【正文】 subplot(311) plot(x) axis([1 length(x) 1 1]) ylabel(39。 silence=0。 for n=1:length(zcr)。 zcr2=5。 subplot(212)。As=100。 Y2=fft(y2,40000)。fm39。)。 x = reshape(x(1:frmsize*frmt),frmsize,frmt)。 subplot(211)。 % sound(y,fs)。xlabel(39。在平易近人學(xué)識淵博的李老師的熏陶下，使我感覺到自己知識的淺薄，在浩瀚的知識海洋面前，使我感覺到自己要不斷進(jìn)取。Ap=1。橫杠是與時間 軸 平行的幾條深黑色帶紋，它們相應(yīng)于短時 譜 中的幾個凸出點(diǎn)，也就是共振峰。語諾圖是一種三維 頻譜 ，它是 表示語音 頻譜隨時間變化的圖形，其縱軸為頻率，橫軸為時間，任一給定頻率成分在給定時刻的強(qiáng)弱用相應(yīng)點(diǎn)的灰度或色調(diào)的濃談來表示。由 10k zH / 1N ＜ 30，得 1N＞ 333，所以 1N ＝ 2L 要取比 333 大的值，這時可取 1N = 92 ＝ 512 點(diǎn)， 不 足的部分采用補(bǔ) 0的辦法解決，此時頻率分辨率 (即頻率間隔 )為 10 Hz／ 512＝ ，采樣后的該幀信號頻率處在 0～ 2‘ x19． 53Hz 之間，因此，原連續(xù)信號頻率就處在 0～ 12 Hz? ? 之間 (即max 5f kHz? )，所以我們要在 0～ 5kHz 頻率范圍內(nèi)求其頻譜。 我們還可以將式 (3— 27)寫成另一種形式。 對語音信號進(jìn)行分析，發(fā)現(xiàn)發(fā)濁音時，盡管聲道有若干個共振峰，但由于聲門波引起譜的 高頻跌落，所以其話音能量約集中在 3kHz以下。④只使用示波器等通用設(shè)備，使用較為簡單等。而且，語音合成的音質(zhì)好壞，語音識別率的高低，也都取決于對語音信號分橋的準(zhǔn)確性 和精確性。 在采樣的過程中應(yīng)注意 采樣間隔的選擇和信號混淆：對模擬信號采樣首先要確定采樣間隔?？梢灾苯诱{(diào)用 ,用戶也可以將自己編寫的實(shí)用程序?qū)氲?MATLAB 函數(shù)庫中方便自己以后調(diào)用，此外許多的 MATLAB愛好者都編寫了一些經(jīng)典的程序，用戶可以直接進(jìn)行下載就可以用。其理論基礎(chǔ)是 1970 年前后，由 Baum 等 人 建立起來的，隨后，由美國卡內(nèi)基 梅隆 大學(xué) (CMU)的 Baker 和 美國 IBM 公司的 Jelinek 等人將其應(yīng)用到語音識別中。 20 世紀(jì) 60 年代 初 由于 Faut 和 Steven 的努力，奠定了 語音生成理論的基礎(chǔ)，在此基礎(chǔ)上語音 合成的研究得到了扎實(shí)的進(jìn)展 。并且，由于語言和語音與人的智力活動密切相 關(guān)，與社會文化和進(jìn)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。河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 河南農(nóng)業(yè)大學(xué) 本科生畢業(yè)論文（設(shè)計(jì)）任務(wù)書 論文（設(shè)計(jì)）題目 語音信號的采集與分析 學(xué) 院 專 業(yè) 班 級 學(xué) 號 姓 名 2021 年 月 日 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 論文（設(shè)計(jì)）選題的來源、目的與意義： 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?，F(xiàn)在，人類已開始進(jìn)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(chǎn)生、傳輸、存儲、獲取和應(yīng)用語音信息，這對于促進(jìn)社會的發(fā)展具有十分重要的意義。 20 世紀(jì) 60 年代中期形成的一 系列數(shù)字信號處理方法和技術(shù)， 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(shù)基礎(chǔ)。由于美國河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 貝爾實(shí)驗(yàn)室的 Babiner 等人在 20世紀(jì) 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(jìn)而成為一個公認(rèn)的研究熱點(diǎn)，也是目前語音識別等的主流研究途徑。 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 2 章 語音信號的特點(diǎn) 與采集 語音信號的特點(diǎn) 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(diǎn)： ① 在頻域內(nèi)，語音信號的頻譜分量主要集中在 300～ 3400Hz 的范圍內(nèi)。如何合理選擇△ t 涉及到許多需要考慮的技術(shù)因素。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。 語音信號的時域參數(shù)有短時能量、短時過零率、短時白相關(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 [6]。而發(fā)清音時，多數(shù)能量出現(xiàn)在較高頻率上。設(shè)語音信號序列和 窗 口序列的標(biāo)準(zhǔn)傅早葉變換均存在。 FFT 的計(jì)算可以在通用計(jì)算機(jī)上由相應(yīng)的算法軟件來完成，這種方式一般只能實(shí)現(xiàn)非實(shí)時運(yùn)算。用語譜圖分析語音又稱為 語譜 分析。從橫扛對應(yīng)的頻率和寬度可以確定相應(yīng)的共振峰頻率和帶寬。fs=22050。 非常感謝我的同學(xué)們，感謝他們給我的幫助與支持，使我在畢業(yè)設(shè)計(jì)的過程中少走了不少彎路。Frequency(Hz)39。 figure(1)。 plot(ycq)。 % 分 幀 xFFT = abs(fft(x))。 % sound(y,fs,bits)。)。%采樣點(diǎn)數(shù) 40000 figure(3)。Ap=1。plot(abs(X))。 maxsilence=3。 goto=0。 count=0。speech39。 x2=x1+count1。 %語音長度太短 ,認(rèn)為是噪聲 status=0。 x2=0。 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) zcr1=10。)。fc=1200。 y2=y+y1。%載波頻率 y1=modulate(y,fc,fs,39。39。 frmt = floor(n/frmsize)。 figure(2)。 yx=yx(1:lg/2)。plot(f,Pyy(1:halflength+1))。從課程設(shè)計(jì)材料的搜集到根據(jù)選題對素材的提取與整理，從 Matlab 的簡易入手到程序的分析與設(shè)計(jì)，從理論與算法到程序的編寫與仿真，每一步都有李老師的細(xì)心知道與耐心講解。As=100。語譜圖中的花紋有橫扛 (Bar)、亂紋和豎直條等。 把和時序相關(guān)的 傅里葉分 析的顯示圖形稱為語譜圖 (Sonogram，或者 Spectrogram)。例如、在 10kHz的范圍內(nèi)采樣求頻譜，并要求頻率分辨率在 30 Hz以下。當(dāng)然窗口函數(shù)不 同，博里葉變換的結(jié)果也將不同。對于后一個問題除了可以采用低直流漂移器件外，也 可以在軟件上加以解決，這就是算出每一 幀的直流分 量 并予以濾除 。 ③ 可以得到語音的一些重要的參數(shù)。 第 3 章 語音信號 的 分析 語音信號分析 技術(shù) 語音信號分析是語音信號處理的前提和基礎(chǔ)，只有分析出可表示語音信號本質(zhì)特征的參數(shù)，才有可能利用這些參數(shù)進(jìn)行高效的語音通信、語音合成和語音識別等處理 [8]。 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 0 1 2 3 4 5 6x 1 04 0 . 200 . 20 . 40 . 6抽取后的信號0 5000 10000 1500011 . 522 . 53 對上述信號進(jìn)行 1/80 采樣頻率抽取，即 采樣頻率 變?yōu)閷⒔?500Hz 時，由于采樣頻率比較小，所以采樣點(diǎn)數(shù)就稀疏 ，所得離散信號就越 偏離 于原信號 ，頻譜也發(fā)生了混疊。在新的版本中也加入了對 C， FORTRAN， C++， JAVA 的支持。其中 ，隱馬爾可夫模型作為語音信號的一種統(tǒng)計(jì)模型，在語音信號處理的各個領(lǐng)域中獲得了廣泛的應(yīng)用。 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(jī)。因此，語音信號是人們構(gòu)成思想疏通和感情交流的最主要的途徑。讓計(jì)算機(jī)能聽懂人類的語言，是人類自計(jì)算機(jī)誕生以來夢寐以求的想法，用現(xiàn)代手段研究語音信號，使人們能更加有效地產(chǎn)生、傳輸、存儲、獲取和應(yīng)用語音信息，這對于促進(jìn)社會的發(fā)展具有十分重要的意義。 讓計(jì)算機(jī)能聽懂人類的語言，是人類自計(jì)算機(jī)誕生以來夢寐以求的想法。在方法上，隨著電子計(jì)算機(jī)的發(fā)展，以往的以硬件為中心的研究逐漸轉(zhuǎn)化為以軟件為主的處理研究。 進(jìn) 入 20 世紀(jì) 90 年代以來，語音信號 采集與分析 在實(shí)用化方 面取得了許多實(shí)質(zhì)性的研究進(jìn)展。利用這個特點(diǎn)，可以用一個防混迭的帶通濾波器將此范圍內(nèi)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(jìn)行采樣，就可以得到離散的語音信號。一般而言，采樣頻率越高，采樣點(diǎn)數(shù)就越密，所得離散信號就越逼近于原信號。 貫穿于語音分析全過程的是“短時分析技術(shù)”。在計(jì) 算這些參數(shù)時使用的一 般是方 窗 或漢明 窗 。高頻就意味著高的平 均過零率，低頻意味著低的平均過零率，所以可以認(rèn)為濁音時具有較低的過零率，而清音時具有較高的過零率。當(dāng) n 取固定值時， w(nm)的傅里 葉 變換為： ( ) ( )jw n jw n jwm w n m e e W e? ? ? ?? ? ? ? ? ?? (38) 根據(jù)卷積定理， 有： 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) ( ) ( ) ( )jw jw jwn jwnX e X e e W e????? ? ??? (39) 因?yàn)樯鲜接疫厓蓚€卷積項(xiàng)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： ()1( ) ( ) ( )2j w j j n j wnX e W e e X e d? ? ? ?? ?? ? ? ? ???? ? ? ?? ? （ 310） 即，假設(shè) x(m)的 DTFT 是 ()jwXe ， 且 ()wm 的 DTFT 是 ()jwWe ， 那么 ()jwnXe 是 ()jwXe 和()jwWe 的的 周期 卷積。為了完成實(shí)時運(yùn)算可以采用先進(jìn)的數(shù)字信號處理芯片、陣列處理芯片或?qū)Ｓ?FFT 芯片。 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(diǎn)，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。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 。 wc=2*fc/fs。 非常感謝我的家人和朋友們，感謝他們從畢業(yè)設(shè)計(jì)以來對我的關(guān)心與支持！ 最后，再次感謝理學(xué)院所有的老師，感謝他們四年以來對我的栽培與教養(yǎng)！ 河南農(nóng)業(yè)大學(xué)理學(xué)院本科 畢業(yè)論文 (設(shè)計(jì) ) 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， 2021． [2]丁玉美 ． 高西全 ． 數(shù)字信號處理【 M】 ． 西安電子科技大學(xué)出版社， 2021． [3]樊昌信 ． 通信原理【 M】北京：國防工業(yè)出版社， 2021． [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， 2021． [5]林福宗．多媒體技術(shù)基礎(chǔ) 【 M】．北京：清華大學(xué)出版社， 2021． [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(jì)【 J】．噪聲控制． 2021(7)： 5254． [7]何強(qiáng)，何英． MATLAB 擴(kuò)展編程【 M】．北京：清華大學(xué)出版社， 2021： 293296． [8]朱學(xué)芳，徐建平．計(jì)算機(jī)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(bào)， 1998，18(5— 6)： 113— 11 [9]楊崇林，李雪耀，孫羽．強(qiáng)噪聲背景下漢語語音端點(diǎn)檢測和音節(jié)分割 [J]．哈爾濱工程大學(xué)學(xué)報(bào)， 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(jī)械工業(yè)出版社． 2021 [11]韋曉東，等．應(yīng)用倒譜特征的帶噪語音端點(diǎn)檢測方法 [J]．上海交通大學(xué)學(xué)報(bào)， 2021，34(2)： 185— 188． [12]胡光銳，韋曉東．基于倒譜特征的帶噪語音端點(diǎn)檢測 [J]．電子學(xué)報(bào)。)。 subplot(211)。 title(39。 % 傅里葉 譜 xFFT = xFFT(1:frmsize/2,1:frmt)。 Y=fft(y,40000)。%對原語音信號調(diào)制 Y1=fft(y1,40000)。 subplot(211)。fs1=22050。title(39。 minlen=15。 switch status case{0,1} %靜音 =0,1 開始 if amp(n)amp1 %確信進(jìn)入語音階段 x1=max(ncount1,1)。