语音信号采集和分析报告

语音信号的采集与分析一、背景介绍1、语音信号处理的相关内容通过语音相互传递信息是人类最重要的根本功能之一.语言是人类特有的功能.声音是人类常用工具,是相互传递信息的最重要的手段.虽然,人可以通过多种手段获得外界信息,但最重要,最精细的信息源只有语言,图像和文字三种.与用声音传递信息相比,明显用视觉和文字相互传递信息,其效果要差得多.这是由于语音中除包含实际发音内容的话言信息外,还包括发音者是谁及喜怒哀乐等各种信息.所以,语音是人类最重要,最有效,最常用和最便利的交换信息的形式.另一方面,语言和语音与人的智力活动亲热相关,与文化和社会的进步严密相连,它具有最大的信息容量和最高的智能水平。语音信号处理是争论用数字信号处理技术对语音信号进展处理的一门学科,处理的目的是用于得到某些参数以便高效传输或存储;或者是用于某种应用,如人工合成出语音,辨识出讲话者,识别出讲话内容,进展语音增加等.语音信号处理是一门兴的学科,同时又是综合性的多学科领域,是一门涉及面很广的穿插学科.虽然从事达一领域争论的人员主要来自信息处理及计算机等学科.但是它与语音学,语言学,声学,认知科学,生理学,心理学及数理统计等很多学科也有格外亲热的联系.语音信号处理是很多信息领域应用的核心技术之一,是目前进展最为快速的信息科学争论领域中的一个.语音处理是目前极为活泼和热门的争论领域,其争论涉及一系列前沿科研课题,巳处于快速进展之中;其争论成果具有重要的学术及应用价值.2、工作流程：相关的信号与系统学问：傅里叶变换在信号处理中具有格外重要的作用,它通常能使信号的某些特性变得很明显,而在原始信号中这些特性可能模糊不清或至少不明显.在语音信号处理中,傅里叶表示在传统上始终起主要作用.其缘由一方面在于稳态语音的生成模型由线性系统组成,此系统被一随时间作周期变化或随机变化的源所鼓励.因而系统输出频谱反映了鼓励与声道频率响应特性.另一方面,语音信号的频谱具有格外明显的语音声学意义,可以获得某些重要的语音特征(如共振峰频率和带宽等).依据语音信号的产生模型,可以将其用一个线性非时变系统的输出表示,即看作是声门鼓励信号和声道冲激响应的卷积.在语音信号数字处理所涉及的各个领域中,依据语音信号求解声门鼓励和声道响应具有格外重要的意义.例如,为了求得语音信号的共振蜂就要知道声道传递函数(共振峰就是声道传递函数的各对复共轭极点的频率).又如,为了推断语音信号是清音还是浊音以及求得浊音状况下的基音频率,就应知道声门鼓励序列.在实现各种语音编码,合成,识别以及说话人识别时无不需要由语音信号来求得声门鼓励序列和声道冲激响应.3、相关MATLAB学问：MATLAB语言是一种数据分析和处理功能格外强大的计算机应用软件,它可以将声音文件变换为离散的数据文件,然后利用其强大的矩阵运算力量处理数据,如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等,信号处理是MATLAB重要应用的领域之一。YR_220444.am”然后使用格式工厂软件将其转换成wav格式并重命名为“02120008.wav”wavread用费事如下：[y,fs,bits]=wavread(”C:\Users\Lenovo\Desktop\02120008.wav” );通过调用wavread函数，将录制好的音频文件信息储存在一个矩阵yfswav44.1kHZ。并用一个变量n来储存信息y的长度：n=length(y);decimateymatlabhelpdecimate，可以得到其调用方式如下：DECIMATEResampledataatalowerrateafterlowpassfiltering.Y=DECIMATE(X,R)resamplesthesequenceinvectorXat1/Rtimestheoriginalsamplerate. TheresultingresampledvectorYisRtimesshorter,i.e.,LENGTH(Y)=CEIL(LENGTH(X)/R).Bydefault,DECIMATEfiltersthedatawithan8thorderChebyshevTypeIlowpassfilterwithcutofffrequency.8*(Fs/2)/R,beforeresampling.Y = DECIMATE(X,R,N) uses an N”th Chebyshevfilter. ForNgreaterthan13,DECIMATEwillproduceawarningregardingtheunreliabilityoftheresults. SeeNOTEbelow.Y=DECIMATE(X,R,”FIR”)usesa30thorderFIRfiltergeneratedbyFIR1(30,1/R)tofilterthedata.Y=DECIMATE(X,R,N,”FIR”)usesanNthFIRfilter.itis

Note:ForbetterresultswhenRislarge(i.e.,R>13),recommendedtobreakRupintoitsfactorsandcallingDECIMATEseveralTimes.1/2,1/4R2,4z1，z2然后，通过调用fft函数对信号进展傅里叶变换，得到采样matlabplot三、分析时域分析和频域分析①：原始信号fs=8KHz。②取R=2 即采样频率 fs2=1/2*fs=4KHz.③取R=4 即采样频率 fs3=1/4*fs=1kHz肯定程度的失真。添加噪声通过调用wgn函数，为原始信号添加高斯白噪声，得到合均匀分布在各个频率段上。声音信息的滤波操作通过观看添加了噪声之后的声音信息的幅频特性曲线的3000Hzkaiser参数如下:KAISERORD FIR order estimator (lowpass, bandpass,multiband).[N,Wn,BTA,FILTYPE]=KAISERORD(F,A,DEV,Fs)istheapproximateorderN,normalizedfrequencybandedgesWn,KaiserwindowbetaparameterBTAandfiltertypeFILTYPEtobeusedbytheFIR1function:B = FIR1(N, Wn, FILTYPE, kaiser( N+1,BTA ”noscale”)The resulting filter will approximately meet specificationsgivenbytheinputparametersF,A,andDEV.FisavectorofbandedgefrequenciesinHz,inascendingorderbetween0andhalfthesamplingfrequencyFs. Aisavectorof0sand1sspecifyingthedesiredfunction”samplitudeonthebandsdefinedbyF.ThelengthofFistwicethelengthofA,minus2(itmustthereforebeeven). Thefirstfrequencybandisassumedtostartatzero,andthelastonealwaysendsatFs/2.DEVisavectorofmaximumdeviationsorripples(inlinearunits)allowableforeachband.Thesmallestdeviationspecified(MIN(DEV))isusedforboththepassbandandthestopband.Fsisthesamplingfrequency(whichdefaultsto2ifyouleaveitoff).C=KAISERORD(F,A,DEV,Fs,”cell”)isacell-arraywhoseelementsaretheparameterstoFIR1.理合成之后的声音文件，得到如下的幅频特性曲线：了很多。四、总结matlab软件操作的一局部学问，受益匪浅。2014、626附录：clear;[y,fs,bits]=wavread(”C:\Users\Lenovo\Desktop\02120008.wav”);n=length(y);time=1/fs:1/fs:n/fs;sound(y,fs)Y=fft(y,n);figure(6)plot(abs(Y));figure(1)subplot(1,2,1);plot(time,y);title(”原始信号波形”);M=0:n/2;freq=M*fs/n;subplot(1,2,2);mag=abs(Y);plot(freq,mag(M+1));title(”原始信号频谱”);y0decimate(y,2,10);wavwrite(y0,fs,”C:\Users\Lenovo\Desktop\shuchu.wav”);z1=decimate(y,2,10);m1=length(z1);time1=1/fs:1/fs:m1/fs;X1=fft(z1,m1);figure(2)subplot(1,2,1);plot(time1,z1);title(”采样后波形”);M1=0:m1/2;freq1=M1*fs/m1;mag1=abs(Y(M1+1));subplot(1,2,2);plot(freq1,mag1);title(”采样后频谱”);z2=decimate(y,4,10);m2=length(z2);time2=1/fs:1/fs:m2/fs;X2=fft(z2,m2);figure(3)subplot(1,2,1);plot(time2,z2);title(”采样后波形”);M2=0:m2/2;freq2=M2*fs/m2;mag2=abs(Y(M2+1));subplot(1,2,2);plot(freq2,mag2);title(”采样后频谱”);[row,col]=size(y);noise=0.1*wgn(row,col,0);cmb=noise+y;X3=fft(cmb,n);figure(4)subplot(1,2,1);plot(time,cmb);title(”加噪声后波形”);subplot(1,2,2);mag3=abs(X3(M+1));plot(freq,mag3);title(”加噪声后频谱”);=kaiserord([5