生产实习任务书2016

《生产实习任务书2016》由会员分享，可在线阅读，更多相关《生产实习任务书2016（28页珍藏版）》请在装配图网上搜索。

1、语音信号处理 MATLAB 实验目录实验一 语音信号预处理1实验二 基于语音短时时域分析的应用2一、端点检测2二、基音周期估计6实验三 语音信号频域特征分析13实验四 语音信号线性预测分析17实验五 谱减法语音增强方法研究21实验一 语音信号预处理1.实验目的掌握语音信号的预处理方法，包括对信号进行预加重，分帧、加窗、输入输出方法，语 谱图等。熟悉语音信号处理中常用的 MATLAB 命令。2. 实验原理由于语音信号从整体上来看是一个非平稳过程，但是在一个短的时间内，其特性保持相 对不变，所以语音信号具有短时平稳性，对语音信号的分析和处理必须建立在“短时”的基 础上，将信号分为一段来分析其特征参

2、数。人发音时存在口唇的辐射效应，口唇的辐射模型相当于一阶高通滤波器，所以在对实际 信号进行分析处理时，常用“预加重技术”，目的提升信号的高频部分，使信号的频谱更加平 坦，方便信号的分析。3. 实验过程(1) 读语音数据 wavread, load(2) 听语音sound(3) 写语音wavwrite对语音进行预加重(filter)H (z)二 1 - az-1一阶FIR高通数字滤波器，a为预加重系数，0.9vavl。 加噪声y = x + n(6) 对语音信号进行分帧处理(7) 加窗1 0 k M w(k)= 0其他w(k)二0,其他0.420.5*cos(2兀k / M) + 0.08*co

3、s(2兀k / M), 0 k Mw(k)二0,其他0.54 046*cos(2 兀 k /(M 1), 0 k M 输出信号画图及存储方法(plot, subplot, axis ,xlabel, title, wavwrite)(9)画频谱图specgram(signal, 512, 16000, hamming(512), 256)4. 实验结果实验二 基于语音短时时域分析的应用一、端点检测1. 实验目的在理解语音信号短时能量和短时过零率的基础上掌握基于语音短时时域分析的端点检测 方法。2. 实验原理在复杂的应用背景下，从信号流中分辨出语音信号和非语音信号，是语音处理的一个基 本问题。端

4、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。准确的端 点检测对于语音识别和语音编码系统都有重要的意义，它可以使采集的数据真正是语音信号 的数据，从而减少数据量和运算量并将少处理时间。判别语音段的起始点和终止点的问题主要归结为区别语音和噪声的问题。如果能够保证 系统的输入信噪比很高，那么只要计算输入信号的短时能量就基本能够把语音段和噪声背景 区别开来。但是，在实际应用中很难保证这么高的信噪比，仅仅根据能量来判断是比较粗糙 的。因此，还需要进一步利用短时平均过零率进行判断，因为清音和噪声的短时平均过零率 比背景噪声的平均过零率要高出好几倍，一般采用基音能量和过零率的语音端点检测方

5、法 两级判决法。A. 短时平均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：E = 艺x(m)w(n - m)2 = 工 x(m)w(n - m)2nm =-gm=n - N+1，其中 N 为窗长。可见，短时能量为一帧采样点值的加权平方和。特殊地，当采用矩形窗时， 可简化为：E = X x2(m)nm =g窗函数的选择直接影响着短时能量的计算。如窗长 N 很大，这样的窗等效为很窄的低通 滤波器，平滑作用非常显著，使得短时能量几乎没有多大变化，无法反映语音的时变特性。 反之，若 N 过小，那么窗

6、又不能提供足够的平滑，以至于语音振幅瞬时变化的许多细节仍然 被保留了下来，从而看不出振幅包络的变化规律。通常 N 的选择与语音的基音周期相联系， 一般要求窗长为几个基音周期的数量级。由于语音基音频率范围为50-500HZ，因此折中选择 帧长为 10-30ms。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 nn 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E值的变化趋势)。n3) 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，E值很小，有语音信号时，能量显著增大。nB. 短

7、时平均过零率过零率可以反映信号的频谱特性。当离散时间信号相邻两个样点的正负号相异时，我们 称之为“过零”，即此时信号的时间波形穿过了零电平的横轴。统计单位时间内样点值改变符 号的次数具可以得到平均过零率。定义短时平均过零率：Z 二兰 |sgn xm - sgn x(m - 1)| w(n - m)nm =g其中sgn为符号函数，sgn|x(n)| = ( 1，j0，在矩形窗条件下，可以简化为1, x(n) xl一 x x x llx xl一 x x x llx - xl(3) 基音周期估计的后处理语音信号中的浊音信号的周期性从波形上观察可以看得很明显，但是其形状比较复杂， 这使得基音检测算法很

8、难做到处处准确可靠。在提取基音的过程中，无论采用哪种提取的基 音频率轨迹与真实的基音频率轨迹都不可能完全吻合。实际情况是大部分段落吻合，而在一 些局部段落和区域中有一个或几个基音频率估计值偏离，甚至远离正常轨迹，通常是偏离到 正常值的 2 倍或 1/2 处，即实际基音频率的倍频或分频处，称这种偏离点为基音轨迹的“野 点”。八、 O为了去除这些“野点”，对求得的基音轨迹进行平滑后处理是非常必要的。语音信号的基 频通常是连续缓慢变化的，因此，用某种平滑技术来纠正这些野点是可以的。常用的平滑技 术主要有：中值滤波平滑处理、线性平滑、动态规划平滑处理。(a) 中值平滑处理中值平滑处理的基本原理是：设x

9、(n)为输入信号，y(n)为中值滤波器的输出，采用一滑动 窗，则n0处的输出值y(n0)就是将窗的中心移到n0处时窗内输入样点的中值。即在n0点的左 右各取L个样点。连同被平滑点共同构成一组信号采样值(共(2L+1),然后将这(2L+1) 个样值按大小次序排成一队，取此队列中的中间者作为平滑器的输出。L值一般取为1或2, 即中值平滑的窗口一般包括35个样值，称为 3点或 5点中值平滑。(b) 线性平滑处理线性平滑是用滑动窗进行线性滤波处理，即x(n 一 m)w(m)m=- L其中，w(m),m = L, L +1,0,1, 2,l为2L+1点平滑窗，满足芳 w(m) = 1m = L例如三点窗

10、的权值可取为(0.25， 0.5， 0.25)。线性平滑在纠正输入信号中不平滑样点值的同 时，也使附近各样点的值做了修改。所以窗的长度加大虽然可以增加平滑的效果，但是同时 也可能导致两个平滑段之间阶跃的模糊的程度加重。(c) 组合平滑处理为了改善平滑的效果可以将两个中值平滑串接，另一种方法是将中值平滑和线性平滑组 合。3. 实验过程(1) 分别求出语音信号清音帧和浊音帧的自相关函数(2) 求出中心削波后浊音的短时自相关函数(3) 求出三电平削波后浊音的短时自相关函数(4) 求短时平均幅度差函数(5) 利用短时能量进行简单的清浊判别(5) 利用短时自相关函数实现基音周期估计(分别求出男声和女生的

11、基音周期)(6) 利用短时平均幅度差函数实现基音周期估计(分别求出男声和女生的基音周期)4. 实验结果10-10 50100150 200 250延时k10-10 2040 6080 100 120100 10 2030延时k4050 60图 2.5 浊音信号的短时自相关函数-110.5-0.5阳MWvViwavj-10 200 400 600 800 1000 1200 1400 1600 1800 2000样点数0 200 400 600 800 1000 1200 1400 1600 1800 2000样点数图 2.6 中心削波前后语音波形图0 100 200 300 400 500 6

12、00延时 k0 100 200 300 400 500 600延时 k图 2.7 中心削波前后自相关函数波形图0 200 400 600 800 1000 1200 1400 1600 1800 2000样点数0 200 400 600 800 1000 1200 1400 1600 1800 2000样点数图 2.8 三电平削波前后语音波形图10.50-0.5100200400500600-10300延时 k0.5-0.50100200300400500600延时 k图 2.9 三电平削波前后自相关函数波形图250 3000.40.2-0.2-0.450100150200采样点1005010

13、0250 30000 50150 200延时k250050100150200图 2.11 原始语音波形图和短时能量0 50 100 150 200 250帧数0 50 100 150 200 250帧数图 2.12 一段男声的基音周期估计实验三 语音信号频域特征分析1. 实验目的傅里叶分析是分析线性系统和平稳信号稳态特性的强有力工具，它在许多工程领域得到 了广泛的应用。它理论完善，且有快速算法，在语音信号处理领域也是一个重要工具。由于语音信号是随着时间变化的，通常认为，语音是一个受准周期脉冲或随机噪声源激 励的线性系统的输出。输出频谱是声道系统频率响应与激励源频谱的乘积。声道系统的频率 响应及

14、激励源都是随时间变化的，因此一般标准的傅立叶表示虽然适用于周期及平稳随机信 号的表示，但不能直接用于语音信号。由于语音信号可以认为在短时间内，近似不变，因而 可以采用短时分析法。本实验要求掌握傅里叶分析原理，会利用已学的知识，编写程序估计短时谱、倒谱，画 出语谱图，并分析实验结果，在此基础上，借助频域分析方法所求得的参数分析语音信号的 基音周期。2. 实验原理(1) 短时傅立叶变换由于语音信号是短时平稳的随机信号，某一语音信号帧的短时傅立叶变换的定义为：X ( e w)= x( m) w(-n m) je m(3.1)nm= 8其中w(n-m)是实窗口函数序列，n表示某一语音信号帧。令n-m=

15、k,贝廿得到X ( ej w)= w( k )x(n k )j(ew n )k(3.2)nk =8于是可以得到X ( ej w )= e j wnw( k) x( n k) jew k(3.3)nk = 8假定X ( e w )=艺 w( k) xn k)谀(3.4)nk = 8贝可以得到X (ej w)= e- j Xn e j)w(3.5)nn同样，不同的窗口函数，将得到不同的傅立叶变换式的结果。由上式可见，短时傅立叶 变换有两个变量：n和e,所以它既是时序n的离散函数，又是角频率的连续函数。如令 二2 nk/N则得离散的短时傅立叶变换如下：(3.6)X”(ej2冗k/n )二 X”(k)

16、二 x(m)w(n m)e-j2kmin ,(0 k N 1)m=s(2) 语谱图水平方向是时间轴，垂直方向是频率轴，图上的灰度条纹代表各个时刻的语音短时谱。 语谱图反映了语音信号的动态频率特性，在语音分析中具有重要的实用价值。被成为可视语 言。语谱图的时间分辨率和频率分辨率是由窗函数的特性决定的。时间分辨率高，可以看出 时间波形的每个周期及共振峰随时间的变化，但频率分辨率低，不足以分辨由于激励所形成 的细微结构，称为宽带语谱图；而窄带语谱图正好与之相反。宽带语谱图可以获得较高的时间分辨率，反映频谱的快速时变过程；窄带语谱图可以获 得较高的频率分辨率，反映频谱的精细结构。两者相结合，可以提供带

17、两与语音特性相关的 信息。语谱图上因其不同的灰度，形成不同的纹路，称之为“声纹”。声纹因人而异，因此可 以在司法、安全等场合得到应用。(3) 复倒谱和倒谱复倒谱x(n)是x(n)的Z变换取对数后的逆Z变换，其表达式如下X 二 Z-iln Z x(n)(3.7)倒谱c(n)定义为x(n)取Z变换后的幅度对数的逆Z变换，即c(n) = z-ilnl X(z)1(3.8)在时域上，语音产生模型实际上是一个激励信号与声道冲激响应的卷积。对于浊音，激 励信号可以由周期脉冲序列表示；对于清音，激励信号可以由随机噪声序列表示。声道系统 相当于参数缓慢变化的零极点线性滤波器。这样经过同态处理后，语音信号的复倒

18、谱，激励 信号的复倒谱，声道系统的复倒谱之间满足下面的关系：(3.9)s( n)= e( n)v( n)由于倒谱对应于复倒谱的偶部，因此倒谱与复倒谱具有同样的特点，很容易知道语音信 号的倒谱，激励信号的倒谱以及声道系统的倒谱之间满足下面关系：(4.0)C (n) = C (n) + C (n)sev浊音信号的倒谱中存在着峰值，它的出现位置等于该语音段的基音周期，而清音的倒谱 中则不存在峰值。利用这个特点我们可以进行清浊音的判断，并且可以估计浊音的基音周期。(4) 基因周期估计浊音信号的倒谱中存在峰值，它的出现位置等于该语音段的基音周期，而清音的倒谱中则不存在峰值。利用倒谱的这个特点，我们可以进

19、行语音的清浊音判决，并且可以估计浊音 的基音周期。首先计算语音的倒谱，然后在可能出现的基因周期附近寻找峰值。如果倒谱峰 值超过了预先设置的门限，则输入语音判断为浊音，其峰值位置就是基因周期的估计值；反 之，如果没有超出门限的峰值的话，则输入语音为清音。3. 实验过程(1) 分别求出清音和浊音的频谱(2) 采用短时叠加法把短时傅里叶变换恢复到原始语音信号(3) 求出语音信号的倒谱(4) 利用浊音的倒谱进行基音检测4. 实验结果帧浊音0.2度幅0-0.20 100 200 300 400 500样点数0.05加汉明窗语音0.20度幅度幅0 100 200 300 400 5000-0.05加汉明窗

20、语音0 100 200 300 400 500样点数-0.2样点数2000 4000 6000 8000频 率 /Hz2000 4000 6000 8000频 率 /HzBd/ 度幅数对Bd/ 度幅数对图 3.1 加不同窗函数时的清浊音波形及频谱图0 0.5 1 1.5 2 2.5 3 3.50 0.5 1 1.5 2 2.5 3 3.5样 点 数 x 10 4图 3.2 短时综合的叠接相加法重构的语音0 100 200 300 400 500 600 700 800-400 -300 -200 -100 0 100 200 300 400 样点数图 3.3 浊音的倒谱10.5th度幅0-0.

21、5语音波形0.5 1 1.5 2 2.5 3050100 150 200 250300 350400 450 500样点数-250-200-150-100100150200250-50 0 50 样点数图 3.4 倒谱法求浊音的基音周期实验四 语音信号线性预测分析1. 实验目的线性预测分析是最有效的语音分析技术之一，在语音编码、语音合成、语音识别和说话 人识别等语音处理领域中得到了广泛的应用。语音线性预测的基本思想是：一个语音信号的 抽样值可以用过去若干个取样值的线性组合来逼近。通过使实际语音抽样值与线性预测抽样 值的均方误差达到最小，可以确定唯一的一组线性预测系数。采用线性预测分析不仅能够得

22、到语音信号的预测波形，而且能够提供一个非常好的声道 模型。如果将语音模型看作激励源通过一个线性时不变系统产生的输出，那么可以利用 LP 分析对声道参数进行估值，以少量低信息率的时变参数精确地描述语音波形及其频谱的性质。 此外，LP分析还能够对共振峰、功率谱等语音参数进行精确估计，LP分析得到的参数可以 作为语音识别的重要参数之一。由于语音是一种短时平稳信号，因此只能利用一段语音来估计模型参数。此时有两种方 案：一种是将长的语音序列加窗，然后对加窗语音进行 LP 分析，只要限定窗的长度就可以 保证分析的短时性，这种方案称为自相关法；另一种方案不对语音加窗，而是在计算均方预 测误差时限制其取和区间

23、，这样可以导出LP分析的自协方差法。本实验要求掌握LPC原理，会利用已学的知识，编写程序估计线性预测系数。2. 实验原理(1) LP 分析基本原理LP分析为线性时不变因果稳定系统V(z)建立一个全极点模型，并利用均方误差准则，对 已知的语音信号s(n)进行模型参数估计。如果利用 p 个取样值来进行预测，则称为 p 阶线性预测。假设用过去 p 个取样值 s(n-l),s(n- 2),. s( n- 的加权之和来预测信号当前取样值s(n)，则预测信号5(n)为s (n ) = 2 a s (n - i)i i=l其中加权系数用a.表示，称为预测系数，则预测误差为ie(n)=s(n)-s(n)= s

24、(n)-2 as(n-k) ii=l要使预测最佳，则要使短时平均预测误差最小有 = Ee2(n)=min(4.1)(4.2)(4.3)Qak=2E e(n)Qe(n)Qak=0, (1 k p)号)=-s(n 一 k), k = 1,2,pQak(4.4)(4.5)(4.5)带入(4.4)可得2E e(n)s(n k ) = 0,k = 1,2,p(4.6)式(4.6)表明预测误差与信号过去 p 个取样值是正交的，称为正交方程。将式(4.2)代入式(4.6) 得E e(n) s (n k )= Es(n)s(n k)a s(n-i)s(n k) = 0, k = 1,2, ,p(4.7)ii=

25、1令s(n)的自相关序列为R (k )= E s(n )s(n - k )(4.8)由于自相关序列为偶对称，因此R (k ) = R(k) = E s (n )s(n + k )(4.9)式(4.7)可进一步表示为R(kaR(k i)= 0, k = 1,2, ,p(4.10)ii=1式(4.10)称为标准方程式，它表明只要语音信号是已知的，则p个预测系数a, a,a通过求12p解该方程即可得到。综上所述，可以得到如下矩阵形式_ R (0 )R (1)R(1)R (0)-R (P 1)_ R (P - 2 )a1a2-R(1)_R(4.11)_ R (P -1)R(P2) -R (0)_ap_

26、 R( p) _值得注意的是，自相关法在计算预测误差时，数据段s(0),s(1),.s(n-1)的两端都需要加P 个零取样值，因而可造成谱估计失真。特别是在短数据段的情况下，这一现实更为严重。 另外，当预测系数量化时，有可能造成实际系统的不稳定。自相关解法主要有杜宾算法、格型算法和舒尔算法等几种高效递推算法。LPC方程的自相关解法根据线性预测分析的原理可知，求解 p 个线性预测系数的依据，是预测误差滤波器的输出均方值或输出功率最小。E = E p可称这一最小均方误差为正向预测误差功率 Ep=E e(n)s (n)-另 a s(n i)ii=1=E e(n) s(n)另 a E e(n) s (

27、n i)ii=1(4.12)由式(4.6)正交方程可知上式第二项为零。再将式(4.2)代人上式可得ii=1E = E e(n) s(n)= E s (n) s (n) -X a E s (n)s(n - i)(4.13)p=R(0)刀aR(i)i将式(4.11)和式(4.13)组合起来可得R (0 )R(1)- R( p)-1 _E 一R (1)R(0)-R (P -1)-a1p0R(2)R(1) R (P - 2 )1-a2=0_ R( p)R(p-1) -R(0) _-ap_ 0 _i=1(4.14)式(4.14)方程的系数矩阵元素是对称的，且沿着任一主对角线平行的斜对角线上的所有元素相等

28、，系数矩阵大小为p x p，这样的矩阵称为Toeplitz矩阵。式(4.4)称为yule-Walker方程,其中的R(p)为根据式(4.8)确定的待分析语音信号s(n)的自相关序列。为了简化计算，可根据 语音信号的短时平稳特性将语音信号分帧，每帧取10ms-30ms。这样自相关序列R(k)可用下(4.15)式估计R(k)= Es(n)s(n k) = X s(n)s(n一k)nn由低阶到高阶逐阶递推计算。其递推过程如下：利用对称Toeplitz矩阵的性质，自相关法求解式(14)可用levinson-Durbin递推算法求解。 该算法从最低阶预测器开始r(i) - X a(i-1)r(i j)j

29、j=1E , 1 i p(i-1)(4.16)E 二 r(0)(0)(4.17)E = (1-k 2) Eii(i-1)(4.18)a (i) = kii(4.19)a(i) =a(i-1) -ka(i-1), 1 j i-1 jji i-j(4.20)式(4.16)至式(4.20)可对i二1,2,p进行递推求解，其最终解为a = a(p), 1 j pjj(4.21)在上面的一组式子中，i表示预测器阶数，如a(i)表示i阶预测器的第j个预测系数。对于jp阶预测器，在上述求解预测系数的过程中，阶数低于p的各阶预测器系数也同时得到。自相关法的优点是教简单且结果较稳定，缺点是由于两端的截断效应而精

30、度较低。3. 实验过程(1) 用 Levinsin-Durbin 算法求解 LP 系数，并与 Matlab 直接求得 LPC 比较(2) 比较预测信号与原始信号的时域波形和幅度谱4. 实验结果图 4.1 时域波形比较图 4.2 幅度谱比较实验五 谱减法语音增强方法研究1. 实验目的语音信号在实际环境中，不可避免的受到外界环境的影响，使得语音质量下降。语音增强 的目的是尽可能从带噪语音中提取尽可能纯净的语音，从而增强语音的质量和可懂度。语音 增强方法有很多，最简单和常用的方法是谱减法。本实验的目的是掌握谱减法的基本原理， 并能用MATLAB实现。2. 实验原理谱减法是利用噪声的统计平稳特性以及加

31、性噪声与语音不相关的特点而提出的一种语音 增强方法。这种方法没有使用参考噪声源，但它假设噪声是统计平稳的，即有语音期间噪声 幅度谱的期望值与无语音间隙噪声的幅度谱的期望值相等。用无语音间隙测量计算得到的噪 声频谱的估计值取代有语音期间噪声的频谱，与含噪语音频谱相减，得到语音频谱的估计值。 当上述值得到负的幅度值时，将其置零。由于人耳对语音的感知主要是通过语音信号中各频 谱分量幅度获得的，对各分量的相位不敏感。因此，此类语音增强方法将估计的对象放在短 时谱幅度上。假设带噪信号为y(n) = s(n) + d(n), 0 n N 一 1(5.1)其中，s(n)为纯净语音，d(n)为平稳加性噪声。y

32、(n)通常需要加窗处理来消除分帧时带来的 截断效应。假设傅里叶系数之间互不相关。设y(n)的傅里叶变换为Y = |Y |exp(fi )，s(n)的 k kk傅里叶变换为S = IS |exp(jd )，d(n)的傅里叶变换N，则有k I k IkkY = S + N(5.2)k k k由此可得Y I2 二 |S I2 + |N I2 + S N* + S*N(5.3)kkkk k k k由于s(n)和d(n)相互独立，所以S和N相互独立，而N为零均值的高斯分布，所以有kkkE(|Y I2)二 E(|S 2) + E(|N 2)(5.4)kkk对于一个分析帧内的短时平稳过程，有Y |2 二 |

33、S |2 +九(k)(5.5)kkn九(k)为无语音时|N |2的统计平均值，由此可得原始语音的估计值nkS = Y |2-九(k)卩2(5.6)kkn这里S是增强后的语音信号的幅度。k定义GkSkYk及后验信噪比YkY 2屮，式(6)可改写为入(k)n(5.7)(5.8)0-100.5始 语 音 波 形1,1.52.53 3.5x 10 40-100.51.52.53 3.5x 10 40-10强语 音波 形十叱fy匕尹粉f.州0.51.52.53 3.5x 10 4G 二(1 1丫 )1/2k k式(8)中当Y小于1时，将失去意义。因此，将式(5.8)式改写为 kG 二 max(6(1 1

34、/ 丫)1/2)(5.9)kk其中，是个大于零的常数。谱减法在频域将带噪语音的功率谱减去噪声的功率谱得到纯净语音功率谱估计，开方后 就得到语音幅度谱估计，用带噪语音的相位来近似纯净语音的相位，再采用反傅里叶变换恢 复时域信号。3. 实验过程(1) 根据原理求出增强后的语音，并对比时域波形图(2) 求输入信噪比和输出信噪比(3) 输出*.wav格式，对比增强前后的语音声音(4) 求纯净语音，带噪语音和增强语音的语谱图4. 实验结果图 5.1 时域波形图8000700060005000400030002000100000000000000000000000007 6 5 4 3 2 1ycneuqe0.20.40.60.81.2.4.6.82T ime图5.3tJ0.20.40.60.8.2.4.82T ime图5.4带噪语音信号语谱图增强后语音信号语谱图080007000600050004000300020001000024