语音信号处理实验报告.docx
《语音信号处理实验报告.docx》由会员分享，可在线阅读，更多相关《语音信号处理实验报告.docx（29页珍藏版）》请在冰点文库上搜索。
语音信号处理实验报告
语音信号处理实验
班级：
学号：
姓名：
实验一基于MATLAB的语音信号时域特征分析（2学时）
1）短时能量
（1）加矩形窗
a=wavread（'mike.wav'）;
a=a（:
1）;
subplot（6,1,1）,plot（a）;
N=32;
fori=2:
6
h=linspace（1,1,2.^（i-2）*N）;%形成一个矩形窗，长度为2.^（i-2）*N
En=conv（h,a.*a）;%求短时能量函数En
subplot（6,1,i）,plot（En）;
if（i==2）,legend（'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'）;
end
end
（2）加汉明窗
a=wavread（'mike.wav'）;
a=a（:
1）;
subplot（6,1,1）,plot（a）;
N=32;
fori=2:
6
h=hanning（2.^（i-2）*N）;%形成一个汉明窗，长度为2.^（i-2）*N
En=conv（h,a.*a）;%求短时能量函数En
subplot（6,1,i）,plot（En）;
if（i==2）,legend（'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'）;
end
end
2）短时平均过零率
a=wavread（'mike.wav'）;
a=a（:
1）;
n=length（a）;
N=320;
subplot（3,1,1）,plot（a）;
h=linspace（1,1,N）;
En=conv（h,a.*a）;%求卷积得其短时能量函数En
subplot（3,1,2）,plot（En）;
fori=1:
n-1
ifa（i）>=0
b（i）=1;
else
b（i）=-1;
end
ifa（i+1）>=0
b（i+1）=1;
else
b（i+1）=-1;
end
w（i）=abs（b（i+1）-b（i））;%求出每相邻两点符号的差值的绝对值
end
k=1;
j=0;
while（k+N-1）Zm（k）=0;
fori=0:
N-1;
Zm（k）=Zm（k）+w（k+i）;
end
j=j+1;
k=k+N/2;%每次移动半个窗
end
forw=1:
j
Q（w）=Zm（160*（w-1）+1）/（2*N）;%短时平均过零率
end
subplot（3,1,3）,plot（Q）,grid;
3）自相关函数
N=240
y=wavread（'mike.wav'）;
y=y（:
1）;
x=y（13271:
13510）;
x=x.*rectwin（240）;
R=zeros（1,240）;
fork=1:
240
forn=1:
240-k
R（k）=R（k）+x（n）*x（n+k）;
end
end
j=1:
240;
plot（j,R）;
grid;
实验二基于MATLAB分析语音信号频域特征
1）短时谱
clear
a=wavread（'mike.wav'）;
a=a（:
1）;
subplot（2,1,1）,
plot（a）;title（'originalsignal'）;
grid
N=256;
h=hamming（N）;
form=1:
N
b（m）=a（m）*h（m）
end
y=20*log（abs（fft（b）））
subplot（2,1,2）
plot（y）;title（'短时谱'）;
grid
2）语谱图
[x,fs,nbits]=wavread（'mike.wav'）
x=x（:
1）;
specgram（x,512,fs,100）;
xlabel（'时间（s）'）;
ylabel（'频率（Hz）'）;
title（'语谱图'）;
3）倒谱和复倒谱
（1）加矩形窗时的倒谱和复倒谱
clear
a=wavread（'mike.wav',[4000,4350]）;
a=a（:
1）;
N=300;
h=linspace（1,1,N）;
form=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（'加矩形窗时的倒谱'）
subplot（2,1,2）
plot（c）;title（'加矩形窗时的复倒谱'）
（2）加汉明窗时的倒谱和复倒谱
clear
a=wavread（'mike.wav',[4000,4350]）;
a=a（;,1）;
N=300;
h=hamming（N）;
form=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（'加汉明窗时的倒谱'）
subplot（2,1,2）
plot（c）;title（'加汉明窗时的复倒谱'）
实验三基于MATLAB的LPC分析
MusicSource=wavread（'mike.wav'）;
MusicSource=MusicSource（:
1）;
Music_source=MusicSource';
N=256;%windowlength，N=100--1000;
Hamm=hamming（N）;%createHammingwindow
frame=input（'请键入想要处理的帧位置='）;
%originiscurrentframe
origin=Music_source（（（frame-1）*（N/2）+1）:
（（frame-1）*（N/2）+N））;
Frame=origin.*Hamm';
%
%ShortTimeFourierTransform
%
[s1,f1,t1]=specgram（MusicSource,N,N/2,N）;
[Xs1,Ys1]=size（s1）;
fori=1:
Xs1
FTframe1（i）=s1（i,frame）;
end
N1=input（'请键入预测器阶数='）;%N1ispredictor'sorder
[coef,gain]=lpc（Frame,N1）;%LPCanalysisusingLevinson-Durbinrecursion
est_Frame=filter（[0-coef（2:
end）],1,Frame）;%estimateframe（LP）
FFT_est=fft（est_Frame）;
err=Frame-est_Frame;%error
%FFT_err=fft（err）;
subplot（2,1,1）,plot（1:
N,Frame,1:
N,est_Frame,'-r'）;grid;title（'原始语音帧vs.预测后语音帧'）
subplot（2,1,2）,plot（err）;grid;title（'误差'）;
pause
%subplot（2,1,2）,plot（f',20*log（abs（FTframe2）））;grid;title（'短时谱'）
%
%GainsolutionusingG^2=Rn（0）-sum（ai*Rn（i））,i=1,2,...,P
%
fLength（1:
2*N）=[origin,zeros（1,N）];
Xm=fft（fLength,2*N）;
X=Xm.*conj（Xm）;
Y=fft（X,2*N）;
Rk=Y（1:
N）;
PART=sum（coef（2:
N1+1）.*Rk（1:
N1））;
G=sqrt（sum（Frame.^2）-PART）;
A=（FTframe1-FFT_est（1:
length（f1'）））./FTframe1;%inversefilterA（Z）
subplot（2,1,1）,plot（f1',20*log（abs（FTframe1））,f1',（20*log（abs（1./A）））,'-r'）;grid;title（'短时谱'）;
subplot（2,1,2）,plot（f1',（20*log（abs（G./A））））;grid;title（'LPC谱'）;
pause
%plot（abs（ifft（FTframe1./（G./A））））;grid;title（'excited'）
%plot（f1',20*log（abs（FFT_est（1:
length（f1'））.*A/G）））;grid;
%pause
%
%find_pitch
%
temp=FTframe1-FFT_est（1:
length（f1'））;
%notmovehigherfrequnce
pitch1=log（abs（temp））;
pLength=length（pitch1）;
result1=ifft（pitch1,N）;
%movehigherfrequnce
pitch1（（pLength-32）:
pLength）=0;
result2=ifft（pitch1,N）;
%directdorealcepstrumwitherr
pitch=fftshift（rceps（err））;
origin_pitch=fftshift（rceps（Frame））;
subplot（211）,plot（origin_pitch）;grid;title（'原始语音帧倒谱（直接调用函数）'）;
subplot（212）,plot（pitch）;grid;title（'预测误差倒谱（直接调用函数）'）;
pause
subplot（211）,plot（1:
length（result1）,fftshift（real（result1）））;grid;title（'预测误差倒谱（根据定义编写，没有去除高频分量）'）;
subplot（212）,plot（1:
length（result2）,fftshift（real（result2）））;grid;title（'预测误差倒谱（根据定义编写，去除高频分量）'）;
实验四基于VQ的特定人孤立词语音识别研究
1、mfcc.m
functionccc=mfcc（x）
bank=melbankm（24,256,8000,0,0.5,'m'）;
bank=full（bank）;
bank=bank/max（bank（:
））;
fork=1:
12
n=0:
23;
dctcoef（k,:
）=cos（（2*n+1）*k*pi/（2*24））;
end
w=1+6*sin（pi*[1:
12]./12）;
w=w/max（w）;
xx=double（x）;
xx=filter（[1-0.9375],1,xx）;
xx=enframe（xx,256,80）;
fori=1:
size（xx,1）
y=xx（i,:
）;
s=y'.*hamming（256）;
t=abs（fft（s））;
t=t.^2;
c1=dctcoef*log（bank*t（1:
129））;
c2=c1.*w';
m（i,:
）=c2';
end
dtm=zeros（size（m））;
fori=3:
size（m,1）-2
dtm（i,:
）=-2*m（i-2,:
）-m（i-1,:
）+m（i+1,:
）+2*m（i+2,:
）;
end
dtm=dtm/3;
ccc=[mdtm];
ccc=ccc（3:
size（m,1）-2,:
）;
2、vad.m
function[x1,x2]=vad（x）
x=double（x）;
x=x/max（abs（x））;
FrameLen=240;
FrameInc=80;
amp1=10;
amp2=2;
zcr1=10;
zcr2=5;
maxsilence=8;%6*10ms=30ms
minlen=15;%15*10ms=150ms
status=0;
count=0;
silence=0;
tmp1=enframe（x（1:
end-1）,FrameLen,FrameInc）;
tmp2=enframe（x（2:
end）,FrameLen,FrameInc）;
signs=（tmp1.*tmp2）<0;
diffs=（tmp1-tmp2）>0.02;
zcr=sum（signs.*diffs,2）;
amp=sum（abs（enframe（filter（[1-0.9375],1,x）,FrameLen,FrameInc））,2）;
amp1=min（amp1,max（amp）/4）;
amp2=min（amp2,max（amp）/8）;
x1=0;
x2=0;
forn=1:
length（zcr）
goto=0;
switchstatus
case{0,1}
ifamp（n）>amp1
x1=max（n-count-1,1）;
status=2;
silence=0;
count=count+1;
elseifamp（n）>amp2|...
zcr（n）>zcr2
status=1;
count=count+1;
else
status=0;
count=0;
end
case2,
ifamp（n）>amp2|...
zcr（n）>zcr2
count=count+1;
else
silence=silence+1;
ifsilencecount=count+1;
elseifcountstatus=0;
silence=0;
count=0;
else
status=3;
end
end
case3,
break;
end
end
count=count-silence/2;
x2=x1+count-1;
3、codebook.m
%clear;
functionxchushi=codebook（m）
[a,b]=size（m）;
[m1,m2]=szhixin（m）;
[m3,m4]=szhixin（m2）;
[m1,m2]=szhixin（m1）;
[m7,m8]=szhixin（m4）;
[m5,m6]=szhixin（m3）;
[m3,m4]=szhixin（m2）;
[m1,m2]=szhixin（m1）;
[m15,m16]=szhixin（m8）;
[m13,m14]=szhixin（m7）;
[m11,m12]=szhixin（m6）;
[m9,m10]=szhixin（m5）;
[m7,m8]=szhixin（m4）;
[m5,m6]=szhixin（m3）;
[m3,m4]=szhixin（m2）;
[m1,m2]=szhixin（m1）;
chushi（1,:
）=zhixinf（m1）;
chushi（2,:
）=zhixinf（m2）;
chushi（3,:
）=zhixinf（m3）;
chushi（4,:
）=zhixinf（m4）;
chushi（5,:
）=zhixinf（m5）;
chushi（6,:
）=zhixinf（m6）;
chushi（7,:
）=zhixinf（m7）;
chushi（8,:
）=zhixinf（m8）;
chushi（9,:
）=zhixinf（m9）;
chushi（10,:
）=zhixinf（m10）;
chushi（11,:
）=zhixinf（m11）;
chushi（12,:
）=zhixinf（m12）;
chushi（13,:
）=zhixinf（m13）;
chushi（14,:
）=zhixinf（m14）;
chushi（15,:
）=zhixinf（m15）;
chushi（16,:
）=zhixinf（m16）;
sumd=zeros（1,1000）;
k=1;
dela=1;
xchushi=chushi;
while（k<=1000）
sum=ones（1,16）;
forp=1:
a
fori=1:
16
d（i）=odistan（m（p,:
）,chushi（i,:
））;
end
dmin=min（d）;
sumd（k）=sumd（k）+dmin;
fori=1:
16
ifd（i）==dmin
xchushi（i,:
）=xchushi（i,:
）+m（p,:
）;
sum（i）=sum（i）+1;
end
end
end
fori=1:
16
xchushi（i,:
）=xchushi（i,:
）/sum（i）;
end
ifk>1
dela=abs（sumd（k）-sumd（k-1））/sumd（k）;
end
k=k+1;
chushi=xchushi;
end
return
4、testvq.m
clear;
disp（'这是一个简易语音识别系统，请保证已经将您的语音保存在相应文件夹中'）
disp（'正在训练您的语音模版指令，请稍后...'）
fori=1:
10
fname=sprintf（'D:
\\matlab\\work\\dtw1\\海儿的声音\\%da.wav',i-1）;
x=wavread（fname）;
[x1x2]=vad（x）;
m=mfcc（x）;
m=m（x1:
x2-5,:
）;
ref（i）.code=codebook（m）;
end
disp（'语音指令训练成功，恭喜！
¡'）
disp（'正在测试您的测试语音指令，请稍后...'）
fori=1:
10
fname=sprintf（'D:
\\matlab\\work\\dtw1\\海儿的声音\\%db.wav',i-1）;
x=wavread（fname）;
[x1x2]=vad（x）;
mn=mfcc（x）;
mn=mn（x1:
x2-5,:
）;
%mn=mn（x1:
x2,:
）
test（i）.mfcc=mn;
end
sumsumdmax=0;
sumsumdmin=0;
disp（'对训练过的语音进行测试'）
forw=1:
10
sumd=zeros（1,10）;
[a,b]=size（test（w）.mfcc）;
fori=1:
10
forp=1:
a
forj=1:
16
d（j）=odistan（test（w）.mfcc（p,:
）,ref（i）.code（j,:
））;
end
dmin=min（d）;
sumd（i）=sumd（i）+dmin;%×ÜʧÕæ
end
end
sumdmin=min（sumd）/a;
sumdmin1=min（sumd）;
sumdmax（w）=max（sumd）/a;
sumsumdmin=sumdmin+sumsumdmax;
sumsumdmax=sumdmax（w）+sumsumdmax;
disp（'正在匹配您的语音指令，请稍后...'）
fori=1:
10
if（sumd（i）==sumdmin1）
switch（i）
case1
fprintf（'您输入的语音指令为:
%s;识别结果为%s\n','前','前'）;
case2
fprintf（'您输入的语音指令为:
%s;识别结果为%s\n','后','后'）;
case3
fprintf（'您输入的语音指令为:
%s;识别结果为%s\n','左','左'）;
case4
fprintf（'您输入的语音指令为ª:
%s;识别结果为%s\n','右','右'）;
case5
fprintf（'您输入的语音指令为:
%s;识别结果为%s\n','东','东'）;
case6
fprintf（'您输入的语音指令为:
%s;识别结果为%s\n','南','南'）;
case7
fprintf（'您输入的语音指令为:
%s;识别结果为%s\n','西','西'）;
case8
fprintf（'您输入的语音指令为:
%s;识别结果为%s\n','北','北'）;
case9
fprintf（'您输入的语音指令为ª:
%s;识别结果为%s\n','上','上'）;
case10
fprintf（'您输入的语音指令为ª:
%s;识别结果为%s\n','下','下'）;
otherwise
fprintf（'error'）;
end
end
end
end
delamin=sumsumdmin/10;
delamax=sumsumdmax/10;
disp（'对没有训练过的语音进行测试'）
disp（'正在测试你的语音，请稍后...'）
fori=1:
10
fname=sprintf（'D:
\\matlab\\work\\dtw1\\º£¶ùµÄÉùÒô\\%db.wav',i-1）;
x=wavread（fname）;
[x1x2]=va
升级会员 