声音信号的分析处理.docx
《声音信号的分析处理.docx》由会员分享，可在线阅读，更多相关《声音信号的分析处理.docx（18页珍藏版）》请在冰点文库上搜索。
声音信号的分析处理
《信号与系统》课程设计
语音信号的分析和处理
学院：
通信与信息工程学院
班级：
2010012030班
学生：
李雷（2010012030018）
阚姗蕾（2010012030037）
指导教师：
崔琳莉
2011年12月19日
一、摘要
声音是由物体的振动产生，以声波的形式在介质中传播，介质主要可分为固体，液体以及气体。
声波振动内耳的听小骨，这些振动被转化为微小的电子脑波，它就是我们觉察到的声音。
内耳采用的原理与麦克风捕获声波或扬声器的发音一样，它是移动的机械部分与气压波之间的关系。
在国际标准中，人声的频率范围是300Hz~3400Hz，不同的人或乐器产生的声音频率不一致，通过对声音信号的研究能够更好的处理声音信号的处理以及传输。
Matlab作为一款主要面对科学计算、可视化以及交互式程序设计的高科技计算软件，能够很好的完成对声音信号的分析和处理，快速的得出声音信号的时域图以及频域图。
关键字：
声音频率时域图频域图Matlab
Soundcomesfromtheshakeofobjectsandspreadsintheformofwavesinmediumconsistsofsolid,liquidandgas.Soundwavesshaketheossiclesintheears,transformedintofinalelectronicbrainwavesandthenwehearthesound.Theprincipletheearworkswhichisthesameastheprinciplethemicrophoneandthespeakerworks,isusingtherelationbetweenmechanicalpartandbarometricwave.InISO,thefrequencydomainisfrom300Hzto3400Hz,differsindifferentpeopleandmusicalinstruments.Thestudyofthesoundsignalhelptobetterdealwiththesignals.Asasoftwaremajorinscientificcalculation,Matlabisvisualandinteractive.Itiscapableofperfectlyfinishingtheanalysisanddisposeofthesoundsignalbysketchingthetimedomainfigureandfrequencydomainfigure.
Keywords:
sound,frequency,timedomainfigure,frequencydomainfigure,Matlab
二、实验要求
通过MATLAB的函数wavread（）可以读入一个.wav格式的音频文件，并将该文件保存到指定的数组中。
例如下面的语句（更详细的命令介绍可以自己查阅MATLAB的帮助）中，将.wav读入后存放到矩阵y中。
y=wavread（'SpecialEnglish.wav'）;
对于单声道的音频文件，y只有一行，即一个向量；对于双声道的音频文件，y有两行，分别对应了两个声道的向量。
我们这里仅对一个声道的音频进行分析和处理即可。
注意：
.wav文件的采样频率为44.1KHz，采样后的量化精度是16位，不过我们不用关心其量化精度，因为在MATLAB读入后，已将其转换成double型的浮点数表示。
在获得了对应音频文件的数组后，我们可以对其进行一些基本的分析和处理。
可以包括：
1、对语音信号进行频域分析，找到语音信号的主要频谱成分所在的带宽，验证为何电话可以对语音信号采用8KHz的采样速率。
2、分析男声和女声的差别。
我们知道男声和女声在频域上是有些差别的，一般大家都会认为女声有更多高频的成分，验证这种差别。
同时，提出一种方法，能够对一段音频信号是男声信号、还是女声信号进行自动的判断。
3、语音与乐器音频的差别。
比较语音信号与乐器音频信号的差别，尤其是在频域上的差别。
4、.wav文件的采样速率为44.1KHz，仍然远远高于我们通常说的语音信号需要的频谱宽度，例如在电话对语音信号的采样中，我们仅仅使用8KHz的采样速率。
对读入的音频数据进行不同速率的降采样，使用wavplay（）命令播放降采样后的序列，验证是否会对信号的质量产生影响。
降采样的方法很简单，例如命令y=wavread（'SpecialEnglish.wav'）;将语音文件读入后保存在向量y中，这时对应的采样频率为44.1KHz。
使用y1=y（1:
2:
length（y））命令，就可以将原序列y每隔1个采样后放入序列y1中，这时y1序列对应的采样频率即为22KHz。
5、自己下载获得一段中文语音信号（可以使用诸如“千千静听”等工具将.mp3文件转换成.wav文件），对中文语音与英文语音进行比较。
三、实验内容
3.1、对语音信号进行频域分析，找到语音信号的主要频谱成分所在的带宽，验证为何电话可以对语音信号采用8KHz的采样速率。
对声音信号
的频谱图进行分析，使用Matlab绘制该语音信号的频谱图，观察频谱图，读出声音信号的频率范围，由采样定理可知，如果需要重建声音信号
，需产生一个周期冲激串，其冲激幅度就是采样得到的样本值，将该冲激串通过一个增益为T，截止频率为
，而小于
的理想低通滤波器，该低通滤波器的输出就是
。
使用Matlab中的快速傅里叶变换（fft），绘制出声音文件
的时域图和频域图，对频域图进行分析，观察可得声音信号
的主要频率范围为200Hz~1800Hz，根据采样定理可得，采样频率应不小于3600Hz，故电话使用8kHz的采样频率能保证声音无失真采样及恢复。
程序代码：
[x,fs,bits]=wavread（'相声.wav'）;%将原声音信号转化为字符串%
subplot（211）;
plot（x）;%绘制声音信号的时域图%
title（'时域分析图'）;
subplot（212）;
y=fft（x,fs）;
df=fs/length（y）;
fx=df*（0:
length（y）-1）;%将横坐标转化为频率值%
plot（fx,abs（y））;%绘制声音信号的频谱图%
axis（[080000500]）;
title（'频域分析图'）;
3.2、分析男声和女声的差别。
我们知道男声和女声在频域上是有些差别的，一般大家都会认为女声有更多高频的成分，验证这种差别。
同时，提出一种方法，能够对一段音频信号是男声信号、还是女声信号进行自动的判断。
首先，我们选择了普通的男生和女生分别演唱同一首歌，用matlab分别绘出两段声音信号的频谱图,从图中可以看出，男生的声音频率主要分布在200Hz~800Hz,女生的声音频率主要分布在300Hz~1800Hz,女生的声音高频成分较多。
这是因为，声波是由物体振动产生的机械波，男人声带宽而厚，振动频率低；女人声带窄而薄，振动频率高。
而我们平时所感受得男生声音低沉，女生声音尖细，则是由于发声时男女声带的振动频率的高低不同，所以男女音调的高低不同。
使用Matlab对男声女声的声音信号在不同频率的分布比例进行分析，运行程序后可得出，在低频范围（150Hz~1000Hz）内
男声低频比例n1=9.5343e-006女声低频比例n2=8.6394e-006
在高频范围（1000Hz~1800Hz）内
男声高频比例m1=7.5965e-006女声高频比例m2=8.2355e-006
以上的数据计算进一步验证了女声频率较高的假设，我们可以通过这种计算来分辨男声女声。
程序代码：
%画男生声音、女生声音的频谱图
y1=wavread（'lu_ll.wav'）;
Fs=44100;%采样频率%
yt1=fft（y1）;%傅里叶变换%
df=Fs/length（yt1）;
Fx=df*（0:
length（yt1）-1）;%将横轴变为频率轴%
figure
（1）
subplot（211）;%subplot将图像画在一张图上%
plot（y1）;title（'男声时域波形'）;%画语音信号的时域波形%
subplot（212）;
plot（Fx,abs（yt1））;axis（[010000010000]）;
title（'男声频谱图'）;xlabel（'频率/Hz'）;
y2=wavread（'lu_ksl.wav'）;
Fs=44100;%采样频率%
yt2=fft（y2）;%傅里叶变换%
df=Fs/length（yt2）;
Fx=df*（0:
length（yt2）-1）;%将横轴变为频率轴%
figure
（2）
subplot（211）;%subplot将图像画在一张图上%
plot（y2）;title（'女声时域波形'）;%画语音信号的时域波形%
subplot（212）;
plot（Fx,abs（yt2））;axis（[01000005000]）;
title（'女声频谱图'）;xlabel（'频率/Hz'）;
%计算男生和女生信号中高频和低频信号所占的比例：
[y1Fs]=wavread（'lu_ll.wav'）;y1=y1（:
1）;
yt1=fft（y1）;
[y2Fs]=wavread（'lu_ksl.wav'）;y2=y2（:
1）;
yt2=fft（y2）;
sum1=0;
fori=200:
1000%计算男声的低频比例%
sum1=sum1+abs（yt1（i））;
end
sum=0;
fori=1:
length（yt1）
sum=sum+abs（yt1（i））;
end
n1=sum1/sum;
sum1%低频信号量
sum%总信号量
n1%比例
sum1=0;
fori=200:
1000%计算女声的低频比例%
sum1=sum1+abs（yt2（i））;
end
sum=0;
fori=1:
length（yt2）
sum=sum+abs（yt2（i））;
end
n2=sum1/sum;
sum1
sum
n2
%高频%
sum1=0;
fori=3000:
3800%计算男声的高频比例%
sum1=sum1+abs（yt1（i））;
end
sum=0;
fori=1:
length（yt1）
sum=sum+abs（yt1（i））;
end
m1=sum1/sum;
sum1
sum
m1
sum1=0;
fori=3000:
3800%计算女声的高频比例%
sum1=sum1+abs（yt2（i））;
end
sum=0;
fori=1:
length（yt2）
sum=sum+abs（yt2（i））;
end
m2=sum1/sum;
sum1
sum
m2
3.3、语音与乐器音频的差别。
比较语音信号与乐器音频信号的差别，尤其是在频域上的差别。
我们找了五种不同的乐器演奏的《梁祝》，试图不仅分析语音信号和乐器音频信号的差别，还要分析不同乐器音频信号的差别。
使用狸窝软件进行时间截取和格式转换，分析得到频谱如下：
对于乐器来说，低频段表示音色的丰满度，高频段表示音色的明亮度。
从图中可以看出，古筝的泛音较强，这印证了我们听觉的感受，钢琴和笛子的频谱主要集中在500~1000Hz的低频范围内，音色最为丰满，它们的主要区别在于钢琴泛音较多。
相比于前面所绘制的语音信号的频谱，乐器在某些频率点的小范围内会形成一个冲击，所以声音会比较有冲击力。
并且，乐器有基音和泛音，而人声没有泛音，所以会产生乐器声悠扬的效果。
程序代码：
y1=wavread（'笛子_0.wav'）;
y2=wavread（'钢琴_0.wav'）;
y3=wavread（'小提琴_0.wav'）;
y4=wavread（'萨克斯_0.wav'）;
y5=wavread（'古筝_0.wav'）;
Fs=44100;%采样频率%
yt1=fft（y1）;%傅里叶变换%
yt2=fft（y2）;
yt3=fft（y3）;
yt4=fft（y4）;
yt5=fft（y5）;
df1=Fs/length（yt1）;
Fx1=df1*（0:
length（yt1）-1）;
df2=Fs/length（yt2）;
Fx2=df2*（0:
length（yt2）-1）;
df3=Fs/length（yt3）;
Fx3=df3*（0:
length（yt3）-1）;
df4=Fs/length（yt4）;
Fx4=df4*（0:
length（yt4）-1）;
df5=Fs/length（yt5）;
Fx5=df5*（0:
length（yt5）-1）;
figure
（1）
plot（Fx1,abs（yt1））;axis（[08000010000]）;
title（'笛子频谱图'）;xlabel（'频率/Hz'）;
figure
（2）
plot（Fx2,abs（yt2））;axis（[08000010000]）;
title（'钢琴频谱图'）;xlabel（'频率/Hz'）;
figure（3）
plot（Fx3,abs（yt3））;axis（[08000010000]）;
title（'小提琴频谱图'）;xlabel（'频率/Hz'）;
figure（4）
plot（Fx4,abs（yt4））;axis（[08000010000]）;
title（'萨克斯频谱图'）;xlabel（'频率/Hz'）;
figure（5）
plot（Fx5,abs（yt5））;axis（[08000010000]）;
title（'古筝频谱图'）;xlabel（'频率/Hz'）;
3.4、.wav文件的采样速率为44.1KHz，仍然远远高于我们通常说的语音信号需要的频谱宽度，例如在电话对语音信号的采样中，我们仅仅使用8KHz的采样速率。
对读入的音频数据进行不同速率的降采样，使用wavplay（）命令播放降采样后的序列，验证是否会对信号的质量产生影响。
使用Matlab对声音信号进行降采样，分别把声音信号的采样频率将为原采样频率的1/2，1/5，1/10。
当采样频率为原信号采样频率的1/2时，声音与原声音无明显变化，观察频谱图，亦无明显变化；当采样频率为原信号采样频率的1/5时，声音与原声音相比有差别，观察频谱图，发现频谱图变化很大；当采样频率为原信号采样频率的1/10时，声音与原声音相比已明显失真，信号内容不可辨别，观察频谱图，频谱图已完全不一致，降采样后的信号失真严重。
结论：
当采样频率越低时，采样得到的声音信号的音质将降低。
程序如下：
[x,fs,bits]=wavread（'星空的旋律.wav'）;%将声音信号采样称字符串%
fs%声音x（t）信号频率%
x1=x（1:
2:
length（x））;%对原声音信号进行1/2降采样%
x2=x（1:
5:
length（x））;%对原声音信号进行1/5降采样%
x3=x（1:
10:
length（x））;%对原声音信号进行1/10降采样%
subplot（411）;
%wavplay（x,fs）;%播放原声音信号%
y=fft（x,fs）;
df=fs/length（y）;
fx=df*（0:
length（y）-1）;
plot（fx,abs（y））;%绘制原声音信号的频谱分析图%
axis（[080000500]）;
title（'原声音频谱分析图'）;
subplot（412）;
%wavplay（x1,fs/2）;%播放1/2降采样声音信号%
y1=fft（x1,fs/2）;
df=fs/length（y1）;
fx=df*（0:
length（y1）-1）;
plot（fx,abs（y1））;%绘制1/2降采样后信号的频谱分析图%
axis（[080000500]）;
title（'采样频率为原信号的1/2频谱分析图'）;
subplot（413）;
%wavplay（x2,fs/5）;%播放1/10降采样声音信号%
y2=fft（x2,fs/5）;
df=fs/length（y2）;
fx=df*（0:
length（y2）-1）;
plot（fx,abs（y2））;%绘制1/5降采样后信号的频谱分析图%
axis（[080000500]）;
title（'采样频率为原信号的1/5频谱分析图'）;
subplot（414）;
%wavplay（x3,fs/10）;%播放1/10降采样声音信号%
y3=fft（x3,fs/10）;
df=fs/length（y3）;
fx=df*（0:
length（y3）-1）;
plot（fx,abs（y3））;%绘制1/10降采样后信号的频谱分析图%
axis（[080000500]）;
title（'采样频率为原信号的1/10频谱分析图'）;
四、实验结论
在实验开始的时候，使用录音软件（AdobeAudition）录制所需的男声女声，同时，在各大音乐网站下载所需的音频文件，但是一般下载到的只有.mp3格式的音频文件，故使用狸窝全能视频转换器将.mp3文件或其他格式的音频文件转化为.wav格式的音频文件。
使用Matlab对下载到的音频文件（相声.wav）进行时域分析和频域分析，并绘制相应的时域图和频域图，时域图可以显示幅值与时间的关系，频域图可以显示幅值与频率的关系。
对绘制频域图进行解读，该文件的主要频率范围为200Hz~1800Hz，通过查阅文献得知，人声的主要范围为200Hz~3400Hz，根据采样定理可得，电话使用8kHz的采样频率，能保证人声无失真恢复。
在对男声女声的差异分析中，使用自己录制的男声（lu_ll.wav）和女声（lu_ksl.wav），分别绘制男声女声的频谱图，再分别计算男声女声在低频范围和高频范围内的比重。
分析男声的频谱图可以发现，男声的主要频率范围为200Hz~800Hz，女声的主要频率范围为300Hz~1800Hz，对实验数据分析发现，男声的频率要普遍低于女声。
将人声与乐器的声音进行比较发现，乐器在某些频率点的小范围内会形成一个冲击，所以声音会比较有冲击力。
并且，乐器有基音和泛音，而人声没有泛音，所以会产生乐器声悠扬的效果。
对原声音信号分别进行1/2,1/5,1/10降采样，发现采样频率越低，采样得到的声音信号的音质越差。
五、参考文献
[1]Alan.V.Oppenheim，SignalandSystem，电子工业出版社，2009.
[2]数学实验讲义，电子科技大学出版社，2010.
[3]刘树棠，《信号与系统》计算机练习——利用MATLAB，西安交通大学出版社，2006.
[4]谢云荪，数学实验，科学出版社，1999.
[5]苏金明，MATLAB实用教程，电子工业出版社，2005.
[6]徐全智，概率论与数理统计，高等教育出版社,2004.
[7]杨克昌，计算机程序设计典型例题精解，国防科技大学出版社，1999.
（2）
（3）
【结果分析】
男声频谱高于女声频谱。
【自主学习内容】
基频改变方法，频谱线性插值的实现，时间长度的归整。
【阅读文献】
[1].陈后金.信号与系统[M].高等教育出版社，2010:
245-250。
[2].XX文库。
【发现问题】
只通过改变频率来实现男女声转换是否可以？
【问题探究】
若只改变频率，可以在一定程度上实现男女声的转换，但是改变频率后，音频的播放时长也会发生改变，听起来播放速度会有所不同，频率改变越大，速度越大。
我们可以通过在中间改变频率，同时对时长进行归整，保证播放速度和原音频基本一致。
升级会员 