语音信号处理实验报告

1、语音信号处理实验报告 语音信号实验报告 homework1 语音信号的时域处理 实验内容简介： （1）采集一段语音信号，采样率为8khz，量化精度为16比特线性码； （2）分析帧长30ms（或10ms50ms）； （3）利用上述公式分别计算这段语音信号的短时能量、短时平均幅度、短时过零率曲 线； （4）利用（3）中的结果画出短时零能比曲线；(零能比: 即同一时间段内的过零率和 能量的比值) （5）根据上述结果判断找出其中的一帧浊音信号和一帧清音信号，分别计算他们的短 时自相关函数和平均幅度差函数； （6）根据（5）中的结果，分析浊音段语音的基音周期。 编写程序完成上述计算 实验步骤： （1）

2、（2） 用cooledit录了一段音，是我自己说的。采样率为8khz，量化精度为16比特线性码。 利用讲义中给定的公式分别编程计算这段语音信号的短时能量、短时平均幅 度、短时过零率，然后分别画出它们的曲线； （3） 然后画出短时零能比曲线。 （4） 根据上述结果判断找出其中的一帧浊音信号和一帧清音信号。判断依据是， 浊音：短时能量大、短时平均幅度大、短时过零率低；清音：短时能量小、短时平均幅度小、短时过零率高。浊音，取13270-13510个点，清音，取12120-12360个点。分别计算他们的短时自相关函数和平均幅度差函数； （5） 根据图形，分析浊音段语音的基音周期。 实验结论分析： （1

3、） 从图中明显可以看出，浊音信号的具有明显的周期性，其自相关函数和平均幅度差 函数也表现出周期性。清音信号稍微差一点，但不是很明显，主要是由于清音信号的位置找的不是很好。 （2） 浊音：短时能量大、短时平均幅度大、短时过零率低；清音：短时能量小、短时平 均幅度小、短时过零率高。 （3） 基音提取消除共振峰的影响。从画出的图形中间可以看出，没有加滤波器的声音 信号处理后共振峰的影响很大。但是加一个60500hz的带通滤波器，利用滤波后的信号进行基因估计，这样可除去大部分共振峰的影响，自相关函数和短时平均幅度差函数具有更尖锐地峰值，有利于判决地准确性。 （4） 我开始试着用matlab编一个滤波器

4、，但是有点麻烦，最后我直接用cooledit提供的 功能直接滤波，方便快速。滤波后的语音信号为 jiachuanghou.wav （5） 画出的波形如下图所示： 2 把图形放大后，可以看出，我的基音频率是 1000/（0.125*54）=148hz。 实验心得和体会：通过这次实验，我对理论的理解更加深入了，通过自己动手，实际 得出了自己的基音频率，觉得很兴奋。实验中，还学会了cooledit的不少功能，对matlab的应用也更加熟练了。总的说来，这次实验的内容很简单，因为所有的公式都已经给出，分析的方法都有了，自己要做的仅仅只是把它们转化成计算机语言。 附录：源程序 n=240 y=wavre

5、ad(jiachuanghou,1 18000); l=length(y)0秒，每秒8000个点，一共240000个点 ll=length(y)/n %一共 1000帧 figure(1) 3 set(1,position,10,35,350,650) %短时能量 em=zeros(1,(ll-1)*240); for ii=1:(ll-1)*240, temp=y(ii:ii+240); em(ii)=sum(temp.*temp); end subplot(4,1,1) jj=1:(ll-1)*240; plot(jj, em,b); grid % axis(0,(ll-1)*240,0,

6、0.6) % axis(12000,16000,0,0.06) %短时平均幅度mn=sum(abs(y)/n mn=zeros(1,(ll-1)*240); for ii=1:(ll-1)*240, temp=y(ii:ii+240); mn(ii)=sum(abs(temp)/n; end figure(1) subplot(4,1,2) jj=1:(ll-1)*240; plot(jj, mn,b); grid % axis(12000,16000,0,0.015) %短时过零率 zn=zeros(1,(ll-1)*240); for ii=2:(ll-1)*240, temp1=sign

7、(y(ii:ii+240); temp=sign(y(ii-1:ii+240-1); zn(ii)=sum(abs(temp1-temp); end figure(1) subplot(4,1,3) jj=1:(ll-1)*240; plot(jj, zn,b); grid % axis(12000,16000,0,60) %零能比曲线 4 figure(1) subplot(4,1,4) jj=1:(ll-1)*240; plot(jj, zn./em,b); grid %axis(12000,16000,0,3*10) % % wn=60/8000 ,500/8000 % n=1:240;

8、 % b = fir1(239,wn,bandpass); %浊音，取13270-13510个点 %短时自相关函数 temp=y(13271:13510); % %temp2=reshape(temp,1,240); %temp=temp2.*b; rn1=zeros(1,240); for nn=1:240, for ii=1:240-nn, rn1(nn) =rn1(nn)+ temp(ii)*temp(nn+ii); end end figure(2) set(2,position,400,35,350,650) subplot(4,1,1) jj=1:240; plot(jj, rn1

9、,b); grid %axis(9,50,-0.01,0.02) %短时平均幅度差函数 yn1=zeros(1,240); for nn=1:240, for ii=1:240-nn, yn1(nn) =yn1(nn)+ abs(temp(ii)-temp(nn+ii); end end figure(2) 5 subplot(4,1,2) jj=1:240; plot(jj, yn1,b); grid %清音，取12120-12360个点 %短时自相关函数 temp=y(12121:12360); % %temp2=reshape(temp,1,240); %temp=temp2.*b; rn2=zeros(1,240); for nn=1:240, for ii=1:240-nn, rn2(nn) =rn2(nn)+ temp(ii)*temp(nn+ii); end end figure(2) subplot(4,1,3) jj=1:240; plot(jj, rn2,b); grid %axis(9,50,-0.01,0.02) %短时平均幅度差函数 yn2=zer