数字语音处理实验报告.docx
《数字语音处理实验报告.docx》由会员分享,可在线阅读,更多相关《数字语音处理实验报告.docx(13页珍藏版)》请在冰点文库上搜索。
数字语音处理实验报告
实验一、用MATLAB实现语音信号的时域分析
学院:
信息与通信工程学院
专业:
通信工程
班级:
通信144
学号:
2014136410
姓名:
刘新雨
指导教师:
崔艳秋
1.实验目的
观察并验证语音信号的时域特性,理解并掌握典型的语音信号时域分析方法和时域特征,为深入学习语音信号处理的各种应用奠定基础。
2.MATLAB程序代码
(1)由麦克风采集语音数据,将采集的数据存成WAV文件(采样率为8000Hz),存在本人的文件夹中。
所用程序代码为:
clear;
closeall;
Fs=11025;
y=wavrecord(5*Fs,Fs,'double');
wavwrite(y,'D:
\\lxy');
soundview(y,Fs);
(2)读取WAV文件,显示语音信号的波形。
所用程序代码为:
clear;
closeall;
x=wavread('D:
\\lxy.wav');
figure;
plot(x);
axis([0,size(x,1),-0.35,0.3]);
title('语音信号时域波形');xlabel('样点数');ylabel('幅度');
(3)读取WAV文件,计算并显示语音的短时能量(窗函数为矩形窗,帧长为50,200,400,600)。
所用程序代码为:
clear;
closeall;
x=wavread('d:
\\k.wav');
x=double(x);
f1=enframe(x,50,50);
energy1=sum(abs(f1),2);
subplot(2,2,1);plot(energy1);
title('语音信号的短时能量');
legend('帧长LEN=50');
f2=enframe(x,200,200);
energy2=sum(abs(f2),2);
subplot(2,2,2);plot(energy2);
title('语音信号的短时能量');
legend('帧长LEN=200');
f3=enframe(x,400,400);
energy3=sum(abs(f3),2);
subplot(2,2,3);plot(energy3);
title('语音信号的短时能量');
legend('帧长LEN=400');
f4=enframe(x,600,600);
energy4=sum(abs(f4),2);
subplot(2,2,4);plot(energy4);
title('语音信号的短时能量');
legend('帧长LEN=600');
(4)读取WAV文件,计算并显示语音的短时过零率(窗函数为矩形窗,帧长为256,帧移为128),所用程序代码为:
clear;
closeall;
x=wavread('D:
\\lxy.wav');
x=double(x);
LEN=300;
INC=150;
f=enframe(x,LEN,INC);
%计算短时过零率
z=zeros(size(f,1),1);
difs=0.01;
fori=1:
size(f,1)
s=f(i,:
);
forj=1:
(length(s)-1)
ifs(j)*s(j+1)<0&abs(s(j)-s(j+1))>difs;
z(i)=z(i)+1;
end
end
end
subplot(2,1,1);plot(x);
axis([0,size(x,1),-0.35,0.3]);
title('语音信号时域波形');xlabel('样点数');ylabel('幅度');
subplot(2,1,2);plot(z);
title('语音信号的短时过零率');xlabel('帧数');ylabel('短时过零率');
(5)读取WAV文件,计算浊音与清音的短时自相关函数所用的程序代码为:
clear;
closeall;
x=wavread('D:
\\lxy.wav');
x=double(x);
LEN=256;
INC=128;
f=enframe(x,LEN,INC);
ff=f(15,:
);
N=LEN;
R=zeros(1,N);
fork=1:
N
R(k)=sum(ff(k:
N).*ff(1:
N-k+1));
end
fork=1:
N
R1(k)=R(k)/R
(1);
end
subplot(2,1,1);plot(ff);
axis([0,N,-0.5,0.75])
title('加矩形窗的语音帧');xlabel('样点数');ylabel('幅度');
subplot(2,1,2);plot(R1);
axis([0,N,-1,1])
title('加矩形窗的短时自相关函数');xlabel('k');ylabel('R(k)');
clear;
closeall;
x=wavread('d:
\\k.wav');
x=double(x);
LEN=256;
INC=128;
f=enframe(x,LEN,INC);
ff=f(124,:
);
ff=ff'.*hamming(length(ff));
N=LEN;
R=zeros(1,N);
fork=1:
N
R(k)=sum(ff(k:
N).*ff(1:
N-k+1));
end
fork=1:
N
R1(k)=R(k)/R
(1);
end
subplot(2,1,1);plot(ff);
axis([0,N,-0.5,0.75])
title('加汉明窗的语音帧');xlabel('样点数');ylabel('幅度');
subplot(2,1,2);plot(R1);
axis([0,N,-1,1])
title('加汉明窗的短时自相关函数');xlabel('k');ylabel('R(k)');
clear;
closeall;
x=wavread('D:
\\lxy.wav');
x=double(x);
LEN=10;
INC=10;
f=enframe(x,LEN,INC);
ff=f(500,:
);
N=LEN;
R=zeros(1,N);
fork=1:
N
R(k)=sum(ff(k:
N).*ff(1:
N-k+1));
end
fork=1:
N
R1(k)=R(k)/R
(1);
end
subplot(2,1,1);plot(ff);
axis([0,N,-0.05,0.05])
title('加矩形窗的语音帧');xlabel('样点数');ylabel('幅度');
subplot(2,1,2);plot(R1);
axis([0,N,-0.5,0.5])
title('加矩形窗的短时自相关函数');xlabel('k');ylabel('R(k)');
clear;
closeall;
x=wavread('D:
\lxy.wav');
x=double(x);
LEN=256;
INC=128;
f=enframe(x,LEN,INC);
ff=f(25,:
);
N=LEN;
R=zeros(1,N);
fork=1:
N
R(k)=sum(ff(k:
N).*ff(1:
N-k+1));
end
fork=1:
N
R1(k)=R(k)/R
(1);
end
subplot(2,1,1);plot(ff);
axis([0,N,-0.05,0.05])
title('加矩形窗的语音帧');xlabel('样点数');ylabel('幅度');
subplot(2,1,2);plot(R1);
axis([0,N,-0.5,0.5])
title('加矩形窗的短时自相关函数');xlabel('k');ylabel('R(k)');
3.实验结果及其分析
(1)本实验利用11025Hz的采样频率对输入的语音信号进行采样,采样点数为55125个,持续时间为5秒,存储格式为double。
之后将数字语音数据写入D盘的
a.wav文件,并通过放音设备进行回放。
回放的GUI界面如图1所示,通过该界面可以观察采集的语音信号。
图1用soundview函数显示的语音信号
(2)本实验将D盘的lxy.wav文件读取出来,并显示文件中的语音信号波形,显示的波形如图2所示。
该波形是汉语拼音“Xu”的时域波形。
从图2可以看出,[X]是清音,它的波形幅值较小,且没有周期性;[u]是浊音,它的波形幅值较大且有明显的周期性起伏结构。
图2语音“Xu”的时域波形
(3)本实验将D盘的lxy.wav文件读取出来,当帧长取不同值时计算语音信号的短时能量,如图3所示。
从图3可以看出,浊音短时能量大,短时平均幅度大,短时过零率低,浊音具有较强的能量值,音段内隐藏信息的能力高。
轻音短时能量小,短时平均幅度小,能量值较低,音段内隐藏信息的能力较低。
图3不同帧长对应的短时能量
(4)本实验首先读取lxy.wav中的语音数据,之后计算每一帧的短时过零率,最后将原始语音信号和短时过零率显示出来,如图4所示。
从图4可以看出,清音的过零率较高,浊音的过零率较低。
图4短时过零率
(5)本实验首先读取lxy.wav中的语音数据,之后对数据进行分帧加窗处理,帧长为256,帧移为128。
选取其中的一帧浊音(第15帧)并计算这帧的短时自相关函数。
当窗函数分别为矩形窗和汉明窗时,截取的语音信号和短时自相关函数如图5和图6
所示。
从图5和图6可以看出,矩形窗能够比汉明窗更明显的显示出第一个峰值。
当窗函数为矩形窗,不同帧长(帧移=帧长)的一帧浊音对应的短时自相关函数如图7和图8所示。
从图7和图8可以看出,帧长越长,越容易区分其最大值。
当窗函数为矩形窗,帧长为256,帧移为128,选取一帧清音,获得的短时自相关函数如图9所示。
从图5和图9可以看出,浊音具有明显的周期性,清音无明显周期。
图5加矩形窗的短时自相关函数
图6加汉明窗的短时自相关函数
图7帧长为10时的短时自相关函数
图8帧长为100时的短时自相关函数
图9清音的短时自相关函数
4.思考题
短时能量的主要用途有哪些?
答:
可以区分清音段与浊音段,可以用来区分,有声与无声的分界,生母和韵母的分界等,也可以用于语音识别中。
(注:
可编辑下载,若有不当之处,请指正,谢谢!
)