声音信号的分析处理

《信号与系统》课程设计语音信号的分析和处理学院：通信与信息工程学院班级：2023012030班学生：指导教师：崔琳莉2011年12月19日一、摘要声音是由物体的振动产生，以声波的形式在介质中传播，介质主要可分为固体，液体以及气体。声波振动内耳的听小骨，这些振动被转化为微小的电子脑波，它就是我们觉察到的声音。内耳采用的原理与麦克风捕获声波或扬声器的发音一样，它是移动的机械局部与气压波之间的关系。在国际标准中，人声的频率范围是300Hz~3400Hz，不同的人或乐器产生的声音频率不一致，通过对声音信号的研究能够更好的处理声音信号的处理以及传输。Matlab作为一款主要面对科学计算、可视化以及交互式程序设计的高科技计算软件，能够很好的完成对声音信号的分析和处理，快速的得出声音信号的时域图以及频域图。关键字：声音频率时域图频域图MatlabSoundcomesfromtheshakeofobjectsandspreadsintheformofwavesinmediumconsistsofsolid,liquidandgas.Soundwavesshaketheossiclesintheears,transformedintofinalelectronicbrainwavesandthenwehearthesound.Theprincipletheearworkswhichisthesameastheprinciplethemicrophoneandthespeakerworks,isusingtherelationbetweenmechanicalpartandbarometricwave.InISO,thefrequencydomainisfrom300Hzto3400Hz,differsindifferentpeopleandmusicalinstruments.Thestudyofthesoundsignalhelptobetterdealwiththesignals.Asasoftwaremajorinscientificcalculation,Matlabisvisualandinteractive.Itiscapableofperfectlyfinishingtheanalysisanddisposeofthesoundsignalbysketchingthetimedomainfigureandfrequencydomainfigure.Keywords:sound,frequency,timedomainfigure,frequencydomainfigure,Matlab二、实验要求通过MATLAB的函数wavread()可以读入一个.wav格式的音频文件，并将该文件保存到指定的数组中。例如下面的语句〔更详细的命令介绍可以自己查阅MATLAB的帮助〕中，将.wav读入后存放到矩阵y中。y=wavread('SpecialEnglish.wav');对于单声道的音频文件，y只有一行，即一个向量；对于双声道的音频文件，y有两行，分别对应了两个声道的向量。我们这里仅对一个声道的音频进行分析和处理即可。注意：.wav文件的采样频率为44.1KHz，采样后的量化精度是16位，不过我们不用关心其量化精度，因为在MATLAB读入后，已将其转换成double型的浮点数表示。在获得了对应音频文件的数组后，我们可以对其进行一些根本的分析和处理。可以包括：对语音信号进行频域分析，找到语音信号的主要频谱成分所在的带宽，验证为何可以对语音信号采用8KHz的采样速率。分析男声和女声的差异。我们知道男声和女声在频域上是有些差异的，一般大家都会认为女声有更多高频的成分，验证这种差异。同时，提出一种方法，能够对一段音频信号是男声信号、还是女声信号进行自动的判断。语音与乐器音频的差异。比拟语音信号与乐器音频信号的差异，尤其是在频域上的差异。.wav文件的采样速率为44.1KHz，仍然远远高于我们通常说的语音信号需要的频谱宽度，例如在对语音信号的采样中，我们仅仅使用8KHz的采样速率。对读入的音频数据进行不同速率的降采样，使用wavplay()命令播放降采样后的序列，验证是否会对信号的质量产生影响。降采样的方法很简单，例如命令y=wavread('SpecialEnglish.wav');将语音文件读入后保存在向量y中，这时对应的采样频率为44.1KHz。使用y1=y(1:2:length(y))命令，就可以将原序列y每隔1个采样后放入序列y1中，这时y1序列对应的采样频率即为22KHz。自己下载获得一段中文语音信号〔可以使用诸如“千千静听〞等工具将.mp3文件转换成.wav文件〕，对中文语音与英文语音进行比拟。三、实验内容3.1、对语音信号进行频域分析，找到语音信号的主要频谱成分所在的带宽，验证为何可以对语音信号采用8KHz的采样速率。对声音信号的频谱图进行分析，使用Matlab绘制该语音信号的频谱图，观察频谱图，读出声音信号的频率范围，由采样定理可知，如果需要重建声音信号，需产生一个周期冲激串，其冲激幅度就是采样得到的样本值，将该冲激串通过一个增益为T，截止频率为，而小于的理想低通滤波器，该低通滤波器的输出就是。使用Matlab中的快速傅里叶变换(fft)，绘制出声音文件的时域图和频域图，对频域图进行分析，观察可得声音信号的主要频率范围为200Hz~1800Hz，根据采样定理可得，采样频率应不小于3600Hz，故使用8kHz的采样频率能保证声音无失真采样及恢复。 程序代码：[x,fs,bits]=wavread('相声.wav');%将原声音信号转化为字符串%subplot(211);plot(x);%绘制声音信号的时域图%title('时域分析图');subplot(212);y=fft(x,fs);df=fs/length(y);fx=df*(0:length(y)-1);%将横坐标转化为频率值%plot(fx,abs(y));%绘制声音信号的频谱图%axis([080000500]);title('频域分析图');3.2、分析男声和女声的差异。我们知道男声和女声在频域上是有些差异的，一般大家都会认为女声有更多高频的成分，验证这种差异。同时，提出一种方法，能够对一段音频信号是男声信号、还是女声信号进行自动的判断。首先，我们选择了普通的男生和女生分别演唱同一首歌，用matlab分别绘出两段声音信号的频谱图,从图中可以看出，男生的声音频率主要分布在200Hz~800Hz,女生的声音频率主要分布在300Hz~1800Hz,女生的声音高频成分较多。这是因为，声波是由物体振动产生的机械波，男人声带宽而厚，振动频率低；女人声带窄而薄，振动频率高。而我们平时所感受得男生声音消沉，女生声音尖细，那么是由于发声时男女声带的振动频率的上下不同，所以男女音调的上下不同。使用Matlab对男声女声的声音信号在不同频率的分布比例进行分析，运行程序后可得出，在低频范围〔150Hz~1000Hz〕内男声低频比例n1=9.5343e-006女声低频比例n2=8.6394e-006 在高频范围〔1000Hz~1800Hz〕内男声高频比例m1=7.5965e-006女声高频比例m2=8.2355e-006以上的数据计算进一步验证了女声频率较高的假设，我们可以通过这种计算来分辨男声女声。程序代码：%画男生声音、女生声音的频谱图y1=wavread('lu_ll.wav');Fs=44100;%采样频率%yt1=fft(y1);%傅里叶变换%df=Fs/length(yt1);Fx=df*(0:length(yt1)-1);%将横轴变为频率轴%figure(1)subplot(211); %subplot将图像画在一张图上%plot(y1);title('男声时域波形');%画语音信号的时域波形%subplot(212); plot(Fx,abs(yt1));axis([010000010000]);title('男声频谱图');xlabel('频率/Hz');y2=wavread('lu_ksl.wav');Fs=44100;%采样频率%yt2=fft(y2);%傅里叶变换%df=Fs/length(yt2);Fx=df*(0:length(yt2)-1);%将横轴变为频率轴%figure(2)subplot(211); %subplot将图像画在一张图上%plot(y2);title('女声时域波形');%画语音信号的时域波形%subplot(212); plot(Fx,abs(yt2));axis([01000005000]);title('女声频谱图');xlabel('频率/Hz');%计算男生和女生信号中高频和低频信号所占的比例：[y1Fs]=wavread('lu_ll.wav');y1=y1(:,1);yt1=fft(y1);[y2Fs]=wavread('lu_ksl.wav');y2=y2(:,1);yt2=fft(y2);sum1=0;fori=200:1000%计算男声的低频比例%sum1=sum1+abs(yt1(i));endsum=0;fori=1:length(yt1)sum=sum+abs(yt1(i));endn1=sum1/sum;sum1%低频信号量sum%总信号量n1%比例sum1=0;fori=200:1000%计算女声的低频比例%sum1=sum1+abs(yt2(i));endsum=0;fori=1:length(yt2)sum=sum+abs(yt2(i));endn2=sum1/sum;sum1sumn2%高频%sum1=0;fori=3000:3800%计算男声的高频比例%sum1=sum1+abs(yt1(i));endsum=0;fori=1:length(yt1)sum=sum+abs(yt1(i));endm1=sum1/sum;sum1summ1sum1=0;fori=3000:3800%计算女声的高频比例%sum1=sum1+abs(yt2(i));endsum=0;fori=1:length(yt2)sum=sum+abs(yt2(i));endm2=sum1/sum;sum1summ23.3、语音与乐器音频的差异。比拟语音信号与乐器音频信号的差异，尤其是在频域上的差异。我们找了五种不同的乐器演奏的《梁祝》，试图不仅分析语音信号和乐器音频信号的差异，还要分析不同乐器音频信号的差异。使用狸窝软件进行时间截取和格式转换，分析得到频谱如下： 对于乐器来说，低频段表示音色的饱满度，高频段表示音色的明亮度。从图中可以看出，古筝的泛音较强，这印证了我们听觉的感受，钢琴和笛子的频谱主要集中在500~1000Hz的低频范围内，音色最为饱满，它们的主要区别在于钢琴泛音较多。相比于前面所绘制的语音信号的频谱，乐器在某些频率点的小范围内会形成一个冲击，所以声音会比拟有冲击力。并且，乐器有基音和泛音，而人声没有泛音，所以会产生乐器声悠扬的效果。程序代码：y1=wavread('笛子_0.wav');y2=wavread('钢琴_0.wav');y3=wavread('小提琴_0.wav');y4=wavread('萨克斯_0.wav');y5=wavread('古筝_0.wav');Fs=44100;%采样频率%yt1=fft(y1);%傅里叶变换%yt2=fft(y2);yt3=fft(y3);yt4=fft(y4);yt5=fft(y5);df1=Fs/length(yt1);Fx1=df1*(0:length(yt1)-1);df2=Fs/length(yt2);Fx2=df2*(0:length(yt2)-1);df3=Fs/length(yt3);Fx3=df3*(0:length(yt3)-1);df4=Fs/length(yt4);Fx4=df4*(0:length(yt4)-1);df5=Fs/length(yt5);Fx5=df5*(0:length(yt5)-1);figure(1) plot(Fx1,abs(yt1));axis([08000010000]);title('笛子频谱图');xlabel('频率/Hz');figure(2)plot(Fx2,abs(yt2));axis([08000010000]);title('钢琴频谱图');xlabel('频率/Hz');figure(3)plot(Fx3,abs(yt3));axis([08000010000]);title('小提琴频谱图');xlabel('频率/Hz');figure(4)plot(Fx4,abs(yt4));axis([08000010000]);title('萨克斯频谱图');xlabel('频率/Hz');figure(5)plot(Fx5,abs(yt5));axis([08000010000]);title('古筝频谱图');xlabel('频率/Hz');3.4、.wav文件的采样速率为44.1KHz，仍然远远高于我们通常说的语音信号需要的频谱宽度，例如在对语音信号的采样中，我们仅仅使用8KHz的采样速率。对读入的音频数据进行不同速率的降采样，使用wavplay()命令播放降采样后的序列，验证是否会对信号的质量产生影响。使用Matlab对声音信号进行降采样，分别把声音信号的采样频率将为原采样频率的1/2，1/5，1/10。当采样频率为原信号采样频率的1/2时，声音与原声音无明显变化，观察频谱图，亦无明显变化；当采样频率为原信号采样频率的1/5时，声音与原声音相比有差异，观察频谱图，发现频谱图变化很大；当采样频率为原信号采样频率的1/10时，声音与原声音相比已明显失真，信号内容不可区分，观察频谱图，频谱图已完全不一致，降采样后的信号失真严重。结论：当采样频率越低时，采样得到的声音信号的音质将降低。程序如下：[x,fs,bits]=wavread('星空的旋律.wav');%将声音信号采样称字符串%fs%声音x(t)信号频率%x1=x(1:2:length(x));%对原声音信号进行1/2降采样%x2=x(1:5:length(x));%对原声音信号进行1/5降采样%x3=x(1:10:length(x));%对原声音信号进行1/10降采样%subplot(411);%wavplay(x,fs);%播放原声音信号%y=fft(x,fs);df=fs/length(y);fx=df*(0:length(y)-1);plot(fx,abs(y));%绘制原声音信号的频谱分析图%axis([080000500]);title('原声音频谱分析图');subplot(412);%wavplay(x1,fs/2);%播放1/2降采样声音信号%y1=fft(x1,fs/2);df=fs/length(y1);fx=df*(0:length(y1)-1);plot(fx,abs(y1));%绘制1/2降采样后信号的频谱分析图%axis([080000500]);title('采样频率为原信号的1/2频谱分析图');subplot(413);%wavplay(x2,fs/5);%播放1/10降采样声音信号%y2=fft(x2,fs/5);df=fs/length(y2);fx=df*(0:length(y2)-1);plot(fx,abs(y2));%绘制1/5降采样后信号的频谱分析图%axis([080000500]);title('采样频率为原信号的1/5频谱分析图');subplot(414);%wavplay(x3,fs/10);%播放1/10降采样声音信号%y3=fft(x3,fs/10);df=fs/length(y3);fx=df*(0:length(y3)-1);plot(fx,abs(y3));%绘制1/10降采样后信号的频谱分析图%axis([080000500]);title('采样频率为原信号的1/10频谱分析图');四、实验结论在实验开始的时候，使用录音软件〔AdobeAudition〕录制所需的男声女声，同时，在各大音乐网站下载所需的音频文件，但是一般下载到的只有.mp3格式的音频文件，故使用狸窝全能视频转换器将.mp3文件或其他格式的音频文件转化为.wav格式的音频文件。 使用Matlab对下载到的音频文件〔相声.wav〕进行时域分析和频域分析，并绘制相应的时域图和频域图，时域图可以显示幅值与时间的关系，频域图可以显示幅值与频率的关系。对绘制频域图进行解读，该文件的主要频率范围为200Hz~1800Hz，通