声控小车结题报告-Read.DOCVIP

声控小车一、 项目要求： 声控小车是科大华为科技制作竞赛命题组的项目，其要求是将声音信号送入计算机，我们利用了声卡录音的低层操作技术，即对winmm.lib进行API调用。具体编程时这一部分被写在一个类中（oundin类）在构造函数中设定包括最大采样率（11025），数据缓存（作为程序一次性读入的数据，2048），声卡本身所带的一些影响采样数据等的各种参数；调用API函数waveInGetNumDevs（返回UNIT，参数为空）检察并打开声音输入设备，即声卡；并进而使用waveInGetDevCaps得到声卡的容量（在waveInCaps中存有该数据，对其进行地址引用，从DWORD dwFormats得到最大采样率、声道数和采样位）；创建一个叫WaveInThreadEvent的事件对象，并赋一个Handle叫m_WaveInEvent，开始利用线程指针m_WaveInThread调用自定义的线程WaveInThreadProc；对结构WAVEFORMATEX中aveInOpen开始提供录音设备。注意设备句柄的得到是通过对HWAVEIN 型数据m_WaveIn的引用。由于通过这种方式进行录音的文件格式是.wav，所以要先设置录音长度，以及对头文件进行一些设置：包括buffer的地址为InputBuffer的初始地址，大小为录音长度的两倍，类型。使用waveInPrepareHeader为录音设备准备buffer。然后使用waveInAddBuffer函数为录音设备送出一个输入buffer。最后使用waveInStart(m_WaveIn)打开设备。程序中WaveInThreadProc需要提出说明，因为通过这个线程我们可以实现采样和数据提取。该线程首先定义一个指向CsoundIn类的指针pParam，并将其宏定义为PT_S。而线程参数即为空指针pParam。使用WaitForSingleObject将录音过程设置为一旦开始就不中止（除非中止线程）。在此线程中做如下两个工作：将数据送入buffer，并将数据传入某个参数（其调用一个函数，将buffer中的数据送入该函数的参数*pt），而这些数据正是我们要利用和处理的数字化的语音信息 其中： 利用过零率的大小来判断是否有声音信号进入，若(为预设的过零率值)，则表示有声音信号进入，就找到了音头。在找到音头的情况下，若，则表示声音结束，也就找到了音尾。在环境噪声较大且比声音指令小的多的情况下可以对这个门限加一修正。音头和音尾之间的部分就是我们用以作为识别用的声音指令信号了。由于一般情况下人们所发出的单音都有一定的时间长度，故尔再对所得到的声音指令信号做一次筛选，若得到的声音信号的长度小于预设值，就认为不是我们所要的声音信号，舍弃之。实验表明，利用过零率和预设长度相结合起来提取声音指令信号的方法很有效的。 B 语音信号的预加重： 我们所采用的预加重的方法是较为常用的网络： 传递函数为： 得到的信号为： 预加重的目的是为了补偿语音谱的固有衰落，消除唇辐射的影响。 经过实验发现，预加重对以后数据的处理有很大的影响。 C 分帧处理 在计算各个系数之前要先将语音信号作分帧处理。语音信号是瞬时变化的，但在10～20ms内是相对稳定的，而我们设定的采样频率为11025所以我们对预处理后的语音信号S1(n)以300点为一帧进行处理，帧移为100个采样点。 （N=300） D 窗化处理： 为了避免矩形窗化时对LPC系数在端点的误差，我们采用了汉明窗函数来进行窗化。即： 其中： 语音数据的特征提取： 语音信号的特征有多种度量标准，我们基于比赛的各种要求选用比较有效的倒谱特征。 倒谱特征的实质就是将信号作适当的同态滤波，将信号中的卷积关系变为乘积关系，随之作对数处理使之化为可分离的相加成分。 我们所选取的计算倒谱的方法是利用信号的LPC系数来计算其倒谱系数。 语音信号经过预处理，它的每个样值均可由过去若干个样值的线性组合来逼近，同时可以采用使实际语音抽样与线性预测抽样之间的均方差最小的方式，来解出一组预测的系数。这就是LPC所提取出来的信号的初始特征。 预测值时域表达式为： 其中，为加权系数，即LPC系数。预测的误差为： 使在均方误差最小的条件下，可求得唯一的，此过程即为LPC分析过程。 这里采用的是Levinson-Durbin法。由上面的式子有： 其中，为待分析与引信号的自相关序列：