畢業(yè)設(shè)計(jì)--基于dsp的語音信號(hào)處理系統(tǒng)設(shè)計(jì)

1、<p><b>　　摘要</b></p><p>　　語音信號(hào)處理是研究用數(shù)字信號(hào)處理技術(shù)和語音學(xué)知識(shí)對(duì)語音信號(hào)進(jìn)行處理的新興的學(xué)科，是目前發(fā)展最為迅速的信息科學(xué)研究領(lǐng)域的核心技術(shù)之一。通過語音傳遞信息是人類最重要、最有效、最常用和最方便的交換信息形式。</p><p>　　數(shù)字信號(hào)處理（DigitalSignalProcessing，簡(jiǎn)稱DSP）是利用計(jì)算

2、機(jī)或?qū)Ｓ锰幚碓O(shè)備，以數(shù)字形式對(duì)信號(hào)進(jìn)行采集、變換、濾波、估值、增強(qiáng)、壓縮、識(shí)別等處理，以得到符合人們需要的信號(hào)形式。</p><p>　　Matlab語言是一種數(shù)據(jù)分析和處理功能十分強(qiáng)大的計(jì)算機(jī)應(yīng)用軟件，它可以將聲音文件變換為離散的數(shù)據(jù)文件，然后利用其強(qiáng)大的矩陣運(yùn)算能力處理數(shù)據(jù)，如數(shù)字濾波、傅里葉變換、時(shí)域和頻域分析、聲音回放以及各種圖的呈現(xiàn)等，它的信號(hào)處理與分析工具箱為語音信號(hào)分析提供了十分豐富的功能函數(shù)，利用

3、這些功能函數(shù)可以快捷而又方便地完成語音信號(hào)的處理和分析以及信號(hào)的可視化，使人機(jī)交互更加便捷。信號(hào)處理是Matlab重要應(yīng)用的領(lǐng)域之一。</p><p>　　本設(shè)計(jì)針對(duì)現(xiàn)在大部分語音處理軟件內(nèi)容繁多、操作不便等問題，采用MATLAB7.0綜合運(yùn)用GUI界面設(shè)計(jì)、各種函數(shù)調(diào)用等來實(shí)現(xiàn)語音信號(hào)的變頻、傅里葉變換及濾波，程序界面簡(jiǎn)練，操作簡(jiǎn)便，具有一定的實(shí)際應(yīng)用意義。</p><p>　　關(guān)鍵字：

4、Matlab，語音信號(hào)，傅里葉變換，信號(hào)處理</p><p><b>　　1 緒 論</b></p><p><b>　　課題的背景與意義</b></p><p>　　通過語音傳遞信息是人類最重要、最有效、最常用和最方便的交換信息的形式。語言是人類持有的功能。聲音是人類常用的工具，是相互傳遞信息的最主要的手段。因此

5、，語音信號(hào)是人們構(gòu)成思想疏通和感情交流的最主要的途徑。并且，由于語言和語音與人的智力活動(dòng)密切相關(guān)，與社會(huì)文化和進(jìn)步緊密相連，所以它具有最大的信息容量和最高的智能水平。現(xiàn)在，人類已開始進(jìn)入了信息化時(shí)代，用現(xiàn)代手段研究語音信號(hào)，使人們能更加有效地產(chǎn)生、傳輸、存儲(chǔ)、獲取和應(yīng)用語音信息，這對(duì)于促進(jìn)社會(huì)的發(fā)展具有十分重要的意義。</p><p>　　讓計(jì)算機(jī)能聽懂人類的語言，是人類自計(jì)算機(jī)誕生以來夢(mèng)寐以求的想法。隨著計(jì)算機(jī)

6、越來越向便攜化方向發(fā)展，隨著計(jì)算環(huán)境的日趨復(fù)雜化，人們?cè)絹碓狡惹幸髷[脫鍵盤的束縛而代之以語音輸人這樣便于使用的、自然的、人性化的輸人方式。作為高科技應(yīng)用領(lǐng)域的研究熱點(diǎn)，語音信號(hào)采集與分析從理論的研究到產(chǎn)品的開發(fā)已經(jīng)走過了幾十個(gè)春秋并且取得了長遠(yuǎn)的進(jìn)步。它正在直接與辦公、交通、金融、公安、商業(yè)、旅游等行業(yè)的語音咨詢與管理。工業(yè)生產(chǎn)部門的語聲控制，電話、電信系統(tǒng)的自動(dòng)撥號(hào)、輔助控制與查詢以及醫(yī)療衛(wèi)生和福利事業(yè)的生活支援系統(tǒng)等各種實(shí)際應(yīng)用領(lǐng)

7、域相接軌，并且有望成為下一代操作系統(tǒng)和應(yīng)用程序的用戶界面?？梢?，語音信號(hào)采集與分析的研究將是一項(xiàng)極具市場(chǎng)價(jià)值和挑戰(zhàn)性的工作。我們今天進(jìn)行這一領(lǐng)域的研究與開拓就是要讓語音信號(hào)處理技術(shù)走入人們的日常生活當(dāng)中，并不斷朝更高目標(biāo)而努力。</p><p>　　語音信號(hào)采集與分析之所以能夠那樣長期地、深深地吸引廣大科學(xué)工作者去不斷地對(duì)其進(jìn)行研究和探討，除了它的實(shí)用性之外，另一個(gè)重要原因是，它始終與當(dāng)時(shí)信息科學(xué)中最活躍的前沿學(xué)

8、科保持密切的聯(lián)系，并且一起發(fā)展。語音信號(hào)采集與分析是以語音語言學(xué)和數(shù)字信號(hào)處理為基礎(chǔ)而形成的一門涉及面很廣的綜合性學(xué)科，與心理、生理學(xué)、計(jì)算機(jī)科學(xué)、通信與信息科學(xué)以及模式識(shí)別和人工智能等學(xué)科都有著非常密切的關(guān)系。對(duì)語音信號(hào)采集與分析的研究一直是數(shù)字信號(hào)處理技術(shù)發(fā)展的重要推動(dòng)力量。因?yàn)樵S多處理的新方法的提出，首先是在語音信號(hào)處理中獲得成功，然后再推廣到其他領(lǐng)域。</p><p><b>　　國內(nèi)外研究現(xiàn)狀

9、</b></p><p>　　語音信號(hào)的采集與分析作為一個(gè)重要的研究領(lǐng)域，已經(jīng)有很長的研究歷史。但是它的快速發(fā)展可以說是從1940年前后Dudley的聲碼器(vocoder)和potter等人的可見語音（Visible Speech)開始的。1952年貝爾(Bell)實(shí)驗(yàn)室的Davis等人首次研制成功能識(shí)別十個(gè)英語數(shù)字的實(shí)驗(yàn)裝置。1956年Olson和Belar等人采用8個(gè)帶通濾波器組提取頻譜參數(shù)作為

10、語音的特征，研制成功一臺(tái)簡(jiǎn)單的語音打字機(jī)。20世紀(jì)60年代初由于Faut和Steven的努力，奠定了語音生成理論的基礎(chǔ)，在此基礎(chǔ)上語音合成的研究得到了扎實(shí)的進(jìn)展。20世紀(jì)60年代中期形成的一系列數(shù)字信號(hào)處理方法和技術(shù)，如數(shù)字濾波器、快速博里葉變換(FFT)等成為語音信號(hào)數(shù)字處理的理論和技術(shù)基礎(chǔ)。在方法上，隨著電子計(jì)算機(jī)的發(fā)展，以往的以硬件為中心的研究逐漸轉(zhuǎn)化為以軟件為主的處理研究。然而，在語音識(shí)別領(lǐng)域內(nèi)，初期有幾種語音打字機(jī)的研究也很活

11、躍，但后來已全部停了下來，這說明了當(dāng)時(shí)人們對(duì)話音識(shí)別難度的認(rèn)識(shí)得到了加深。所以1969年美國貝爾研究所的Pierce感嘆地說“語音識(shí)別向何處去?”。</p><p>　　到了1970年，好似反駁Pierce的批評(píng)，單詞識(shí)別裝置開始了實(shí)用化階段，其后實(shí)用化的進(jìn)程進(jìn)一步高漲，實(shí)用機(jī)的生產(chǎn)銷售也上了軌道。此外社會(huì)上所宣傳的聲紋(Voice Print)識(shí)別，即說話人識(shí)別的研究也扎扎實(shí)實(shí)地開展起來，并很快達(dá)到了實(shí)用化的階

12、段。到了1971年，以美國ARPA(American Research Projects Agency)為主導(dǎo)的“語音理解系統(tǒng)”的研究計(jì)劃也開始起步。這個(gè)研究計(jì)劃不僅在美國園內(nèi)，而且對(duì)世界各國都產(chǎn)生了很大的影響，它促進(jìn)了連續(xù)語音識(shí)別研究的興起。歷時(shí)五年的龐大的ARPA研究計(jì)劃，雖然在語音理解、語言統(tǒng)計(jì)模型等方面的研究積累了一些經(jīng)驗(yàn)，取得了許多成果，但沒能達(dá)到巨大投資應(yīng)得的成果，在1976年停了下來，進(jìn)入了深刻的反省階段。但是，在整個(gè)20

13、世紀(jì)70年代還是有幾項(xiàng)研究成果對(duì)語音信號(hào)處理技術(shù)的進(jìn)步和發(fā)展產(chǎn)生了重大的影響。這就是20世紀(jì)70年代初由板倉(Itakura)提出的動(dòng)態(tài)時(shí)間規(guī)整(DTW)技術(shù)，使語音識(shí)別研究在匹配算法方面開辟了新思路；20世紀(jì)70年代中期線性預(yù)測(cè)技術(shù)(LPC)被用于語音信號(hào)處理，此后隱馬爾可夫模型法(HNMM)也獲得初步成功，該</p><p>　　20世紀(jì)80年代，由于矢量量化、隱馬爾可夫模型和人工神經(jīng)網(wǎng)絡(luò)(ANN)等相繼被應(yīng)

14、用于語音信號(hào)處理，并經(jīng)過不斷改進(jìn)與完善，使得語音信號(hào)處理技術(shù)產(chǎn)生了突破性的進(jìn)展。其中，隱馬爾可夫模型作為語音信號(hào)的一種統(tǒng)計(jì)模型，在語音信號(hào)處理的各個(gè)領(lǐng)域中獲得了廣泛的應(yīng)用。其理論基礎(chǔ)是1970年前后，由Baum等人建立起來的，隨后，由美國卡內(nèi)基梅隆大學(xué)(CMU)的Baker和美國IBM公司的Jelinek等人將其應(yīng)用到語音識(shí)別中。由于美國貝爾實(shí)驗(yàn)室的Babiner等人在20世紀(jì)80年代中期，對(duì)隱馬爾可夫模型深人淺出的介紹，才使世界各國從

15、事語音信號(hào)處理的研究人員了解和熟悉，進(jìn)而成為一個(gè)公認(rèn)的研究熱點(diǎn)，也是目前語音識(shí)別等的主流研究途徑。</p><p>　　進(jìn)入20世紀(jì)90年代以來，語音信號(hào)采集與分析在實(shí)用化方面取得了許多實(shí)質(zhì)性的研究進(jìn)展。其中，語音識(shí)別逐漸由實(shí)驗(yàn)室走向?qū)嵱没?。一方面，?duì)聲學(xué)語音學(xué)統(tǒng)計(jì)模型的研究逐漸深入，魯棒的語音識(shí)別、基于語音段的建模方法及隱馬爾可夫模型與人工神經(jīng)網(wǎng)絡(luò)的結(jié)合成為研究的熱點(diǎn)。另一方面，為了語音識(shí)別實(shí)用化的需要，講者自

16、適應(yīng)、聽覺模型、快速搜索識(shí)別算法以及進(jìn)一步的語言模型的研究等課題倍受關(guān)注。</p><p>　　數(shù)字信號(hào)處理（DSP）簡(jiǎn)介</p><p>　　數(shù)字信號(hào)處理（DigitalSignalProcessing，簡(jiǎn)稱DSP）是一門涉及許多學(xué)科而又廣泛應(yīng)用于許多領(lǐng)域的新興學(xué)科。20世紀(jì)60年代以來，隨著計(jì)算機(jī)和信息技術(shù)的飛速發(fā)展，數(shù)字信號(hào)處理技術(shù)應(yīng)運(yùn)而生并得到迅速的發(fā)展。在過去的二十多年時(shí)間里，數(shù)

17、字信號(hào)處理已經(jīng)在通信等領(lǐng)域得到極為廣泛的應(yīng)用。</p><p>　　數(shù)字信號(hào)處理是利用計(jì)算機(jī)或?qū)Ｓ锰幚碓O(shè)備，以數(shù)字形式對(duì)信號(hào)進(jìn)行采集、變換、濾波、估值、增強(qiáng)、壓縮、識(shí)別等處理，以得到符合人們需要的信號(hào)形式。</p><p>　　數(shù)字信號(hào)處理是圍繞著數(shù)字信號(hào)處理的理論、實(shí)現(xiàn)和應(yīng)用等幾個(gè)方面發(fā)展起來的。數(shù)字信號(hào)處理在理論上的發(fā)展推動(dòng)了數(shù)字信號(hào)處理應(yīng)用的發(fā)展。反過來，數(shù)字信號(hào)處理的應(yīng)用又促進(jìn)了數(shù)

18、字信號(hào)處理理論的提高。而數(shù)字信號(hào)處理的實(shí)現(xiàn)則是理論和應(yīng)用之間的橋梁。</p><p>　　數(shù)字信號(hào)處理是以眾多學(xué)科為理論基礎(chǔ)的，它所涉及的范圍極其廣泛。例如，在數(shù)學(xué)領(lǐng)域，微積分、概率統(tǒng)計(jì)、隨機(jī)過程、數(shù)值分析等都是數(shù)字信號(hào)處理的基本工具，與網(wǎng)絡(luò)理論、信號(hào)與系統(tǒng)、控制論、通信理論、故障診斷等也密切相關(guān)。近來新興的一些學(xué)科，如人工智能、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)等，都與數(shù)字信號(hào)處理密不可分?？梢哉f，數(shù)字信號(hào)處理是把許多經(jīng)典的理

19、論體系作為自己的理論基礎(chǔ)，同時(shí)又使自己成為一系列新興學(xué)科的理論基礎(chǔ)。</p><p>　　1.4 本文主要工作</p><p>　　本文簡(jiǎn)要介紹了語音信號(hào)采集與分析的發(fā)展史以及語音信號(hào)的特征、采集與分析方法，并通過PC機(jī)錄制自己的一段聲音，運(yùn)用Matlab進(jìn)行仿真分析，最后加入噪聲進(jìn)行濾波處理，比較濾波前后的變化。第2章主要介紹語音信號(hào)的特點(diǎn)與采集，仿真主要是驗(yàn)證奈奎斯特定理。第3章主要是

20、對(duì)語音信號(hào)進(jìn)行時(shí)域、頻域上的分析，如短時(shí)功率譜，短時(shí)能量，短時(shí)平均過零率，語譜圖分析等等。第4章是對(duì)語音信號(hào)的綜合和分析，包括語音信號(hào)的調(diào)制、疊加和濾波。</p><p>　　2 語音信號(hào)的特點(diǎn)與采集</p><p>　　2.1 語音信號(hào)的特點(diǎn)</p><p>　　通過對(duì)大量語音信號(hào)的觀察和分析發(fā)現(xiàn)，語音信號(hào)主要有下面兩個(gè)特點(diǎn)：</p><p&g

21、t;　　在頻域內(nèi)，語音信號(hào)的頻譜分量主要集中在300～3400Hz的范圍內(nèi)。利用這個(gè)特點(diǎn)，可以用一個(gè)防混迭的帶通濾波器將此范圍內(nèi)的語音信號(hào)頻率分量取出，然后按8kHz的采樣率對(duì)語音信號(hào)進(jìn)行采樣，就可以得到離散的語音信號(hào)。</p><p>　　在時(shí)域內(nèi)，語音信號(hào)具有“短時(shí)性”的特點(diǎn)，即在總體上，語音信號(hào)的特征是隨著時(shí)間而變化的，但在一段較短的時(shí)間間隔內(nèi)，語音信號(hào)保持平穩(wěn)。在濁音段表現(xiàn)出周期信號(hào)的特征，在清音段表現(xiàn)出

22、隨機(jī)噪聲的特征。</p><p>　　下面是一段語音信號(hào)的時(shí)域波形圖(圖2-1)和頻域圖(圖2-2)，由這兩個(gè)圖可以看出語音信號(hào)的兩個(gè)特點(diǎn)。</p><p>　　圖2-1語音信號(hào)時(shí)域波形圖 圖2-2語音信號(hào)頻域波形圖</p><p>　　2.2語音信號(hào)的采集</p><p>　　在將語音信號(hào)進(jìn)行數(shù)字化前，必須先進(jìn)行防混疊預(yù)濾波，預(yù)濾波

23、的目的有兩個(gè)：抑制輸入信導(dǎo)各領(lǐng)域分量中頻率超出fs/2的所有分量(fs為采樣頻率)，以防止混疊干擾。抑制50Hz的電源工頻干擾。這樣，預(yù)濾波器必須是一個(gè)帶通濾波器，設(shè)其上、下截止頻率分別是fH和fL，則對(duì)于絕大多數(shù)語音編譯碼器，fH=3400Hz、fL＝60~100Hz、采樣率為fs＝8kHz；而對(duì)丁語音識(shí)別而言，當(dāng)用于電話用戶時(shí)，指標(biāo)與語音編譯碼器相同。當(dāng)使用要求較高或很高的場(chǎng)合時(shí)fH＝4500Hz或8000Hz、fL＝60Hz、fs

24、＝10kHz或20kHz。</p><p>　　為了將原始模擬語音信號(hào)變?yōu)閿?shù)字信號(hào)，必須經(jīng)過采樣和量化兩個(gè)步驟，從而得到時(shí)間和幅度上均為離散的數(shù)字語音信號(hào)。采樣也稱抽樣，是信號(hào)在時(shí)間上的離散化，即按照一定時(shí)間間隔△t在模擬信號(hào)ｘ(t)上逐點(diǎn)采取其瞬時(shí)值。采樣時(shí)必須要注意滿足奈奎斯特定理，即采樣頻率fs必須以高于受測(cè)信號(hào)的最高頻率兩倍以上的速度進(jìn)行取樣，才能正確地重建波形，它是通過采樣脈沖和模擬信號(hào)相乘來實(shí)現(xiàn)的。下

25、圖時(shí)一段語音信號(hào)在采樣頻率44.1KHz情況下的頻譜圖。</p><p>　　圖2-3原始信號(hào)時(shí)域波形圖和頻域波形圖</p><p>　　由圖可知，這段語音信號(hào)的頻率主要集中在1KHz左右，當(dāng)采樣頻率為44.1KHz時(shí)，由于采樣頻率比較大，所以采樣點(diǎn)數(shù)就越密，所得離散信號(hào)就越逼近于原信號(hào)，頻譜也沒有發(fā)生混疊。</p><p>　　圖2-4抽取后的信號(hào)時(shí)域波形圖和頻域

26、波形圖</p><p>　　對(duì)上述信號(hào)進(jìn)行1/80采樣頻率抽取，即采樣頻率變?yōu)閷⒔?00Hz時(shí)，由于采樣頻率比較小，所以采樣點(diǎn)數(shù)就稀疏，所得離散信號(hào)就越偏離于原信號(hào)，頻譜也發(fā)生了混疊。</p><p>　　在采樣的過程中應(yīng)注意采樣間隔的選擇和信號(hào)混淆：對(duì)模擬信號(hào)采樣首先要確定采樣間隔。如何合理選擇△t涉及到許多需要考慮的技術(shù)因素。一般而言，采樣頻率越高，采樣點(diǎn)數(shù)就越密，所得離散信號(hào)就越逼近

27、于原信號(hào)。但過高的采樣頻率并不可取，對(duì)固定長度（T）的信號(hào)，采集到過大的數(shù)據(jù)量（N=T/△t），給計(jì)算機(jī)增加不必要的計(jì)算工作量和存儲(chǔ)空間；若數(shù)據(jù)量（N）限定，則采樣時(shí)間過短，會(huì)導(dǎo)致一些數(shù)據(jù)信息被排斥在外。采樣頻率過低，采樣點(diǎn)間隔過遠(yuǎn)，則離散信號(hào)不足以反映原有信號(hào)波形特征，無法使信號(hào)復(fù)原，造成信號(hào)混淆。根據(jù)采樣定理，當(dāng)采樣頻率大于信號(hào)的兩倍帶寬時(shí)，采樣過程不會(huì)丟失信息，利用理想濾波器可從采樣信號(hào)中不失真地重構(gòu)原始信號(hào)波形。量化是對(duì)幅值進(jìn)行

28、離散化，即將振動(dòng)幅值用二進(jìn)制量化電平來表示。量化電平按級(jí)數(shù)變化，實(shí)際的振動(dòng)值是連續(xù)的物理量。具體振動(dòng)值用舍入法歸到靠近的量化電平上。 </p><p>　　語音信號(hào)經(jīng)過預(yù)濾波和采樣后，由A／D變換器變換為二進(jìn)制數(shù)字碼。這種防混疊濾波通常與模數(shù)轉(zhuǎn)換器做在一個(gè)集成塊內(nèi)，因此目前來說，語音信號(hào)的數(shù)字化的質(zhì)量還是有保證的。市面上購買到的普通聲卡在這方面做的都很好，語音聲波通過話筒輸入到聲卡后直接獲得的是經(jīng)過防混疊濾波、A

29、/D變換、量化處理的離散的數(shù)字信號(hào)。</p><p>　　在實(shí)際工作中，我們可以利用windows自帶的錄音機(jī)錄制語音文件，圖2-5是基于PC機(jī)的語音信號(hào)采集過程，聲卡可以完成語音波形的A/D轉(zhuǎn)換，獲得WAVE文件，為后續(xù)的處理儲(chǔ)備原材料。調(diào)節(jié)錄音機(jī)保存界面的“更改”選項(xiàng)，可以存儲(chǔ)各種格式的WAVE文件。</p><p>　　圖2-5基于PC機(jī)的語音信號(hào)采集過程</p>&l

30、t;p>　　采集到語音信號(hào)之后，需要對(duì)語音信號(hào)進(jìn)行分析，如語音信號(hào)的時(shí)域分析、頻譜分析、語譜圖分析以及加噪濾波等處理。</p><p><b>　　3 語音信號(hào)的分析</b></p><p>　　3.1語音信號(hào)分析技術(shù)</p><p>　　語音信號(hào)分析是語音信號(hào)處理的前提和基礎(chǔ)，只有分析出可表示語音信號(hào)本質(zhì)特征的參數(shù)，才有可能利用這些參數(shù)

31、進(jìn)行高效的語音通信、語音合成和語音識(shí)別等處理。而且，語音合成的音質(zhì)好壞，語音識(shí)別率的高低，也都取決于對(duì)語音信號(hào)分析的準(zhǔn)確性和精確性。因此語音信號(hào)分析在語音信號(hào)處理應(yīng)用中具有舉足輕重的地位。</p><p>　　貫穿于語音分析全過程的是“短時(shí)分析技術(shù)”。因?yàn)?，語音信號(hào)從整體來看其特性及表征其本質(zhì)特征的參數(shù)均是隨時(shí)間而變化的，所以它是一個(gè)非平穩(wěn)態(tài)過程，不能用處理平穩(wěn)信號(hào)的數(shù)字信號(hào)處理技術(shù)對(duì)其進(jìn)行分析處理。但是，由于不

32、同的語音是由人的口腔肌肉運(yùn)動(dòng)構(gòu)成聲道某種形狀而產(chǎn)生的響應(yīng)，而這種口腔肌肉運(yùn)動(dòng)相對(duì)于語音頻率來說是非常緩慢的，所以從另一方面看，雖然語音信號(hào)具有時(shí)變特性，但是在一個(gè)短時(shí)間范圍內(nèi)(一般認(rèn)為在10～30ms的短時(shí)間內(nèi))，其特性基本保持不變即相對(duì)穩(wěn)定，因而可以將其看作是一個(gè)準(zhǔn)穩(wěn)態(tài)過程，即語音信號(hào)具有短時(shí)平穩(wěn)性。所以任何語音信號(hào)的分析和處理必須建立在“短時(shí)”的基礎(chǔ)上．即進(jìn)行“短時(shí)分析”，將語音信號(hào)分為一段一段來分析其特征參數(shù)，其中每一段稱為一“幀

33、”，幀長一般取為10～30ms。這樣，對(duì)于整體的語音信號(hào)來講，分析出的是由每一幀特征參數(shù)組成的特征參數(shù)時(shí)間序列。</p><p>　　根據(jù)所分析出的參數(shù)的性質(zhì)的不同，可將語音信號(hào)分析分為時(shí)域分析、頻域分析、倒頻域分析等；時(shí)域分析方法具有簡(jiǎn)單、計(jì)算量小、物理意義明確等優(yōu)點(diǎn)，但由于語音信號(hào)最重要的感知特性反映在功率譜中，而相位變化只起著很小的作用，所以相對(duì)于時(shí)域分析來說頻域分析更為重要。本文將簡(jiǎn)要介紹時(shí)域分析、頻域分

34、析以及語譜圖分析。</p><p>　　3.2 語音信號(hào)的時(shí)域分析</p><p>　　語音信號(hào)的時(shí)域分析就是分析和提取語音信號(hào)的時(shí)域參數(shù)。進(jìn)行語音分析時(shí)，最先接觸到并且也是最直觀的是它的時(shí)域波形。語音信號(hào)本身就是時(shí)域信號(hào)，因而時(shí)域分析是最早使用，也是應(yīng)用最廣泛的一種分析方法，這種方法直接利用語音信號(hào)的時(shí)域波形。時(shí)域分析通常用于最基本的參數(shù)分析及應(yīng)用，如語音的分割、預(yù)處理、大分類等。這種分

35、析方法的特點(diǎn)是：表示語音信號(hào)比較直觀、物理意義明確。實(shí)現(xiàn)起來比較簡(jiǎn)單、運(yùn)算且少?？梢缘玫秸Z音的一些重要的參數(shù)。只使用示波器等通用設(shè)備，使用較為簡(jiǎn)單等。</p><p>　　語音信號(hào)的時(shí)域參數(shù)有短時(shí)能量、短時(shí)過零率、短時(shí)自相關(guān)函數(shù)和短時(shí)平均幅度差函數(shù)等，這是語音信號(hào)的一組最基本的短時(shí)參數(shù)，在各種語音信號(hào)數(shù)字處理技術(shù)中都要應(yīng)用。在計(jì)算這些參數(shù)時(shí)使用的一般是矩形窗或漢明窗。</p><p>　　

36、3.2.1 短時(shí)能量及短時(shí)平均幅度分析</p><p>　　設(shè)語音波形時(shí)域信號(hào)為x(l)、加密分幀處理后得到的第n幀語音信號(hào)為 Xn(m)，則Xn(m)滿足下式：</p><p>　　其中，n＝0，1T，2T，…，并且N為幀長，T為幀移長度。</p><p>　　設(shè)第n幀語音信號(hào)Xn(m)的短時(shí)能量用En表示，則其計(jì)算公式如下：</p><p&g

37、t;　　En是一個(gè)度量語音信號(hào)幅度值變化的函數(shù)，但它有一個(gè)缺陷，即它對(duì)高電平非常敏感(因?yàn)樗?jì)算時(shí)用的是信號(hào)的平方)。為此可采用另一個(gè)度量語音信號(hào)幅度值變化的函數(shù)．即短時(shí)平均幅度函數(shù)Mn，它定義為： </p><p>　　Mn也是一幀語音信號(hào)能量大小的表征，它與En的區(qū)別在于計(jì)算時(shí)小取樣值和大取樣值不會(huì)因取平方而造成較大差異，在某些應(yīng)用領(lǐng)域也會(huì)帶來一些好處。</p><p>　　短時(shí)能量

38、和短時(shí)平均幅度函數(shù)的主要用途有：①可以區(qū)分濁音段與清音段，因?yàn)闈嵋魰r(shí)En值比清音時(shí)大的多。②可以用來區(qū)分聲母與韻母的分界，無聲與有聲的分界，連字(指字之間無間隙)的分界等。③作為一種超音段信息，用于語音識(shí)別中。</p><p>　　3.2.2短時(shí)過零率分析</p><p>　　短時(shí)過零率表示一幀語音中語音信號(hào)波形穿過橫軸（零電平）的次數(shù)。過零分析是語音時(shí)域分析中最簡(jiǎn)單的一種。對(duì)于連續(xù)語音信

39、號(hào)，過零即意味著時(shí)域波形通過時(shí)間軸；而對(duì)于離散信號(hào)，如果相鄰的取樣值改變符號(hào)則稱為過零。過零率就是樣本改變符號(hào)的次數(shù)。定義語音信號(hào)Xn（m）的短時(shí)過零率Zn為：</p><p>　　式中，sgn[ ]是符號(hào)函數(shù)，即：</p><p>　　在實(shí)際中求過零率參數(shù)時(shí)，需要十分注意的一個(gè)問題是如果輸入信號(hào)中包含有50Hz的工頻干擾或者A/D變換器的工作點(diǎn)有偏移(這等效于輸入信號(hào)有直流偏移)，往往會(huì)

40、使計(jì)算的過零率參數(shù)很不準(zhǔn)確。為了解決前一個(gè)問題，A/D變換器前的防混疊帶通濾波器的低端截頻應(yīng)高于50Hz，以有效地抑制電源干擾。對(duì)于后一個(gè)問題除了可以采用低直流漂移器件外，也可以在軟件上加以解決，這就是算出每一幀的直流分量并予以濾除。</p><p>　　對(duì)語音信號(hào)進(jìn)行分析，發(fā)現(xiàn)發(fā)濁音時(shí)，盡管聲道有若干個(gè)共振峰，但由于聲門波引起功率譜的高頻跌落，所以其話音能量約集中在3kHz以下。而發(fā)清音時(shí)，多數(shù)能量出現(xiàn)在較高頻

41、率上。高頻就意味著高的平均過零率，低頻意味著低的平均過零率，所以可以認(rèn)為濁音時(shí)具有較低的過零率，而清音時(shí)具有較高的過零率。當(dāng)然，這種高低僅是相對(duì)而言，并沒有精確的數(shù)值關(guān)系。</p><p>　　利用短時(shí)平均過零率還可以從背景噪聲中找出語音信號(hào)，可用于判斷寂靜無聲段和有聲段的起點(diǎn)和終點(diǎn)位置。在孤立詞的語音識(shí)別中，必須要在一連串連續(xù)的語音信號(hào)中進(jìn)行適當(dāng)分割，用以確定一個(gè)一個(gè)單詞的語音信號(hào)，即找出每一個(gè)單詞的開始和終止

42、位置，這在語音處理中是一個(gè)基本問題。此時(shí)，在背景噪聲較小時(shí)用平均能量識(shí)別較為有效，而在背景噪聲較大時(shí)用平均過零率識(shí)別較為有效。但是研究表明，在以某些音為開始或結(jié)尾時(shí)。如當(dāng)弱摩擦音(如[f]、[h]等音素)，弱爆破音(如[p]、[t]、[k]等音素)為語音的開頭或結(jié)尾；以鼻音(如[n]、[m]等音素)為語音的結(jié)尾時(shí)。只用其中一個(gè)參量來判別語音的起點(diǎn)和終點(diǎn)是有困難的，必須同時(shí)使用這兩個(gè)參數(shù)。圖3-1是用Mtalab仿真一段語音信號(hào)時(shí)域波形的

43、短時(shí)能量和短時(shí)平均過零率。</p><p>　　圖3-1語音信號(hào)的短時(shí)能量和短時(shí)平均過零率</p><p>　　3.3 語音信號(hào)的頻域分析</p><p>　　語音信號(hào)的頻域分析就是分析語音信號(hào)的頻域持征。從廣義上講，語音信號(hào)的頻域分析包括語音信號(hào)的頻譜、功率譜、倒頻譜、頻譜包絡(luò)分析等，而常用的頻域分析方法有帶通濾波器組法、傅里葉變換法、線性預(yù)測(cè)法等幾種。本文介紹的

44、是語音信號(hào)的傅里葉分析法。因?yàn)檎Z音波是一個(gè)非平穩(wěn)過程，因此適用于周期、瞬變或平穩(wěn)隨機(jī)信號(hào)的標(biāo)準(zhǔn)傅里葉變換不能用來直接表示語音信號(hào)，而應(yīng)該用短時(shí)傅里葉變換對(duì)語音信號(hào)的頻譜進(jìn)行分析，相應(yīng)的頻譜稱為“短時(shí)譜”。</p><p>　　3.3.1利用短時(shí)博里葉變換求語音的短時(shí)譜</p><p>　　對(duì)第n幀語音信號(hào)Xn(m)進(jìn)行傅里葉變換(離散時(shí)域傅里葉變換，DTFT)，可得到短時(shí)傅里葉變換，其定義

45、如下：</p><p><b>　　(3-1)</b></p><p>　　由定義可知，短時(shí)傅里葉變換實(shí)際就是窗選語音信號(hào)的標(biāo)準(zhǔn)傅里葉變換。這里，窗w(n-m)是一個(gè)“滑動(dòng)的”窗口，它隨n的變化而沿著序列X(n)滑動(dòng)。由于窗口是有限長度的，滿足絕對(duì)可和條件，所以這個(gè)變換是存在的。當(dāng)然窗口函數(shù)不同，博里葉變換的結(jié)果也將不同。</p><p>　　

46、我們還可以將式(3—1)寫成另一種形式。設(shè)語音信號(hào)序列和窗口序列的標(biāo)準(zhǔn)傅里立葉變換均存在。當(dāng)n取固定值時(shí)，w(n-m)的傅里葉變換為：</p><p><b>　　(3-2)</b></p><p><b>　　根據(jù)卷積定理，有：</b></p><p><b>　　(3-3)</b></p&g

47、t;<p>　　因?yàn)樯鲜接疫厓蓚€(gè)卷積項(xiàng)均為關(guān)于角頻率w的以2π為周期的連續(xù)函數(shù)，所以也可將其寫成以下的卷積積分形式：</p><p><b>　?。?-4）</b></p><p>　　即，假設(shè)x(m)的DTFT是，且的DTFT是，那么是和的周期卷積。</p><p>　　根據(jù)信號(hào)的時(shí)寬帶寬積為一常數(shù)這一基本性質(zhì)，可知主瓣寬度與窗

48、口寬度成反比，N越大，的主瓣越窄。由式(3-4)可知，為了使忠實(shí)再現(xiàn)的特性。相對(duì)于來說必須是—個(gè)沖激函數(shù)。所以為了使，需；但是N值太大時(shí)，信號(hào)的分幀又失去了意義。尤其是N大于語音的音素長度時(shí)，已不能反映該語音音素的頻譜了。因此，應(yīng)折衷選擇窗的寬度N。另外，窗的形狀也對(duì)短時(shí)傅氏頻譜有影響，如矩形窗，雖然頻率分辨率很高(即主辯狹窄尖銳)，但由于第一旁瓣的衰減很小，有較大的上下沖，采用矩形窗時(shí)求得的與的偏差較大，這就是Gibbs效應(yīng)，所以不適

49、合用于頻譜成分很寬的語音分析中。而漢明窗在頻率范圍中的分辨率較高，而且旁辯的衰減大，具有頻譜泄漏少的優(yōu)點(diǎn)。所以在求短時(shí)頻譜時(shí)一般采用具有較小上下沖的漢明窗。</p><p>　　與離散傅里葉變換和連續(xù)博里葉變換的關(guān)系一樣，如令角頻率w=2πk／N，則得離散的短時(shí)傅里葉變換(DFT)。它實(shí)際上是在頻域的取樣，如下所示：</p><p><b>　　(3-5)</b>&l

50、t;/p><p>　　在語音信號(hào)數(shù)字處理中，都是采用的離散博里葉變換(DFT)來替代并且可以用高效的快速傅里葉變換(FFT)算法完成由至的轉(zhuǎn)換。當(dāng)然，這時(shí)窗長N必須是2的倍數(shù)(L是整數(shù))。根據(jù)傅里葉變換的性質(zhì)，實(shí)數(shù)序列的傅里葉變換的頻譜具有對(duì)稱性，因此，全部頻譜信息包含在長度為N/2+1個(gè)里。另外，為了使具有較高的頻率分辨率，所取的DFT以及相應(yīng)的FFT點(diǎn)數(shù)應(yīng)該足夠多，但有時(shí)的長度N要受到采樣率和短時(shí)性的限制，例如，

51、在通常采樣率為8kHz且?guī)L為20ms時(shí)，N=160。而一般取256、512或1024，為了將的點(diǎn)數(shù)從N擴(kuò)大力，可以采用補(bǔ)0的辦法，在擴(kuò)大的部分添若干個(gè)0取樣值，然后再對(duì)添0后的序列進(jìn)行FFT。例如、在10kHz的范圍內(nèi)采樣求頻譜，并要求頻率分辨率在30Hz以下。由10k/＜30，得＞333，所以＝要取比333大的值，這時(shí)可取=＝512點(diǎn)，不足的部分采用補(bǔ)0的辦法解決，此時(shí)頻率分辨率(即頻率間隔)為10Hz／512＝19.53Hz，采樣

52、后的該幀信號(hào)頻率處在0～之間，因此，原連續(xù)信號(hào)頻率就處在0～之間(即)，所以我們要在0～頻率范圍內(nèi)求其頻譜。FFT的計(jì)算可以在通用計(jì)算機(jī)上由相應(yīng)的算法軟件來完成，</p><p>　　在語音信號(hào)數(shù)字處理中，功率譜具有重要意義，在一些語音應(yīng)用系統(tǒng)中。往往都是利用語音信號(hào)的功率譜。根據(jù)功率譜定義，可以寫出短時(shí)功率譜與短時(shí)傅里葉變換之間的關(guān)系：</p><p>　　或者： &

53、lt;/p><p>　　式中＊表示復(fù)共軛運(yùn)算。并且功率譜是短時(shí)自相關(guān)函數(shù)的傅里葉變換。</p><p>　　圖3-2是用Matlab中的psdplot命令繪得的同一人兩次說同一詞的功率譜比較(窗函數(shù)取窗長度為256的Hamming窗)。</p><p>　　圖3-2同一人兩次說同一詞的功率譜比較</p><p>　　可以看出功率譜圖比較好地反映出

54、聲音的個(gè)人特征：在低頻部分（頻率低于6000Hz），同一人說同一詞，其功率譜圖中的各個(gè)波峰所對(duì)應(yīng)的頻率基本相同；不同人說同一詞，其功率譜圖的出現(xiàn)波峰的頻率比較接近；同一人說不同詞時(shí)功率譜的形狀差別較大。在高頻部分，波峰比較密集，特征不明顯。</p><p>　　3.4 語音信號(hào)的語譜圖</p><p>　　語音的時(shí)域分析和頻域分析是語音分析的兩種重要方法。顯然這兩種單獨(dú)分析的方法均有局限性

55、：時(shí)域分析對(duì)語音信號(hào)的頻率特性沒有直觀的了解；而頻域分析出的特征中又沒有語音信號(hào)隨時(shí)間的變化關(guān)系；語音信號(hào)是時(shí)變信號(hào)，所以其頻譜也是隨時(shí)間變化的。但是由于語音信號(hào)隨時(shí)間變化是很緩慢的，因而在一段短時(shí)間內(nèi)(如10～30ms之間，即所謂的一幀之內(nèi))可以認(rèn)為其頻譜是固定不變的，這種頻譜又稱為短時(shí)譜。短時(shí)譜只能反映語音信號(hào)的靜態(tài)頻率特性，不能反映語音信號(hào)的動(dòng)態(tài)頻率特性。因此，人們致力于研究語音的時(shí)頻分析特性。</p><p&

56、gt;　　把和時(shí)序相關(guān)的傅里葉分析的顯示圖形稱為語譜圖(Sonogram，或者Spectrogram)。語譜圖是一種三維頻譜，它是表示語音頻譜隨時(shí)間變化的圖形，其縱軸為頻率，橫軸為時(shí)間，任一給定頻率成分在給定時(shí)刻的強(qiáng)弱用相應(yīng)點(diǎn)的灰度或色調(diào)的濃淡來表示。用語譜圖分析語音又稱為語譜分析。語譜圖中顯示了大量的與語音的語句特性有關(guān)的信息，它綜合了頻譜圖和時(shí)域波形的特點(diǎn)，明顯地顯示出語音頻譜隨時(shí)間的變化情況，或者說是一種動(dòng)態(tài)的頻譜；記錄這種頻譜的

57、儀器就是語譜儀。</p><p>　　語譜儀實(shí)際上是一個(gè)帶通濾波器組的輸出隨時(shí)間發(fā)生連續(xù)變化，連續(xù)重復(fù)進(jìn)行語音信號(hào)頻率分析的儀器。帶通濾波器有兩種帶寬可供選擇：窄帶為45Hz，寬帶為300Hz。窄帶語譜圖有良好的頻率分辨率，有利于顯示基音頻率及其各次諧波，但它的時(shí)間分辨率較差，不利于觀察共振峰(聲道諧振)的變化；而寬帶語譜圖正相反，具有良好的時(shí)間分辨率及較差的頻率分辨率。寬帶語譜圖能給出語音的共振峰頻率及清輔音的

58、能量匯集區(qū)，在語譜圖里共振峰呈現(xiàn)為黑色的條紋。</p><p>　　可以利用語譜儀測(cè)量語譜圖的方法來確定語音參數(shù)，例如共振峰頻率及基音頻率。語語圖的實(shí)際應(yīng)用是用于確定出講話人的本性。語譜圖上因其不同的黑白程度，形成了個(gè)同的紋路，稱之為“聲紋”，它因人而異，即不同講話者語譜圖的聲紋是不同的。因而可以利用聲紋鑒別不同的講話人。這與不同的人有不同的指紋，根據(jù)指紋可以區(qū)別不同的人是一個(gè)道理。雖然對(duì)采用語譜圖的講活人識(shí)別技

59、術(shù)的可靠性存在相當(dāng)?shù)膽岩?，但目前這一技術(shù)已在司法法庭得到某些認(rèn)可及采用。</p><p>　　圖3-3“河南理工大學(xué)”語譜圖</p><p>　　圖3-3是用Mtalab繪制的一個(gè)寬帶語譜圖，其中橫抽坐標(biāo)為時(shí)間，縱軸坐標(biāo)為頻率，語句內(nèi)容為“河南城建學(xué)院”，它的發(fā)音在圖下方以音標(biāo)表示。同時(shí)給出了相應(yīng)的語音的時(shí)域波形。語譜圖中的花紋有橫扛(Bar)、亂紋和豎直條等。橫杠是與時(shí)間軸平行的幾條深黑

60、色帶紋，它們相應(yīng)于短時(shí)譜中的幾個(gè)凸出點(diǎn)，也就是共振峰。從橫扛對(duì)應(yīng)的頻率和寬度可以確定相應(yīng)的共振峰頻率和帶寬。在一個(gè)語音段的語譜圖中，有沒有橫扛出現(xiàn)是判斷它是否是濁音的重要標(biāo)志。豎直條(又叫沖直條)是語譜圖中出現(xiàn)與時(shí)間軸垂直的一條窄黑條。每個(gè)豎直條相當(dāng)于一個(gè)基音，條紋的起點(diǎn)相當(dāng)于聲門脈沖的起點(diǎn)，條紋之間的距離表示基音周期。條紋越密表示越音頻率越高。</p><p>　　4 語音信號(hào)的綜合仿真分析</p>

61、<p>　　4.1本文的仿真軟件Matlab</p><p>　　MATLAB將矩陣運(yùn)算、數(shù)值分析、圖形處理、編程技術(shù)結(jié)合在一起，為用戶提供了一個(gè)強(qiáng)有力的科學(xué)及工程問題的分析計(jì)算和程序設(shè)計(jì)工具，它還提供了專業(yè)水平的符號(hào)計(jì)算、文字處理、可視化建模仿真和實(shí)時(shí)控制等功能，是具有全部語言功能和特征的新一代軟件開發(fā)平臺(tái)。</p><p>　　MATLAB 已發(fā)展成為適合眾多學(xué)科、多種工

62、作平臺(tái)、功能強(qiáng)大的大型軟件。在歐美等國家的高校，MATLAB已成為線性代數(shù)、自動(dòng)控制理論、數(shù)理統(tǒng)計(jì)、數(shù)字信號(hào)處理、時(shí)間序列分析、動(dòng)態(tài)系統(tǒng)仿真等高級(jí)課程的基本教學(xué)工具。成為攻讀學(xué)位的本科、碩士、博士生必須掌握的基本技能。在設(shè)計(jì)研究單位和工業(yè)開發(fā)部門，MATLAB被廣泛的應(yīng)用于研究和解決各種具體問題。在中國，MATLAB也已日益受到重視，短時(shí)間內(nèi)就將盛行起來，因?yàn)闊o論哪個(gè)學(xué)科或工程領(lǐng)域都可以從MATLAB中找到合適的功能。</p>

63、;<p>　　MATLAB的功能 </p><p>　　1）全新的開發(fā)環(huán)境GUIDE(GUI Development Environment)：由早期的單一命令窗口發(fā)展為將一些常用的交互式工作界面高度的集中于操作桌面； </p><p>　　2）在命令窗口增加了錯(cuò)誤跟蹤功能(error display message and abort function)； </p&

64、gt;<p>　　3）提供了許多新的數(shù)值處理功能(numerical Treatment Techniques)，更新了部分函數(shù)的功能和算法，增加了許多新函數(shù)； </p><p>　　4）在圖形窗口增加了曲線擬合、數(shù)據(jù)統(tǒng)計(jì)等交互工具；(Curve Fitting, Data Analyzing ) </p><p>　　5）引入了類與對(duì)象及函數(shù)句柄等概念;(Object，Ha

65、ndle) 用戶可以創(chuàng)建自己定義的類函數(shù)和函數(shù)句柄； </p><p>　　6）改進(jìn)了編輯/調(diào)試器的界面及功能; (Editor/Debugger)增加了行號(hào)和書簽等功能； </p><p>　　7）屬性編輯器功能更強(qiáng)(Property Debugger)，使用更方便； </p><p>　　8）建立了一個(gè)與以前完全不同的圖形用戶界面（GUI）圖形窗口，(Graph

66、ical Window)使用更加方便靈活； </p><p>　　9）增加了虛擬現(xiàn)實(shí)工具箱，(Virtual Reality Toolbox)使用標(biāo)準(zhǔn)的虛擬現(xiàn)實(shí)建模語言（VRML）技術(shù)，可以創(chuàng)建由MATLAB和simulink環(huán)境驅(qū)動(dòng)的三維動(dòng)畫場(chǎng)景； </p><p>　　10）在應(yīng)用程序接口方面增加了與Java的接口(Interface for Java)，并為二者的數(shù)據(jù)交換提供了相應(yīng)的

67、程序庫。 </p><p>　　MATLAB的主要組成部分： </p><p>　　1）開發(fā)環(huán)境(development Environment)：一組圖形化用戶接口工具和組件的集成：MATLAB桌面、命令窗口、命令歷史窗口、編輯調(diào)試窗口及幫助信息、工作空間、文件和搜索路徑等瀏覽器； </p><p>　　2）MATLAB數(shù)學(xué)函數(shù)庫：(Math Function L

68、ibrary)基本函數(shù)：求和、正弦、余弦和復(fù)數(shù)運(yùn)算等；特殊函數(shù)：矩陣求逆、矩陣特征值、貝塞爾函數(shù)和快速付里葉變換等； </p><p>　　3）MATLAB語言：(MATLAB Language)一種高級(jí)編程語言，包括控制流的描述、函數(shù)、數(shù)據(jù)結(jié)構(gòu)、輸入輸出及面對(duì)對(duì)象編程； </p><p>　　4）句柄圖形：(Handle Graphics) 可以對(duì)各種圖形對(duì)象進(jìn)行更為細(xì)膩的修飾和控制，建

69、立完整的圖形界面的應(yīng)用程序。 </p><p>　　5）應(yīng)用程序接口：(Applied Function Interface)MATLAB的應(yīng)用程序接口允許用戶使用C或FORTRAN語言編寫程序與MATLAB連接。 </p><p>　　工作空間窗口：(Workspace Window) </p><p>　　用于儲(chǔ)存各種變量和結(jié)果的空間，顯示變量的名稱、大小、字節(jié)

70、數(shù)及數(shù)據(jù)類型，對(duì)變量進(jìn)行觀察、編輯、保存和刪除。臨時(shí)變量不占空間，為了對(duì)變量的內(nèi)容進(jìn)行觀察、編輯與修改，可以用三種方法打開內(nèi)存數(shù)組編輯器。*雙擊變量名；*選擇該窗口工具欄上的打開圖標(biāo)；*鼠標(biāo)指向變量名，點(diǎn)擊鼠標(biāo)右鍵，彈出選擇菜單，然后選項(xiàng)操作。</p><p>　　欲查看工作空間的情況，可以在命令窗口鍵入命令whos（顯示存在工作空間全部變量的名稱、大小、數(shù)據(jù)類型等信息）或命令who（只顯示變量名） </p

71、><p>　　當(dāng)前目錄瀏覽器：(Current Directory) </p><p>　　用于顯示及設(shè)置當(dāng)前工作目錄，同時(shí)顯示當(dāng)前工作目錄下的文件名、文件類型及目錄的修改時(shí)間等信息。只有在當(dāng)前目錄或搜索路徑下的文件及函數(shù)可以被運(yùn)行或調(diào)用。 </p><p>　　設(shè)置當(dāng)前目錄可以在瀏覽器窗口左上角的輸入欄中直接輸入，或點(diǎn)擊瀏覽器下拉按鈕進(jìn)行選擇。還可用cd命令在命令窗口

72、設(shè)置當(dāng)前目錄，如： </p><p>　　cd c:\mydir 可將c盤上的mydir目錄設(shè)為當(dāng)前工作目錄。 </p><p>　　命令歷史窗口：(Command History) </p><p>　　記錄已運(yùn)行過的MATLAB命令歷史，包括已運(yùn)行過的命令、函數(shù)、表達(dá)式等信息，可進(jìn)行命令歷史的查找、檢查等工作，也可以在該窗口中進(jìn)行命令復(fù)制與重運(yùn)行。</p&

73、gt;<p>　　啟動(dòng)平臺(tái)：(Launch Pad) </p><p>　　幫助用戶方便地打開和調(diào)用MATLAB的各種程序、函數(shù)和幫助文件。 </p><p>　　平臺(tái)列出了系統(tǒng)中安裝的所有的MATLAB產(chǎn)品的目錄，可以通過雙擊來啟動(dòng)相應(yīng)的選項(xiàng)。7.0版取消了這個(gè)窗口，事實(shí)上Help工具完全具備它的功能。</p><p><b>　　基本功能

74、</b></p><p>　　MATLAB是由美國mathworks公司發(fā)布的主要面對(duì)科學(xué)計(jì)算、可視化以及交互式程序設(shè)計(jì)的高科技計(jì)算環(huán)境。它將數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語言（如C、Fortran）

75、的編輯模式，代表了當(dāng)今國際科學(xué)計(jì)算軟件的先進(jìn)水平。MATLAB和Mathematica、Maple并稱為三大數(shù)學(xué)軟件。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計(jì)算方面首屈一指。MATLAB可以進(jìn)行矩陣運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶界面、連matlab開發(fā)工作界面接其他編程語言的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理與通訊、圖像處理、信號(hào)檢測(cè)、金融建模設(shè)計(jì)與分析等領(lǐng)域。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中

76、常用的形式十分相似，故用MATLAB來解算問題要比用C、FORTRAN等語言完成相同的事情簡(jiǎn)捷得多，并且MATLAB也吸收了像Maple等軟件的優(yōu)點(diǎn)，使MATLAB成為一個(gè)強(qiáng)大的數(shù)學(xué)軟件</p><p><b>　　4.2原始語音信號(hào)</b></p><p>　　錄制一段自己的語音信號(hào)，并對(duì)錄制的信號(hào)進(jìn)行采樣；畫出采樣后語音信號(hào)的時(shí)域波形和頻譜圖；</p>

77、<p>　　%語音信號(hào)時(shí)域頻域分析</p><p>　　[y,Fs,bits]=wavread('2.wav');%讀出信號(hào)，采樣率和采樣位數(shù) </p><p>　　y=y(:,1);%我這里假設(shè)你的聲音是雙聲道，我只取單聲道作分析 </p><p>　　sigLength=length(y);%算出y的長度</p>&

78、lt;p>　　Y = fft(y,sigLength);%在sigLength這個(gè)有限區(qū)間內(nèi)做快速傅立葉變換</p><p>　　Pyy = Y.* conj(Y) / sigLength; %Y乘Y的共軛,得到功率譜</p><p>　　halflength=floor(sigLength/2); %半寬度</p><p>　　f=Fs*(0:halflen

79、gth)/sigLength; %采樣頻率的橫坐標(biāo)</p><p>　　figure;plot(f,Pyy(1:halflength+1));xlabel('Frequency(Hz)'); %在第一個(gè)窗口畫率譜</p><p>　　t=(0:sigLength-1)/Fs; %計(jì)算時(shí)間軸</p><p>　　figure;plot(t,y);xla

80、bel('Time(s)'); %在第二個(gè)窗口畫波形</p><p>　　圖4-1原始語音信號(hào)</p><p>　　由圖可知這段語音信號(hào)頻率主要集中在1000Hz左右。</p><p>　　4.3對(duì)語音信號(hào)進(jìn)行調(diào)制</p><p>　　為了減少在傳輸時(shí)的耗損，人們一般是先對(duì)傳輸信號(hào)進(jìn)行特殊處理，然后再傳遞。把原始的待傳信號(hào)托附

81、到高頻振蕩的過程稱為調(diào)制。我們知道音頻信號(hào)的頻率在我們的聽覺范圍內(nèi)，音頻信號(hào)在無線傳輸?shù)倪^程中會(huì)受到各種聲音的干擾而產(chǎn)生能量消耗，因此限制了傳輸?shù)木嚯x，所以在現(xiàn)實(shí)的傳送過程中要現(xiàn)對(duì)語音信號(hào)進(jìn)行調(diào)制再發(fā)送出去。</p><p>　　若欲傳送信號(hào)為其振幅限制不可大于一</p><p><b>　　載波為</b></p><p>　　fc為載波中心頻

82、率，單位為赫茲。A是任意振幅。傳送信號(hào)將會(huì)是</p><p><b>　　在此， </b></p><p>　　公式中，f(t)是振蕩器的瞬時(shí)頻率，fΔ是頻偏（頻率偏移）,代表在一個(gè)方向上相對(duì)fc的最大頻率偏離，在此我們假定xm(t)是有限的幅值限于±1之間。</p><p>　　下面是對(duì)一段語音信號(hào)的調(diào)制仿真圖，載波頻率為fc=20

83、000。</p><p>　　圖4-2調(diào)制后的語音信號(hào)</p><p>　　由圖可知，經(jīng)過調(diào)制后的語音信號(hào)頻譜都搬移到fc=20000的頻段。</p><p>　　4.4設(shè)計(jì)數(shù)字濾波器和畫出頻率響應(yīng)</p><p>　　根據(jù)語音信號(hào)的特點(diǎn)給出有關(guān)濾波器的性能指標(biāo)：</p><p>　　低通濾波器性能指標(biāo)，fp=1000

84、Hz，fc=1200Hz，As=100dB，Ap=1dB；</p><p>　　用雙線性變換法設(shè)計(jì)的低通濾波器的程序如下：</p><p>　　fp=1000;fc=1200;As=100;Ap=1;fs=22050;</p><p>　　wc=2*fc/fs;wp=2*fp/fs;</p><p>　　[n,wn]=ellipord(wp,

85、wc,Ap,As);</p><p>　　[b,a]=ellip(n,Ap,As,wn);</p><p>　　freqz(b,a,512,fs); </p><p><b>　　濾波器的頻率響應(yīng)</b></p><p>　　圖4-3濾波器的頻率響應(yīng) </p><p><b>　　4.5

86、進(jìn)行低通濾波</b></p><p>　　低通濾波可以簡(jiǎn)單的認(rèn)為：設(shè)定一個(gè)頻率點(diǎn)，當(dāng)信號(hào)頻率高于這個(gè)頻率時(shí)不能通過，在數(shù)字信號(hào)中，這個(gè)頻率點(diǎn)也就是截止頻率，當(dāng)頻域高于這個(gè)截止頻率時(shí)，則全部賦值為0。因?yàn)樵谶@一處理過程中，讓低頻信號(hào)全部通過，所以稱為低通濾波。比較濾波前后語音信號(hào)的波形及頻譜。低通濾波器(low-passfilter)容許低頻信號(hào)通過,但減弱(或減少)頻率高于截止頻率的信號(hào)的通過。對(duì)于不

87、同濾波器而言,每個(gè)頻率的信號(hào)的減弱程度不同。當(dāng)使用在音頻應(yīng)用時(shí),它有時(shí)被稱為高頻剪切濾波器或高音消除濾波器。低通濾波器在信號(hào)處理中的作用等同于其它領(lǐng)域如金融領(lǐng)域中移動(dòng)平均數(shù)（moving average)所起的作用。 </p><p><b>　　程序如下：</b></p><p>　　[y,fs,bits]=wavread('e:\hy.wav');

88、 %函數(shù)wavread是對(duì)語音信號(hào)進(jìn)行 采樣，格式是[y,fs,nbit]=wavread，返回采樣值放在向量y中，fs表示采樣頻率（Hz），nbit表示采樣位數(shù)。</p><p>　　fp=1000;fs=2000;rp=0.5;rs=40;fc=40000;%設(shè)定通帶截止頻率（fp）、阻帶截止頻率（fs）、通帶波紋系數(shù)（rp）、阻帶波紋系數(shù)（rs）、抽樣頻率

89、（fc）。</p><p>　　wp=2*fp/fc;ws=2*fs/fc; %將模擬域轉(zhuǎn)化成數(shù)字域。</p><p>　　if get(handles.radiobutton1,'value')%如果選擇radiobutton1，則制做巴特沃思濾波器。</p><p>　　[N,Wc]=buttord(wp,ws,rp,r

90、s); %估算巴特沃思濾波器的階數(shù)N和3dB截止頻率Wc。</p><p>　　[num,den]=butter(N,Wc); %求傳輸函數(shù)的分子和分母多項(xiàng)式的系數(shù)。</p><p>　　else %選擇radiobutton2，則制做切比雪夫Ⅰ型濾波器。</p><p>

91、;　　[N,Wc]=cheb1ord(wp,ws,rp,rs); %估算切比雪夫Ⅰ型濾波器的階數(shù)N和截止頻率Wc。</p><p>　　[num,den]=cheby1(N,rp,Wc); %求傳輸函數(shù)的分子和分母多項(xiàng)式的系數(shù)。</p><p><b>　　end</b></p><p>　　x=filter(nu

92、m,den,y); %根據(jù)傳輸函數(shù)的分子和分母多項(xiàng)式的系數(shù)得到模擬濾波器，并將y通過該濾波器，得到x。</p><p>　　sound(x,fc,bits); %將濾波后的信號(hào)x進(jìn)行回放。</p><p>　　X=fft(x); %將x信號(hào)進(jìn)行快速傅里葉變換。</

93、p><p>　　plot(x); %在axes3坐標(biāo)軸上畫出x信號(hào)的波形圖。</p><p>　　plot(abs(X)); %在axes4坐標(biāo)軸上畫出頻譜圖。</p><p>　　圖4-4 低通濾波后的信號(hào)波形和頻譜</p><p>　　由圖4

94、-4可知低通濾波后，高頻分量被低通濾波器衰減。所以聲音稍微有些發(fā)悶、低沉，但是很接近原來的聲音。</p><p><b>　　總 結(jié)</b></p><p>　　通過這次課程設(shè)計(jì)，使我對(duì)語音信號(hào)有了全面的認(rèn)識(shí)，對(duì)數(shù)字信號(hào)處理的知識(shí)又有了深刻的理解，在之前數(shù)字信號(hào)與處理的學(xué)習(xí)以及完成課后的作業(yè)的過程中，已經(jīng)使用過MATLAB，對(duì)其有了一些基礎(chǔ)的了解和認(rèn)識(shí)。通過這次練習(xí)是

95、我進(jìn)一步了解了信號(hào)的產(chǎn)生、采樣及頻譜分析的方法。以及其中產(chǎn)生信號(hào)和繪制信號(hào)的基本命令和一些基礎(chǔ)編程語言。讓我感受到只有在了解課本知識(shí)的前提下，才能更好的應(yīng)用這個(gè)工具；并且熟練的應(yīng)用MATLAB也可以很好的加深我對(duì)課程的理解，方便我的思維。這次設(shè)計(jì)使我了解了MATLAB的使用方法，學(xué)會(huì)分析濾波器的優(yōu)劣和性能，提高了分析和動(dòng)手實(shí)踐能力。同時(shí)我相信，進(jìn)一步加強(qiáng)對(duì)MATLAB的學(xué)習(xí)與研究對(duì)我今后的學(xué)習(xí)將會(huì)起到很大的幫助。</p>

96、<p><b>　　參 考 文 獻(xiàn)</b></p><p>　　[1]胡航．語音信號(hào)處理[M]．哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2002．</p><p>　　[2]丁玉美．高西全．?dāng)?shù)字信號(hào)處理[M]．西安電子科技大學(xué)出版社，2006．</p><p>　　[4]張威．MATLAB基礎(chǔ)與編程入門[M]．西安電子科技大學(xué)出版社，2006．

97、</p><p>　　[5]林福宗．多媒體技術(shù)基礎(chǔ)[M]．北京：清華大學(xué)出版社，2000． </p><p>　　[6]周淵，王炳和，劉斌勝．基于MATLAB的噪聲信號(hào)采集和分析系統(tǒng)的設(shè)計(jì)[M]．噪聲控制．2004(7)：52-54． </p><p>　　[7]朱學(xué)芳，徐建平．計(jì)算機(jī)語音信號(hào)處理與語音識(shí)別系統(tǒng)[J]．南京郵電學(xué)院學(xué)報(bào)，1998，18(5—6)：11

98、3—1</p><p><b>　　附錄一：</b></p><p>　　%語音信號(hào)時(shí)域頻域分析</p><p>　　[y,Fs,bits]=wavread('2.wav');%讀出信號(hào)，采樣率和采樣位數(shù)。 </p><p>　　y=y(:,1);%我這里假設(shè)你的聲音是雙聲道，我只取單聲道作分析，如果你想

99、分析另外一個(gè)聲道，請(qǐng)改成y=y(:,2) </p><p>　　sigLength=length(y); </p><p>　　Y = fft(y,sigLength); </p><p>　　Pyy = Y.* conj(Y) / sigLength; </p><p>　　halflength=floor(sigLength/2); &l

100、t;/p><p>　　f=Fs*(0:halflength)/sigLength; </p><p>　　figure;plot(f,Pyy(1:halflength+1));xlabel('Frequency(Hz)'); </p><p>　　t=(0:sigLength-1)/Fs; </p><p>　　figure;pl

101、ot(t,y);xlabel('Time(s)');</p><p><b>　　附錄二：</b></p><p><b>　　%抽取的源程序</b></p><p>　　[y,fs,bs]=wavread('d:\01.wav',[25000,75000]);</p><

102、;p><b>　　y=y(:,1);</b></p><p>　　lg=length(y);</p><p>　　yx=(0:(lg-1))*fs/lg;</p><p>　　yx=yx(1:lg/2);</p><p>　　% sound(y,fs);</p><p>　　figure(

103、1);</p><p>　　subplot(211);</p><p><b>　　plot(y);</b></p><p>　　title('原始信號(hào)');</p><p>　　subplot(212);</p><p>　　yf=abs(fft(y));</p>

104、<p>　　yf=yf(1:lg/2);</p><p>　　plot(yx,yf);</p><p>　　ycq=zeros(1,lg); %先將抽取后的值全設(shè)為零 </p><p>　　for i=1:80:lg; %通過循環(huán)，每隔80個(gè)點(diǎn)將抽取后的值賦值為原函數(shù)的 </p><p>　　ycq(i)=y(i); %采樣值 &l

105、t;/p><p><b>　　end </b></p><p>　　sound(ycq,fs);</p><p>　　figure(2);</p><p>　　subplot(211);</p><p>　　plot(ycq);</p><p>　　title('抽取后

106、的信號(hào)');</p><p>　　subplot(212);</p><p>　　ycqf=abs(fft(ycq));</p><p>　　ycqf=ycqf(1:lg/2);</p><p>　　plot(yx,ycqf);</p><p><b>　　附錄三：</b></p&g

107、t;<p>　　“河南成建學(xué)院”語譜圖源程序：</p><p>　　frmsize = 256; % 設(shè)置貞大小</p><p>　　[x,fs,nbits] = wavread('3.wav'); % 讀取語音文件</p><p>　　x = filter([1 -0.95],[1],x); % 高頻預(yù)加重，抵消頻譜傾斜</p&

108、gt;<p>　　n = length(x); frmcnt = floor(n/frmsize); </p><p>　　x = reshape(x(1:frmsize*frmcnt),frmsize,frmcnt); % 分幀</p><p>　　xFFT = abs(fft(x)); % 傅里葉譜</p><p>　　xFFT = xFFT(1: