语音信号分析

《语音信号分析》由会员分享，可在线阅读，更多相关《语音信号分析（9页珍藏版）》请在装配图网上搜索。

1、武汉大学教学实验报告电子信息学院 电子信息科学与技术专业 212年12月11日 实验名称 语音信号 指导教师 卜芳龄姓名 殷振平 年级2010级 学号 2010301200012 成绩 一、 预习部分1. 实验目的2. 实验基本原理3. 主要仪器设备（含必要的元器件、工具）一、实验目的1 通过对语音信号的分析，了解各种语音信号的频谱2 熟悉matlab中各种关于频谱分析的函数3 通过设计滤波器对语音信号的分析，了解各种滤波器的设计方法和滤波器对语音信号的时域影响4二、实验原理数字滤波是数字信号处理的重要基础，数字信号处理主要是研究用数字或符号的序列来表示信号波形，并用数字的方式去处理这些序列，

2、把它们改变成在某种意义上更希望的形式，以便估计信号的特征参量，或削弱信号中的多余分量和增强信号中的有用分量。数字滤波器在对信号的过滤、检测与参数估计等处理过程中，是使用最为广泛的一种线性系统。 数字滤波器（Digital Filter，简称为DF）是指完成信号滤波处理功能的、用有限精度算法实现的离散时间线性非时变系统。数字滤波器的数学运算通常有两种实现方式。一种是频域法，即利用FFT快速运算办法对输入信号进行离散傅立叶变换，分析其频谱，然后根据希望的频率特性进行滤波，再利用傅立叶反变换恢复出时域信号。这种方法具有较好的频域选择特性和灵活性，并且由于信号频率与所希望的频谱特性是简单的相乘关系，所

3、以它比计算等价的时域卷积要快得多。另一种方法是时域法，这种方法是通过对离散抽样数据作差分数学运算来达到滤波目的的。 本次设计数字滤波器以matlab中的fdatool工具箱为基础，并不着眼于滤波器的设计过程。 关于fdatool工具箱是集成了matlab中几乎所有关于滤波器设计函数的可视化界面系统，使用fdatool只需在对话框中输入所需滤波器种类和指标大小，fdatool便可以调用matlab内部的函数完成相关设计，并返回设计好滤波器的分子分母系数。使用时利用这些返回系数即可完成滤波过程。 对于特定的语音信号都有其特定的频谱特性，比如人的语音信号一般集中在1500Hz以内，而在其外的部分的能

4、量相对于主部的能量可以忽略不计。所以对于频率高于1500Hz的噪声，可以通过设计一截止频率为1500Hz的低通滤波器对加油此噪音信号的混合信号进行滤波即可分离出人的语音信号。三、需要掌握的MATLAB函数1、wavread功能：读取Microsoft的WAVE文件。基本调用格式：y, Fs, nbits = wavread(filename) 载入以filename命名的WAVE文件。y为采样数据，Fs为WAVE文件被采样时所用的采样频率，nbits为用于描述每个采样点的编码数据位数（常用的有8bits和16bits）。其中filename以单引号括起的字符串方式输入。2、 fft功能：离散傅

5、立叶变换函数。基本调用格式：Y = fft(X,n)对矢量X进行n点离散傅立叶变换，结果存入矢量Y。计算时所用算法为快速傅立叶变换（FFT）。如果X为普通矩阵，那么返回为对此矩阵进行逐列的FFT的结果。二、 实验操作部分1. 实验数据、表格及数据处理2. 实验操作过程（可用图表示）3. 实验结论四、实验内容通过wavread函数读入原始信号：clear all;close all;%*%原始信号频谱分析%*%y,fs,nbits=wavread(vol1.wav);y1=y(:,1);T=1/fs;L=length(y1);t=(0:(L-1)*T;h0=figure(1);set(h0,na

6、me,原始语音信号);subplot(2,1,1);plot(t,y1);title(y(t);xlabel(time/s);NFFT=2nextpow2(L);%pause;%sound(y1,fs,nbits)Y = fft(y1,NFFT)/L;f = fs/2*linspace(0,1,NFFT/2+1);subplot(2,1,2);plot(f,2*abs(Y(1:NFFT/2+1);title(Amplitudes);xlabel(Frequency (Hz);ylabel(|Y(f)|);axis(0 2000 0 0.03);然后加入1600Hz单频的噪音信号 sin(2*p

7、i*1600*t);%加入噪声% h1=figure(2); set(h1,name,加入单频噪声的信号); noise=1*sin(2*pi*1600*t); y_mixed=y1+noise; subplot(2,1,1); plot(t,y_mixed); title(y(t); xlabel(time/s); %pause; %sound(y_mixed,fs,nbits) Ys_mixed = fft(y_mixed,NFFT)/L; subplot(2,1,2); plot(f,2*abs(Ys_mixed(1:NFFT/2+1); title(Amplitudes); xlabe

8、l(Frequency (Hz);ylabel(|Y(f)|);axis(0 2000 0 0.03);利用fdatool设计截止频率为1600Hz的低通窗函数数字滤波器将设计结果保存在workspace中并存到filter_lowpass_1600文件中，需要时读取即可。进行数字滤波：%进行滤波%load filter_lowpass_1600;y_filter=filter(Num0_1600,1,y_mixed);%pause;%sound(y_filter,fs,nbits);h2=figure(3);set(h2,name,滤波之后的信号);subplot(2,1,1);plot(t

9、,y_filter);title(y(t);xlabel(time/s);Ys_filter = fft(y_filter,NFFT)/L;subplot(2,1,2);plot(f,2*abs(Ys_filter(1:NFFT/2+1);title(Amplitudes);xlabel(Frequency (Hz);ylabel(|Y(f)|);axis(0 2000 0 0.03);三、 实验效果分析（包括仪器设备等使用效果） 设计的低通滤波器，将1600Hz以后的频谱分量全部阻断，导致包括原始声音信号和噪音信号在内的所有信号全部被阻绝。因为噪音信号的全部能量都在1600Hz，故噪声信号已经被屏蔽，所以滤波之后的信号中出去了加入的噪声信号，不管是在时域还是在频域都可观到这一变化。然而因为原始信号也存在1600Hz以后的声音信号分量，所以滤波之后的信号跟原始声音信号比较起来，少了高频分量，所以听起来，声音变得比较平缓。但是相较于混合信号的时域特性来说，滤波后的信号还是回复了很多原始信号的时域特性。四、 教师评语指导教师 年 月 日