倒谱计算与分析

1、视频语音处理技术倒谱计算与分析年级班级:姓名:学号:计算机与信息技术学院综合性、设计性实验报告专业：计算机科学技术年级/班级：2011级20122013学年第一学期课程名称视频语音处理技术指导教师张新明学院名称:计算机与信息工程学院专业名称:计算机科学与技术本组成员学号姓名53王b秋实验地点计科楼324实验时间项目名称倒谱计算与分析实验类型设计性一、实验目的：对语音信号进行同态分析可得到语音信号的倒谱参数。语音的倒谱是将语音的短时谱取对数后再进行IDFT得到的，所以浊音信号的激励反映在倒谱上是同样周期的冲激，借此，可从倒谱波形中估计出基音周期。对倒谱进行低时窗选，通过语音倒谱分析的最后一级，进

2、彳fDFT后的输出即为平滑后的对数模函数，这个平滑的对数谱显示了特定输入语音段的谐振结构，即谱的峰值基本上对应于共振峰频率，对于平滑过的对数谱中的峰值进行定位，即可估计共振峰。对于倒谱计算与分析的设计实验可作如下训练：1、复倒谱的几种计算方法：2、最小相位信号法和递归法；3、基音检测；4、共振峰检测。二、实验仪器或设备：windowsXP下的Matlab编程环境三、总体设计(设计原理、设计方案及流程等)1.复倒谱的几种计算方法：在复倒谱分析中，z变换后得到的是复数，所以取对数时要进行复对数运算。这时存在相位的多值性问题，称为“相位卷绕”。设信号为x(n)x(n)X2(n)则其傅里叶变换为X(e

3、j)X(ej)X2(ej)对上式取复对数为lnX(ej)lnX(ej)lnXz(ej)由Hilbert变换的性质可知,任一因果复倒谱序列都可分解为偶对称分量和奇对称分量之和:X(n)%尺(n)其中Xe(n)X(n)Xn)/2Xo(n)X(n)乳n)/2则其幅度和相位分别为：lnX(ej)1nxi(ej)lnX2(ej)()1()2()()i()2()上式中，虽然1(),2()的范围均在，内，但()的值可能超过,范围。计算机处理时总相位值只能用其主值()表示，然后把这个相位主值“展开”，得到连续相位。所以存在下面的情况：()()2k(K为整数)此时即产生了相位卷绕。下面介绍几种避免相位卷绕求复倒

4、谱的方法。最小相位信号法这是解决相位卷绕的一种较好的方法。但它有一个限制条件：被处理的信号想x(n)必须是最小相位信号。实际上许多信号就是最小相位信号，或可以看作是最小相位信号。语音信号的模型就是极点都在z平面单位圆内的全极点模型，或者极零点都在z平面单位圆内的极零点模型。设信号x(n)的z变换为X(z)=N(z)/D(z),则有?N(z)父(z)1nX(z)1n-D(z)根据z变换的微分特性有ds,、d.N(z)z*(z)zIndzdzD(z)zD(z)N(z)N(z)D(z)N(z)D(z)nX(n)zn若x(n)是最小相位信号，则X(应然是稳定的因果序列。这两个分量的傅里叶变换分别为从而

5、可得0n0X(n)(n)n02Xe(n)n0此即复倒谱的性质3,也就是说一个因果序列可由其偶对称分量来恢复。如果引入一个其中g(n)1n02n0这种方法仅限于是最小相位信号的情况。根据z变换的微分特性得凶晦X*X(z)对上式求逆z变换，根据z变换的微分特性，有n?(n)x(n)nx(n)k_x(n)?(k)x(nk)n0kn设x(n)是最小相位序列，而最小相位信号序列一定为因果序列，所以有力(ej)X(n)ejn父父 R(ej辅助因子g(n),上式可写作?(n)g(n)Xe(n)?(n)所以最小相位信号法求复倒谱原理框图如下递归法nkn1kx(n)()xk)x(nk)洌k)x(nk)xn)x(

6、0)k0nk0n由于xfk)0(k0)及xfnk)0(kn)可得递推公式X(n)噜上父(k)个x(0)k0nx(0)递归运算后由复倒谱定义11nX(n)zInzx(n)zlnx(n)zn可知x(0)z1Inzx(0)Inx(0)(n)Inx(0)如果x(n)是最大相位序列，则变为0n0g(n)1n02n0?(n)舞()?(k)Fn0 x(0)kn1nx(0)其中父(0)Inx(0)2、基音检测；语音的倒谱是将语音的短时谱取对数后再进行IDFT得到的，所以浊音信号的周期性激励反映在倒谱上是同样周期的冲激。借此，可从倒谱波形中估计出基音周期。一般把倒谱波形中第二个冲激，认为是对应激励源的基频。下面

7、给出一种倒谱法求基音周期的框图及流程图如下w(n)s(n)-=DFT卜悯师Hin|S(k)|HlDFT卜|峰值检测H基音而j图5.8一种倒谱法求基音周期的实现框图3.共振峰检测倒谱将基音谐波和声道的频谱包络分离开来。对倒谱进行低时窗选，通过语音倒谱分析系统的最后一级，进彳fDFT后的输出即为平滑后的对数模函数，这个平滑的对数谱显示了特定输入语音段的谐振结构，即谱的峰值基本上对应于共振蜂频率，对平滑过的对数谱中的峰值进行定位，即可估计共振峰。原理框图及流程图如下。分帧加窗HFFT|HlogHIFFT卜|加窗卜|FFT|卜|10g卜|平滑处+1共振嶂图5.12共振峰检测框图绘图四、实验步骤（包括主

8、要步骤、代码分析等）1.倒谱MATLA映现代码段clearall;%倒谱s,fs,nbit=wavread();%读入一段语音b=s;%将s转置x=b(5000:5399);%取400点语音N=length(x);%读入语音的长度S=fft(x);%对x进行傅里叶变换Sa=log(abs(S);%log为以e为底的对数sa=ifft(Sa);%对Sa进行傅里叶逆变换ylen=length(sa);fori=1:ylen/2;sal(i)=sa(ylen/2+1-i);endfori=(ylen/2+1):ylen;sal(i)=sa(i+1-ylen/2);end您图figure(1);sub

9、plot(2,1,1);plot(x);%axis(0,400,)title(截取的语音段);xlabel(样点数);ylabel(幅度);subplot(2,1,2);time2=-199:1:-1,0:1:200;plot(time2,sa1);%axis(-200,200,)title(截取语音的倒谱);xlabel(样点数);ylabel(幅度);运行结果如图：2.倒谱法求浊音、清音的基音周期functions=p5_2pitchdetectwaveFile=;y,fs,nbits=wavread(waveFile);time1=1:length(y);time=(1:length(y

10、)/fs;frameSize=floor(50*fs/1000);%帧长startIndex=round(5000);%endIndex=startIndex+frameSize-1;%frame=y(startIndex:endIndex);%frameSize=length(frame);frame2=frame.*hamming(length(frame);%rwy=rceps(frame2);%ylen=length(rwy);cepstrum=rwy(1:ylen/2);fori=1:ylen/2;cepstrum1(i)=rwy(ylen/2+1-i);endfori=(ylen/

11、2+1):ylen;cepstrum1(i)=rwy(i+1-ylen/2);end矶因检测LF=floor(fs/500);%HF=floor(fs/70);cn=cepstrum(LF:HF);mx_cepind=max(cn);ifmx_cep&indLF;a=fs/(LF+ind);elsea=0;endpitch=a%!图figure(1);subplot(3,1,1);plot(time1,y);起始序号结束序号取出该帧加汉明窗求倒谱基因周期的范围是70500Hztitle(语音波形);%axistightylim=get(gca,ylim);line(time1(star

12、tIndex),time1(startIndex),ylim,color,r);line(time1(endIndex),time1(endIndex),ylim,color,r);xlabel(样点数);ylabel(幅度);subplot(3,1,2);plot(frame);%axis(0,400,)title(一帧语音);xlabel(样点数);ylabel(幅度)subplot(3,1,3);time2=-199:1:-1,0:1:200;plot(time2,cepstrum1);%axis(-200,200,)title(一帧语音的倒谱);xlabel(样点数);ylabel(幅

13、度);运行结果如下图：倒谱法求浊音的基音周期4202442024oooo4444B蹙假理D Do5o5o.o.o151522.533.5样点数一位语音ISOISO；0025030035040000250300350400样点数一帧语音的御谱ccDoo5-2Doo5-243C3C1 150500 05010016020050100160200.42口？.4n-o-n丘.5o.5o5 5. .D.1.321.322,fe2,fe3 3315315弹点皴一顿语音15C20025G3DO3504C0样点数一防语音的阿滑-lud0000-5D-5D03 31no150 刃口样点弱清首的倒谱3.共振峰检测

14、程序waveFile=;y,fs,nbits=wavread(waveFile);time=(1:length(y)/fs;frameSize=floor(40*fs/1000);%帧长startIndex=round(15000);%起始序号endIndex=startIndex+frameSize-1;%结束序号frame=y(startIndex:endIndex);%取出该帧frameSize=length(frame);frame2=frame.*hamming(length(frame);%力口汉明窗rwy=rceps(frame2);%倒谱求ylen=length(rwy);ce

15、pstrum=rwy(1:ylen/2);%基首检测LF=floor(fs/500);HF=floor(fs/70);cn=cepstrum(LF:HF);mx_cepind=max(cn);%找到最大的突起的位置%共振峰检测核心代码NN=ind+LF;ham=hamming(NN);cep=cepstrum(1:NN);ceps=cep.*ham;%汉明窗formant1=20*log(abs(fft(ceps);formant(1:2)=formant1(1:2);fort=3:NN%dosomemedianfilteringz=formant1(t-2:t);md=median(z);f

16、ormant2(t)=md;endfort=1:NN-1ift=2formant(t)=formant1(t);elseformant(t)=formant2(t-1)*+formant2(t)*+formant2(t+1)*;endendsubplot(3,1,1);plot(cepstrum);title(倒谱);xlabel(样点数);ylabel(幅度)%axis(0,220,)spectral=20*log(abs(fft(frame2);subplot(3,1,2);xj=(1:length(spectral)/2)*fs/length(spectral);plot(xj,spectral(1:length(spectral)/2);title(频谱);xlabel(频率/Hz);ylabel(幅度/dB)%axis(0,500,-100,50)subplot(3,1,3);xi=(1:NN/2)*fs/NN;plot(xi,formant(1:NN/2);title(平滑对数幅度谱);xlabel(频率/Hz);ylabel(幅度/dB);%axis(0,5500,-80,0)运行结果如图所示:五、结果分析与总结对语音信号进行同态分析可