m）end y=20*log（abs（fft（b）subplot（2,1,2）pl

4、ot（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

5、的LPC分析MusicSource = wavread（MusicSource=MusicSource（:Music_source = MusicSource;N = 256; % window length，N = 100 - 1000;Hamm = hamming（N）; % create Hamming windowframe = input（请键入想要处理的帧位置 = % origin is current frameorigin = Music_source（frame - 1） * （N / 2） + 1）:（frame - 1） * （N / 2） + N）;Frame = or

6、igin .* Hamm%Short Time Fourier Transforms1,f1,t1 = specgram（MusicSource,N,N/2,N）;Xs1,Ys1 = size（s1）;for i = 1:Xs1 FTframe1（i） = s1（i,frame）;N1 = input（请键入预测器阶数 = % N1 is predictors ordercoef,gain = lpc（Frame,N1）; % LPC analysis using Levinson-Durbin recursionest_Frame = filter（0 -coef（2:end）,1,Fram

7、e）; % estimate frame（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）;% Gain solution using G2 = Rn（0） - sum（ai*Rn（i）,i = 1,2,.,PfLe

8、ngth（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 ; % inverse filter A（Z）subplot（2,1,1）,plot（f1,20*log（abs（FTframe1

9、）,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_pitchtemp = FTframe1 - FFT_est（1 :）;% not move higher frequnce pitch1 = log（abs（temp）;pLength = length（pitch1）;result1 = ifft（pi

10、tch1,N）;% move higher frequncepitch1（pLength - 32） : pLength） = 0;result2 = ifft（pitch1,N）;% direct do real cepstrum with errpitch = 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.mfunction ccc = mfcc（