《语音信号处理》上机实验指导书

北京信息科技大学《语音信号处理》李红莲 编光电信息与通信工程学院2023年二月5目 录TOC\o“1-2“\h\z\u\l“_TOC_250013“试验一语音信号的时域特征与频域特征 3\l“_TOC_250012“一试验目的 3\l“_TOC_250011“二、试验内容 3\l“_TOC_250010“三试验原理 3\l“_TOC_250009“四、试验方法与试验步骤 3\l“_TOC_250008“五、思考题 4\l“_TOC_250007“六、试验报告要求 4\l“_TOC_250006“试验二语音信号的根本参数提取与矢量量化 5\l“_TOC_250005“一试验目的 5\l“_TOC_250004“二、试验内容 5\l“_TOC_250003“三试验原理 5\l“_TOC_250002“四、试验方法与试验步骤 5\l“_TOC_250001“五、思考题 6\l“_TOC_250000“六、试验报告要求 7试验一：语音信号的时域特征与频域特征试验工程：语音信号的时域特征与频域特征试验工程性质：验证性试验打算学时：4学时一、试验目的使学生通过本试验观看语音信号在时域和频域的根本特征〔语音波形、基音频率、过零数、共振峰中记录每个元音的基音周期、过零数、共振峰等环节生疏这些语音的根本特征，为今后深入学习语音信号处理奠定根底。二、试验内容学习音频编辑软件CoolEdit的使用方法及语音文件的建立；采集语音数据；观看语音波形；记录每个元音的基音周期〔其倒数为基音频率、过零数、共振峰；观看语音频域特征；分析不同元音的共振峰模式的特点〔频率、相对振幅。三、试验原理元音与辅音在发音方法有如下根本区分：发元音时气流顺当通过声腔，声带抖动，形成的声波是周期性的；发辅音时气流临时被阻不能通过或只能牵强挤出去。元音具有基音与共振峰构造，辅音则不具有这两者。基音由声带振动频率产生，打算语音的音高、音调。在语音波形中表现为准周期峰值。共振峰是语音频谱上的强频区，表现为频谱上呈峰状。共振峰由声腔外形的变化打算，不同的声腔外形有不同的固有频率，产生不同的共振峰模式。每个元音有特定的共振峰模式。四、试验方法与试验步骤〔一〕音频编辑软件CoolEdit①点击桌面上“cooledit”图标，选不同项可激活cooledit②filnew8KHmon8bi②点击“Record”录音，将录音存成“.wav”文件。③点击菜单中“View”中的“SpectralView”可观看语谱图。④点击菜单中“Analyze”中的“FrequenceAnalysis”可分析频谱。⑤点击菜单中“Effects”中的“Amplitude”可转变幅度。其它菜单功能可通过点击试验生疏。〔二〕观看语音时域特征E盘或D①iua.wae.wa“u.wa”文件，存在本人的文件夹中。②利用CoolEdit③元音波形中的准周期构造与声带振动频率对应，其周期称为“基音周期〔其倒数为基音频率，利用CoolEdit后部的各一个基音周期。④记录每个元音的任意一个基音周期中的过零数。⑤共振峰是语音频谱的峰状区域，利用CoolEdit每个元音的前三个共振峰的数值。〔三〕观看语音频域特征对你发的【aieu】这四个元音中每一个元音，分别选取稳定段的256个抽样，利用Matlab的FFTsubplot出图形。局部参考程序如下y=wavread(”e.wav”);t=1:length(y)y2=wavread(”e.wav”,[40004512]);y2F=fft(y2);subplot(3,1,1)plot(t,y,”-b”,4000,[0.2:0.005:0.4],”-r”,4512,[0.2:0.005:0.4],”-r”)subplot(3,1,2)plot(y2);gridonsubplot(3,1,3)plot(log(abs(y2F)));gridon五、思考题共振峰与语音波形有什么相关之处？基音周期与音调的凹凸有什么对应关系？六、试验报告要求简述试验目的、试验原理和试验任务；逐个说明本人所发的【aieu】这四个元音的基音频率、稳定段的256个抽样的过零数及共振峰。设计适当的表格，包括发音人姓名、发的哪一个元音，将记录下来的基音频率、过零数、共振峰以表格的形式列出。分析不同元音的共振峰模式的特点〔频率、相对振幅。对你发的【aieu】这四个元音中每一个元音，分别选取稳定段的256个抽样，利用Matlab的FFT收获与体会。试验二：语音信号的根本参数提取与矢量量化试验工程：语音信号的根本参数提取与矢量量化试验工程性质：综合性试验打算学时：4学时一、试验目的使学生通过本试验把握提取并观看线性推想系数lp、倒频谱ce、反射系数k〕等几种常用的语音参数；生疏特征矢量、矢量形成、矢量空间、区域边界、距离测度、码本、聚类等概念，加深理解矢量量化〔VQ〕的原理；把握根本的VQ实现方法，为进一步把握语音识别等实际应用技术奠定根底。二、试验内容 利用Matlab对元音提取并观看线性推想系数lpc、倒频谱ce、反射系数k〕种常用的语音参数。比照不同元音之间的参数。比较标量量化与矢量量化的异同点，生疏特征矢量、矢量形成、矢量空间、区域边界、距离测度、码本、聚类等概念，加深理解矢量量化〔VQ〕的原理。通过编程实现简洁的VQ过程，把握根本的VQ实现方法。三、试验原理线性推想系数lp、倒频谱ce、反射系数〕征矢量，矢量量化的码本中的码字就是由特征矢量构成的；矢量量化是将假设干个标量数据构成一个矢量，然后在矢量空间中给以整体量化；MP个参数构成一个特征矢量；②将语音信号的每一帧提取与码本中的码字一样形式的由P个参数构成的特征矢量；③将输入信号的特征矢量与码本中的每一个码字相比较并被量化为‘距离’最小的码字的矢量值，将该码字的下标〔标号〕作为输出。在本试验中码本是给定的。矢量量化的原理框图：码本Y码本Yj(j=1,2,...矢量形成XYj min=min-1d(X,Y)j码本Yj(j=1,2,...Yjmin1矢量量化的原理框图四、试验方法与试验步骤语音参数提取参考如下程序，利用Matlab编程对每个元音提取并观看线性推想系数lpc、倒频谱〔cep、反射系数〕便于观看与比照不同元音之间参数的图形。xa=wavread(”a.wav”,[501756]);ca=rceps(xa)提取倒频谱〔cep〕[aa,ea,ka]=aryule(xa,8)提取反射系数〔k〕aa2=lpc(xa,8)提取线性推想系数〔lpc〕subplot(4,4,1);plot(xa)subplot(4,4,2);plot(ca)subplot(4,4,3);bar(aa)本试验中给定的矢量量化的码本本试验中给定的矢量量化的码本有4〔LPC参数分析阶数P＝8，码字矢量维数K＝9，给定码本中的码字如下：Y＝〔a1 0

,a,a1

,a,a3

,a,a,a,a5 6 7

〕＝Ya=(1,-1.77891,1.43475,-0.87491,0.51574,-0.35793,0.25688,0.22895,-0.27550)Y＝〔a2 0

,a,a1

,a,a3

,a,a,a,a5 6 7

〕＝Ye=(1,-1.74811,1.44779,-0.42867,-0.72046,0.43426,0.31352,-0.70315,0.50096)Y＝〔a3 0

,a,a1

,a,a3

,a,a,a,a5 6 7

〕＝Yi=(1,-1.88931,1.68912,-1.20478,0.72695,-0.81863,1.14223,-0.920350.33845)Y＝〔a4 0

,a,a1

,a,a3

,a,a,a,a5 6 7

〕＝Yu=(1,-1.97814,1.40744,-0.52973,0.10981,-0.68175,1.37006,-0.87356,0.20293)发【ia.wa“i.wae.wa“u.waYINS’中。YINS’中每个语音取一段提取8阶线性推想系数LPC参数矢量。承受欧氏距离〔d=sum((a-b).^2，对文件夹‘YINSU录每个音素与码本中各个码字的距离与量化结果。承受最大似然比失真测度，对文件夹‘YINSU’中每个音素进展矢量量化。记录每个音素与码本中各个码字的距离与量化