基于MATLAB的语音信号的清浊音分析.docVIP

目录 1 语音信号概述 1 1.1 语音信号的基本组成 1 1.2 语音信号的“短时谱” 1 1.3 基音周期 2 1.4 短时分析技术 2 2 语音信号的采集及清浊音分析 2 2.1 语音信号的采集 2 2.2 采样分帧 3 2.3短时能量和短时平均幅度 4 2.4短时过零率 6 2.5短时自相关函数 8 3 心得体会 10 主要参考资料 10 附录 11 1 语音信号概述 1.1 语音信号的基本组成 语音信号的基本组成单位是音素。音素可分成“浊音”和“清音”两大类。如果将不存在语音而只有背景噪声的情况称为“无声”。那么音素可以分成“无声”、“浊音”、“清音”三类。一个音节由元音和辅音构成。元音在音节中占主要部分。所有元音都是浊音。在汉语普通话中，每个音节都是由“辅音一元音”构成的。 在信号处理中，语音按其激励形式的不同可分为2 类： （1）浊音 当气流通过声门时，如果声带的张力刚好使声带发生张弛振荡式的振荡，产生一股准周期的气流，这一气流激励声道就产生了浊音。这种语音信号是1 种激励信号，它是由规则的全程激励产生的，其时域波形具有准周期性，语音频率集中在比较低的频率范围内，短时能量较高，由于语音信号中的高频成分有高的过零率而低频有低的过零率，因此浊音的过零率低。通常，浊音信号可以由周期激励通过线性滤波器合成。 （2）清音 当气流通过声门时，如果声带不振动，而在某处收缩，迫使气流高速通过这一收缩部分而产生湍流，就得到清音。清音是由不规则的激励产生的，发清音时声带不振动，其时域波形不具有周期性， 自相关函数没有很强的自相关周期峰，其语音频率集中在较高的范围内，短时能量较低，因而过零率较高。通常，清音信号可由白噪声通过线性滤波器合成。 1.2 语音信号的“短时谱” 对于非平稳信号，它是非周期的，频谱随时间连续变化，因此由傅里叶变换得到的频谱无法获知其在各个时刻的频谱特性。如果利用加窗的方法从语音流中取出其中一个短段，再进行傅里叶变换，就可以得到该语音的短时谱。 1.3 基音周期 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200 kHz到4．5 kHz之间，从声音频谱的包络来看，样本声音的能量集中在0．1pi(1 102．5Hz)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=2xl 102.5=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