端点检测[特制材料]

1、语音信号处理实验一：端点检测姓名：XXX学号：XXXX班级：XX一、 实验目的：理解语音信号时域特征和倒谱特征求解方法及其应用。二、 实验原理与步骤：任务一：语音端点检测。语音端点检测就是指从包含语音的一段信号中确定出语音的起始点和结束点。 正确的端点检测对于语音识别和语音编码系统都有重要的意义。采用双门限比较法的两级判决法，具体如下第一级判决：1. 先根据语音短时能量的轮廓选取一个较高的门限T1，进行一次粗判：语音起止点位于该门限与短时能量包络交点所对应的时间间隔之外(即AB段之外)。 2. 根据背景噪声的平均能量(用平均幅度做做看)确定一个较低的门限T2，并从A点往左、从B点往右搜索，分别

2、找到短时能量包络与门限T2相交的两个点C和D，于是CD段就是用双门限方法根据短时能量所判定的语音段。 第二级判决：以短时平均过零率为标准，从C点往左和从D点往右搜索，找到短时平均过零率低于某个门限T3的两点E和F，这便是语音段的起止点。门限T3是由背景噪声的平均过零率所确定的。注意：门限T2，T3都是由背景噪声特性确定的，因此，在进行起止点判决前，T1，T2，T3，三个门限值的确定还应当通过多次实验。任务二：利用倒谱方法求出自己的基音周期。三、 实验仪器：Cooledit、Matlab软件四、 实验代码： 取端点流程图一：clc,clearx,fs,nbits=wavread(fighting

3、.wav); %x为0N-1即1Nx = x / max(abs(x); %幅度归一化到-1,1%参数设置文书#借鉴FrameLen = 240; %帧长，每帧的采样点inc = 80; %帧移对应的点数T1 = 10; %短时能量阈值,语音段T2 = 5; %短时能量阈值,过渡段T3 = 1; %过零率阈值,起止点minsilence = 6; %无声的长度来判断语音是否结束silence = 0; %用于无声的长度计数minlen = 15; %判断是语音的最小长度state = 0; %记录语音段状态0 = 静音,1 = 语音段,2 = 结束段count = 0; %语音序列的长度%计算

4、短时能量shot_engery = sum(abs(enframe(x, FrameLen,inc).2, 2);%计算过零率tmp1 = enframe(x(1:end-1), FrameLen,inc);%tmp1为二维数组=帧数*每帧的采样点FrameLentmp2 = enframe(x(2:end) , FrameLen,inc);%signs = (tmp1.*tmp2) T1 % 确信进入语音段 x1 = max(n-count-1,1); % 记录语音段的起始点 state = 2; silence = 0; count = count + 1; elseif shot_eng

5、ery(n) T2| zcr(n) T3 %只要满足一个条件,可能处于过渡段 status = 1; count = count + 1; x2 = max(n-count-1,1); else % 静音状态 state = 0; count = 0; end end if state = =2 % 1 = 语音段 if shot_engery(n) T2 % 保持在语音段 count = count + 1; elseif zcr(n) T3 % 保持在语音段 x3 = max(n-count-1,1); else % 语音将结束 silence = silence+1; if silenc

6、e minsilence % 静音还不够长，尚未结束 count = count + 1; elseif count minlen % 语音段长度太短，认为是噪声 state = 0; silence = 0; count = 0; else % 语音结束 state = 3; end end end if state = =3 % 2 = 结束段 break; endend x1,x2,x3 %A、C、E坐标x11 = x1 + count -1 %B坐标x22 = x2 + count -1 %D坐标x33 = x3 + count -1 %F坐标%画图 subplot(3,1,1)plo

7、t(x)axis(1 length(x) -1 1)%标定横纵坐标title(原始语音信号,fontsize,17);xlabel(样点数); ylabel(Speech);line(x3*inc x3*inc, -1 1, Color, red); %画竖线line(x33*inc x33*inc, -1 1, Color, red);subplot(3,1,2)plot(shot_engery);axis(1 length(shot_engery) 0 max(shot_engery)title(短时能量,fontsize,17);xlabel(帧数); ylabel(Energy);li

8、ne(x1 x1, min(shot_engery),T1, Color, red); %画竖线line(x11 x11, min(shot_engery),T1, Color, red); %line(x2 x2, min(shot_engery),T2, Color, red); %line(x22 x22, min(shot_engery),T2, Color, red); %line(1 length(zcr), T1,T1, Color, red, linestyle, :); %画横线line(1 length(zcr), T2,T2, Color, red, linestyle,

9、 :); %text(x1,-5,A); %标写A、B、C、Dtext(x11-5,-5,B);text(x2-10,-5,C);text(x22-5,-5,D);subplot(3,1,3)plot(zcr);axis(1 length(zcr) 0 max(zcr)title(过零率,fontsize,17);xlabel(帧数); ylabel(ZCR);line(x3 x3, min(zcr),max(zcr), Color, red); %画竖线line(x33 x33, min(zcr),max(zcr), Color, red); %line(1 length(zcr), T3,

10、T3, Color, red, linestyle, :); %画横线text(x3-10,-3,E起点); %标写E、Ftext(x33-40,-3,F终点);运行结果与分析：x1 = 650， x11 = 734，x2 = 646，x22 = 752，x3 = 643，x33 = 763得出的值x3x2 x1 x11 x220.08&indLF %求基因周期basic_T=(LF+ind)/fs; %由点转化为毫秒，即基音周期elsebasic_T=0;endfprintf(基因周期=%dn,basic_T); % basic_T所求基因周期%画图subplot(2,1,1);plot(f

11、rame);axis(1 frameSize -1*10.(-3) 1*10.(-3)title(某个加窗信号);subplot(2,1,2);plot(cepstrum);axis(1 ylen/2 -5 5)title(倒谱图);运行结果与分析： 1、 根据倒谱图可以看出信号没有周期性，应该是清音，所有求出的结果为第一个峰值位置，即0，则基音周期为0/8000s=0，结果基本符合。2、 从自相关函数图中也可以看出在0点峰值最高。3、 总觉得“自相关函数”、“倒谱”、“分帧”、“基音周期”等概念有些弄不清楚五、 心得体会：1、开始frame2 = frame.*(hamming(frameSize);总是出现Matrix dimensions must agree的错误。后来找资料发现把语音的双声道改成单声道就可以了。我想会不会是单声道是把相关的所有音频信号压缩后，用一种音轨播放的，而双声道是把相关的所有音频信号压缩后，把音频分高音音轨和低音音轨分别用两个音轨播放的，有两个声道的缘故，所以虽然双声道的frameSize打印出来时与单声道的一样，而实际上比单声道大，导