【正文】 。近年來(lái)人工神經(jīng)網(wǎng)絡(luò)(ANN)的研究取得了迅速發(fā)展，語(yǔ)音信號(hào)處理的各項(xiàng)課題是促進(jìn)其發(fā)展的重要?jiǎng)恿χ?，同時(shí)，它的許多成果也體現(xiàn)在有關(guān)語(yǔ)音信號(hào)處理的各項(xiàng)技術(shù)之中。語(yǔ)音信號(hào)的采集與分析作為一個(gè)重要的研究領(lǐng)域，已經(jīng)有很長(zhǎng)的研究歷史[1]。但是它的快速發(fā)展可以說(shuō)是從1940年前后Dudley的聲碼器(vocoder)和potter等人的可見(jiàn)語(yǔ)音Visible Speech)開(kāi)始的。1952年貝爾(Bell)實(shí)驗(yàn)室的Davis等人首次研制成功能識(shí)別十個(gè)英語(yǔ)數(shù)字的實(shí)驗(yàn)裝置。1956年Olson和Belar等人采用8個(gè)帶通濾波器組提取頻譜參數(shù)作為語(yǔ)音的特征，研制成功一臺(tái)簡(jiǎn)單的語(yǔ)音打字機(jī)。20世紀(jì)60年代初由于Faut和Steven的努力，奠定了語(yǔ)音生成理論的基礎(chǔ)，在此基礎(chǔ)上語(yǔ)音合成的研究得到了扎實(shí)的進(jìn)展。 20世紀(jì)60年代中期形成的一系列數(shù)字信號(hào)處理方法和技術(shù)，如數(shù)字濾波器、快速博里葉變換(FFT)等成為語(yǔ)音信號(hào)數(shù)字處理的理論和技術(shù)基礎(chǔ)。在方法上，隨著電子計(jì)算機(jī)的發(fā)展，以往的以硬件為中心的研究逐漸轉(zhuǎn)化為以軟件為主的處理研究。然而，在語(yǔ)音識(shí)別領(lǐng)域內(nèi)，初期有幾種語(yǔ)音打字機(jī)的研究也很活躍，但后來(lái)已全部停了下來(lái)，這說(shuō)明了當(dāng)時(shí)人們對(duì)話音識(shí)別難度的認(rèn)識(shí)得到了加深。所以1969年美國(guó)貝爾研究所的Pierce感嘆地說(shuō)“語(yǔ)音識(shí)別向何處去?”。 到了1970年，好似反駁Pierce的批評(píng)，單詞識(shí)別裝置開(kāi)始了實(shí)用化階段，其后實(shí)用化的進(jìn)程進(jìn)一步高漲，實(shí)用機(jī)的生產(chǎn)銷(xiāo)售也上了軌道。此外社會(huì)上所宣傳的聲紋(Voice Print)識(shí)別，即說(shuō)話人識(shí)別的研究也扎扎實(shí)實(shí)地開(kāi)展起來(lái)，并很快達(dá)到了實(shí)用化的階段。到了1971年，以美國(guó)ARPA(American Research Projects Agency)為主導(dǎo)的“語(yǔ)音理解系統(tǒng)”的研究計(jì)劃也開(kāi)始起步。這個(gè)研究計(jì)劃不僅在美國(guó)園內(nèi)，而且對(duì)世界各國(guó)都產(chǎn)生了很大的影響，它促進(jìn)了連續(xù)語(yǔ)音識(shí)別研究的興起。歷時(shí)五年的龐大的ARPA研究計(jì)劃，雖然在語(yǔ)音理解、語(yǔ)言統(tǒng)計(jì)模型等方面的研究積累了一些經(jīng)驗(yàn)，取得了許多成果，但沒(méi)能達(dá)到巨大投資應(yīng)得的成果，在1976年停了下來(lái)，進(jìn)入了深刻的反省階段。但是，在整個(gè)20世紀(jì)70年代還是有幾項(xiàng)研究成果對(duì)語(yǔ)音信號(hào)處理技術(shù)的進(jìn)步和發(fā)展產(chǎn)生了重大的影響。這就是20世紀(jì)70年代初由板倉(cāng)(Itakura)提出的動(dòng)態(tài)時(shí)間規(guī)整(DTW)技術(shù)，使語(yǔ)音識(shí)別研究在匹配算法方面開(kāi)辟了新思路；20世紀(jì)70年代中期線性預(yù)測(cè)技術(shù)(LPC)被用于語(yǔ)音信號(hào)處理，此后隱馬爾可夫模型法(HNMM)也獲得初步成功，該技術(shù)后來(lái)在語(yǔ)音信號(hào)處理的多個(gè)方面獲得巨大成功；20世紀(jì)70年代未，Linda、Buzo、Gray和Markel等人首次解決了矢量量化(VQ)碼書(shū)生成的方法，并首先將矢量量化技術(shù)用于語(yǔ)音編碼獲得成功。從此矢量量化技術(shù)不僅在語(yǔ)音識(shí)別、語(yǔ)音編碼和說(shuō)話人識(shí)別等方面發(fā)揮了重要作用，而且很快推廣到其他許多領(lǐng)域。因此，20世紀(jì)80年代開(kāi)始出現(xiàn)的語(yǔ)音信號(hào)處理技術(shù)產(chǎn)品化的熱溯，與上述語(yǔ)音信號(hào)處理新技術(shù)的推動(dòng)作用是分不開(kāi)的。 20世紀(jì)80年代，由于矢量量化、隱馬爾可夫模型和人工神經(jīng)網(wǎng)絡(luò)(ANN)等相繼被應(yīng)用于語(yǔ)音信號(hào)處理，并經(jīng)過(guò)不斷改進(jìn)與完善，使得語(yǔ)音信號(hào)處理技術(shù)產(chǎn)生了突破性的進(jìn)展。其中，隱馬爾可夫模型作為語(yǔ)音信號(hào)的一種統(tǒng)計(jì)模型，在語(yǔ)音信號(hào)處理的各個(gè)領(lǐng)域中獲得了廣泛的應(yīng)用。其理論基礎(chǔ)是1970年前后，由Baum等人建立起來(lái)的，隨后，由美國(guó)卡內(nèi)基梅隆大學(xué) (CMU)的Baker和美國(guó)IBM公司的Jelinek等人將其應(yīng)用到語(yǔ)音識(shí)別中。由于美國(guó)貝爾實(shí)驗(yàn)室的Babiner等人在20世紀(jì)80年代中期，對(duì)隱馬爾可夫模型深人淺出的介紹，才使世界各國(guó)從事語(yǔ)音信號(hào)處理的研究人員了解和熟悉，進(jìn)而成為一個(gè)公認(rèn)的研究熱點(diǎn)，也是目前語(yǔ)音識(shí)別等的主流研究途徑。進(jìn)入20世紀(jì)90年代以來(lái)，語(yǔ)音信號(hào)采集與分析在實(shí)用化方面取得了許多實(shí)質(zhì)性的研究進(jìn)展。其中，語(yǔ)音識(shí)別逐漸由實(shí)驗(yàn)室走向?qū)嵱没?。一方面，?duì)聲學(xué)語(yǔ)音學(xué)統(tǒng)計(jì)模型的研究逐漸深入，魯棒的語(yǔ)音識(shí)別、基于語(yǔ)音段的建模方法及隱馬爾可夫模型與人工種經(jīng)網(wǎng)絡(luò)的結(jié)合成為研究的熱點(diǎn)。另一方面，為了語(yǔ)音識(shí)別實(shí)用化的需要，講者自適應(yīng)、聽(tīng)覺(jué)模型、快速搜索識(shí)別算法以及進(jìn)一步的語(yǔ)言模型的研究等課題倍受關(guān)注。 本課題的研究?jī)?nèi)容和方法 研究?jī)?nèi)容本論文主要介紹的是的語(yǔ)音信號(hào)的簡(jiǎn)單處理。本論文針對(duì)以上問(wèn)題，運(yùn)用數(shù)字信號(hào)學(xué)基本原理實(shí)現(xiàn)語(yǔ)音信號(hào)的處理，幅頻變換以及傅里葉變換、濾波等技術(shù)來(lái)進(jìn)行語(yǔ)音信號(hào)處理。，能對(duì)語(yǔ)音信號(hào)進(jìn)行采集，并對(duì)其進(jìn)行各種處理，達(dá)到簡(jiǎn)單的語(yǔ)音信號(hào)處理的目的。要求學(xué)生錄制一段自己的語(yǔ)音信號(hào)后，在MATLAB軟件中采集語(yǔ)音信號(hào)、回放語(yǔ)音信號(hào)并畫(huà)出語(yǔ)音信號(hào)的時(shí)域波形和頻譜圖；對(duì)所采集的語(yǔ)音信號(hào)加入干擾噪聲，對(duì)加入噪聲的信號(hào)進(jìn)行播放，并進(jìn)行時(shí)域和頻譜分析；對(duì)比加噪前后的時(shí)域圖和頻譜圖，分析討論采用什么樣的濾波器進(jìn)行濾除噪聲。 運(yùn)行環(huán)境運(yùn)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(nèi)存：512MB或更高③ 硬盤(pán)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(kāi)發(fā)環(huán)境 開(kāi)發(fā)環(huán)境主要介紹了本系統(tǒng)采用的操作系統(tǒng)、開(kāi)發(fā)語(yǔ)言。(1) 操作系統(tǒng)：Windows XP(2) 開(kāi)發(fā)環(huán)境：Matlab 2 語(yǔ)音信號(hào)處理的總體方案 系統(tǒng)基本概述圖形用戶界面（Graphical User Interface，簡(jiǎn)稱(chēng) GUI，又稱(chēng)圖形用戶接口）是指采用圖形方式顯示的計(jì)算機(jī)操作用戶界面。與早期計(jì)算機(jī)使用的命令行界面相比，圖形界面對(duì)于用戶來(lái)說(shuō)在視覺(jué)上更易于接受。GUI的廣泛應(yīng)用是當(dāng)今計(jì)算機(jī)發(fā)展的重大成就之一，他極大地方便了非專(zhuān)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(guò)窗口、菜單、按鍵等方式來(lái)方便地進(jìn)行操作。通過(guò)對(duì)大量語(yǔ)音信號(hào)的觀察和分析發(fā)現(xiàn)，語(yǔ)音信號(hào)主要有下面兩個(gè)特點(diǎn)：(1)在頻域內(nèi)，語(yǔ)音信號(hào)的頻譜分量主要集中在300～3400Hz的范圍內(nèi)。利用這個(gè)特點(diǎn)，可以用一個(gè)防混迭的帶通濾波器將此范圍內(nèi)的語(yǔ)音信號(hào)頻率分量取出，然后按8kHz的采樣率對(duì)語(yǔ)音信號(hào)進(jìn)行采樣，就可以得到離散的語(yǔ)音信號(hào)。 (2)在時(shí)域內(nèi)，語(yǔ)音信號(hào)具有“短時(shí)性”的特點(diǎn)，即在總體上，語(yǔ)音信號(hào)的特征是隨著時(shí)間而變化的，但在一段較短的時(shí)間間隔內(nèi)，語(yǔ)音信號(hào)保持平穩(wěn)。在濁音段表現(xiàn)出周期信號(hào)的特征，在清音段表現(xiàn)出隨機(jī)噪聲的特征。下面是一段語(yǔ)音信號(hào)的時(shí)域波形圖(圖21)和頻域圖(圖22)，由這兩個(gè)圖可以看出語(yǔ)音信號(hào)的兩個(gè)特點(diǎn)。 語(yǔ)音信號(hào)時(shí)域波形圖 語(yǔ)音信號(hào)頻域波形圖 系統(tǒng)基本要求本文是用Matlab對(duì)含噪的的語(yǔ)音信號(hào)同時(shí)在時(shí)域和頻域進(jìn)行濾波處理和分析，在MATLAB應(yīng)用軟件下設(shè)計(jì)一個(gè)簡(jiǎn)單易用的圖形用戶界面（GUI），來(lái)解決一般應(yīng)用條件下的各種語(yǔ)音信號(hào)的處理。在將語(yǔ)音信號(hào)進(jìn)行數(shù)字化前，必須先進(jìn)行防混疊預(yù)濾波，預(yù)濾波的目的有兩個(gè)：①抑制輸入信導(dǎo)各領(lǐng)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(yù)濾波器必須是一個(gè)帶通濾波器，設(shè)其上、下截止顏率分別是fH和fL，則對(duì)于絕大多數(shù)語(yǔ)音編譯碼器，fH=3400Hz、fL＝60~100Hz、采樣率為fs＝8kHz；而對(duì)丁語(yǔ)音識(shí)別而言，當(dāng)用于電話用戶時(shí)，指標(biāo)與語(yǔ)音編譯碼器相同。當(dāng)使用要求較高或很高的場(chǎng)合時(shí)fH＝4500Hz或8000Hz、fL＝60Hz、fs＝10kHz或20kHz。為了將原始模擬語(yǔ)音信號(hào)變?yōu)閿?shù)字信號(hào)，必須經(jīng)過(guò)采樣和量化兩個(gè)步驟，從而得到時(shí)間和幅度上均為離散的數(shù)字語(yǔ)音信號(hào)。采樣也稱(chēng)抽樣，是信號(hào)在時(shí)間上的離散化，即按照一定時(shí)間間隔△t在模擬信號(hào)x(t)上逐點(diǎn)采取其瞬時(shí)值。采樣時(shí)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(cè)信號(hào)的最高頻率兩倍以上的速度進(jìn)行取樣，才能正確地重建波它是通過(guò)采樣脈沖和模擬信號(hào)相乘來(lái)實(shí)現(xiàn)的。 ，這段語(yǔ)音信號(hào)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(diǎn)數(shù)就越密，所得離散信號(hào)就越逼近于原信號(hào)，頻譜也沒(méi)有發(fā)生混疊。 采樣頻率500HZ情況下的頻譜圖對(duì)上述信號(hào)進(jìn)行1/80采樣頻率抽取，即采樣頻率變?yōu)閷⒔?00Hz時(shí)，由于采樣頻率比較小，所以采樣點(diǎn)數(shù)就稀疏，所得離散信號(hào)就越偏離于原信號(hào)，頻譜也發(fā)生了混疊。在采樣的過(guò)程中應(yīng)注意采樣間隔的選擇和信號(hào)混淆：對(duì)模擬信號(hào)采樣首先要確定采樣間隔。在實(shí)際工作中，我們可以利用windows自帶的錄音機(jī)錄制語(yǔ)音文件，聲卡可以完成語(yǔ)音波形的A/D轉(zhuǎn)換，獲得WAVE文件，為后續(xù)的處理儲(chǔ)備原材料。調(diào)節(jié)錄音機(jī)保存界面的“更改”選項(xiàng)，可以存儲(chǔ)各種格式的WAVE文件。Windows自帶的錄音機(jī)聲音麥克風(fēng)聲卡濾波采樣A/D轉(zhuǎn)換 Wav 基于PC機(jī)的語(yǔ)音信號(hào)采集過(guò)程采集到語(yǔ)音信號(hào)之后，需要對(duì)語(yǔ)音信號(hào)進(jìn)行分析，如語(yǔ)音信號(hào)的時(shí)域分析、頻譜分析、語(yǔ)譜圖分析以及加噪濾波等處理。 系統(tǒng)框架及實(shí)現(xiàn)1） 語(yǔ)音信號(hào)的采集 使用電腦的聲卡設(shè)備采集一段語(yǔ)音信號(hào)，并將其保存在電腦中。2） 語(yǔ)音信號(hào)的處理語(yǔ)音信號(hào)的處理主要包括信號(hào)的提取、信號(hào)的調(diào)整、信號(hào)的變換和濾波等。Ⅰ.語(yǔ)音信號(hào)的時(shí)域分析語(yǔ)音信號(hào)是一種非平穩(wěn)的時(shí)變信號(hào)，它攜帶著各種信息。在語(yǔ)音編碼、語(yǔ)音合成、語(yǔ)音識(shí)別和語(yǔ)音增強(qiáng)等語(yǔ)音處理中無(wú)一例外需要提取語(yǔ)音中包含的各種信息。語(yǔ)音信號(hào)分析的目的就在與方便有效的提取并表示語(yǔ)音信號(hào)所攜帶的信息。語(yǔ)音信號(hào)分析可以分為時(shí)域和變換域等處理方法，其中時(shí)域分析是最簡(jiǎn)單的方法，直接對(duì)語(yǔ)音信號(hào)的時(shí)域波形進(jìn)行分析，提取的特征參數(shù)主要有語(yǔ)音的短時(shí)能量，短時(shí)平均過(guò)零率，短時(shí)自相關(guān)函數(shù)等。提?。和ㄟ^(guò)圖形用戶界面上的菜單功能按鍵采集電腦設(shè)備上的一段音頻信號(hào)，完成音頻信號(hào)的頻率，幅度等信息的提取，并得到該語(yǔ)音信號(hào)的波形圖。調(diào)整：在設(shè)計(jì)的用戶圖形界面下對(duì)輸入的音頻信號(hào)進(jìn)行各種變化，如變化幅度、改變頻率等操作，以實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)的調(diào)整。Ⅱ.語(yǔ)音信號(hào)的頻域分