Matlab编程实现语音信号分析.doc

一定时宽的语音信号，其能量的大小随时间有明显的变化。其中清音段（以清音为主要成份的语音段），其能量比浊音段小得多。短时过零数也可用于语音信号分析中，发浊音时，其语音能量约集中于3kHz以下，而发清音时，多数能量出现在较高频率上，可认为浊音时具有较低的平均过零数，而清音时具有较高的平均过零数，因而，对一短时语音段计算其短时平均能量及短时平均过零数，就可以较好地区分其中的清音段和浊音段，从而可判别句中清、浊音转变时刻，声母韵母的分界以及无声与有声的分界。这在语音识别中有重要意义。
步骤
(1)录了一段音，是我自己说的。采样率为8KHZ，量化精度为16比特线性码。
(2)利用设计方案中给定的公式分别编程计算这段语音信号的短时能量、短时平均幅度、短时过零率，然后分别画出它们的曲线；
(3)然后画出短时零能比曲线。
(4)根据上述结果判断找出其中的一帧浊音信号和一帧清音信号。判断依据是，
浊音：短时能量大、短时平均幅度大、短时过零率低；清音：短时能量小、短时平均幅度小、短时过零率高。浊音，取13270--13510个点，清音，取12120--12360个点。分别计算他们的短时自相关函数和平均幅度差函数；
(5)根据图形，分析浊音段语音的基音周期。
结论与分析
（1）从图中明显可以看出，浊音信号的具有明显的周期性，其自相关函数和平均幅度差函数也表现出周期性。清音信号稍微差一点，但不是很明显，主要是由于清音信号的位置找的不是很好。
（2）浊音：短时能量大、短时平均幅度大、短时过零率低；清音：短时能量小、短时平均幅度小、短时过零率高。
（3）基音提取可直接利用短时自相关函数估计基音频率，其方法是：估算浊音段第一最大峰的位置，再利用抽样率计算基音频率，举例来说，若某一语音浊音段的第一最大峰值约为35个抽样点，设抽样频率为11.025KHZ，则基音频率为11025/35=315HZ。
（4）画出的波形如下所示：
图一从上到下分别表示：短时能量、短时平均幅度、短时过零率和零能比曲线，图二从上到下分别为浊音的短时自相关函数、短时平均幅度差函数和轻清音的短时自相关函数、短时平均幅度差函数。

图一

图二

六、附录
源程序：
N=240
Y=wavread('C:\Users\user\Desktop\hy.wav');
L=length(Y)%30秒，每秒8000个点，一共240000个点
LL=length(Y)/N%一共1000帧
figure(1)
set(1,'Position',[10,35,350,650])

%短时能量
Em=zeros(1,(LL-1)*240);
forii=1:(LL-1)*240,
temp=Y(ii:ii+240);
Em(ii)=sum(temp.*temp);
end
subplot(4,1,1)
jj=[1:(LL-1)*240];
plot(jj,Em,'b');
grid
%axis([12000,16000,0.15,0.4])

%短时平均幅度Mn=sum(abs(Y))/N
Mn=zeros(1,(LL-1)*240);
forii=1:(LL-1)*240,
temp=Y(ii:ii+240);
Mn(ii)=sum(abs(temp))/N;
end
figure(1)
subplot(4,1,2)
jj=[1:(LL-1)*240];
plot(jj,Mn,'b');
grid
%axis([12000,16000,0.02,0.04])

%短时过零率
Zn=zeros(1,(LL-1)*240);
forii=2:(LL-1)*240,
temp1=sign(Y(ii:ii+240));
temp=sign(Y(ii-1:ii+240-1));
Zn(ii)=sum(abs(temp1-temp));
end
figure(1)
subplot(4,1,3)
jj=[1:(LL-1)*240];
plot(jj,Zn,'b');
grid
%axis([12000,16000,0,20])

%零能比曲线
figure(1)
subplot(4,1,4)
jj=[1:(LL-1)*240];
plot(jj,Zn./Em,'b');
grid
%axis([12000,16000,0,100])

%
%Wn=[60/8000,500/8000]
%n=[1:240];
%B=FIR1(239,Wn,'bandpass');

%%%%%%浊音，取13270--13510个点
%短时自相关函数
temp=Y(13271:13510);
%
%wc1=0.0075;wc2=0.9625;
%wn=[wc1/pi,wc2/pi];
%h=fir1(239,wn,blackman(2