东方红音乐合成

1、附录：实验一：合成东方红的前四小节计算各乐音的频率用幅度为1，抽样频率为8kHz的正弦信号表示乐音用sound函数播放对音乐进行修正（谐波、包络、升降调）1、 计算各乐音的频率：东方红前四小节的曲谱如下图：.则通过比对下面规则：可得出频率依次为：C=523.25；C= 523.25；D= 587.33；G=392；F=349.23；F=349.23；D/2=293.66；G=392 每小节有两拍，一拍的时间是0.5s，因此各乐音的持续时间为：乐音55621162时间0.50.250.2510.50.250.2512、 根据2、3实验要求：用幅度为1，抽样频率为8kHz的正弦信号表示乐音；用so

2、und函数播放。编写得到如下程序：clear all;clc;close all;T=1/8000;F=349.23;G=392;A=440;B=493.88;C=523.25;D=587.33;E=659.25; mm=C C D G F F D/2 G C C D 2*F D C F F D/2 G C G F E/2 D/2 C/2 C G A G F F D/2 G ;ml=1 0.5 0.5 2 1 0.5 0.5 2 1 1 0.5 0.5 0.5 0.5 1 0.5 0.5 2 1 1 1 0.5 0.5 1 1 1 0.5 0.5 1 0.5 0.5 0.5 0.5 0.5 0

3、.5 0.5 0.5 0.5 0.5 2;l=zeros(1,32);for n=2:32 l(n)=l(n-1)+ml(n-1);endDFH=zeros(1,32/T);for n=1:32; t=0:T:ml(n)/2-T; z=sin(2*pi*mm(n)*t); DFH(1,(l(n)/2/T+1):(l(n)/2/T+ml(n)/2/T)=DFH(1,(l(n)/2/T+1):(l(n)/2/T+ml(n)/2/T)+z;endsound(DFH);plot(DFH);axis(15000,18000,-1.5,1.5)播放的音乐比较生硬没有连续过渡感，与自然音乐差别极大。分析音乐

4、的频谱可得到如下图：整个时域的波形图：部分时域的波形图：3、 根据实验要求4：对音乐进行修正（谐波、包络、升降调）对已编写的程序进行完善：升调：在末尾修改为：DFHh1=resample(DFH,100,106);DFHh2=resample(DFHh1,100,106);DFHh3=resample(DFHh2,100,106); sound(DFHh3);plot(DFHh3);axis(15000,18000,-1.5,1.5);升调之后，可看到对频谱影响不大，只有部分频率的幅值增加，但是音乐的整体音调上升了许多。加入谐波，程序如下：clear all;clc;close all;T=1

5、/8000;F=349.23;G=392;A=440;B=493.88;C=523.25;D=587.33;H=293.66,E=659.25; mm=C C D G F F D/2 G C C D 2*F D C F F D/2 G C G F E/2 D/2 C/2 C G A G F F D/2 G ;ml=1 0.5 0.5 2 1 0.5 0.5 2 1 1 0.5 0.5 0.5 0.5 1 0.5 0.5 2 1 1 1 0.5 0.5 1 1 1 0.5 0.5 1 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 2;l=zeros(1,32);

6、for n=2:32 l(n)=l(n-1)+ml(n-1);endDFH=zeros(1,32/T);for n=1:32; t=0:T:ml(n)/2-T; z0=0.8*sin(2*pi*mm(n)*t); z1=0.2*sin(4*pi*mm(n)*t); z2=0.1*sin(8*pi*mm(n)*t); z3=0.05*sin(12*pi*mm(n)*t); z4=0.01*sin(20*pi*mm(n)*t); z=z0+z1+z2+z3+z4;DFH(1,(l(n)/2/T+1):(l(n)/2/T+ml(n)/2/T)=DFH(1,(l(n)/2/T+1):(l(n)/2/T

7、+ml(n)/2/T)+z.*exp(-3*t);endDFHl1=resample(DFH,106,100);sound(DFHl1);plot(DFHl1);axis(15000,18000,-1.5,1.5);加入谐波后，频谱的波形中各个音调较为明显，且音调之间都有包络，过渡，合成的音乐更加柔和有节奏，贴近自然声音。部分时间的波形：这部分频谱可看到在音调过渡上的细节，相比未经处理的音乐，更加贴切自然音乐的频谱。实验二、用傅里叶变换分析音乐Guitar.mat1、载入文件Guitar.mat，分析wave2proc是怎么由realwave得到的。利用load Guitar.mat;载入并用

8、plot函数将realwave、wave2proc分别画出，得到以下两幅图：源程序如下：clear all;clc;close all;load Guitar.mat;wave=resample(realwave,100,243); w=zeros(1,10);for i=1:10 for k=0:9 w(i)=w(i)+wave(10*k+i); endendw=w/10; wave2=repmat(w,1,10); wave2=resample(wave2,243,100);plot(wave2);xlabel('realwave');figure;plot(wave2pr

9、oc);xlabel('wave2proc');可以看到，wave2proc比realwave的周期性好得多，去掉了非线性谐波和噪声。在时域做，从图上可以看到，realwave的数据大约是10个周期的共243个数据，因此可以用resample函数对realwave进行重新采样，将采样点提高到250个，那么重采样后每个周期有25个点，将这25个点对应相加求平均值后得到一个周期的值，然后将两个图像重叠显示比较：源程序画图部分改为：clear all;clc;close all;clear;clc;load Guitar.mat;wave=resample(realwave,250,

10、243); w=zeros(1,25);for i=1:25 for k=0:9 w(i)=w(i)+wave(25*k+i); endendw=w/10; wave2=repmat(w,1,10); wave2=resample(wave2,243,250); hold on,plot(wave2,'r'),hold off; hold on,plot(wave2proc); title('comparision')；由图可知，当提高采样率的时候，两种方法画出的图吻合得很好。2、分析wave2proc的基波和谐波利用已经学习过的MATLAB中的快速傅里叶变换函数fft；写得如下程序：clear all;clc;close all;load Guitar.mat;fs=8000; NFFT = 2nextpow2(length(wave2proc); Y = fft(wave2proc,NFFT)/length(wa