语音实验一端点检测

1、实验一语音信号端点检测一、实验目的1学会 MATLAB的使用，掌握 MATLAB的程序设计方法；2掌握语音处理的基本概念、基本理 论和基本方法；3掌握基于 MATLAB编程实现带噪语音信号端点 检测；4学会用 MATLAB对信号进行分析和 处理。5. 学会利用短 时过零率和短 时能量，对语 音信号的端点 进行检测。二、实验仪器设备及软件HP D538、MATLAB三、实验原理端点检测是语音信号处理过程中非常重要的一步，它的准确性直接影响到 语音信号处理的速度和 结果。本次实验利用短时过零率和短时能量相结合的语音端点检测算法利用短 时过零率来检测清音，用短时能量来检测浊音，两者相配合便实现了信号

2、信噪比 较大情况下的端点检测。算法对于输入信号的 检测过 程可分 为短时能量检测和短时过零率检测两个部分。算法以短时能量检测为主，短时过零率检测为辅 。根据语音的统计特性，可以把语音段分为清音、浊音以及静音（包括背景噪声）三种。在本算法中，短时能量 检测可以较好地区分出 浊音和静音。对于清音，由于其能量 较小，在短时能量检测中会因 为低于能量门限而被误判为静音；短时过零率则可以从语音中区分出静音和清音。将两种检测结合起来，就可以检测出语音段（清音和浊音）及静音段1、短时能量计算定义 n 时刻某语言信号的短 时平均能量 En 为： x( m)w(n m) 2nEn x(m)w(n m) 2m n

3、 ( N 1)式中 N 为窗长，可见短时平均能量 为一帧样点值的平方和。特n殊地，当窗函数为矩形窗时，有2(m)Enxm n ( N 1)2、短时过零率过零就是指信号通 过零值。过零率就是每秒内信号 值通过零值的次数。对于离散 时间序列，过零则是指序列取 样值改变符号，过零率则是每个 样本的改 变符号的次数。 对于语音信号，则是指在一帧语音中语音信号波形穿 过横轴（零电平）的次数。可以用相邻两个取样改变符号的次数来 计算。如果窗的起点是n=0，短时过零率 Z 为波形穿过横轴（零电平）的次数1N 1Sgn(Sw(n 1) |Z 0| Sgn( Sw(n)2 n 0sgn( x)1, x01, x

4、0短时过零可以看作信号 频率的简单度量浊音的短 时平均幅度最大，无声的短 时平均幅度最小，清音的短时过零率最大，无声居中，浊音的短时过零率最小。3、短时自相关函数Nk 1Rw(k)sw(n)sw( nk)0是偶函数；s(n)是周期的，那么 R（k）也是周期的； 可用于基音周期估 计和线性预测分析4、判断语音信号的起点和 终点利用短 时平均幅度和短 时过零率可以判断 语音信号的起点和 终点。语音端点 检测方法可采用 测试信号的短 时能量或短 时对数能量、联合过零率等特征参数，并采用双 门限判定法来 检测语音端点，即利用过零率检测清音，用短时能量检测浊 音，两者配合。首先为短时能量和过零率分 别确

5、定两个 门限，一个是较低的门限数值较小，对信号的变化比较敏感，很容易超过;另一个是比 较高的门限，数值较大。低门限被超 过未必是 语音 的开始，有可能是很短的噪声引起的，高 门限被超过并且接下来的自定 义时间段内的语音。四、实验步骤及程序（1）实验步骤：1、取一段录音作为音频样本。2、利用公式分 别编程计算这段语音信号的短 时能量和短 时过零率，然后分别画出它们的曲线。3、调整能量门限。4、进行幅度 归一化并 设置帧长、短时能量阈值、过零率阈值等参数。5、编写程序实现语音端点检测 。6、最后得到 语音端点检测图像。（2) 语音信号的端点 检测程序流程 图：输 入幅度设计算短时能调 整开 始输出

6、样本端图 1.1 语音信号的端点 检测程序流程 图语音信号的端点 检测实验 源程序：clc;clear;x,fs=wavread(2.wav);%y = end_point(x);%f0 = pitch_sift(x,0.38,fs);plot(f0);%e_x=(frame(x,lpc_spectrum,fs);%plot(e_x(2,:);%某一维随时间变化plot(e_x(:,89);%一帧信号各维之间变化hold on;c=melcepst(x,fs);plot(c(89,:),k);frame 定义% function y = frame(x,func,SAMP_FREQ,l,ste

7、p)where y is output on a frame by frame basis, x is input speech,and l is the window size. l and step are optional parameters,by default SAMP_FREQ is 8000, l is 200, and step is 100.func is a string e.g. pitch that determines a function that you wantto apply to x on a short-time basis.% Written by:

8、Levent ArslanApr. 11, 1994%function yy = frame(x,func,SAMP_FREQ,l,step)m,n=size(x);if mnn=m;elsen=n;x=x;endif nargin 3, SAMP_FREQ=16000; end;if nargin 4, l=SAMP_FREQ/40; end;if nargin 5, step=l/2; end;num_frames=ceil(n/step);%NUMBER OF FRAMESx(n+1:n+2*l)=zeros(2*l,1);%ADD ZEROS AT THE END OFTHE SPEE

9、CH SIGNALi=0:step:num_frames*step;%i is the arithmetical proportion seriesby stepj=i*ones(1,l);i=j+ones(num_frames+1,1)*1:l;y=reshape(x(i),num_frames+1,l);y=(hanning(l)*ones(1,num_frames+1).*y;for i=1:num_framescmd=sprintf(yy(:,i)=%s(y(:,i); ,func);eval(cmd);endmelcepst定义function c=melcepst(s,fs,w,n

10、c,p,n,inc,fl,fh)%MELCEPST Calculate the mel cepstrum of a signalC=(S,FS,W,NC,P,N,INC,FL,FH)% Simple use: c=melcepst(s,fs) % calculate mel cepstrum with 12coefs, 256 sample frames%c=melcepst(s,fs,e0dD) % include log energy,0th cepstral coef, delta and delta-delta coefs%Inputs:s speech signal%fssample

11、 rate in Hz (default 11025)%ncnumber of cepstral coefficients excluding 0thcoefficient (default 12)n length of frame (default power of 2 30 ms)p number of filters in filterbank (default floor(3*log(fs) )inc frame increment (default n/2)%fllow end of the lowest filter as a fraction of fs (default =0)

12、%fhhigh end of highest filter as a fraction of fs (default =0.5)%wany sensible combination of the following:%Rrectangular window in time domain%N Hanning window in time domain%M Hamming window in time domain (default)%ttriangular shaped filters in mel domain(default)%nhanning shaped filters in mel d

13、omain%mhamming shaped filters in mel domain%p filters act in the power domain%a filters act in the absolute magnitude domain(default)%0include 0th order cepstral coefficient%einclude log energy%d include delta coefficients (dc/dt)%D include delta-delta coefficients (d2c/dt2)%zhighest and lowest filt

14、ers taper down to zero(default)%ylowest filter remains at 1 down to 0 frequencyand%highest filter remains at 1 up to nyquistfreqency%If ty or ny is specified, the total power in the fftis preserved.%Outputs: cmel cepstrum output: one frame per row%Copyright (C) Mike Brookes 1997%Last modified Thu Ju

15、n 15 09:14:48 2000%VOICEBOX is a MATLAB toolbox for speech processing. Home page is athttp:/www.ee.ic.ac.uk/hp/staff/dmb/voicebox/voicebox.html%This program is free software; you can redistribute it and/ormodifyit under the terms of the GNU General Public License as published bythe Free Software Fou

16、ndation; either version 2 of the License,or(at your option) any later version.%This program is distributed in the hope that it will be useful,but WITHOUT ANY WARRANTY; without even the implied warranty ofMERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See theGNU General Public License for more

17、details.%You can obtain a copy of the GNU General Public Licensefrom/pub/gnu/COPYING-2.0 or by writing toFree Software Foundation, Inc.,675 Mass Ave, Cambridge, MA 02139, USA.%if nargin2 fs=11025; endif nargin3 w=M; endif nargin4 nc=12; endif nargin5 p=floor(3*log(fs); endif nargin6 n=pow2(floor(log

18、2(0.03*fs); endif nargin9fh=0.5;if nargin8fl=0;if narginncc(:,nc+1:end)=;elseif pncc=c zeros(nf,nc-p);endif any(w=0)c(:,1)=;endif any(w=e)c=log(sum(pw). c;end% calculate derivativeif any(w=D)vf=(4:-1:-4)/60;af=(1:-1:-1)/2;ww=ones(5,1);cx=c(ww,:); c; c(nf*ww,:);vx=reshape(filter(vf,1,cx(:),nf+10,nc);vx(1:8,:)=;ax=reshape(filter(af,1,vx(:),nf+2,