【正文】 摘要語音信號處理是研究用數(shù)字信號處理技術和語音學知識對語音信號進行處理的新興的學科，是目前發(fā)展最為迅速的信息科學研究領域的核心技術之一。通過語音傳遞信息是人類最重要、最有效、最常用和最方便的交換信息形式。數(shù)字信號處理（DigitalSignalProcessing，簡稱DSP）是利用計算機或專用處理設備，以數(shù)字形式對信號進行采集、變換、濾波、估值、增強、壓縮、識別等處理，以得到符合人們需要的信號形式。Matlab語言是一種數(shù)據(jù)分析和處理功能十分強大的計算機應用軟件，它可以將聲音文件變換為離散的數(shù)據(jù)文件，然后利用其強大的矩陣運算能力處理數(shù)據(jù)，如數(shù)字濾波、傅里葉變換、時域和頻域分析、聲音回放以及各種圖的呈現(xiàn)等，它的信號處理與分析工具箱為語音信號分析提供了十分豐富的功能函數(shù)，利用這些功能函數(shù)可以快捷而又方便地完成語音信號的處理和分析以及信號的可視化，使人機交互更加便捷。信號處理是Matlab重要應用的領域之一。本設計針對現(xiàn)在大部分語音處理軟件內容繁多、操作不便等問題，、各種函數(shù)調用等來實現(xiàn)語音信號的變頻、傅里葉變換及濾波，程序界面簡練，操作簡便，具有一定的實際應用意義。關鍵字：Matlab，語音信號，傅里葉變換，信號處理 I1 緒 論 課題的背景與意義通過語音傳遞信息是人類最重要、最有效、最常用和最方便的交換信息的形式。語言是人類持有的功能。聲音是人類常用的工具，是相互傳遞信息的最主要的手段。因此，語音信號是人們構成思想疏通和感情交流的最主要的途徑。并且，由于語言和語音與人的智力活動密切相關，與社會文化和進步緊密相連，所以它具有最大的信息容量和最高的智能水平?，F(xiàn)在，人類已開始進入了信息化時代，用現(xiàn)代手段研究語音信號，使人們能更加有效地產生、傳輸、存儲、獲取和應用語音信息，這對于促進社會的發(fā)展具有十分重要的意義。讓計算機能聽懂人類的語言，是人類自計算機誕生以來夢寐以求的想法。隨著計算機越來越向便攜化方向發(fā)展，隨著計算環(huán)境的日趨復雜化，人們越來越迫切要求擺脫鍵盤的束縛而代之以語音輸人這樣便于使用的、自然的、人性化的輸人方式。作為高科技應用領域的研究熱點，語音信號采集與分析從理論的研究到產品的開發(fā)已經走過了幾十個春秋并且取得了長遠的進步。它正在直接與辦公、交通、金融、公安、商業(yè)、旅游等行業(yè)的語音咨詢與管理。工業(yè)生產部門的語聲控制，電話、電信系統(tǒng)的自動撥號、輔助控制與查詢以及醫(yī)療衛(wèi)生和福利事業(yè)的生活支援系統(tǒng)等各種實際應用領域相接軌，并且有望成為下一代操作系統(tǒng)和應用程序的用戶界面?？梢姡Z音信號采集與分析的研究將是一項極具市場價值和挑戰(zhàn)性的工作。我們今天進行這一領域的研究與開拓就是要讓語音信號處理技術走入人們的日常生活當中，并不斷朝更高目標而努力。語音信號采集與分析之所以能夠那樣長期地、深深地吸引廣大科學工作者去不斷地對其進行研究和探討，除了它的實用性之外，另一個重要原因是，它始終與當時信息科學中最活躍的前沿學科保持密切的聯(lián)系，并且一起發(fā)展。語音信號采集與分析是以語音語言學和數(shù)字信號處理為基礎而形成的一門涉及面很廣的綜合性學科，與心理、生理學、計算機科學、通信與信息科學以及模式識別和人工智能等學科都有著非常密切的關系。對語音信號采集與分析的研究一直是數(shù)字信號處理技術發(fā)展的重要推動力量。因為許多處理的新方法的提出，首先是在語音信號處理中獲得成功，然后再推廣到其他領域。 國內外研究現(xiàn)狀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。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(shù)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(shù)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(shù)字信號處理方法和技術，如數(shù)字濾波器、快速博里葉變換(FFT)等成為語音信號數(shù)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潮，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神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。 數(shù)字信號處理（DSP）簡介 數(shù)字信號處理（DigitalSignalProcessing，簡稱DSP）是一門涉及許多學科而又廣泛應用于許多領域的新興學科。20世紀60年代以來，隨著計算機和信息技術的飛速發(fā)展，數(shù)字信號處理技術應運而生并得到迅速的發(fā)展。在過去的二十多年時間里，數(shù)字信號處理已經在通信等領域得到極為廣泛的應用。數(shù)字信號處理是利用計算機或專用處理設備，以數(shù)字形式對信號進行采集、變換、濾波、估值、增強、壓縮、識別等處理，以得到符合人們需要的信號形式。數(shù)字信號處理是圍繞著數(shù)字信號處理的理論、實現(xiàn)和應用等幾個方面發(fā)展起來的。數(shù)字信號處理在理論上的發(fā)展推動了數(shù)字信號處理應用的發(fā)展。反過來，數(shù)字信號處理的應用又促進了數(shù)字信號處理理論的提高。而數(shù)字信號處理的實現(xiàn)則是理論和應用之間的橋梁。數(shù)字信號處理是以眾多學科為理論基礎的，它所涉及的范圍極其廣泛。例如，在數(shù)學領域，微積分、概率統(tǒng)計、隨機過程、數(shù)值分析等都是數(shù)字信號處理的基本工具，與網絡理論、信號與系統(tǒng)、控制論、通信理論、故障診斷等也密切相關。近來新興的一些學科，如人工智能、模式識別、神經網絡等，都與數(shù)字信號處理密不可分?？梢哉f，數(shù)字信號處理是把許多經典的理論體系作為自己的理論基礎，同時又使自己成為一系列新興學科的理論基礎。 本文主要工作本文簡要介紹了語音信號采集與分析的發(fā)展史以及語音信號的特征、采集與分析方法，并通過PC機錄制自己的一段聲音，運用Matlab進行仿真分析，最后加入噪聲進行濾波處理，比較濾波前后的變化。第2章主要介紹語音信號的特點與采集，仿真主要是驗證奈奎斯特定理。第3章主要是對語音信號進行時域、頻域上的分析，如短時功率譜，短時能量，短時平均過零率，語譜圖分析等等。第4章是對語音信號的綜合和分析，包括語音信號的調制、疊加和濾波。 352 語音信號的特點與采集 語音信號的特點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：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。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。 圖21語音信號時域波形圖 圖22語音信號頻域波形圖在將語音信號進行數(shù)字化前，必須先進行防混疊預濾波，預濾波的目的有兩個：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。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、下截止頻率分別是fH和fL，則對于絕大多數(shù)語音編譯碼器，fH=3400Hz、fL＝60~100Hz、采樣率為f