基于matlab的語音信號的基音周期檢測畢業(yè)論文-資料下載頁
2025-06-18 16:00本頁面
【正文】 自相關函數(shù)分析從圖33可以看出En 值大的對應于濁音段,而En值小的對應于清音段。由此可以大致判斷濁音變?yōu)榍逡艋蚯逡糇優(yōu)闈嵋舻臅r刻。濁音段的自相關函數(shù)由以下程序?qū)崿F(xiàn), 得到波形圖如圖35所示。%短時自相關函數(shù)[y,fs,N]=wavread (39。C:\Documents and Settings\Administrator\桌面\39。)。F = enframe(y,200)。f5 = F(:,5)。out8=autocorr(f8)。subplot(2,1,1)。plot(f8)。xlabel(39。樣點39。)。title(39。濁音幀波形圖39。)。subplot(2,1,2)。plot(out8)。xlabel(39。延時39。)。title(39。濁音幀短時自’）；圖35濁音段自相關函數(shù)從圖35可以看出, 第一個峰值的位置約出現(xiàn)在15 的滯后點上。因為濁音語音的自相關函數(shù)具有一定的周期性, 在相隔一定的取樣后, 自相關函數(shù)達到最大值。濁音語音的周期可用自相關函數(shù)中的第一個峰值的位置來估算。試驗表明, 濾波處理后的信號只含有第一共振峰以下的基波和諧波分量, 明顯改善了檢測效果。由此估計出這段濁音的基音頻率是1000/ ( 15) = 533Hz 或(1/ 533) s = 。從畫出的圖形中間可以看出，沒有加濾波器的聲音信號處理后共振峰的影響很大。但是加一個60~600Hz的帶通濾波器，利用濾波后的信號進行基因估計，這樣可除去大部分共振峰的影響，自相關函數(shù)和短時平均幅度差函數(shù)具有更尖銳地峰值，有利于判決地準確性。4 總結(jié)與心得體會一周的MATLAB課程設計就要結(jié)束了，通過這次設計，我深刻體會到在信號處理方面我的嚴重不足，MATLAB的應用也相當生疏。在設計過程中，很多東西都看不懂，對原理也一塌糊涂。搜的一些材料也沒有發(fā)揮他們的作用。有些公式原理看懂了可程序又不行了，看不出每一步的作用及實現(xiàn)的功能。這種種困難讓我這次課程設計很郁悶，大學生活馬上就結(jié)束了，可一次課程設計就有很多問題沒解決，這讓我很恐懼。設計中遇到的問題通過老師的講解以及與同學的交流也解決了一部分，總的來說在這次設計中我還是學到了一些知識。比如，濁音與清音的區(qū)分，濾波與否對自相關函數(shù)曲線的影響。也許天氣的原因，在設計過程中心情很煩躁，浪費了很多時間，這對學習的影響是很嚴重的，我會時時注意。此時此刻，即有獨立完成設計的喜悅又有對自己不足的擔憂。馬上就要畢業(yè)了，在校學習的機會也不多了，我會在余下的時間里努力學習，改正自己的缺點，彌補自己的不足。爭取一年后能以優(yōu)秀的成績畢業(yè)。參考文獻[1] 趙力著，語音信號處理（第2版）[M]，機械工業(yè)出版社，2010.[2] 胡航著，語音信號處理（第四版）[M]，哈爾濱工業(yè)大學出版社，2009.[3] 張雄偉等著，現(xiàn)代語音處理技術(shù)及應用[M]，機械工業(yè)出版社，2
環(huán)評公示相關推薦
鄂ICP備17016276號-1