【正文】 .......................... 26 附錄一： ........................................................................................................................ 26 附錄二： ........................................................................................................................ 26 附錄三： ........................................................................................................................ 27 附錄四： ........................................................................................................................ 28 附錄五： ........................................................................................................................ 28 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 第 1 章 緒 論 課題的背景與意義 通過語音傳遞倍息是人類最重要、最有效、最常用和最方便的交換信息的形式。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(chǎn)部門的語聲控制，電話、電信系統(tǒng)的自動(dòng)撥號(hào)、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(shí)際應(yīng)用領(lǐng)域相接軌，并且有望成為下一代操作系統(tǒng)和應(yīng)用程序的用戶界面。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。 到了 1970 年，好似反駁 Pierce 的批評(píng)，單 詞識(shí)別裝置開始了實(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)銷售也上了軌道。因此， 20 世紀(jì) 80年代開始出現(xiàn)的語音信號(hào)處理技術(shù)產(chǎn)品化的熱溯，與上述語音信號(hào)處理新技術(shù)的推動(dòng)作用是分不開的。另一方面，為了語音識(shí)別實(shí)用化的需要，講者自適應(yīng)、聽覺模型、快速搜索識(shí)別算法以及進(jìn)一步的語言模型的研究等課題倍受關(guān)注。 MATLAB 可以進(jìn)行 矩陣 運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理與通訊、 圖像處理 、 信號(hào)檢測(cè) 、金融建模設(shè)計(jì)與分析等領(lǐng)域。 下面是一段語音信號(hào)的時(shí)域波形圖 (圖 21)和頻域圖 (圖 22)，由這兩個(gè)圖可以看出語音信號(hào)的兩個(gè)特點(diǎn)。 下圖時(shí)一段語音信號(hào)在采樣頻率 情況下的頻譜圖。 根據(jù)采樣定理，當(dāng)采樣頻率大于信號(hào)的兩倍帶寬時(shí)，采樣過程不會(huì)丟失信息，利用理想濾波器可從采樣信號(hào)中不失真地重構(gòu)原始信號(hào)波形。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。所以任何語音信號(hào)的分析和處理必須建立在“短時(shí)”的基礎(chǔ)上．即進(jìn)行“短時(shí)分析”，將語音信號(hào)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。這種分析方法的特點(diǎn)是： ① 表示語音信號(hào)比較直觀、物理 意義明確。為此可采用另一個(gè)度量語音信號(hào)幅度值變化的函數(shù)．即短時(shí)平均幅度函數(shù) Mn， 它定義為： 10 ()NMnnm xm???? (34) Mn 也是一帕語音信號(hào)能量大小的表征，它與 En 的區(qū)別在于計(jì)算時(shí)小取樣值和大取樣值不會(huì)因取平方而造成較大差異，在某些應(yīng)用領(lǐng)域呻會(huì)帶來一些好處。定義語音信號(hào) Xn（ m） 的短時(shí)過零 率 Zn 為： ? ? ? ?101 s g n ( ) s g n ( 1 )2 Nn n nmZ x m x m??? ? ?? （ 35） 式中， sgn[ ]是符號(hào)函 數(shù)，即： ? ? ?1,( 0 )1,( 0 )sg n x xx ???? （ 36） 在實(shí)際中求過零率參數(shù)時(shí)，需要十分注意的一 個(gè)問題是如果輸入信 號(hào)中包含有 50Hz 的工頻干擾或者 A/D 變換器的工作點(diǎn)有偏移 (這等效于輸入信號(hào)有直流偏移 )，往往會(huì)使計(jì)算的過零率參數(shù)很不 準(zhǔn) 確 。在孤立詞的語音識(shí)別中，必須要在一 連串連續(xù)的語音信號(hào)中進(jìn)行適當(dāng)分割，用以確定一個(gè)一個(gè)單詞的語音信號(hào)，即找出每一個(gè)單詞的開始和終止位置，這在語音處理中是一個(gè)基本問題。這 里 ，窗 w(nm)是一個(gè)“滑動(dòng)的”窗口，它隨 n的變化而沿著序列 X(n)滑動(dòng)。所以為了使 ( ) ( )jw jwnX e X e? ，需N?? ；但是 N 值太大時(shí)，倍號(hào)的分幀 又 失 去了意義 。另外，為了使()nXk具有較高的頻率分辨率，所取的 DFT 以及相應(yīng)的 FFT 點(diǎn)數(shù) 1N 應(yīng)該足夠多，但有時(shí)河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) ()nxm的長度 N要受到采樣 率 和短時(shí)性的限制，例如，在通常采樣率為 8kHz且?guī)L為 20ms時(shí)， N=根據(jù)功率譜定義，可以寫出短時(shí)功率譜與短時(shí)傅里葉變換之間的關(guān)系： 2( ) ( ) ( ) ( )j w j w j w j wn n nnS e X e X e X e?? ? ? (312) 或者： 2( ) ( ) ( ) ( )n n nnS k X k X k X k?? ? ? (313) 式中＊表示復(fù)共軛運(yùn)算。短時(shí)譜只能反映語音信號(hào)的靜態(tài)頻率特性，不能反映 語音信號(hào)的動(dòng)態(tài)頻率特性。 窄帶語譜 圖 有良好的頻率分辨率， 有 利于顯示基音頻率及其各次諧波，但它的時(shí)間分辨率較 差 ，不利于觀察共振峰 (盧道諧振 )的變化；而寬帶語譜圖正相反，具有良好的時(shí)間分辨率及較差的頻率分辨率。 圖 33 是 用 Mtalab 繪制的 一 個(gè)寬帶語譜圖，其中橫抽坐標(biāo)為時(shí)間，縱軸坐標(biāo)為頻率，語句 內(nèi)容為 “ 河南農(nóng)業(yè)大學(xué)理學(xué)院 ”， 它的發(fā)音在 圖 下方以音標(biāo)表示。條紋越密表示越音頻率越高。 ④ 設(shè)計(jì)數(shù)字濾波器和畫出頻率響應(yīng) 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 根據(jù)語音信號(hào)的特點(diǎn)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=1200 Hz， As=100dB， Ap=1dB； 用雙線性變換法設(shè)計(jì)的低通濾波器的程序如下： fp=1000。 [b,a]=ellip(n,Ap,As,wn)。同時(shí)我相信，進(jìn)一步加強(qiáng)對(duì) MATLAB 的學(xué)習(xí)與研究對(duì)我今后的學(xué)習(xí)將會(huì)起到很大的幫助。39。 f=Fs*(0:halflength)/sigLength。plot(t,y)。 lg=length(y)。原始信號(hào) 39。 %通過循環(huán)，每隔 80 個(gè)點(diǎn)將抽取后的值賦值為原函數(shù)的 ycq(i)=y(i)。 subplot(212)。 % 讀取語音文件 x = filter([1 ],[1],x)。 % 能量太高的截?cái)? xFFTdB(xFFTdB40) = 40。image(flipud(xFFTdB))。plot(y)。)。plot(y1)。)。調(diào)制信號(hào) +原始信號(hào)波形 39。 figure(4)。 [n,wn]=ellipord(wp,wc,Ap,As)。title(39。 sound(x,40000)。%設(shè)定幀長為 240 幀移為 80 amp1=10。 silence=0。 amp2=min(amp2,max(amp)/8)。 count=count+1。 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) if silencemaxsilence %靜音不夠長 ,沒有結(jié)束 count=count+1。 for i=1:length(amp)1。 end end j=1 for i=1:length(kaishi1)1 if((kaishi1(i+1)kaishi1(i))80) kaishi(j)=kaishi1(i)。,39。 line([x1*frameinc x1*frameinc],[1,1],39。 if ((zcr(i))amp。 end end case 3, break。 count=count+1。 status=2。%計(jì)算過零 率 amp=sum(abs(enframe(x(1:length(x)1),framelen,frameinc)),2)。 status=0。%將幅度歸一化到 [1,1] framelen=240。低通濾波后信號(hào)頻譜 39。 subplot(211)。 wc=2*fc/fs1。)。plot(y2)。title(39。%采樣點(diǎn)數(shù) 40000 figure(2)。title(39。%采樣點(diǎn)數(shù) 40000 figure(1)。)。 % 奈奎斯特頻率以內(nèi)是無效的 xFFTdB = 20*log10(xFFT+eps)。39。抽取后的 信號(hào) 39。 ycq=zeros(1,lg)。 plot(y)。,[25000,75000])。 t=(0:sigLength1)/Fs。 Pyy = Y.* conj(Y) / sigLength。 2021。讓我感受到只有在了解課本知識(shí)的前提下，才能更好的應(yīng)用這個(gè)工具；并且熟練的應(yīng)用MATLAB 也可以很好的加深我對(duì)課程的理解，方便我的思維。wp=2*fp/fs。 ③ 用經(jīng)過調(diào)制的信號(hào)與原信號(hào)疊加。豎 直條 (又 叫沖直條 )是 語譜圖 中出現(xiàn)與時(shí)間軸垂直的一條窄黑條。 這與不向的人有不同的指紋，根據(jù)指紋可以區(qū)別不同的人是一個(gè)道理。 語譜儀實(shí)際上是一個(gè)帶通濾波器組的輸出隨時(shí)間發(fā)生連續(xù)變化，連續(xù)重復(fù)進(jìn)行 語音 信河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 號(hào)頻率分析的儀器 。顯然這兩種單獨(dú)分析的方法均有局限性：時(shí)域分析對(duì)語音信號(hào)的頻率特性沒有直觀的了解；而頻域分析出的特征中又沒有語音信號(hào)隨時(shí)間的變化關(guān)系：語音信號(hào)是時(shí)變信號(hào)，所以其頻譜也是隨時(shí)間變化的。為了完成 1024 點(diǎn)的萬 FFT，這些專用芯片所需的運(yùn) 算時(shí)間是幾十毫秒至兒毫秒，甚至可以降至 1ms 以下。當(dāng)然，這時(shí)窗長 N 必須是 2的倍數(shù) 2L (L 是整數(shù) )。 根據(jù)信 號(hào)的時(shí)寬帶寬積為一常數(shù)這一基本性質(zhì)，可知 ()jwWe 主瓣 寬度與窗口寬度成反比， N 越大， ()jwWe 的主瓣越窄。本 文 介紹的是語音信號(hào)的傅里葉分析法 。當(dāng)然，這種高低僅是相對(duì)而言，并沒方精確的數(shù)值關(guān)系。 對(duì)于連續(xù)語音信號(hào)，過零即意味著時(shí)域波 形通過時(shí)間軸；而對(duì)于離散信號(hào)，如果相鄰的取樣值改變符號(hào)則稱為過零。 短時(shí)能量及短時(shí)平均幅度分析 設(shè)語音波形時(shí)域信號(hào)為 x(l)、加密分幀處理后得到的第 n 幀語音信號(hào)為 Xn(m)，則 Xn(m)滿足下式： ( ) ( ) ( ) ( )nx m w m x n m m?? 01mN? ? ? (31) 1 0 ~ ( 1)( ) { mNmwm ???? ， 0， 其 他 值 (32) 其中， n＝ 0， 1T， 2T，?，并且 N 為幀長， T 為幀移長度。語音信號(hào)本身就是時(shí)域信號(hào)，因而時(shí)域分析是最早使用，也是應(yīng)用最廣泛的一種分析方法，這種方法直接利用語音信號(hào)的時(shí)域波形。因?yàn)椋Z音信號(hào)從整體來看其特性及表征其本質(zhì)特征的參數(shù)均是隨時(shí)間而變化的，所以它是一個(gè)非乎穩(wěn)態(tài)過程，不能用處理乎穩(wěn)信號(hào)的數(shù)字信號(hào)處理技術(shù)對(duì)其進(jìn)行分析處理。市面上購買到的普通聲卡在這方面做的都很好，語音聲波通過話筒輸入到聲卡后直接獲得的是經(jīng)過防混疊濾波、 A/D 變換、量化處理的離散的數(shù)字信號(hào)。但過高的采樣頻率并不可取，對(duì)固定長度（ T）的信號(hào)，采集到過大的數(shù)據(jù)量（ N=T/△ t），給計(jì)算機(jī)增加不必要的計(jì)算工作量和存儲(chǔ)空間；若數(shù)據(jù)量（ N）限定，則采樣時(shí)間過短，會(huì)導(dǎo)致一些 數(shù)據(jù)信息被排斥在外。 采樣也稱抽樣，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。 ② 在時(shí)域內(nèi)，語音信號(hào)具有“短時(shí)性”的特點(diǎn)，即在總體上，語音信號(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)，語音信號(hào)保持平穩(wěn)。 MATLAB 是 矩陣實(shí)驗(yàn)室 （ Matrix Laboratory）的簡稱，和 Mathemat