【正文】 一個(gè)非平穩(wěn)態(tài)過程，不能用處理平穩(wěn)信號(hào)的數(shù)字信號(hào)處理技術(shù)對(duì)其進(jìn)行分析處理。因此語音信號(hào)分析在語音信號(hào)處理應(yīng)用中具有舉足輕重的地位。3 語音信號(hào)的分析語音信號(hào)分析是語音信號(hào)處理的前提和基礎(chǔ)，只有分析出可表示語音信號(hào)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(shí)別等處理。調(diào)節(jié)錄音機(jī)保存界面的“更改”選項(xiàng)，可以存儲(chǔ)各種格式的WAVE文件。市面上購買到的普通聲卡在這方面做的都很好，語音聲波通過話筒輸入到聲卡后直接獲得的是經(jīng)過防混疊濾波、A/D變換、量化處理的離散的數(shù)字信號(hào)。 語音信號(hào)經(jīng)過預(yù)濾波和采樣后，由A／D變換器變換為二進(jìn)制數(shù)字碼。量化電平按級(jí)數(shù)變化，實(shí)際的振動(dòng)值是連續(xù)的物理量。根據(jù)采樣定理，當(dāng)采樣頻率大于信號(hào)的兩倍帶寬時(shí)，采樣過程不會(huì)丟失信息，利用理想濾波器可從采樣信號(hào)中不失真地重構(gòu)原始信號(hào)波形。但過高的采樣頻率并不可取，對(duì)固定長度（T）的信號(hào)，采集到過大的數(shù)據(jù)量（N=T/△t），給計(jì)算機(jī)增加不必要的計(jì)算工作量和存儲(chǔ)空間；若數(shù)據(jù)量（N）限定，則采樣時(shí)間過短，會(huì)導(dǎo)致一些數(shù)據(jù)信息被排斥在外。如何合理選擇△t涉及到許多需要考慮的技術(shù)因素。 圖24抽取后的信號(hào)時(shí)域波形圖和頻域波形圖對(duì)上述信號(hào)進(jìn)行1/80采樣頻率抽取，即采樣頻率變?yōu)閷⒔?00Hz時(shí)，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(hào)就越偏離于原信號(hào)，頻譜也發(fā)生了混疊。采樣時(shí)必須要注意滿足奈奎斯特定理，即采樣頻率fs必須以高于受測信號(hào)的最高頻率兩倍以上的速度進(jìn)行取樣，才能正確地重建波形，它是通過采樣脈沖和模擬信號(hào)相乘來實(shí)現(xiàn)的。為了將原始模擬語音信號(hào)變?yōu)閿?shù)字信號(hào)，必須經(jīng)過采樣和量化兩個(gè)步驟，從而得到時(shí)間和幅度上均為離散的數(shù)字語音信號(hào)。這樣，預(yù)濾波器必須是一個(gè)帶通濾波器，設(shè)其上、下截止頻率分別是fH和fL，則對(duì)于絕大多數(shù)語音編譯碼器，fH=3400Hz、fL＝60~100Hz、采樣率為fs＝8kHz；而對(duì)丁語音識(shí)別而言，當(dāng)用于電話用戶時(shí)，指標(biāo)與語音編譯碼器相同。 圖21語音信號(hào)時(shí)域波形圖 圖22語音信號(hào)頻域波形圖在將語音信號(hào)進(jìn)行數(shù)字化前，必須先進(jìn)行防混疊預(yù)濾波，預(yù)濾波的目的有兩個(gè)：抑制輸入信導(dǎo)各領(lǐng)域分量中頻率超出fs/2的所有分量(fs為采樣頻率)，以防止混疊干擾。在濁音段表現(xiàn)出周期信號(hào)的特征，在清音段表現(xiàn)出隨機(jī)噪聲的特征。利用這個(gè)特點(diǎn)，可以用一個(gè)防混迭的帶通濾波器將此范圍內(nèi)的語音信號(hào)頻率分量取出，然后按8kHz的采樣率對(duì)語音信號(hào)進(jìn)行采樣，就可以得到離散的語音信號(hào)。第4章是對(duì)語音信號(hào)的綜合和分析，包括語音信號(hào)的調(diào)制、疊加和濾波。第2章主要介紹語音信號(hào)的特點(diǎn)與采集，仿真主要是驗(yàn)證奈奎斯特定理?？梢哉f，數(shù)字信號(hào)處理是把許多經(jīng)典的理論體系作為自己的理論基礎(chǔ)，同時(shí)又使自己成為一系列新興學(xué)科的理論基礎(chǔ)。例如，在數(shù)學(xué)領(lǐng)域，微積分、概率統(tǒng)計(jì)、隨機(jī)過程、數(shù)值分析等都是數(shù)字信號(hào)處理的基本工具，與網(wǎng)絡(luò)理論、信號(hào)與系統(tǒng)、控制論、通信理論、故障診斷等也密切相關(guān)。而數(shù)字信號(hào)處理的實(shí)現(xiàn)則是理論和應(yīng)用之間的橋梁。數(shù)字信號(hào)處理在理論上的發(fā)展推動(dòng)了數(shù)字信號(hào)處理應(yīng)用的發(fā)展。數(shù)字信號(hào)處理是利用計(jì)算機(jī)或?qū)Ｓ锰幚碓O(shè)備，以數(shù)字形式對(duì)信號(hào)進(jìn)行采集、變換、濾波、估值、增強(qiáng)、壓縮、識(shí)別等處理，以得到符合人們需要的信號(hào)形式。20世紀(jì)60年代以來，隨著計(jì)算機(jī)和信息技術(shù)的飛速發(fā)展，數(shù)字信號(hào)處理技術(shù)應(yīng)運(yùn)而生并得到迅速的發(fā)展。另一方面，為了語音識(shí)別實(shí)用化的需要，講者自適應(yīng)、聽覺模型、快速搜索識(shí)別算法以及進(jìn)一步的語言模型的研究等課題倍受關(guān)注。其中，語音識(shí)別逐漸由實(shí)驗(yàn)室走向?qū)嵱没Ｓ捎诿绹悹枌?shí)驗(yàn)室的Babiner等人在20世紀(jì)80年代中期，對(duì)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(hào)處理的研究人員了解和熟悉，進(jìn)而成為一個(gè)公認(rèn)的研究熱點(diǎn)，也是目前語音識(shí)別等的主流研究途徑。其中，隱馬爾可夫模型作為語音信號(hào)的一種統(tǒng)計(jì)模型，在語音信號(hào)處理的各個(gè)領(lǐng)域中獲得了廣泛的應(yīng)用。因此，20世紀(jì)80年代開始出現(xiàn)的語音信號(hào)處理技術(shù)產(chǎn)品化的熱潮，與上述語音信號(hào)處理新技術(shù)的推動(dòng)作用是分不開的。這就是20世紀(jì)70年代初由板倉(Itakura)提出的動(dòng)態(tài)時(shí)間規(guī)整(DTW)技術(shù)，使語音識(shí)別研究在匹配算法方面開辟了新思路；20世紀(jì)70年代中期線性預(yù)測技術(shù)(LPC)被用于語音信號(hào)處理，此后隱馬爾可夫模型法(HNMM)也獲得初步成功，該技術(shù)后來在語音信號(hào)處理的多個(gè)方面獲得巨大成功；20世紀(jì)70年代未，Linda、Buzo、Gray和Markel等人首次解決了矢量量化(VQ)碼書生成的方法，并首先將矢量量化技術(shù)用于語音編碼獲得成功。歷時(shí)五年的龐大的ARPA研究計(jì)劃，雖然在語音理解、語言統(tǒng)計(jì)模型等方面的研究積累了一些經(jīng)驗(yàn)，取得了許多成果，但沒能達(dá)到巨大投資應(yīng)得的成果，在1976年停了下來，進(jìn)入了深刻的反省階段。到了1971年，以美國ARPA(American Research Projects Agency)為主導(dǎo)的“語音理解系統(tǒng)”的研究計(jì)劃也開始起步。到了1970年，好似反駁Pierce的批評(píng)，單詞識(shí)別裝置開始了實(shí)用化階段，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。然而，在語音識(shí)別領(lǐng)域內(nèi)，初期有幾種語音打字機(jī)的研究也很活躍，但后來已全部停了下來，這說明了當(dāng)時(shí)人們對(duì)話音識(shí)別難度的認(rèn)識(shí)得到了加深。20世紀(jì)60年代中期形成的一系列數(shù)字信號(hào)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(hào)數(shù)字處理的理論和技術(shù)基礎(chǔ)。1956年Olson和Belar等人采用8個(gè)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(tái)簡單的語音打字機(jī)。但是它的快速發(fā)展可以說是從1940年前后Dudley的聲碼器(vocoder)和potter等人的可見語音（Visible Speech)開始的。因?yàn)樵S多處理的新方法的提出，首先是在語音信號(hào)處理中獲得成功，然后再推廣到其他領(lǐng)域。語音信號(hào)采集與分析是以語音語言學(xué)和數(shù)字信號(hào)處理為基礎(chǔ)而形成的一門涉及面很廣的綜合性學(xué)科，與心理、生理學(xué)、計(jì)算機(jī)科學(xué)、通信與信息科學(xué)以及模式識(shí)別和人工智能等學(xué)科都有著非常密切的關(guān)系。我們今天進(jìn)行這一領(lǐng)域的研究與開拓就是要讓語音信號(hào)處理技術(shù)走入人們的日常生活當(dāng)中，并不斷朝更高目標(biāo)而努力。工業(yè)生產(chǎn)部門的語聲控制，電話、電信系統(tǒng)的自動(dòng)撥號(hào)、輔助控制與查詢以及醫(yī)療衛(wèi)生和福利事業(yè)的生活支援系統(tǒng)等各種實(shí)際應(yīng)用領(lǐng)域相接軌，并且有望成為下一代操作系統(tǒng)和應(yīng)用程序的用戶界面。作為高科技應(yīng)用領(lǐng)域的研究熱點(diǎn)，語音信號(hào)采集與分析從理論的研究到產(chǎn)品的開發(fā)已經(jīng)走過了幾十個(gè)春秋并且取得了長遠(yuǎn)的進(jìn)步。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。并且，由于語言和語音與人的智力活動(dòng)密切相關(guān)，與社會(huì)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。聲音是人類常用的工具，是相互傳遞信息的最主要的手段。關(guān)鍵字：Matlab，語音信號(hào)，傅里葉變換，信號(hào)處理 I1 緒 論 課題的背景與意義通過語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的形式。信號(hào)處理是Matlab重要應(yīng)用的領(lǐng)域之一。數(shù)字信號(hào)處理（DigitalSignalProcessing，簡稱DSP）是利用計(jì)算機(jī)或?qū)Ｓ锰幚碓O(shè)備，以數(shù)字形式對(duì)信號(hào)進(jìn)行采集、變換、濾波、估值、增強(qiáng)、壓縮、識(shí)別等處理，以得到符合人們需要的信號(hào)形式。 摘要語音信號(hào)處理是研究用數(shù)字信號(hào)處理技術(shù)和語音學(xué)知識(shí)對(duì)語音信號(hào)進(jìn)行處理的新興的學(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。通過語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。Matlab語言是一種數(shù)據(jù)分析和處理功能十分強(qiáng)大的計(jì)算機(jī)應(yīng)用軟件，它可以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)，如數(shù)字濾波、傅里葉變換、時(shí)域和頻域分析、聲音回放以及各種圖的呈現(xiàn)等，它的信號(hào)處理與分析工具箱為語音信號(hào)分析提供了十分豐富的功能函數(shù)，利用這些功能函數(shù)可以快捷而又方便地完成語音信號(hào)的處理和分析以及信號(hào)的可視化，使人機(jī)交互更加便捷。本設(shè)計(jì)針對(duì)現(xiàn)在大部分語音處理軟件內(nèi)容繁多、操作不便等問題，、各種函數(shù)調(diào)用等來實(shí)現(xiàn)語音信號(hào)的變頻、傅里葉變換及濾波，程序界面簡練，操作簡便，具有一定的實(shí)際應(yīng)用意義。語言是人類持有的功能。因此，語音信號(hào)是人們構(gòu)成思想疏通和感情交流的最主要的途徑?，F(xiàn)在，人類已開始進(jìn)入了信息化時(shí)代，用現(xiàn)代手段研究語音信號(hào)，使人們能更加有效地產(chǎn)生、傳輸、存儲(chǔ)、獲取和應(yīng)用語音信息，這對(duì)于促進(jìn)社會(huì)的發(fā)展具有十分重要的意義。隨著計(jì)算機(jī)越來越向便攜化方向發(fā)展，隨著計(jì)算環(huán)境的日趨復(fù)雜化，人們越來越迫切要求擺脫鍵盤的束縛而代之以語音輸人這樣便于使用的、自然的、人性化的輸人方式。它正在直接與辦公、交通、金融、公安、商業(yè)、旅游等行業(yè)的語音咨詢與管理?？梢姡Z音信號(hào)采集與分析的研究將是一項(xiàng)極具市場價(jià)值和挑戰(zhàn)性的工作。語音信號(hào)采集與分析之所以能夠那樣長期地、深深地吸引廣大科學(xué)工作者去不斷地對(duì)其進(jìn)行研究和探討，除了它的實(shí)用性之外，另一個(gè)重要原因是，它始終與當(dāng)時(shí)信息科學(xué)中最活躍的前沿學(xué)科保持密切的聯(lián)系，并且一起發(fā)展。對(duì)語音信號(hào)采集與分析的研究一直是數(shù)字信號(hào)處理技術(shù)發(fā)展的重要推動(dòng)力量。 國內(nèi)外研究現(xiàn)狀語音信號(hào)的采集與分析作為一個(gè)重要的研究領(lǐng)域，已經(jīng)有很長的研究歷史。1952年貝爾(Bell)實(shí)驗(yàn)室的Davis等人首次研制成功能識(shí)別十個(gè)英語數(shù)字的實(shí)驗(yàn)裝置。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。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。所以1969年美國貝爾研究所的Pierce感嘆地說“語音識(shí)別向何處去?”。此外社會(huì)上所宣傳的聲紋(Voice Print)識(shí)別，即說話人識(shí)別的研究也扎扎實(shí)實(shí)地開展起來，并很快達(dá)到了實(shí)用化的階段。這個(gè)研究計(jì)劃不僅在美國園內(nèi)，而且對(duì)世界各國都產(chǎn)生了很大的影響，它促進(jìn)了連續(xù)語音識(shí)別研究的興起。但是，在整個(gè)20世紀(jì)70年代還是有幾項(xiàng)研究成果對(duì)語音信號(hào)處理技術(shù)的進(jìn)步和發(fā)展產(chǎn)生了重大的影響。從此矢量量化技術(shù)不僅在語音識(shí)別、語音編碼和說話人識(shí)別等方面發(fā)揮了重要作用，而且很快推廣到其他許多領(lǐng)域。20世紀(jì)80年代，由于矢量量化、隱馬爾可夫模型和人工神經(jīng)網(wǎng)絡(luò)(ANN)等相繼被應(yīng)用于語音信號(hào)處理，并經(jīng)過不斷改進(jìn)與完善，使得語音信號(hào)處理技術(shù)產(chǎn)生了突破性的進(jìn)展。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(shí)別中。進(jìn)入20世紀(jì)90年代以來，語