【正文】 法等領(lǐng)域的監(jiān)聽鑒別都有用到﹑還有一些多語信息的服務(wù)（旅游信息﹑應(yīng)急信息﹑電話信息和轉(zhuǎn)接信息 ,以及購物﹑銀行﹑股票交易等），很重要的是應(yīng)用于軍事領(lǐng)域（戰(zhàn)場環(huán)境的監(jiān)聽，指揮員的鑒別，對于人的身份國籍的判別）。 選定基音周期計算點，表一（小張的基音周期），表二（小王的基音周期）。先儲存一些模板，然后系統(tǒng)必須辨認(rèn)出特定人的語音是這些人中的哪一位，有時會還要求對 N個以外的測試語 音做出正確的判斷。 說話人識別系統(tǒng)框圖如下 : 訓(xùn)練 識別 結(jié)果 識別 圖 說話人識別系統(tǒng)框圖 說話人識別系統(tǒng)包括訓(xùn)練和識別兩個階段，在訓(xùn)練時，每個說話人重復(fù)一定次數(shù)的發(fā)音，然后檢測并分析每次發(fā)聲的語段，已提取特征，并利用動態(tài)時間規(guī)整技術(shù)，在時間上對齊特征序列且多次平均， 形成每個說話人的模板。在說話人識別系統(tǒng)中基因周期的提取是最重要的一環(huán)，基音周期的提取就是從說話人的語音信號中提取出表示說話人個性的基本特征。 得到結(jié)果如下： 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文 ） 3 基于 Matlab 基音周期的檢測 24 圖 低通濾波器的頻率響應(yīng) 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文 ） 3 基于 Matlab 基音周期的檢測 25 圖 a1經(jīng)過低通濾波器的波形 再對濾波后的的語音信號 x_low檢測基音周期，用上面講述的自相關(guān)函數(shù)法和平均幅度差法進行基音周期的檢測，再進行中值平滑處理，最后進行比較。低通濾波器的頻率響應(yīng) 39。 fc1=500。39。 else 1=(n1)/2。 [r,c]=size(x)。樣點數(shù)’） axis([0,360,0,150]) title（‘二次平滑法’） subplot(515） ,plot(zhouqi4)。樣點數(shù)’） axis([0,360,0,150]) title(39。 zhouqi4=v1+zhouqi2。 v(1)=0。 zhouqi2=linsmooth(zhouqi0,5)。39。所以在提取時，就應(yīng)當(dāng)進行相應(yīng)的處理使得得到的基音周期軌跡于現(xiàn)實的軌跡能比較貼合。 sum=sum+abs(b1(m)b1(m+k1))。 figure(1)。)。.39。 for i=(k+1):n。)。)。 a(k)=a(k)+th0。 ylabel(39。)。 n=min(a)。.39。 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文 ） 3 基于 Matlab 基音周期的檢測 13 圖 a1原始語音波形 對語音信號采樣，通過 matlab對語音文件“ ”計算得知其語音長度為，若采樣頻率為 11KHz，共計 27500個采樣點。 stem(x,39。 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文 ） 3 基于 Matlab 基音周期的檢測 11 3 基于 Matlab 基音周期的檢測 語音文件的錄制與讀入 1． 利用 windows 附件中的錄音機功能錄制 23 秒的 .wav 語音文件，并以 a 為文件名保存到 Matlab/work 的文件夾中。很容易在硬件上實現(xiàn)，所以使得短時平均幅度差函數(shù)法在基音檢測中使用得相對比較普遍。觀察濁音信號的自相關(guān)函數(shù)圖，實際上，真正反映基音周期的只是少數(shù)幾個峰，其它的多數(shù)峰都是由于聲道的共振特性引起的。令 h( n) = w2 ( n) ,則有 ? ? )(*)()( 212 nhnxmnhmxE Nnmn ??? ? ??? ) 窗口加權(quán)短時平均能量 En， 沖激相應(yīng) h(n)的選取 直接影響著短時能量的計算。計算起來不 方便，近年來高速數(shù)字信號處理器 (DSP)的使用，使讓這一算法簡單有效。 自相關(guān)函數(shù)原理： 能量有限的語音信號 ??()sn 的短時自相關(guān)函數(shù)定義為： 10( ) [ ( ) ( ) ] [ ( ) ( ) ]NnmR s n m w m s n m w m?? ? ????? ? ? ? ?? () 其中， ? 為移位距離， ()wm是偶對稱的窗函數(shù)。消除其他的響應(yīng)對于基音檢測的影響，因此就采用中心削波技術(shù)去來對語音信號進行預(yù)處理。本章將詳細(xì)的介紹這兩種常用基音檢測算法的基本原理。目前的基音檢測算法大致可分為兩大類：非基于事件檢測方法和基于事件檢測方法 ,這里的事件是指聲門閉合。 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文） 1 緒論 4 論文的結(jié)構(gòu)安排 與論文的主要內(nèi)容相對應(yīng)，全文具體章節(jié)安排如下： 第 1 章：先簡述語音信號處理的相關(guān)概念，再講基音周期的概念，基音檢測背景研究的意義以及基音檢測現(xiàn)狀進行說明，最后對論文的結(jié)構(gòu)進行安排。 1．語音信號本身是變 化的，所以研究起來就十分復(fù)雜，聲門激勵的波形并不是一個完全周期的序列，在語音的開頭和結(jié)尾部分并不具有規(guī)則的聲帶振動的周期性，所以在劃分清濁音的過渡幀是，是很難去判定的，到底是該歸類到周期性的還是歸類到非周期性的。 基音是指發(fā)濁音時聲帶震動所引起的周期性，基音周期是指聲帶震動頻率的倒數(shù)。攜帶者語言中大部分的能量，濁音在時域上呈現(xiàn)出明顯的周期性。語音信號是十分復(fù)雜的非平穩(wěn)信號，它不僅包括語 義信息，還有個人特征信息，對于語音信號特征參數(shù)的研究是語音識別的基礎(chǔ)?；魴z測是語音處理中的一項重要技術(shù)之一 , 也是語音處理中最困難的工作之一，而且是語音處理領(lǐng)域最具挑戰(zhàn)的任務(wù)之一。語音信號處理是研究用數(shù)字信號處理技術(shù)對語音信號進行處理的一門學(xué)科，它是一門新興的學(xué)科，同時又是綜合性的多學(xué)科領(lǐng)域和涉及面很廣的交叉學(xué)科，其中包括語音識 別只是其中的一個分支。同時語言又屬于聲學(xué)范疇，是相互傳遞信息最重要的手段，是人類最重要，最有效，最常用和最方便的交換信息的形式。 論文首先介紹了語音基音檢測算 法在語音識別方面的研究背景極其重要意義。通過實驗得到的基音周期結(jié)果的分析來識別不同的人的語音信號。語言是人類特有的功能 ，它是創(chuàng)造和記載幾千年人類文明史的根本手段，沒有語言就沒有今天的人類文明。在聽別人說話時，不僅要聽還要看，這些語音特征在研究時很重要的。 因為清音信號沒有周期性，所以就將濁音信號的周期稱為基音周期 , 它是聲帶振動頻率的倒數(shù)?；糁芷谑侵赴l(fā)濁音時聲帶震動所引起的周期運動時間間隔。語音由聲帶震動或不經(jīng)聲帶震動來產(chǎn)生，其中由聲帶震動產(chǎn)生的音統(tǒng)稱為濁音，而不由聲帶震動產(chǎn)生的音統(tǒng)稱為清音。 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文） 1 緒論 3 基音周期的估計稱謂基音檢測，基音檢測的最終目的是為了找出和聲帶 振動頻率完全一致或盡可能相吻合的軌跡曲線。到目前為止仍然沒有一種基音檢測方法可以適用于不同的說話人、不同的要求和環(huán)境，究其原因，可歸納為如下 5 個方面。 5．基音頻率變化范圍有些大，從最低的聲頻到最高的聲頻，中間相差大概 3個倍頻程，所以研究起基音檢測還是相當(dāng)困難的。我國基音檢測方面的研究起步要比國外發(fā)達國家晚一點，但是進步很大，特別是對漢語的基音檢測取得成果尤為突出。目前 ，基音周期檢測的算法有很多種，最常用的基音檢測算法有自相關(guān)函數(shù)法和平均幅度差函數(shù)法。為了突出反映基音周期的信息，同時壓縮其他無關(guān)信息，減小運算量，自相關(guān)計算之前需要對語音信號進行適當(dāng)預(yù)處理。其中 ,削波 電平 XL 一般取最大信號幅度的 60％— 70％，削波后的序列用短時自相關(guān)函數(shù)估計基音周期，在基音周期處峰值更加尖銳，可減少倍頻或半頻錯誤。窗長應(yīng)該選的更長一些，避免第一最大峰值點與基音周期不一致，窗長長了就可以更清楚的了解自相關(guān)函數(shù)的波形，更有利于檢測。 N 為窗長。語音的濁音信號具有準(zhǔn)周期性，所以在自相關(guān)函數(shù)基音周期的整數(shù)倍的地方取最大值，計算相鄰兩個最大峰值之間的距離，就可以估計出基音周期。 因 為 ()nF?只需加、減法和取絕對值等的計算，比較簡單。基于語音信號短時平穩(wěn)性，它們的優(yōu)點 是比較簡單，主要應(yīng)用于只需要平均基音周期作為參數(shù)的語音識別。%讀取聲音文件 figure(1)。一般窗長選為 120240點，分幀模塊主要完成將取樣模塊中獲得的語音樣值點分為若干個語音幀。 stem(x,39。 end m=max(a)。k39。)。 elseif a(k)=(th0)。k39。幅度 39。 Rm(k)=0。stem(T,39。周期 (ms)39。%讀取聲音文件 b1=x(11001:220xx)。 for m=1:N。從這樣的波形中是很難提取到準(zhǔn)確基音周期的。 圖 （ a)3 點中值平滑 5 點中值平滑 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文 ） 3 基于 Matlab 基音周期的檢測 20 圖 （ b) 用下 面的程序?qū)υ嫉幕糁芷谶M行平滑處理： fid=fopen(39。 zhouqi1=medfilt1(zhouqi,3)。 v=[]。 v1=linsmooth(v1,5)。幀數(shù)‘） ylabel(39。幀數(shù)’） ylabel(39。 win=win/sum(win)。 x=[ones(1,1)*x(1) x ones(1,1)*x(len)]39。 打開 matlab，運行如下程序： [x,fs,bits]=wavread(39。)。 title(39。)。說話人識別就是從說話人的一段語音中提取說話人的個人特征，通過對這些個人特征的分析和識別，從而達到對說話人的辨識或確認(rèn)的目的。這些過渡段特征能更好的表現(xiàn)出說話人的發(fā)音習(xí)慣 。說話人辨認(rèn)是從以前就有的一些人的語音中去識別中某個人，即就是“多選一判別”。因為男生的聲音比較低沉，在清濁音的判定上有一定的難度，女生的音調(diào)比較高，分辨起來比較方便，所以本實驗采集的是兩位女生的語音，自相關(guān)函數(shù)算法和平均幅度差算法都能很清楚的確定基音周期位點，根據(jù)下面的方程就可以計算出基音周期：由于外界因素的影響使得在基音檢測之后得到的基音周期中仍然存在一些野點，為了準(zhǔn)確期間，因為自相關(guān)函數(shù)法仿真后得到的數(shù)據(jù)非常清晰，所以我們選擇了 自相關(guān)函數(shù)算法在仿真后得到的一些數(shù)據(jù)進行求平均值，具體算法如下。而且近年來，這項技術(shù)已經(jīng)在相當(dāng)廣泛的領(lǐng)域發(fā)揮出了重要的 作用。在實驗室研究的理想性，跟現(xiàn)實的環(huán)境還是有一定的出入。說話人識別技術(shù)已經(jīng)在安全加密等方面。希望以 后在這方面的研究能更進一步。 [13] 趙建偉，樓宏偉，徐大為，劉重慶．噪音環(huán)境下的基音檢測方法 [J] [14] 徐剛，黃冰．基于小波變換和歸一化自相關(guān)的基音檢測算法 [J]． [15] 陳龍三 ，聲控計算機制作與應(yīng) 用入門，清華大學(xué)出版社