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!
）
升级会员 