【正文】 特征，在清音段表現(xiàn)出隨機噪聲的特征。這樣，預(yù)濾波器必須是一個帶通濾波器，設(shè)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fs＝8kHz；而對丁語音識別而言，當(dāng)用于電話用戶時，指標(biāo)與語音編譯碼器相同。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(jìn)行取樣，才能正確地重建波形，它是通過采樣脈沖和模擬信號相乘來實現(xiàn)的。如何合理選擇△t涉及到許多需要考慮的技術(shù)因素。根據(jù)采樣定理，當(dāng)采樣頻率大于信號的兩倍帶寬時，采樣過程不會丟失信息，利用理想濾波器可從采樣信號中不失真地重構(gòu)原始信號波形。 語音信號經(jīng)過預(yù)濾波和采樣后，由A／D變換器變換為二進(jìn)制數(shù)字碼。調(diào)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。因此語音信號分析在語音信號處理應(yīng)用中具有舉足輕重的地位。所以任何語音信號的分析和處理必須建立在“短時”的基礎(chǔ)上．即進(jìn)行“短時分析”，將語音信號分為一段一段來分析其特征參數(shù)，其中每一段稱為一“幀”，幀長一般取為10～30ms。 語音信號的時域分析語音信號的時域分析就是分析和提取語音信號的時域參數(shù)。這種分析方法的特點是：表示語音信號比較直觀、物理意義明確。語音信號的時域參數(shù)有短時能量、短時過零率、短時自相關(guān)函數(shù)和短時平均幅度差函數(shù)等，這是語音信號的一組最基本的短時參數(shù)，在各種語音信號數(shù)字處理技術(shù)中都要應(yīng)用。為此可采用另一個度量語音信號幅度值變化的函數(shù)．即短時平均幅度函數(shù)Mn，它定義為： Mn也是一幀語音信號能量大小的表征，它與En的區(qū)別在于計算時小取樣值和大取樣值不會因取平方而造成較大差異，在某些應(yīng)用領(lǐng)域也會帶來一些好處。短時過零率表示一幀語音中語音信號波形穿過橫軸（零電平）的次數(shù)。定義語音信號Xn（m）的短時過零率Zn為：式中，sgn[ ]是符號函數(shù)，即：在實際中求過零率參數(shù)時，需要十分注意的一個問題是如果輸入信號中包含有50Hz的工頻干擾或者A/D變換器的工作點有偏移(這等效于輸入信號有直流偏移)，往往會使計算的過零率參數(shù)很不準(zhǔn)確。而發(fā)清音時，多數(shù)能量出現(xiàn)在較高頻率上。在孤立詞的語音識別中，必須要在一連串連續(xù)的語音信號中進(jìn)行適當(dāng)分割，用以確定一個一個單詞的語音信號，即找出每一個單詞的開始和終止位置，這在語音處理中是一個基本問題。只用其中一個參量來判別語音的起點和終點是有困難的，必須同時使用這兩個參數(shù)。本文介紹的是語音信號的傅里葉分析法。由于窗口是有限長度的，滿足絕對可和條件，所以這個變換是存在的。當(dāng)n取固定值時，w(nm)的傅里葉變換為： (32)根據(jù)卷積定理，有： (33)因為上式右邊兩個卷積項均為關(guān)于角頻率w的以2π為周期的連續(xù)函數(shù)，所以也可將其寫成以下的卷積積分形式： （34）即，假設(shè)x(m)的DTFT是，且的DTFT是，那么是和的周期卷積。所以為了使，需；但是N值太大時，信號的分幀又失去了意義。而漢明窗在頻率范圍中的分辨率較高，而且旁辯的衰減大，具有頻譜泄漏少的優(yōu)點。當(dāng)然，這時窗長N必須是2的倍數(shù)(L是整數(shù))。例如、在10kHz的范圍內(nèi)采樣求頻譜，并要求頻率分辨率在30Hz以下。為了完成1024點的FFT，這些專用芯片所需的運算時間是幾十毫秒至幾毫秒，甚至可以降至1ms以下。并且功率譜是短時自相關(guān)函數(shù)的傅里葉變換。 語音信號的語譜圖語音的時域分析和頻域分析是語音分析的兩種重要方法。因此，人們致力于研究語音的時頻分析特性。語譜圖中顯示了大量的與語音的語句特性有關(guān)的信息，它綜合了頻譜圖和時域波形的特點，明顯地顯示出語音頻譜隨時間的變化情況，或者說是一種動態(tài)的頻譜；記錄這種頻譜的儀器就是語譜儀。寬帶語譜圖能給出語音的共振峰頻率及清輔音的能量匯集區(qū)，在語譜圖里共振峰呈現(xiàn)為黑色的條紋。因而可以利用聲紋鑒別不同的講話人。同時給出了相應(yīng)的語音的時域波形。在一個語音段的語譜圖中，有沒有橫扛出現(xiàn)是判斷它是否是濁音的重要標(biāo)志。4 語音信號的綜合仿真分析 MATLAB將矩陣運算、數(shù)值分析、圖形處理、編程技術(shù)結(jié)合在一起，為用戶提供了一個強有力的科學(xué)及工程問題的分析計算和程序設(shè)計工具，它還提供了專業(yè)水平的符號計算、文字處理、可視化建模仿真和實時控制等功能，是具有全部語言功能和特征的新一代軟件開發(fā)平臺。在設(shè)計研究單位和工業(yè)開發(fā)部門，MATLAB被廣泛的應(yīng)用于研究和解決各種具體問題。 (Editor/Debugger)增加了行號和書簽等功能； 7）屬性編輯器功能更強(Property Debugger)，使用更方便； 8）建立了一個與以前完全不同的圖形用戶界面（GUI）圖形窗口，(Graphical Window)使用更加方便靈活； 9）增加了虛擬現(xiàn)實工具箱，(Virtual Reality Toolbox)使用標(biāo)準(zhǔn)的虛擬現(xiàn)實建模語言（VRML）技術(shù)，可以創(chuàng)建由MATLAB和simulink環(huán)境驅(qū)動的三維動畫場景； 10）在應(yīng)用程序接口方面增加了與Java的接口(Interface for Java)，并為二者的數(shù)據(jù)交換提供了相應(yīng)的程序庫。臨時變量不占空間，為了對變量的內(nèi)容進(jìn)行觀察、編輯與修改，可以用三種方法打開內(nèi)存數(shù)組編輯器。 設(shè)置當(dāng)前目錄可以在瀏覽器窗口左上角的輸入欄中直接輸入，或點擊瀏覽器下拉按鈕進(jìn)行選擇。 平臺列出了系統(tǒng)中安裝的所有的MATLAB產(chǎn)品的目錄，可以通過雙擊來啟動相應(yīng)的選項。MATLAB和Mathematica、Maple并稱為三大數(shù)學(xué)軟件。在新的版本中也加入了對C，F(xiàn)ORTRAN，C++，JAVA的支持。)。%在sigLength這個有限區(qū)間內(nèi)做快速傅立葉變換Pyy = Y.* conj(Y) / sigLength。plot(f,Pyy(1:halflength+1))。 %在第一個窗口畫率譜t=(0:sigLength1)/Fs。Time(s)39。把原始的待傳信號托附到高頻振蕩的過程稱為調(diào)制。傳送信號將會是 在此， 公式中，f(t)是振蕩器的瞬時頻率，fΔ是頻偏（頻率偏移）,代表在一個方向上相對fc的最大頻率偏離，在此我們假定xm(t)是有限的幅值限于177。根據(jù)語音信號的特點給出有關(guān)濾波器的性能指標(biāo)：低通濾波器性能指標(biāo)，fp=1000Hz，fc=1200Hz，As=100dB，Ap=1dB；用雙線性變換法設(shè)計的低通濾波器的程序如下： fp=1000。fs=22050。 [b,a]=ellip(n,Ap,As,wn)。比較濾波前后語音信號的波形及頻譜。低通濾波器在信號處理中的作用等同于其它領(lǐng)域如金融領(lǐng)域中移動平均數(shù)（moving average)所起的作用。 %函數(shù)wavread是對語音信號進(jìn)行 采樣，格式是[y,fs,nbit]=wavread，返回采樣值放在向量y中，fs表示采樣頻率（Hz），nbit表示采樣位數(shù)。rs=40。ws=2*fs/fc。)%如果選擇radiobutton1，則制做巴特沃思濾波器。 %求傳輸函數(shù)的分子和分母多項式的系數(shù)。[num,den]=cheby1(N,rp,Wc)。sound(x,fc,bits)。plot(x)。 圖44 低通濾波后的信號波形和頻譜由圖44可知低通濾波后，高頻分量被低通濾波器衰減。以及其中產(chǎn)生信號和繪制信號的基本命令和一些基礎(chǔ)編程語言。參 考 文 獻(xiàn)[1]胡航．語音信號處理[M]．哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2002．[2]丁玉美．高西全．?dāng)?shù)字信號處理[M]．西安電子科技大學(xué)出版社，2006．[4]張威．MATLAB基礎(chǔ)與編程入門[M]．西安電子科技大學(xué)出版社，2006．[5]林福宗．多媒體技術(shù)基礎(chǔ)[M]．北京：清華大學(xué)出版社，2000． [6]周淵，王炳和，劉斌勝．基于MATLAB的噪聲信號采集和分析系統(tǒng)的設(shè)計[M]．噪聲控制．2004(7)：5254． [7]何強，何英．MATLAB擴(kuò)展編程[M]．北京：清華大學(xué)出版社，2002：293296．[8]朱學(xué)芳，徐建平．計算機語音信號處理與語音識別系統(tǒng)[J]．南京郵電學(xué)院學(xué)報，1998，18(5—6)：113—11．[9]楊崇林，李雪耀，孫羽．強噪聲背景下漢語語音端點檢測和音節(jié)分割[J]．哈爾濱工程大學(xué)學(xué)報，1997．18(5)：28—32．[10] 張雄偉，陳量，楊吉斌．現(xiàn)代語音處理技術(shù)及應(yīng)用[M]．北京：機械工業(yè)出版社．2003．[11]韋曉東，等．應(yīng)用倒譜特征的帶噪語音端點檢測方法[J]．上海交通大學(xué)學(xué)報，2000，34(2)：185—188．[12]胡光銳，韋曉東．基于倒譜特征的帶噪語音端點檢測[J]．電子學(xué)報．200028(10)：95—97． [13]hnson D E, Johnson J R, Moore H Handbook of active filters[M].New Jersry,1980:172.[14]GershoA,Gr signal Compression[M].Boston,Kluwer Academic Publishers,1998.[15], [M].NeuralNetworks,20