【正文】 ,700 處。 0 200 400 600 800 1000 1200 1400 1600 1800 20xx42024x = s i n ( 2 * p i * 5 0 * t ) + s i n ( 2 * p i * f 1 0 0 * t ) + s i n ( 2 * p i * 7 0 0 * t ) 的圖像0 100 200 300 400 500 600 700 800 900 100005001000x 的頻譜 山東科技大學課程設計 7 分幀處理： 語音信號可以認為是短時平穩(wěn)的。在 5~50ms 的范圍內，語音頻譜特性和一些物理特性參數(shù)基本保持不變。我們將每個短時的語音稱為一個分析幀。一般幀長取 10~30ms。 可以看出分幀后一幀聲音信號具有明顯的周期性 。 0 200 400 600 800 1000 1200 1400 1600 1800 20xx 0 . 500 . 51分幀后一幀的圖像0 50 100 150 200 250 300 350 400020406080100分幀后一幀的頻譜 窗函數(shù)： 加窗函數(shù)來減小 數(shù)據(jù)采樣時帶來的譜間 泄漏。 Hanning 窗在大多數(shù)場合很有效，它具有良好的頻率分辨率 ,并降低了頻率泄漏。 分幀時配合使用Hanning 窗可以很好的對信號去噪，提取包絡等處理。 MATLAB 音頻文件相關函數(shù)： wavrecord(fs*t,fs)： 以 fs 為采樣率錄音，錄音時長為 t。 wavwrite(y,fs,16,39。39。)： 將 luyin 文件儲存； wavread(39。39。)： 讀取 yuyin 文件； sound(a*y,b*fs)： 以 a 倍振幅， b 倍頻率試聽 y 文件。 山東科技大學課程設計 8 語音合成方法確定 LPC 線性預測 參數(shù)法 通過對聲管的研究，發(fā)現(xiàn)它 可以 用一個 N 階全極點濾波器表述，即： 1 11() 1( 1 )NN kkk kkGGVzazpz ?? ???? ?? ?? 對于典型的男聲， N=10，所有的極點 ip 要分別構成共軛對以保證 {}ia 系數(shù)都是實數(shù)。就可以得到產生語音信號的離散語音模型，如圖所示： 假設激勵信號用 e(n)表示，語音信號用 s(n)表示，根據(jù)全極點模型表達式，有： 1( ) ( ) ( )Nkks n a s n k G e n?? ? ?? 從而可以用聲管模型對激勵信號進行濾波得到語音信號。 2. 語音預測模型 假設已經知道了系數(shù) {ai}，那么 生成模型 的輸入和輸出對換，就構成了語音的預測模型，即語音信號 s(n)送入預測濾波器，得到預測 殘差 e(n) 1( ) ( ) ( )Nkke n s n a s n k?? ? ?? 發(fā)端 需要把誤差 e(n)傳到收端，收端可以用 e(n)作為上述差分方程的激勵得到重建語音。在發(fā)端，語音 s(n)是濾波器的輸入，而誤差 e(n)是輸出。 系數(shù) {ai}也需要從發(fā)端傳到收端，但因為語音具有短時平穩(wěn)性，即在短時間內（比如10ms），系數(shù) {ai}可以認為不發(fā)生變化，所以也不必太頻繁地傳輸， 同時 采用預測技術后，可以大幅度地降低語音的帶寬。這種通過現(xiàn)行預測方法壓縮語音數(shù)據(jù)量的技術稱為線性預測編碼 。 脈沖序列發(fā)生器 聲道模型 V(z) 簡化的語音生成 模型 語音信號 山東科技大學課程設計 9 3. 語音重建模型 如果知道激勵信號 x(n)和濾波器系數(shù) {ai}，就可以利用激勵生成重建語音了和語音生成模型的公式完全相同 1( ) ( ) ( )Nkks n x n a s n k???? ? ?? 但這個模型被稱為語音重建模型，為了同生成模型區(qū)分開， s? 稱為重建語音，如果 x(n)正好等于 e(n)，那么重建語音就會和原始語音 s(n)完全相同。 語音的非平穩(wěn)性（雖然短時平穩(wěn)）導致預測系數(shù) {ai}是時變的，一般每10~20ms 就會發(fā)生一些變化以產生不同的音節(jié)。在 這種情況下，濾波過程也要分段進行，即每次用不同的濾波器系數(shù)， 但相鄰兩次濾波必須要保持濾波器的狀態(tài)不發(fā)生變化。 4. 分析與合成語音 首先，抽樣的語音信號被分成 10ms 長的段；然后，對每段數(shù)據(jù)進行統(tǒng)計分析，計算相鄰樣點的相關性并最終得到最佳預測系數(shù)。合成過程就是利用這些預測系數(shù)，以及周期的單位樣值序列作為輸入，依次得到每段合成語音。 通過以上理論分析發(fā)現(xiàn)， LPC 線性預測參數(shù)法的特點： 雖然 原理清晰， 調節(jié)靈活， 但 實現(xiàn)過程較復雜， 步驟較多， 同時得到的音質較 差。因此我們采取下一種方法：振幅調制法。 振幅調制法相比于 LPC 線性預測參數(shù)法較 易實現(xiàn)。需要做的處理 聲道模型 V(z) 線性預測系統(tǒng) 需要做的處理 重建的語音 原始語音 濾波器系數(shù) {ai} e(n) x(n) 分析和合成語音的系統(tǒng)框圖 山東科技大學課程設計 10 振幅調制法 振幅調制法相比于 LPC 線性預測參數(shù)法 較簡單，易于實現(xiàn)，同時步驟較少，因此可以減少積累誤差。振幅調制法的原理如下： 男聲信號輸入 女聲信號輸入 時 頻域分析處理 時 頻域分析處理 提取包絡 提取音色 頻率 振幅調制 得到合成聲音 時 頻域分析處理 下面具體介紹振幅調制法的具體過程以及 如何 用 MATLAB 實現(xiàn) ，同時將設計過程 及其 中遇到的問題 和 解決辦法 列寫 出來。 山東科技大學課程設計 11 語音合成步驟 男聲處理 男聲信號最關鍵的操作是提取 頻譜 包絡。 語音包絡攜帶了語音信號的語義和個性化信息，準確提取頻譜包絡是語音分析的一項重要任務。在許多科學領域的信號處理中，都需要提取信號的包絡信息，因此現(xiàn)在有許多成熟的信號包絡提取方法。目前最常用的方法就是希爾伯特變換。同時近年 又興起一種新的時頻分析方法 —— 小波變換 ， 由于它具有良好的時頻局部化特性和多尺度分析的 功能 ， 應用日益廣泛 。 利用小波變換 （ 采用己調高斯小波 ） 提取信號包絡的效果比希爾伯特變換更好。 但是由于對于語音信號處理方面的 知識儲備不足，而且