数字语音信号处理实验指导书(学生用)

数字语音信号处理

实验指导书(学生用）

前言

语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴的学科，是目前发展最为迅速的信息科学研究领域的核心技术之一。通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息形式。同时，语言也是人与机器之间进行通信的重要工具，它是一种理想的人机通信方式，因而可为信息处理系统建立良好的人机交互环境，进一步推动计算机和其他智能机器的应用，提高社会的信息化程度。

语音信号处理是一门新兴的学科，同时又是综合性的多学科领域和涉及面很广的交叉学科。虽然从事这一领域研究的人员主要来自信号与信息处理及计算机应用等学科，但是它与语音学、语言学、声学、认知科学、生理学、心理学等许多学科也有非常密切的联系。

20世纪60年代中期形成的一系列数字信号处理的理论和算法，如数字滤波器、快速傅立叶变换（FFT）等是语音信号数字处理的理论和技术基础。随着信息科学技术的飞速发展，语音信号处理取得了重大的进展：进入70年代之后，提出了用于语音信号的信息压缩和特征提取的线性预测技术（LPC），并已成为语音信号处理最强有力的工具，广泛应用于语音信号的分析、合成及各个应用领域，以及用于输入语音与参考样本之间时间匹配的动态规划方法；80年代初一种新的基于聚类分析的高效数据压缩技术—矢量量化（VQ）应用于语音信号处理中；而用隐马尔可夫模型（HMM）描述语音信号过程的产生是80年代语音信号处理技术的重大发展，目前HMM已构成了现代语音识别研究的重要基石。近年来人工神经网络(ANN)的研究取得了迅速发展，语音信号处理的各项课题是促进其发展的重要动力之一，同时，它的许多成果也体现在有关语音信号处理的各项技术之中。

要求：

1、用自己的手机录音“我是贵州大学科学院XX级XX专业的学生，名叫XXX，男（女），毕业于XX省XX市（县）XX中学。

2、在实验报告中要注明手机品牌，录音的采样频率：单（双）声道

3、每个人实验报告只能处理自己的录音作为输入，实验报告采用电子文档提交，不接收纸质报告，附录音记录——切记！！！！！。第一、二个实验第十周上课交。

实验一 基于MATLAB的语音信号时域特征分析

一、实验目的

语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在与方便有效的提取并表示语音信号所携带的信息。语音信号分析可以分为时域和变换域等处理方法，其中时域分析是最简单的方法，直接对语音信号的时域波形进行分析，提取的特征参数主要有语音的短时能量，短时平均过零率，短时自相关函数等。

本实验要求掌握时域特征分析原理，并利用已学知识，编写程序求解语音信号的短时过零率、短时能量、短时自相关特征，分析实验结果，并能掌握借助时域分析方法所求得的参数分析语音信号的基音周期及共振峰。

二、实验原理及实验结果

1.窗口的选择

通过对发声机理的认识，语音信号可以认为是短时平稳的。在5~50ms的范围内，语音频谱特性和一些物理特性参数基本保持不变。我们将每个短时的语音称为一个分析帧。一般帧长取10~30ms。我们采用一个长度有限的窗函数来截取语音信号形成分析帧。通常会采用矩形窗和汉明窗。图1.1给出了这两种窗函数在帧长N=50时的时域波形。

矩形窗

21.8

1.61.41.2

10.9

0.80.70.6

hanming窗

w（n）

10.80.60.40.2

w（n）

20

sample

40

60

0.50.40.30.20.1

020

sample

4060

图1.1 矩形窗和Hamming窗的时域波形

矩形窗的定义：一个N点的矩形窗函数定义为如下

w(n)

1,0 n N0,其他

hamming窗的定义：一个N点的hamming窗函数定义为如下

0.54 0.46cos(2

w(n)= 0,其他

nN 1

),0 n N

这两种窗函数都有低通特性，通过分析这两种窗的频率响应幅度特性可以发现（如图1.2）：矩形窗的主瓣宽度小（4*pi/N），具有较高的频率分辨率，旁瓣峰值大（-13.3dB），会导致泄漏现象；汉明窗的主瓣宽8*pi/N，旁瓣峰值低（-42.7dB），可以有效的克服泄漏现象，具有更平滑的低通特性。因此在语音频谱分析时常使用汉明窗，在计算短时能量和平均幅度时通常用矩形窗。表1.1对比了这两种窗函数的主瓣宽度和旁瓣峰值。

矩形窗频率响应

0-20

幅度/dB

-40-60-80

00.10.20.3

0.40.50.6

归一化频率(f/fs)Hamming窗频率响应

0.70.80.91

幅度/dB

-50

-100

00.10.20.3

0.40.50.6归一化频率(f/fs)

0.70.80.91

图1.2 矩形窗和Hamming窗的频率响应

表1.1 矩形窗和hamming窗的主瓣宽度和旁瓣峰值

2.短时能量

由于语音信号的能量随时间变化，清音和浊音之间的能量差别相当显著。因此对语音的短时能量进行分析，可以描述语音的这种特征变化情况。定义短时能量为：

n

En

m

[x(m)w(n m)]

2

m n N 1

[x(m)w(n m)]

2

，其中N为窗长

特殊地，当采用矩形窗时，可简化为：

En

m

x(m)

2

图1.3和图1.4给出了不同矩形窗和hamming窗长的短时能量函数，我们发现：在用短时能量反映语音信号的幅度变化时，不同的窗函数以及相应窗的长短均有影响。hamming窗的效果比矩形窗略好。但是，窗的长短影响起决定性作用。窗过大（N 很大），等效于很窄的低通滤波器，不能反映幅度En的变化；窗过小（ N 很小），短时能量随时间急剧变化，不能得到平滑的能量函数。在11.025kHz左右的采样频率下，N 选为100~200比较合适。

短时能量函数的应用:1）可用于区分清音段与浊音段。En值大对应于浊音段，En值小对应于清音段。2）可用于区分浊音变为清音或清音变为浊音的时间（根据En值的变化趋势）。3）对高信噪比的语音信号，也可以用来区分有无语音（语音信号的开始点或终止点）。无信号（或仅有噪声能量）时，En值很小，有语音信号时，能量显著增大。

采样幅度

sample

2000

4000

6000

8000sample

10000

12000

14000

16000

18000

2000

4000

6000

8000

sample

10000

12000

14000

16000

18000

sample

2000

4000

6000

8000sample

10000

12000

14000

16000

18000sample

采样幅度

sample

sample

2000

4000

6000

8000sample

10000

12000

14000

16000

18000

2000

4000

6000

8000sample

10000

12000

14000

16000

18000

2000

4000

6000

8000sample

10000

12000

14000

16000…… 此处隐藏：2658字，全部文档内容请下载后查看。喜欢就下载吧 ……