基于MATLAB的語音信號時域特征分析

1、實(shí)驗(yàn)題目1.基于MATLAB的語音信號時域特征分析2.基于MATLAB分析語音信號頻域特征小組合作否姓名班級信息安全學(xué) 號一、 實(shí)驗(yàn)?zāi)康?. 本實(shí)驗(yàn)要求掌握時域特征分析原理，并利用已學(xué)知識，編寫程序求解語音信號短時過零率、短時能量、短時自相關(guān)特征，分析實(shí)驗(yàn)結(jié)果，并能掌握借助時域分析方法所求得的參數(shù)分析語音信號的基音周期及共振峰。2.本實(shí)驗(yàn)要求掌握傅里葉分析原理，會利用已學(xué)的知識，編寫程序估計(jì)短時譜、倒譜，畫出語譜圖，并分析實(shí)驗(yàn)結(jié)果，在此基礎(chǔ)上，借助頻域分析方法所求得的參數(shù)分析語音信號的基音周期或共振峰。二實(shí)驗(yàn)環(huán)境一臺裝cool edit pro2.1和MATLAB的計(jì)算機(jī)。三、實(shí)驗(yàn)內(nèi)容與步驟實(shí)

2、驗(yàn)原理：1.窗口的選擇通過對發(fā)聲機(jī)理的認(rèn)識，語音信號可以認(rèn)為是短時平穩(wěn)的。在550ms的范圍內(nèi)，語音頻譜特性和一些物理特性參數(shù)基本保持不變。我們將每個短時的語音稱為一個分析幀。一般幀長取1030ms。我們采用一個長度有限的窗函數(shù)來截取語音信號形成分析幀。通常會采用矩形窗和漢明窗。圖1.1給出了這兩種窗函數(shù)在幀長N=50時的時域波形。圖1.1 矩形窗和Hamming窗的時域波形矩形窗的定義：一個N點(diǎn)的矩形窗函數(shù)定義為如下 hamming窗的定義：一個N點(diǎn)的hamming窗函數(shù)定義為如下 這兩種窗函數(shù)都有低通特性，通過分析這兩種窗的頻率響應(yīng)幅度特性可以發(fā)現(xiàn)（如圖1.2）：矩形窗的主瓣寬度小（4*p

3、i/N），具有較高的頻率分辨率，旁瓣峰值大（-13.3dB），會導(dǎo)致泄漏現(xiàn)象；漢明窗的主瓣寬8*pi/N，旁瓣峰值低（-42.7dB），可以有效的克服泄漏現(xiàn)象，具有更平滑的低通特性。因此在語音頻譜分析時常使用漢明窗，在計(jì)算短時能量和平均幅度時通常用矩形窗。表1.1對比了這兩種窗函數(shù)的主瓣寬度和旁瓣峰值。 圖1.2 矩形窗和Hamming窗的頻率響應(yīng)表1.1 矩形窗和hamming窗的主瓣寬度和旁瓣峰值窗函數(shù)主瓣寬度旁瓣峰值矩形窗4*pi/N13.3dBhamming8*pi/N42.7dB2.短時能量 由于語音信號的能量隨時間變化，清音和濁音之間的能量差別相當(dāng)顯著。因此對語音的短時能量進(jìn)行分析

4、，可以描述語音的這種特征變化情況。定義短時能量為：，其中N為窗長 特殊地，當(dāng)采用矩形窗時，可簡化為： 圖1.3和圖1.4給出了不同矩形窗和hamming窗長的短時能量函數(shù)，我們發(fā)現(xiàn)：在用短時能量反映語音信號的幅度變化時，不同的窗函數(shù)以及相應(yīng)窗的長短均有影響。hamming窗的效果比矩形窗略好。但是，窗的長短影響起決定性作用。窗過大（N 很大），等效于很窄的低通濾波器，不能反映幅度En的變化；窗過?。?N 很小），短時能量隨時間急劇變化，不能得到平滑的能量函數(shù)。在11.025kHz左右的采樣頻率下，N 選為100200比較合適。短時能量函數(shù)的應(yīng)用:1）可用于區(qū)分清音段與濁音段。En值大對應(yīng)于濁音

5、段，En值小對應(yīng)于清音段。2）可用于區(qū)分濁音變?yōu)榍逡艋蚯逡糇優(yōu)闈嵋舻臅r間（根據(jù)En值的變化趨勢）。3）對高信噪比的語音信號，也可以用來區(qū)分有無語音（語音信號的開始點(diǎn)或終止點(diǎn)）。無信號（或僅有噪聲能量）時，En值很小，有語音信號時，能量顯著增大。 圖1.3 不同矩形窗長的短時能量函數(shù) 圖1.4 不同hamming窗長的短時能量函數(shù) 3短時平均過零率過零率可以反映信號的頻譜特性。當(dāng)離散時間信號相鄰兩個樣點(diǎn)的正負(fù)號相異時，我們稱之為“過零”，即此時信號的時間波形穿過了零電平的橫軸。統(tǒng)計(jì)單位時間內(nèi)樣點(diǎn)值改變符號的次數(shù)具可以得到平均過零率。定義短時平均過零率： 其中為符號函數(shù)，在矩形窗條件下，可以簡化為

6、 短時過零率可以粗略估計(jì)語音的頻譜特性。由語音的產(chǎn)生模型可知，發(fā)濁音時，聲帶振動，盡管聲道有多個共振峰，但由于聲門波引起了頻譜的高頻衰落，因此濁音能量集中于3KZ以下。而清音由于聲帶不振動，聲道的某些部位阻塞氣流產(chǎn)生類白噪聲，多數(shù)能量集中在較高頻率上。高頻率對應(yīng)著高過零率，低頻率對應(yīng)著低過零率，那么過零率與語音的清濁音就存在著對應(yīng)關(guān)系。.圖1.5為某一語音在矩形窗條件下求得的短時能量和短時平均過零率。分析可知：清音的短時能量較低，過零率高，濁音的短時能量較高，過零率低。清音的過零率為0.5左右，濁音的過零率為0.1左右，兩但者分布之間有相互交疊的區(qū)域，所以單純依賴于平均過零率來準(zhǔn)確判斷清濁音是

7、不可能的，在實(shí)際應(yīng)用中往往是采用語音的多個特征參數(shù)進(jìn)行綜合判決。短時平均過零率的應(yīng)用：1）區(qū)別清音和濁音。例如，清音的過零率高，濁音的過零率低。此外，清音和濁音的兩種過零分布都與高斯分布曲線比較吻合。2）從背景噪聲中找出語音信號。語音處理領(lǐng)域中的一個基本問題是，如何將一串連續(xù)的語音信號進(jìn)行適當(dāng)?shù)姆指睿源_定每個單詞語音的信號，亦即找出每個單詞的開始和終止位置。3）在孤立詞的語音識別中，可利用能量和過零作為有話無話的鑒別。 圖1.5 矩形窗條件下的短時平均過零率4、短時自相關(guān)函數(shù)自相關(guān)函數(shù)用于衡量信號自身時間波形的相似性。清音和濁音的發(fā)聲機(jī)理不同，因而在波形上也存在著較大的差異。濁音的時間波形呈

8、現(xiàn)出一定的周期性，波形之間相似性較好；清音的時間波形呈現(xiàn)出隨機(jī)噪聲的特性，樣點(diǎn)間的相似性較差。因此，我們用短時自相關(guān)函數(shù)來測定語音的相似特性。短時自相關(guān)函數(shù)定義為： 令，并且，可以得到： 圖6給出了清音的短時自相關(guān)函數(shù)波形，圖7給出了不同矩形窗長條件下（窗長分別為N=70，N=140，N=210，N=280）濁音的短時自相關(guān)函數(shù)波形。由圖1.6、圖1.7短時自相關(guān)函數(shù)波形分析可知：清音接近于隨機(jī)噪聲，清音的短時自相關(guān)函數(shù)不具有周期性，也沒有明顯突起的峰值，且隨著延時k的增大迅速減小；濁音是周期信號，濁音的短時自相關(guān)函數(shù)呈現(xiàn)明顯的周期性，自相關(guān)函數(shù)的周期就是濁音信號的周期，根據(jù)這個性質(zhì)可以判斷一

9、個語音信號是清音還是濁音，還可以判斷濁音的基音周期。濁音語音的周期可用自相關(guān)函數(shù)中第一個峰值的位置來估算。所以在語音信號處理中，自相關(guān)函數(shù)常用來作以下兩種語音信號特征的估計(jì)：1）區(qū)分語音是清音還是濁音；2）估計(jì)濁音語音信號的基音周期。 圖1.6 清音的短時自相關(guān)函數(shù)圖1.7 不同矩形窗長條件下的濁音的短時自相關(guān)函數(shù) 5、時域分析方法的應(yīng)用1）基音頻率的估計(jì)首先可利用時域分析（短時能量、短時過零率、短時自相關(guān)）方法的某一個特征或某幾個特征的結(jié)合，判定某一語音有效的清音和濁音段；其次，針對濁音段，可直接利用短時自相關(guān)函數(shù)估計(jì)基音頻率，其方法是：估算濁音段第一最大峰的位置，再利用抽樣率計(jì)算基音頻率，

10、舉例來說，若某一語音濁音段的第一最大峰值約為35個抽樣點(diǎn)，設(shè)抽樣頻率為11.025KHZ，則基音頻率為11025/35=315 HZ。但是，實(shí)際上第一最大峰值位置有時并不一定與基音周期吻合。一方面與窗長有關(guān)，另一方面還與聲道特性有關(guān)。鑒于此，可采用三電平削波法先進(jìn)行預(yù)處理。2）語音端點(diǎn)的檢測與估計(jì)可利用時域分析（短時能量、短時過零率、短時自相關(guān)）方法的某一個特征或某幾個特征的結(jié)合，判定某一語音信號的端點(diǎn)，尤其在有噪聲干擾時，如何準(zhǔn)確檢測語音信號的端點(diǎn)，這在語音處理中是富有挑戰(zhàn)性的一個課題。6.短時傅立葉變換由于語音信號是短時平穩(wěn)的隨機(jī)信號，某一語音信號幀的短時傅立葉變換的定義為： （2.1）其

11、中w(n-m)是實(shí)窗口函數(shù)序列，n表示某一語音信號幀。令n-m=k'，則得到 （2.2）于是可以得到 （2.3）假定 （4）則可以得到 （5）同樣，不同的窗口函數(shù)，將得到不同的傅立葉變換式的結(jié)果。由上式可見，短時傅立葉變換有兩個變量：n和，所以它既是時序n的離散函數(shù)，又是角頻率的連續(xù)函數(shù)。與離散傅立葉變換逼近傅立葉變換一樣，如令=2k/N，則得離散的短時傅立葉吧如下： (6)7.語譜圖水平方向是時間軸，垂直方向是頻率軸，圖上的灰度條紋代表各個時刻的語音短時譜。語譜圖反映了語音信號的動態(tài)頻率特性，在語音分析中具有重要的實(shí)用價值。被成為可視語言。語譜圖的時間分辨率和頻率分辨率是由窗函數(shù)的特

12、性決定的。時間分辨率高，可以看出時間波形的每個周期及共振峰隨時間的變化，但頻率分辨率低，不足以分辨由于激勵所形成的細(xì)微結(jié)構(gòu)，稱為寬帶語譜圖；而窄帶語譜圖正好與之相反。寬帶語譜圖可以獲得較高的時間分辨率，反映頻譜的快速時變過程；窄帶語譜圖可以獲得較高的頻率分辨率，反映頻譜的精細(xì)結(jié)構(gòu)。兩者相結(jié)合，可以提供帶兩與語音特性相關(guān)的信息。語譜圖上因其不同的灰度，形成不同的紋路，稱之為“聲紋”。聲紋因人而異，因此可以在司法、安全等場合得到應(yīng)用。8.復(fù)倒譜和倒譜復(fù)倒譜是x(n)的Z變換取對數(shù)后的逆Z變換，其表達(dá)式如下: （7）倒譜c(n)定義為x(n)取Z變換后的幅度對數(shù)的逆Z變換，即 （8）在時域上，語音產(chǎn)

13、生模型實(shí)際上是一個激勵信號與聲道沖激響應(yīng)的卷積。對于濁音，激勵信號可以由周期脈沖序列表示；對于清音，激勵信號可以由隨機(jī)噪聲序列表示。聲道系統(tǒng)相當(dāng)于參數(shù)緩慢變化的零極點(diǎn)線性濾波器。這樣經(jīng)過同態(tài)處理后，語音信號的復(fù)倒譜，激勵信號的復(fù)倒譜，聲道系統(tǒng)的復(fù)倒譜之間滿足下面的關(guān)系： （9）由于倒譜對應(yīng)于復(fù)倒譜的偶部，因此倒譜與復(fù)倒譜具有同樣的特點(diǎn)，很容易知道語音信號的倒譜，激勵信號的倒譜以及聲道系統(tǒng)的倒譜之間滿足下面關(guān)系： （10）濁音信號的倒譜中存在著峰值，它的出現(xiàn)位置等于該語音段的基音周期，而清音的倒譜中則不存在峰值。利用這個特點(diǎn)我們可以進(jìn)行清濁音的判斷，并且可以估計(jì)濁音的基音周期。9.基因周期估計(jì)濁

14、音信號的倒譜中存在峰值，它的出現(xiàn)位置等于該語音段的基音周期，而清音的倒譜中則不存在峰值。利用倒譜的這個特點(diǎn)，我們可以進(jìn)行語音的清濁音判決，并且可以估計(jì)濁音的基音周期。首先計(jì)算語音的倒譜，然后在可能出現(xiàn)的基因周期附近尋找峰值。如果倒譜峰值超過了預(yù)先設(shè)置的門限，則輸入語音判斷為濁音，其峰值位置就是基因周期的估計(jì)值；反之，如果沒有超出門限的峰值的話，則輸入語音為清音。10.共振峰估計(jì)對倒譜進(jìn)行濾波，取出低時間部分進(jìn)行進(jìn)行逆特征系統(tǒng)處理，可以得到一個平滑的對數(shù)譜函數(shù)，這個對數(shù)譜函數(shù)顯示了輸入語音段的共振峰結(jié)構(gòu)，同時譜的峰值對應(yīng)于共振峰頻率。通過此對數(shù)譜進(jìn)行峰值檢測，就可以估計(jì)出前幾個共振峰的頻率和強(qiáng)度

15、。對于濁音的聲道特性，可以采用前三個共振峰來描述；清音不具備共振峰特點(diǎn)。實(shí)驗(yàn)步驟及結(jié)果：打開Cool edit pro開始錄音1） 短時能量 （1）加矩形窗a=wavread('C:Usersk01WEI.wav');subplot(6,1,1),plot(a);N=32;for i=2:6h=linspace(1,1,2.(i-2)*N); En=conv(h,a.*a); subplot(6,1,i),plot(En);if(i=2) legend('N=32');elseif(i=3) legend('N=64');elseif(i=4)

16、legend('N=128');elseif(i=5) legend('N=256');elseif(i=6) legend('N=512');endend（2）加漢明窗 a=wavread('C:Usersk01WEI.wav');subplot(6,1,1),plot(a);N=32;for i=2:6h=hanning(2.(i-2)*N);%形成一個漢明窗，長度為2.(i-2)*N En=conv(h,a.*a);% 求短時能量函數(shù)En subplot(6,1,i),plot(En);if(i=2) legend('

17、;N=32');elseif(i=3) legend('N=64');elseif(i=4) legend('N=128');elseif(i=5) legend('N=256');elseif(i=6) legend('N=512');endend2） 短時平均過零率a=wavread('C:Usersk01WEI.wav');n=length(a);N=320;subplot(3,1,1),plot(a);h=linspace(1,1,N);En=conv(h,a.*a); %求卷積得其短時能量函數(shù)En

18、subplot(3,1,2),plot(En); for i=1:n-1 if a(i)>=0 b(i)= 1; else b(i) = -1; end if a(i+1)>=0 b(i+1)=1; else b(i+1)= -1; end w(i)=abs(b(i+1)-b(i); %求出每相鄰兩點(diǎn)符號的差值的絕對值 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); end j=j+1; k=k+N/2; %每次移動半個窗 end for w=1:j Q(w)=Zm(160*(w-1

19、)+1)/(2*N); %短時平均過零率 end subplot(3,1,3),plot(Q),grid;3） 自相關(guān)函數(shù) N=240Y=WAVREAD('C:Usersk01WEI.wav');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);endend j=1:240;plot(j,R);grid; 短時譜 1）短時譜 cleara=wavread('C:Usersk01DesktopWENWEI.wav');sub

20、plot(2,1,1),plot(a);title('original signal');gridN=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)plot(y);title('短時譜');grid2）語譜圖 x,fs,nbits=wavread('C:Usersk01DesktopWENWEI.wav')specgram(x,512,fs,100); xlabel('時間(s)');ylabel('頻率(Hz)&

21、#39;);title('語譜圖');3）倒譜和復(fù)倒譜（1）加矩形窗時的倒譜和復(fù)倒譜cleara=wavread('C:Usersk01DesktopWENWEI.wav',4000,4350);N=300;h=linspace(1,1,N);for m=1:Nb(m)=a(m)*h(m);end c=cceps(b);c=fftshift(c);d=rceps(b);d=fftshift(d); subplot(2,1,1)plot(d);title('加矩形窗時的倒譜')subplot(2,1,2)plot(c);title('加矩形

22、窗時的復(fù)倒譜')（2）加漢明窗時的倒譜和復(fù)倒譜cleara=wavread('C:Usersk01DesktopWENWEI.wav',4000,4350);N=300;h=hamming(N);for m=1:Nb(m)=a(m)*h(m);end c=cceps(b);c=fftshift(c);d=rceps(b);d=fftshift(d); subplot(2,1,1)plot(d);title('加漢明窗時的倒譜')subplot(2,1,2)plot(c);title('加漢明窗時的復(fù)倒譜')四、實(shí)驗(yàn)過程與分析語音信號是一種

23、非平穩(wěn)的時變信號，它攜帶著各種信息。在語音編碼、語音合成、語音識別和語音增強(qiáng)等語音處理中無一例外需要提取語音中包含的各種信息。語音信號分析的目的就在與方便有效的提取并表示語音信號所攜帶的信息。語音信號分析可以分為時域和變換域等處理方法，其中時域分析是最簡單的方法，直接對語音信號的時域波形進(jìn)行分析，提取的特征參數(shù)主要有語音的短時能量，短時平均過零率，短時自相關(guān)函數(shù)等。信號的傅立葉表示在信號的分析與處理中起著重要的作用。因?yàn)閷τ诰€性系統(tǒng)來說，可以很方便地確定其對正弦或復(fù)指數(shù)和的響應(yīng)，所以傅立葉分析方法能完善地解決許多信號分析和處理問題。另外，傅立葉表示使信號的某些特性變得更明顯，因此，它能更深入地

24、說明信號的各項(xiàng)紅物理現(xiàn)象。由于語音信號是隨著時間變化的，通常認(rèn)為，語音是一個受準(zhǔn)周期脈沖或隨機(jī)噪聲源激勵的線性系統(tǒng)的輸出。輸出頻譜是聲道系統(tǒng)頻率響應(yīng)與激勵源頻譜的乘積。聲道系統(tǒng)的頻率響應(yīng)及激勵源都是隨時間變化的，因此一般標(biāo)準(zhǔn)的傅立葉表示雖然適用于周期及平穩(wěn)隨機(jī)信號的表示，但不能直接用于語音信號。由于語音信號可以認(rèn)為在短時間內(nèi)，近似不變，因而可以采用短時分析法。五、實(shí)驗(yàn)總結(jié)通過本次實(shí)驗(yàn)，我知道了：短時能量分析和過零率分析作為語音信號時域分析中最基本的方法。但是很多情況表明使用單一的一種方法并不能得到理想的檢測結(jié)果，這是因?yàn)槎虝r能量分析是通過能量的高低來區(qū)分清音和濁音，不容易確定語音信號片段的起始

25、點(diǎn)；而過零率分析僅僅是表明清音的過零率高于濁音，對噪聲的存在比較敏感，如果背景中有反復(fù)穿越坐標(biāo)軸的隨機(jī)噪聲，會產(chǎn)生大量的虛假過零率，影響檢測結(jié)果。對于背景噪聲和清音的區(qū)分則顯得無能為力。將這兩種方法結(jié)合起來，通過短時能量分析去除高頻環(huán)境噪聲的干擾，用過零率分析去除低頻的干擾，檢測效果較好。但綜合考慮后，由于這兩種方法本身的局限性以及過零率門限值和短時能量門限值的選取，使得檢測的范圍和精度僅限于單個單詞，而對整個句子的檢測還達(dá)不到令人滿意的效果。復(fù)倒譜一個函數(shù)的傅里葉變換的對數(shù)的傅里葉反變換。對褶積信號的線性分離作用，在實(shí)際信號處理中很有用處，例如可應(yīng)用于通信、建筑聲學(xué)、地震分析、地質(zhì)勘探和語音

26、處理等領(lǐng)域。尤其在語音處理方面，應(yīng)用復(fù)倒譜算法可制成同態(tài)預(yù)測聲碼器系統(tǒng)，用于高度保密的通信。 在離散信號x(n)情況下，用z變換表示復(fù)倒譜，可以寫作 復(fù)倒譜可以利用同態(tài)系統(tǒng)中一種特定的特征系統(tǒng)來求得，如圖所示。為了區(qū)別于用一般方法所求得的頻譜(spectrum)，將spectrum這一詞前半部(spec)字母順序顛倒即成cepstrum，根據(jù)詞形定名為倒譜。又因頻譜一般為復(fù)數(shù)譜，故稱為復(fù)倒譜。為了說明復(fù)倒譜的性質(zhì),假設(shè)已知兩信號x1(n)和x2(n)相褶積而得到的時間函數(shù)x(n)，對它們分別求其離散傅里葉變換，寫作 X()=DFT【x(n)】 X1()=DFT【x1(n)】X2()=DFT【x2(n)】按上述定義，可得到如下關(guān)系式 =IDFTlog【X1()】+IDFTlog【X2()】由此可見,通過復(fù)