【正文】 維連續(xù)信號 ,而計算機(jī)只能處理離散信號。 wav 文件是一種數(shù)字聲音文件格式 ,本課程設(shè)計基于 Matlab 分析了 wav 聲音文件頻譜與聲音的關(guān)系。 //(二 )國內(nèi)外數(shù)字濾波器的研究背景和現(xiàn)狀 (三 )本設(shè)計的主要研究內(nèi)容 本論文主要討論了語音信號的分析及處理問題，分為七章： 第一章為緒論，主要介紹了課題設(shè)計的背景、目的和意義。 第三章介紹了基于 MATLAB 的語音信號短時傅里葉變換的原理及理論基礎(chǔ)。 第五章介紹了整個系統(tǒng)的設(shè)計流程、系統(tǒng)設(shè)計框圖。 第六章總結(jié)了本次語音信號處理的設(shè)計工作。 二 語音信號概述 語音信號處理技術(shù)是語音處理領(lǐng)域中新近發(fā)展起來的一個學(xué)科分支， MATLAB 是一個數(shù)據(jù)分析和處理功能十分強(qiáng)大的工程實用軟件， 運用它來進(jìn)行語音信號的采集、分析和處理相當(dāng)便捷。隨著計算機(jī)技術(shù)和信息技術(shù)的發(fā)展， 語音交互已經(jīng)成為人機(jī)交互的必要手段， 而語音信號的采集和處理是人機(jī)交互的前提和基礎(chǔ)。 語音轉(zhuǎn)換擁有很廣泛的應(yīng)用空間，例 如： （ 1） 在文語轉(zhuǎn)換（ TTS， texttospeech）系統(tǒng)中應(yīng)用。 （ 3） 語音轉(zhuǎn)換的思想可以用于恢復(fù)受損語音，幫助聲道受損的說話人的語音提高可 懂度。 （ 5） 作為語音識別的前端預(yù)處理，減少說話人差異的影響。特征參數(shù)主要包括基音頻率、共振峰位 置、共振峰帶寬、基音頻率、能量等。特征 參數(shù)主要包括因素的時長、基音 頻率的變化（音調(diào)）、能量等。 (二 )語音信號處理的理論基礎(chǔ) 進(jìn)行頻譜分析時，在時域數(shù)據(jù)進(jìn)行短時 FFT 處理之前都要進(jìn)行加窗處理。為了得到各種音頻信號的特技效果，也需要對各種變聲算法進(jìn)行研究。另外一方面，不同人的基音周期變化很大，主要集中在 70Hz~1000Hz。此外，為了避免在加窗時加入多 余的高頻信號，應(yīng)該使用平滑窗，例如漢明窗。在這里，我們主要是改變原始話音的基音頻率，以達(dá)到變聲的目的。這種方法操作非常簡便。 第三種方法是插值以后重新抽樣。記 Rate = Fs’ /Fs ，那么 FL’ =FL * Rate，其中 Rate 為基頻變化率。 三種方法操作起來都還比較簡單，但為 了便于分析時域、頻域特效，本設(shè)計選擇了通信中常用的調(diào)制方法，即方案二。 MATLAB 是一個包括數(shù)值計算，高級圖形和可視化的集成科技計算環(huán)境，也是一種高級程序設(shè)計語言。 MATLAB 得到了各個領(lǐng)域?qū)＜覍W(xué)者的廣泛關(guān)注， 其強(qiáng)大的擴(kuò)展功能為用戶提供了強(qiáng)有力的支持； 它集數(shù)學(xué)計算、圖形計算、語言設(shè)計和神經(jīng)網(wǎng)絡(luò)等 30 多個工具箱于一體，具有極高的編程效率 [1]，極大地方便了科學(xué)研究和工程應(yīng)用。MATLAB 提供了語音文件的讀寫函數(shù)以及錄音和放音功能，如表 1 所示， 使用時只需按照函數(shù)的語法規(guī)則正確輸入?yún)?shù)即可。同時， MATLAB 提供了語 音的和、 差等線性運算，以及卷積、 相關(guān)等非線性運算。 MATLAB一個重要的特點是易擴(kuò)展性。比如 voicebox 工具箱， 其中包含了很多與語音信號處理相關(guān)的函數(shù)， 可以在有關(guān)網(wǎng)站上下載， 將其加入到 MATLAB 的搜索路徑， 就可以作為 MATLAB的庫函數(shù)來方便地調(diào)用了 。 表 1 與語音輸入輸出相關(guān)的函數(shù) 函數(shù)名 功能描述 wavread auread 讀語音文件 wavwrite auwrite 寫語音文件 sound wavplay 放音 soundsc 歸一化放音 soundview 可視化語音輸出 wavrecord 錄音 三 基于 MATLAB 的語音信號短時傅里葉變換 時域上的原函數(shù)中含有包含全部信息量的頻譜函數(shù) , 而頻譜函數(shù)中也含有原函數(shù) , 我們可以在時域與頻域之間對信號進(jìn)行相互變換 ,這種變換通過稱之為傅立葉變換。 在傳統(tǒng)的語音信號的處理中 ,傅立葉變換也一直起主要作用。然而 ,對語音處理來說 ,短時分析的方法是一個比較有效的解決途徑 , 因為語音信號的特性是隨時間緩慢變化的 ,因而可以假設(shè)它在一個短的段時間內(nèi)保持不變。 （一） 語音信號頻譜分析理論基礎(chǔ) 進(jìn)行頻譜分析時， 在時域數(shù)據(jù)進(jìn)行短時 FFT處理之前都要進(jìn)行加窗處理。 最后 IFFT 觀察恢復(fù)后的時域信號圖形， 頻譜分析過程 （如圖 1所示） 。 設(shè) f 是 R 上的實值或復(fù)值函數(shù) , 則 f 為一能量有限的模擬信號。傅立葉變換的定義如公式 (1)所示 : ? ??? ))si n ()c o s(()( 0 k w tbk w taatf ),0( ???k (1) 由于可以認(rèn)為語音信號是局部平穩(wěn)的 , 所以可以對某一幀語音進(jìn)行傅立葉變換 , 即短時傅立葉變換。在這里我們用下標(biāo) n以區(qū)別于標(biāo)準(zhǔn)的傅 立葉變換 , w（ n m)是窗口函數(shù)序列。 由公式 (2)知 ,短時傅立葉變換有兩個自變量 n 和 w, 所以它既是關(guān)于時間 n 的離散函數(shù) , 又是關(guān)于角頻率 w的連續(xù)函數(shù)。 可以從兩個角度理解函數(shù) X( jw? )的物理意義：第一種解釋是，當(dāng) n固定時， 如 n=n0,則 X( jw? )是將窗函數(shù)的起點移至 n0處截取信號 x(n)，再做傅里葉變換而得到的一個頻譜函數(shù)。另一種解釋是從時間軸方向來理解， 當(dāng)頻率固定時 ,例如 k??? ，則 X( jw? )可以看作是信號經(jīng)過一個中心頻率為的帶通濾波器產(chǎn)生的輸出。 四 基于 MATLAB 的語音信號特效處理 基音是指發(fā)濁音時聲帶振動所引起的周期性，而基音周期是指聲帶振動頻率的倒數(shù)。不同的人以及同一個人在不同的年齡時期有不同的基音周期。 此外，基音的變化模式稱為聲調(diào)，它攜帶著非常重要的具有辨意作用的信息。 回聲 模擬產(chǎn)生出不同的聽音環(huán)境（峽谷，大廳，小廳，太空）。 左右移動 使聲音動態(tài)地從一邊移到另一邊。 淡入淡出 聲音由小變大，或由大變小。 回聲 不同的聽音環(huán)境中有不同的吸聲與反射系數(shù)的材料，所以反射回來的音量大小與延時是不同的。根據(jù)研究，這兩個參數(shù)可以確定如表 2： 表 2 回聲效果參數(shù) 參數(shù) 峽谷 大廳 小廳 太空 延遲音量 延遲時間 500ms 100ms 60ms 180ms 回響 在房間中，由于房間四壁對聲音的反射，造成多個聲音的混合而形成的特殊聲音效果稱為回響。回響與回聲不同的地方是，有放虧，所以聽起來有多個回聲 ,而回聲是無反饋的。 左右移動 感覺聲音從一邊移到另一邊，即聲音從左到右，或從右到左（只針對立體聲）。 相位變化 實現(xiàn)方法：將左（或者右）聲道前一段添 0，文件在播放的時候左右聲道就會不同步右（左）聲道的數(shù)據(jù)會超前。實現(xiàn)時，只需要線性改變音量即可。具體程序如下 。 %取樣頻率 duration=3。Press any key to start %g seconds of recording...\n39。 提前錄制一段語音文件，時間10s 以內(nèi) 直 接 調(diào) 用wavrecord 函數(shù)實時錄音 語音信號的頻譜分析：畫出采樣后語音信號的時域波形和短時傅里葉變換后的頻譜圖 將信號加入延時，再分析其時域波形與頻譜，并分別與 原始信號進(jìn)行比較 對原始語音信號進(jìn)行音量變換、回聲、回響、相位移動、淡入淡出等特效處理 回放語音信號 pause。Recording...\n39。 y=wavrecord(duration*fs,fs)。Finished recording.\n39。 fprintf(39。)。 （三） 信號延時的設(shè)計 信號延時通常有以下方法： 方法一：構(gòu)造一個增益為 1，相位與時間成正比變化的濾波器，讓語音信號通過該延時網(wǎng)絡(luò)，即可實現(xiàn)延時。 經(jīng)比較，方法 2簡單易實現(xiàn)，故本設(shè)計采用方法二 ,。y]。實際應(yīng)用中常采用的頻譜搬移有如下方法： 方法一：插值以后重新抽樣。記 Rate = Fs’ /Fs ，那么 FL’ =FL * Rate，其中 Rate 為基頻變化 率。 方法二：直接乘以一個余弦函數(shù)，把語音信號頻段搬移到較高頻段，以達(dá)到變聲的目的。具體程序如下： n7=length(y)。%01之間有 n7個點 ,保證截取的語音信號和載波信號所取點數(shù)相同 y3=cos(2*2021*pi*t3)。.*y3。 （五） 短時傅里葉變換的設(shè)計 語音信號是一個非平穩(wěn)過程 , 而標(biāo)準(zhǔn)傅立葉變換僅適用于周期信號、 瞬變信號或平穩(wěn)隨機(jī)信號 ,因此標(biāo)準(zhǔn)傅立葉變換不能用來直接表示語音信號。 將 短時分析應(yīng)用于頻域分析即是傅立葉變換 , 相應(yīng)的頻譜稱為“ 短時譜” , 即有限長度的傅立葉變換。 d=100。 %每段長為 512 k=NWd。%每段實際取的點數(shù) nfft=512。 %將存放三維譜圖，先清零 for i=1:Ts n1=(Ld)*(i1)+1。 xw=sm1(n1:n2)。 %FFT變換 temp=fftshift(temp)。 %把譜圖存放在 TF中 end subplot(2,2,2) mesh(abs(TF))。STFTMove39。 xlabel(39。)。頻率 f/hz39。 grid。 contour(abs(TF))。等高圖 Move39。 xlabel(39。)。頻率 39。 axis equal 。 （六） 信號特效處理的設(shè)計 語音信號的常見特效有：音量調(diào)節(jié)、回聲 、回響、 左右移動 、相位變化、 淡入淡出 。音量調(diào)節(jié) \n39。 x=input(39。)。 %調(diào)節(jié)音量 sound(y1,Fs)。delay_time = 。delay_time = 。delay_time = 。delay_time = 。zeros(floor(Fs*delay_time),1)]。y_original(:,1)]。 y_y2 = [y_original(:,2)。 y_delay2 = [zeros(floor(Fs*delay_time),1)。 % delay %t = (0:length(y_delay1)1)39。 y2 = y_y2 + scale * y_delay2。 回響： %% % 回響效果 function y = stereo_reecho(y_original,Fs,mode) if mode == 1 scale = 。 % 峽谷效果 elseif mode ==2 scale = 。 % 大廳效果 elseif mode ==3 scale = 。 % 小廳效果 else scale = 。 % 太空效果 end delay_bits = floor(Fs * delay_time)。 y_y1 = [y_1。zeros(delay_bits,1)]。y_1。 y_delay_delay1 = [zeros(delay_bits,1)。y_1]。 y_2 = y_original(:,2)。zeros(delay_bits,1)。 y_delay2 = [zeros(delay_bits,1)。zeros(delay_bits,1)]。zeros(delay_bits,1)。 y_reecho2 = y_y2 + scale * y_delay2 + scale * scale * y_delay_delay2。 左右移動： %%stereo_shift function y = stereo_shift(y_stereo,Fs,mode) % mode = 1 : from right to left % mode = else : from left to right %[y_original Fs]= wavread(39。)。 i = linspace(1,0,length(y_stere