【正文】 b1=x(11001:22000)。 for m=1:N。 對于文中的txt文件在語音的Matlab是不能實現(xiàn)的，這需要專業(yè)的Matlab軟件來完成，它實現(xiàn)的平滑處理比較好，對于語音信號的后處理，可以很清楚的觀察基音周期，所以在此引用，以便以后能更好的研究，現(xiàn)在對語音信號的研究很感興趣，雖然本論文研究的不夠深入，我想以后再進(jìn)行此方面的研究。本次的設(shè)計雖然有很多外在的幫助，但是它是我獨自完成的過程，讓我能夠系統(tǒng)的認(rèn)識自己的設(shè)計。對于語音知識的了解，讓我感到它的神奇，讓我有很大的興趣去關(guān)注這個領(lǐng)域，它確實給我們的生活帶來了方便，讓人的手從繁重的勞動中解放出來，在做設(shè)計的過程中遇到了一些程序和應(yīng)用上的問題，尋問陳老師和其他老師，很感謝他們的講解，在我設(shè)計的大思路中提供了幫助。figure(2)subplot(211)axis([0,200,2*10^3,2*10^3])plot(s)。)。)。 xlabel(39。 [Rmax,N(m)]=max(p)。)。)。39。MATLAB控制系統(tǒng)動態(tài)仿真實例教程。為了語音識別實用化的需要，說話人自適應(yīng)，聽覺模型，快速搜索識別算法以及進(jìn)一步的語言模型的研究倍受關(guān)注。與文本有關(guān)的說話人確認(rèn)系統(tǒng)已經(jīng)商品化，并且在許多需要進(jìn)行身份核查的場所得到了應(yīng)用。近年來特征參數(shù)的研究已經(jīng)趨更高層次的提取，就比如說話人的個人的口頭禪，說話時的情感，說話時的語調(diào)，說話的節(jié)奏，還有就是說話人自己地方語言等等。從人的說話特征中提取的有效的基音周期，然后進(jìn)行數(shù)學(xué)建模，并將與之相關(guān)的資料存入數(shù)據(jù)庫，通過將一系列的動作連貫起來，采用嵌入式芯片技術(shù)，將其植入到某些物件中，就能很方便的完成人們的需要。說話人識別特征參數(shù)選取的準(zhǔn)則有這些:1)能夠高效的區(qū)分不同的人，在同一人說話時語音的變化比較穩(wěn)定；2）能很容易從語音信號中提取出來；3）每個人的語音都是獨特的，所以選擇的參數(shù)必須不容易被其他人模仿；4）特征參數(shù)應(yīng)該是相對恒定的，不受時間和空間的影響。這些問題的解決，能夠保證實驗的順利進(jìn)行。性的頻譜包絡(luò)特征信息和反映聲帶振動等音源特性的頻譜細(xì)節(jié)構(gòu)造特征信息。通過Matlab 上自相關(guān)函數(shù)法和幅度差函數(shù)法能讓我們很好地進(jìn)行基音周期的定位，為后面計算和分析各人的基音周期做好基礎(chǔ)。%對信號進(jìn)行低通濾波figure(3)。endWindow= boxcar(N1+1)。figure(1)。*x(k:k+n1)。)endif r==1 len=c。樣點數(shù)’）axis([0,360,0,150])title（‘加延時的二次平滑算法’）其中，linsmooth()函數(shù)的MATLAB程序如下：function[y]=linsmooth(x,n,wintype)% linsmooth(x,wintype,n)：linear smoothing% x:輸入% n:窗長% wintype：窗類型，默認(rèn)為‘hann39。幀數(shù)’）ylabel(39。幀數(shù)’）ylabel(39。v(4)=0。w1=wzhouqi2。)。常用的平滑技術(shù)主要有：中值濾波平滑處理，線性平滑，動態(tài)規(guī)劃平滑處理。figure(2)subplot(211)axis([0,200,2*10^3,2*10^3])plot(s)。)。)。 xlabel(39。 %防止誤判，去掉前邊10個數(shù)值較大的點 [Rmax,N(m)]=max(p)。)。中心削波后語音波形’）；xlabel(39。for i=1:L。coeff=。中心削波前語音波形39。 a(i)=a(i)ht。39。39。)。 語音信號的采樣和分幀“采樣”是指從語音信號中選取一段樣本，一般取樣點數(shù)為幀長的整數(shù)倍。(a)是在這幀語音信號中加入信噪比是2dB噪聲后所得到的波形，(b)看出來了它的平均幅度差函數(shù)中有很多諧波分量，基音峰值點受到這些諧波分量的很大影響，在基音周期的判斷時就有出入。(a)是一幀的原始語音信號，(b)是經(jīng)過自相關(guān)函數(shù)的語音信號，可以看出峰值是自相關(guān)函數(shù)在基音周期處，峰值點之間的間隔的平均值就是基音周期，(b)所示可以看出自相關(guān)函數(shù)檢測出的基音周期是原始信號基音周期的一半，因為諧波峰值點(箭頭所示)的影響，就會出現(xiàn)上述缺點中所說的倍頻現(xiàn)象。通過En的高低來判定濁音向清音的轉(zhuǎn)化。 用短時平均能量進(jìn)行清/濁音的判斷在基音檢測的同時，應(yīng)進(jìn)行清/濁音判斷，因為可將濁音/清音特征看作與周期/非周期相同的特征，所以可以簡化問題，濁/清音往往按自相關(guān)函數(shù)和預(yù)測誤差的自相關(guān)函數(shù)的峰值來決定。③自相關(guān)函數(shù)是偶函數(shù)，即。 中心削波函數(shù)為 ：（） XL +XL 中心削波函數(shù) 做自相關(guān)運算，只有剩余的峰值部分參與運算，其他都是零。語音信號的低幅度部分包含了大量的共振峰信息，而高幅度部分包含了大量的基音信息。第4章：詳細(xì)講解語音識別的原理，通過對比基音周期來達(dá)到能夠判別不同的說話人，同時也說明基音周期在語音識別中的重要作用。非基于事件的檢測方法主要有:自相關(guān)函數(shù)法、平均幅度差函數(shù)法，倒譜法，以及在以上算法基礎(chǔ)上的一些改進(jìn)算法。就聲道共振峰來說，有時會嚴(yán)重影響音源諧波結(jié)構(gòu)。在使用漢語進(jìn)行談話時，我們可以說話人的語調(diào)來了解其中的意思，也可以是用元音和輔音來辨識說話人的意思，但是，由于漢語中常常會出現(xiàn)多音字，就是一個字它有不同的讀音和不同的意義，所以，能夠準(zhǔn)確并且可靠地進(jìn)行基音周期檢測對漢語語音信號的處理相當(dāng)重要，同時對于語音識別有十分重要的意義。在基音檢測的方法中，對每幀語音信號只進(jìn)行一次清濁判決，若判決為濁音，則以基音周期間隔的脈沖序列作為該幀的激勵信號；若為清音，則以隨機噪音作為該幀的激勵信號，實際中，清濁信號的過渡段是很難區(qū)分的，且激勵信號也常常含有類噪音成分，很難以幀加以區(qū)分。僅對元音的特征進(jìn)行了深入的研究，輔音的領(lǐng)域就比較薄弱，最難的元﹑輔音的過渡就更是空白，但偏偏這一部分所含的信息量大，最難處理的。 要準(zhǔn)確地提取語音信號的特征參數(shù)，對語音信號的處理分析很重要。語音信號處理和認(rèn)知科學(xué)、心理學(xué)、語言學(xué)、計算機科學(xué)、模式識別和人工智能等學(xué)科聯(lián)系緊密?，F(xiàn)在的電腦網(wǎng)絡(luò)技術(shù)的普及和完善，對于語音信號處理技術(shù)發(fā)揮著越來越重要的作用。本設(shè)計為語音信號的基音周期檢測，采集語音信號，對語音信號進(jìn)行處理，區(qū)分清音濁音，并通過對采樣值進(jìn)行濾波、分幀、求短時自相關(guān)函數(shù)，得到濁音的基音周期。攀枝花學(xué)院本科畢業(yè)設(shè)計(論文) 摘要基于基音周期模型的語音識別摘要 基音周期是表征語音信號本質(zhì)特征的參數(shù)，屬于語音分析的范疇，只有準(zhǔn)確分析并且提取出語音信號的特征參數(shù)，才能夠利用這些參數(shù)進(jìn)行語音識別處理。關(guān)鍵詞：預(yù)處理,基音檢測,自相關(guān)函數(shù)法,平均幅度差函數(shù)法,基音軌跡 ，語音識別I 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文） AbstractAbstract pitch is characterization parameters of speech signal characteristics, belongs to the category of speech analysis, only the accurate analysis and extract the characteristic parameters of speech signal can use these parameters to speech recognition processing. voice recognition rate of high and low, are dependent on the accuracy of the analysis of speech signal and accuracy, so the pitch period of the study on speech signal processing plays an important role in this paper, through the two algorithm in Matlab pitch period detection, respectively is shorttime autocorrelation method and short time average magnitude difference function method. Pitch period is obtained by the experiment results of speech signal analysis to identify the different people. The curriculum design of pitch detection of speech signals, speech signal, the speech signal processing, distinguish between the voiced and unvoiced speech has different samples values in the filtering, framing, asks the shorttime autocorrelation function, have voiced sound pitch period. The thesis first introduces the research background of speech pitch detection algorithm is very important. Next to the existing algorithm for pitch detection are summarized, and a detailed introduction to this article will use the two kinds of basic pitch detection algorithm is the basic principle and realization. Finally in Matlab on speech signal pitch period detection.Keywords: pretreatment,pitch detection ,autocorrelation function。語音識技術(shù)是用來設(shè)計一種會聽話的計算機，只要對著麥克風(fēng)講話，便可以指揮計算機動作，也就是要實現(xiàn)“芝麻開門”聲控計算機的夢想，當(dāng)然現(xiàn)在這已經(jīng)不是夢想。 基音周期檢測也稱為基頻檢測(Pitch Detection) ,它的目標(biāo)是找出和聲帶振動頻率完全一致的基音周期變化軌跡曲線,或者是盡量相吻合的軌跡曲線。因此，表征語音特征參數(shù)的獲取，是利用它們進(jìn)行準(zhǔn)確語音識別的關(guān)鍵。準(zhǔn)確可靠的對基音周期進(jìn)行檢測將直接影響整個語音處理系統(tǒng)的性能。基音周期與先天個人的聲帶條件（比如聲帶的厚薄，韌性等）還有后天的個人說話習(xí)慣都有關(guān)系，在很大程度上反應(yīng)了個人的語音特征。 自從進(jìn)行語音信號分析研究以來，基音檢測一直是一個重點研究的課題。3．在濁音語音段很難對每個基音周期的開始和結(jié)束位置進(jìn)行精確的判斷，一方面因為語音信號本身是準(zhǔn)周期的。語音信號是典型的時變、非平穩(wěn)信號，但是，由于語音的形成過程是與發(fā)音器官的運動密切相關(guān)的，而這種物理運動要比聲音振動速度要緩慢得多，因此語音信號常常被假定為短時平穩(wěn)的，即在短時間內(nèi)，其頻譜特性和某些物理特征參量可近似地看作是不變的，非基于事件的檢測方法正是利用語音信號