【正文】 。近年來人工神經網絡(ANN)的研究取得了迅速發(fā)展，語音信號處理的各項課題是促進其發(fā)展的重要動力之一，同時，它的許多成果也體現(xiàn)在有關語音信號處理的各項技術之中。語音信號的采集與分析作為一個重要的研究領域，已經有很長的研究歷史[1]。但是它的快速發(fā)展可以說是從1940年前后Dudley的聲碼器(vocoder)和potter等人的可見語音Visible Speech)開始的。1952年貝爾(Bell)實驗室的Davis等人首次研制成功能識別十個英語數字的實驗裝置。1956年Olson和Belar等人采用8個帶通濾波器組提取頻譜參數作為語音的特征，研制成功一臺簡單的語音打字機。20世紀60年代初由于Faut和Steven的努力，奠定了語音生成理論的基礎，在此基礎上語音合成的研究得到了扎實的進展。 20世紀60年代中期形成的一系列數字信號處理方法和技術，如數字濾波器、快速博里葉變換(FFT)等成為語音信號數字處理的理論和技術基礎。在方法上，隨著電子計算機的發(fā)展，以往的以硬件為中心的研究逐漸轉化為以軟件為主的處理研究。然而，在語音識別領域內，初期有幾種語音打字機的研究也很活躍，但后來已全部停了下來，這說明了當時人們對話音識別難度的認識得到了加深。所以1969年美國貝爾研究所的Pierce感嘆地說“語音識別向何處去?”。 到了1970年，好似反駁Pierce的批評，單詞識別裝置開始了實用化階段，其后實用化的進程進一步高漲，實用機的生產銷售也上了軌道。此外社會上所宣傳的聲紋(Voice Print)識別，即說話人識別的研究也扎扎實實地開展起來，并很快達到了實用化的階段。到了1971年，以美國ARPA(American Research Projects Agency)為主導的“語音理解系統(tǒng)”的研究計劃也開始起步。這個研究計劃不僅在美國園內，而且對世界各國都產生了很大的影響，它促進了連續(xù)語音識別研究的興起。歷時五年的龐大的ARPA研究計劃，雖然在語音理解、語言統(tǒng)計模型等方面的研究積累了一些經驗，取得了許多成果，但沒能達到巨大投資應得的成果，在1976年停了下來，進入了深刻的反省階段。但是，在整個20世紀70年代還是有幾項研究成果對語音信號處理技術的進步和發(fā)展產生了重大的影響。這就是20世紀70年代初由板倉(Itakura)提出的動態(tài)時間規(guī)整(DTW)技術，使語音識別研究在匹配算法方面開辟了新思路；20世紀70年代中期線性預測技術(LPC)被用于語音信號處理，此后隱馬爾可夫模型法(HNMM)也獲得初步成功，該技術后來在語音信號處理的多個方面獲得巨大成功；20世紀70年代未，Linda、Buzo、Gray和Markel等人首次解決了矢量量化(VQ)碼書生成的方法，并首先將矢量量化技術用于語音編碼獲得成功。從此矢量量化技術不僅在語音識別、語音編碼和說話人識別等方面發(fā)揮了重要作用，而且很快推廣到其他許多領域。因此，20世紀80年代開始出現(xiàn)的語音信號處理技術產品化的熱溯，與上述語音信號處理新技術的推動作用是分不開的。 20世紀80年代，由于矢量量化、隱馬爾可夫模型和人工神經網絡(ANN)等相繼被應用于語音信號處理，并經過不斷改進與完善，使得語音信號處理技術產生了突破性的進展。其中，隱馬爾可夫模型作為語音信號的一種統(tǒng)計模型，在語音信號處理的各個領域中獲得了廣泛的應用。其理論基礎是1970年前后，由Baum等人建立起來的，隨后，由美國卡內基梅隆大學 (CMU)的Baker和美國IBM公司的Jelinek等人將其應用到語音識別中。由于美國貝爾實驗室的Babiner等人在20世紀80年代中期，對隱馬爾可夫模型深人淺出的介紹，才使世界各國從事語音信號處理的研究人員了解和熟悉，進而成為一個公認的研究熱點，也是目前語音識別等的主流研究途徑。進入20世紀90年代以來，語音信號采集與分析在實用化方面取得了許多實質性的研究進展。其中，語音識別逐漸由實驗室走向實用化。一方面，對聲學語音學統(tǒng)計模型的研究逐漸深入，魯棒的語音識別、基于語音段的建模方法及隱馬爾可夫模型與人工種經網絡的結合成為研究的熱點。另一方面，為了語音識別實用化的需要，講者自適應、聽覺模型、快速搜索識別算法以及進一步的語言模型的研究等課題倍受關注。 本課題的研究內容和方法 研究內容本論文主要介紹的是的語音信號的簡單處理。本論文針對以上問題，運用數字信號學基本原理實現(xiàn)語音信號的處理，幅頻變換以及傅里葉變換、濾波等技術來進行語音信號處理。，能對語音信號進行采集，并對其進行各種處理，達到簡單的語音信號處理的目的。要求學生錄制一段自己的語音信號后，在MATLAB軟件中采集語音信號、回放語音信號并畫出語音信號的時域波形和頻譜圖；對所采集的語音信號加入干擾噪聲，對加入噪聲的信號進行播放，并進行時域和頻譜分析；對比加噪前后的時域圖和頻譜圖，分析討論采用什么樣的濾波器進行濾除噪聲。 運行環(huán)境運行環(huán)境主要介紹了硬件環(huán)境和軟件環(huán)境。硬件環(huán)境：① 處理器：Inter Pentium 166 MX 或更高② 內存：512MB或更高③ 硬盤空間：40GB或更高④ 顯卡：SVGA顯示適配器軟件環(huán)境：操作系統(tǒng)：Window 98/ME/2000/XP 開發(fā)環(huán)境 開發(fā)環(huán)境主要介紹了本系統(tǒng)采用的操作系統(tǒng)、開發(fā)語言。(1) 操作系統(tǒng)：Windows XP(2) 開發(fā)環(huán)境：Matlab 2 語音信號處理的總體方案 系統(tǒng)基本概述圖形用戶界面（Graphical User Interface，簡稱 GUI，又稱圖形用戶接口）是指采用圖形方式顯示的計算機操作用戶界面。與早期計算機使用的命令行界面相比，圖形界面對于用戶來說在視覺上更易于接受。GUI的廣泛應用是當今計算機發(fā)展的重大成就之一，他極大地方便了非專業(yè)用戶的使用人們從此不再需要死記硬背大量的命令，取而代之的是可以通過窗口、菜單、按鍵等方式來方便地進行操作。通過對大量語音信號的觀察和分析發(fā)現(xiàn)，語音信號主要有下面兩個特點：(1)在頻域內，語音信號的頻譜分量主要集中在300～3400Hz的范圍內。利用這個特點，可以用一個防混迭的帶通濾波器將此范圍內的語音信號頻率分量取出，然后按8kHz的采樣率對語音信號進行采樣，就可以得到離散的語音信號。 (2)在時域內，語音信號具有“短時性”的特點，即在總體上，語音信號的特征是隨著時間而變化的，但在一段較短的時間間隔內，語音信號保持平穩(wěn)。在濁音段表現(xiàn)出周期信號的特征，在清音段表現(xiàn)出隨機噪聲的特征。下面是一段語音信號的時域波形圖(圖21)和頻域圖(圖22)，由這兩個圖可以看出語音信號的兩個特點。 語音信號時域波形圖 語音信號頻域波形圖 系統(tǒng)基本要求本文是用Matlab對含噪的的語音信號同時在時域和頻域進行濾波處理和分析，在MATLAB應用軟件下設計一個簡單易用的圖形用戶界面（GUI），來解決一般應用條件下的各種語音信號的處理。在將語音信號進行數字化前，必須先進行防混疊預濾波，預濾波的目的有兩個：①抑制輸入信導各領域分量中頻率超出fs/2的所有分量(fs為采樣頻率)，以防止混疊干擾。②抑制50Hz的電源工頻干擾。這樣，預濾波器必須是一個帶通濾波器，設其上、下截止顏率分別是fH和fL，則對于絕大多數語音編譯碼器，fH=3400Hz、fL＝60~100Hz、采樣率為fs＝8kHz；而對丁語音識別而言，當用于電話用戶時，指標與語音編譯碼器相同。當使用要求較高或很高的場合時fH＝4500Hz或8000Hz、fL＝60Hz、fs＝10kHz或20kHz。為了將原始模擬語音信號變?yōu)閿底中盘?，必須經過采樣和量化兩個步驟，從而得到時間和幅度上均為離散的數字語音信號。采樣也稱抽樣，是信號在時間上的離散化，即按照一定時間間隔△t在模擬信號x(t)上逐點采取其瞬時值。采樣時必須要注意滿足奈奎斯特定理，即采樣頻率fs必須以高于受測信號的最高頻率兩倍以上的速度進行取樣，才能正確地重建波它是通過采樣脈沖和模擬信號相乘來實現(xiàn)的。 ，這段語音信號的頻率主要集中在1KHz左右，由于采樣頻率比較大，所以采樣點數就越密，所得離散信號就越逼近于原信號，頻譜也沒有發(fā)生混疊。 采樣頻率500HZ情況下的頻譜圖對上述信號進行1/80采樣頻率抽取，即采樣頻率變?yōu)閷⒔?00Hz時，由于采樣頻率比較小，所以采樣點數就稀疏，所得離散信號就越偏離于原信號，頻譜也發(fā)生了混疊。在采樣的過程中應注意采樣間隔的選擇和信號混淆：對模擬信號采樣首先要確定采樣間隔。在實際工作中，我們可以利用windows自帶的錄音機錄制語音文件，聲卡可以完成語音波形的A/D轉換，獲得WAVE文件，為后續(xù)的處理儲備原材料。調節(jié)錄音機保存界面的“更改”選項，可以存儲各種格式的WAVE文件。Windows自帶的錄音機聲音麥克風聲卡濾波采樣A/D轉換 Wav 基于PC機的語音信號采集過程采集到語音信號之后，需要對語音信號進行分析，如語音信號的時域分析、頻譜分析、語譜圖分析以及加噪濾波等處理。 系統(tǒng)框架及實現(xiàn)1） 語音信號的采集 使用電腦的聲卡設備采集一段語音信號，并將其保存在電腦中。2） 語音信號的處理語音信號的處理主要包括信號的提取、信號的調整、信號的變換和濾波等。Ⅰ.語音信號的時域分析語音信號是一種非平穩(wěn)的時變信號，它攜帶著各種信息。在語音編碼、語音合成、語音識別和語音增強等語音處理中無一例外需要提取語音中包含的各種信息。語音信號分析的目的就在與方便有效的提取并表示語音信號所攜帶的信息。語音信號分析可以分為時域和變換域等處理方法，其中時域分析是最簡單的方法，直接對語音信號的時域波形進行分析，提取的特征參數主要有語音的短時能量，短時平均過零率，短時自相關函數等。提取：通過圖形用戶界面上的菜單功能按鍵采集電腦設備上的一段音頻信號，完成音頻信號的頻率，幅度等信息的提取，并得到該語音信號的波形圖。調整：在設計的用戶圖形界面下對輸入的音頻信號進行各種變化，如變化幅度、改變頻率等操作，以實現(xiàn)對語音信號的調整。Ⅱ.語音信號的頻域分