基于matlab的語音信號的基音周期檢測畢業(yè)論文-文庫吧資料
2025-06-24 16:00本頁面
【正文】 其頻譜波形%原始信號[y,fs,nbits]=wavread (39。然后用短時平均能量判斷出濁音幀, 再對濁音幀進行自相關計算, 最后進行基音周期檢測。 取樣與分幀取樣模塊從以采樣頻率為8kHz 的語音信號中截取Lengt h (樣點數(shù)) 長個樣點值, 一般取樣點數(shù)為幀長的整數(shù)倍即可, 程序中取了18000 個樣點數(shù)進行分析。為了提高檢測的準確度, 算法中引入了一個60～500Hz 帶通濾波模塊濾除語音幀的高次諧波分量。因此,濁音信號可能含有三四十次諧波分量, 而其基波分量往往不是最強的分量。圖31 基因檢測框圖 帶通濾波該研究以采樣頻率為8kHz、精度為16 比特的wav 文件作為聲源, 以網(wǎng)絡錄音機錄制自己的一段語音。算法包含6個功能模塊: 帶通濾波、取樣、分幀、短時能量分析、相關運算、基音檢測。自相關法基音檢測正是利用R ( k) 的這一性質對語音信號進行基音檢測的。清音信號沒有周期性,它的自相關函數(shù)也沒有周期, R( k) 會隨著k 的增大迅速衰減。對于隨機性信號序列或周期性信號序列,自相關函數(shù)定義為:自相關函數(shù)具有以下的性質:如果序列x ( n) 具有周期Np ,則其自相關函數(shù)也是同周期的周期函數(shù)。故選擇漢明窗而不選擇別的窗函數(shù),能使短時平均能量En 更能反映語音信號的幅度變化。從漢明窗的構成及頻率響應特性上看, 漢明窗具有這種特性, 而矩形窗及漢寧窗則稍遜之。故清濁音判斷是基音檢測的第一步。根據(jù)En 由高到低的跳變可定出濁音變?yōu)榍逡粽Z音的時刻, En 由低向高的跳變可定出清音變?yōu)闈嵋粽Z音的時刻。試驗統(tǒng)計發(fā)現(xiàn),語音濁音段的短時平均能量遠遠大于清音段的短時平均能量。 N 為窗長。因此對應的基音頻率為：Fs／(70一1)=Fs／69=37000／69=536，這和采用自相關法的檢測結果完全相同。輸入語音幀的平均幅度差函數(shù)的最小值發(fā)生在第l點，其值為O，我們可以設置一定的門限，得到低于此門限的局部最低點(不包含第1點)。)axis([0,400,0,200])。)ylabel(39。subplot(212)plot(A)xlabel(39。幅度39。樣點39。ends=y(3500:10000)。for m=1:Nsum=sum+abs(y1(m)y1(m+k1))。%選擇的窗長，加N=320的矩形窗A=[]。y1=b(3500:6000)。.wav39。 AMDF算法源程序AMDF波形圖如圖21所示。同時，函數(shù)在基音周期點的谷值比自相關函數(shù)的峰值更加尖銳，因此錯判率相對較小，穩(wěn)健性更高。利用的這種特性，可以判定一段語音是濁音還是清音，并估計出濁音語音的基音周期。 與短時自相關函數(shù)一樣，對周期性的濁音語音，也呈現(xiàn)與濁音語音周期相一致的周期特性，不過不同的是在周期的各個整數(shù)倍點上具有谷值特性而不是峰值特性，因而通過的計算同
環(huán)評公示相關推薦
鄂ICP備17016276號-1