基于MATLAB分析語音信號頻域特征

1、 工程設(shè)計報告題 目：基于MATLAB分析語音信號頻域特征指導(dǎo)教師：學(xué) 院：電子工程學(xué)院學(xué)生姓名：學(xué) 號：班 級：2016 年 1 月 6日摘要語音信號的頻域分析包括語音信號的頻譜、功率譜、倒頻譜等，常用的頻域分析方法有帶通濾波器組法、傅里葉變換法、線性參見測法等幾種。本文從傅里葉分析原理出發(fā)，估計了短時譜、倒譜，在此基礎(chǔ)上借助頻域分析方法所求得的參數(shù)分析了語音信號的基因周期或共振峰。目錄摘要21實驗?zāi)康?2實驗原理32.1短時傅立葉變換32.2語譜圖32.3基因周期估計32.4共振峰估計33實驗步驟34實驗內(nèi)容及結(jié)果分析44.1短時譜分析44.2基音周期和共振峰的估計64.3倒譜分析94.4

2、語譜圖105參考程序代碼105.1短時譜和語譜圖105.2倒譜和復(fù)倒譜116實驗總結(jié)11參考文獻111實驗?zāi)康男盘柕母盗⑷~表示在信號的分析與處理中起著重要的作用。因為對于線性系統(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，它能更深入地說明信號的各項物理現(xiàn)象。 由于語音信號是隨著時間變化的，通常認為，語音是一個受準周期脈沖或隨機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，因此一般標準的傅立葉表示雖然適用于周期及平穩(wěn)隨

3、機信號的表示，但不能直接用于語音信號。由于語音信號可以認為在短時間內(nèi)，近似不變，因而可以采用短時分析法。本實驗要求掌握傅里葉分析原理，會利用已學(xué)的知識，編寫程序估計短時譜、倒譜，畫出語譜圖，并分析實驗結(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。2實驗原理2.1短時傅立葉變換由于語音信號是短時平穩(wěn)的隨機信號，某一語音信號幀的短時傅立葉變換的定義為： 2.2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用價值。被成為可視語言。2.3基因周期估計濁音信號的倒譜中存在峰值，

4、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，我們可以進行語音的清濁音判決，并且可以估計濁音的基音周期。2.4共振峰估計對倒譜進行濾波，取出低時間部分進行進行逆特征系統(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)譜進行峰值檢測，就可以估計出前幾個共振峰的頻率和強度。3實驗步驟首先對語音信號進行短時傅立葉變換，分析它的短時譜，觀察它們的語譜圖，并估計語音信號的基音周期和共振峰。4實驗內(nèi)容及結(jié)果分析4.1短時譜分析不同N值時： N=128時N=256時 N=512時實驗結(jié)果分析：通過以

5、上各圖可以看出：N取不同的值得到的短時譜圖是不同的，N越大，窗口的長度越大，短時譜變化越明顯，頻率分辨率越高，短時譜的波形看的更加清楚。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微結(jié)構(gòu)。4.2基音周期和共振峰的估計接下來，通過選取語音信號的不同段，來分析語音信號，并估算語音信號的基音周期和共振峰。1000到3000內(nèi)的噪聲頻譜圖如下：分析：從圖中看不出明顯的周期性，頻率分布廣，具有明顯的噪聲特性。23000到29000內(nèi)的清音頻譜圖如下： 分析：從圖中我們發(fā)現(xiàn)沒有周期性，頻域峰值點是隨機的。具有輔音的特點。26500到29000內(nèi)

6、的濁音頻譜圖如下： 從圖中可以明顯地看出周期性，具有元音的特點。 對比之前的圖可以看出，高頻成份明顯地增多；經(jīng)過放大之后也可看出有了共振峰。 4.3倒譜分析實驗結(jié)果分析： 從上可以看出基音周期大致為130Hz。4.4語譜圖5參考程序代碼5.1短時譜和語譜圖clear a=audioread('xd.wav'); subplot(2,1,1), plot(a); title('original signal'); grid N=256; h=hamming(N); for m=1:N b(m)=a(m)*h(m) end y=20*log(abs(fft(b) s

7、ubplot(2,1,2) plot(y);title('短時譜'); grid x=audioread('xd.wav') specgram(x,512,fs,100); xlabel('時間（s）'); ylabel('頻率(Hz)'); title('語譜圖'); 5.2倒譜和復(fù)倒譜clear a=audioread('xd.wav'); N=300; h=hamming(N); for m=1:N b(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('加矩形窗時的復(fù)倒譜圖') 6實驗總結(jié)通過本次實驗，掌握了傅立葉分析原理，熟悉了使用MATLAB對語