【導(dǎo)讀】的新興的學(xué)科，是目前發(fā)展最為迅速的信息科學(xué)研究領(lǐng)域的核心技術(shù)之一。語(yǔ)音傳遞信息是人類最重要、最有效、最常用和最方便的交換信息形式。等處理，以得到符合人們需要的信號(hào)形式。將聲音文件變換為離散的數(shù)據(jù)文件，然后利用其強(qiáng)大的矩陣運(yùn)算能力處理數(shù)據(jù)，人機(jī)交互更加便捷。葉變換及濾波，程序界面簡(jiǎn)練，操作簡(jiǎn)便，具有一定的實(shí)際應(yīng)用意義。語(yǔ)言是人類持有的功能。因此，語(yǔ)音信號(hào)是人們構(gòu)成思想疏通和感情交流的最主要的途徑。具有最大的信息容量和最高的智能水平。工業(yè)生產(chǎn)部門的語(yǔ)聲?？梢?jiàn)，語(yǔ)音信號(hào)采集與分析的研究將是一項(xiàng)極具市場(chǎng)價(jià)值和挑。智能等學(xué)科都有著非常密切的關(guān)系。人首次研制成功能識(shí)別十個(gè)英語(yǔ)數(shù)字的實(shí)驗(yàn)裝置。然而，在語(yǔ)音識(shí)別領(lǐng)域內(nèi)，初。嘆地說(shuō)“語(yǔ)音識(shí)別向何處去?”。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。從此矢量量化技術(shù)不僅在語(yǔ)音識(shí)別、語(yǔ)音編碼和說(shuō)話人識(shí)別等方。其理論基礎(chǔ)是1970年前后，由Baum

　　

【正文】 音信號(hào)處理與語(yǔ)音識(shí)別系統(tǒng) [J]．南京郵電學(xué)院學(xué)報(bào)， 1998， 18(5— 6)： 113— 1 28 29 附錄一： %語(yǔ)音信號(hào)時(shí)域頻域分析 [y,Fs,bits]=wavread(39。39。)。%讀出信號(hào)，采樣率和采樣位數(shù)。 y=y(:,1)。%我 這里假設(shè)你的聲音是雙聲道，我只取單聲道作分析，如果你想分析另外一個(gè)聲道，請(qǐng)改成 y=y(:,2) sigLength=length(y)。 Y = fft(y,sigLength)。 Pyy = Y.* conj(Y) / sigLength。 halflength=floor(sigLength/2)。 f=Fs*(0:halflength)/sigLength。 figure。plot(f,Pyy(1:halflength+1))。xlabel(39。Frequency(Hz)39。)。 t=(0:sigLength1)/Fs。 figure。plot(t,y)。xlabel(39。Time(s)39。)。 附錄二： %抽取的源程序 [y,fs,bs]=wavread(39。d:\39。,[25000,75000])。 y=y(:,1)。 lg=length(y)。 yx=(0:(lg1))*fs/lg。 yx=yx(1:lg/2)。 % sound(y,fs)。 figure(1)。 subplot(211)。 plot(y)。 title(39。原始信號(hào) 39。)。 subplot(212)。 yf=abs(fft(y))。 yf=yf(1:lg/2)。 plot(yx,yf)。 ycq=zeros(1,lg)。 %先將抽取后的值全設(shè)為零 for i=1:80:lg。 %通過(guò)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)。 %采樣值 end sound(ycq,fs)。 30 figure(2)。 subplot(211)。 plot(ycq)。 title(39。抽取后的 信號(hào) 39。)。 subplot(212)。 ycqf=abs(fft(ycq))。 ycqf=ycqf(1:lg/2)。 plot(yx,ycqf)。 附錄 三 ： “ 河南成建學(xué)院 ”語(yǔ)譜圖源程序： frmsize = 256。 % 設(shè)置貞大小 [x,fs,nbits] = wavread(39。39。)。 % 讀取語(yǔ)音文件 x = filter([1 ],[1],x)。 % 高頻預(yù)加重，抵消頻譜傾斜 n = length(x)。 frmt = floor(n/frmsize)。 x = reshape(x(1:frmsize*frmt),frmsize,frmt)。 % 分 幀 xFFT = abs(fft(x))。 % 傅里葉 譜 xFFT = xFFT(1:frmsize/2,1:frmt)。 % 奈奎斯特頻率以內(nèi)是無(wú)效的 xFFTdB = 20*log10(xFFT+eps)。 % 換算成分貝 xFFTdB(xFFTdB+20) = +20。 % 能量太高的截?cái)? xFFTdB(xFFTdB40) = 40。 % 能量太低的截?cái)? xFFTdB = (xFFTdB+40)。 % 能量整理到 [0,60] 之間，當(dāng)然你可以整理到[0,255]范圍 subplot(2,1,1)。plot(x(1:frmsize*frmt))。 title(39。河南 城 建學(xué)院 39。)。 % 畫波形 subplot(2,1,2)。image(flipud(xFFTdB))。 colormap(jet)% 畫語(yǔ)譜圖 附錄四 ： 語(yǔ)音信號(hào)的綜合仿真分析程序： [y,fs,bits]=wavread(39。e:\39。)。 % sound(y,fs,bits)。 Y=fft(y,40000)。%采樣點(diǎn)數(shù) 40000 figure(1)。 subplot(211)。plot(y)。title(39。原始信號(hào)波形 39。)。 subplot(212)。plot(abs(Y))。title(39。原始信號(hào)頻譜 39。)。 31 fc=20200。%載波頻率 y1=modulate(y,fc,fs,39。fm39。)。%對(duì)原語(yǔ)音信號(hào)調(diào)制 Y1=fft(y1,40000)。%采樣點(diǎn)數(shù) 40000 figure(2)。 subplot(211)。plot(y1)。title(39。調(diào)制后信號(hào)波形 39。)。 subplot(212)。plot(abs(Y1))。title(39。調(diào)制后信號(hào)頻譜 39。)。 % sound(y1)。 y2=y+y1。 Y2=fft(y2,40000)。%采樣點(diǎn)數(shù) 40000 figure(3)。 subplot(211)。plot(y2)。title(39。調(diào)制信號(hào) +原始信號(hào)波形 39。)。 subplot(212)。plot(abs(Y2))。title(39。調(diào)制信號(hào) +原始信號(hào)頻譜 39。)。 % sound(y2)。 figure(4)。 fp=1000。fc=1200。As=100。Ap=1。fs1=22050。 wc=2*fc/fs1。wp=2*fp/fs1。 [n,wn]=ellipord(wp,wc,Ap,As)。 [b,a]=ellip(n,Ap,As,wn)。 freqz(b,a,512,fs1)。 x=filter(b,a,y2)。 X=fft(x,40000)。 figure(5)。 subplot(211)。plot(x)。title(39。低通濾波后信號(hào)波形 39。)。 subplot(212)。plot(abs(X))。title(39。低通濾波后信號(hào)頻譜 39。)。 sound(x,40000)。 附錄五 ： %短時(shí)能量，短時(shí)過(guò)零率 % function [x1,x2]=vad(x) [x,Fs,bits] = wavread(39。e:\39。) specgram(x,240,8000,80)。 x=double(x)。 x=x/max(abs(x))。%將幅度歸一化到 [1,1] framelen=240。 frameinc=80。%設(shè)定幀長(zhǎng)為 240 幀移為 80 32 amp1=10。 amp2=2。 zcr1=10。 zcr2=5。 maxsilence=3。 minlen=15。 status=0。 count=0。 silence=0。 temp1=enframe(x(1:length(x)1),framelen,frameinc)。 temp2=enframe(x(2:length(x)),framelen,frameinc)。 signs=(temp1.*temp2)0。 diffs=(temp1temp2)。 zcr=sum(signs.*diffs,2)。%計(jì)算過(guò)零率 amp=sum(abs(enframe(x(1:length(x)1),framelen,frameinc)),2)。 %計(jì)算短時(shí)能量 %調(diào)整能量門限 amp1=min(amp1,max(amp)/4)。 amp2=min(amp2,max(amp)/8)。 %開(kāi)始零點(diǎn)檢測(cè) x1=0。 x2=0。 for n=1:length(zcr)。 goto=0。 switch status case{0,1} %靜音 =0,1 開(kāi)始 if amp(n)amp1 %確信進(jìn)入語(yǔ)音階段 x1=max(ncount1,1)。 status=2。 silence=0。 count=count+1。 elseif amp(n)amp2|... %可能處在語(yǔ)音段 zcr(n)zcr2 33 status=1。 count=count+1。 else %靜音狀態(tài) status=0。 count=0。 end case 2, %2=語(yǔ)音段 if amp(n)amp2|...%保持在語(yǔ)音段 zcr(n)zcr2。 count=count+1。 else %語(yǔ)音將結(jié)束 silence=silence+1。 if silencemaxsilence %靜音不夠長(zhǎng) ,沒(méi)有結(jié)束 count=count+1。 elseif countminlen。 %語(yǔ)音長(zhǎng)度太短 ,認(rèn)為是噪聲 status=0。 silence=0。 count=0。 else status=3。 end end case 3, break。 end end j=0。 for i=1:length(amp)1。 if (zcr(i))amp。(zcr(i+1)) j=j+1 34 jiesu1(j)=i。 end end j=1 for i=1:length(jiesu1)1 if((jiesu1(i+1)jiesu1(i))100)amp。jiesu1(i)~=1 jiesu(j)=jiesu1(i)。 j=j+1 end end %找出每段語(yǔ)音結(jié)束點(diǎn) j=1 for i=1:length(amp)1。 if ((zcr(i))amp。zcr(i+1)) kaishi1(j)=i+1 j=j+1。 end end j=1 for i=1:length(kaishi1)1 if((kaishi1(i+1)kaishi1(i))80) kaishi(j)=kaishi1(i)。 j=j+1 end end count=countsilence/2。 x2=x1+count1。 subplot(311) plot(x) axis([1 length(x) 1 1]) ylabel(39。speech39。)。 line([x1*frameinc x1*frameinc],[1,1],39。color39。,39。red39。)。 line([x2*frameinc x2*frameinc],[1,1],39。color39。,39。red39。)。 subplot(312) plot(amp)。 35 axis([1 length(amp) 0 max(amp)]) ylabel(39。energy39。)。 line([x1,x1],[min(amp),max(amp)],39。color39。,39。red39。)。 line ([x2 x2],[min(amp),max(amp)],39。color39。,39。red39。)。 subplot(313) plot(zcr)。 axis([1 length(zcr) 0 max(zcr)]) ylabel(39。zcr39。)。 line([x1 x1],[min(zcr),max(zcr)],39。color39。,39。red39。)。 line([x2 x2],[min(zcr),max(zcr)],39。color39。,39。red39。)。