数字语音处理实验报告

学院：信息与通信工程学院 专业：通信工程 班级：通信144 学号：10 姓名：刘新雨 指导教师：崔艳秋

1. 实验目的

观察并验证语音信号的时域特性，理解并掌握典型的语音信号时域分析方法和时域特征，为深入学习语音信号处理的各种应用奠定基础。

2. MATLAB程序代码

（1）由麦克风采集语音数据，将采集的数据存成WAV文件（采样率为8000Hz），存在本人的文件夹中。所用程序代码为：

clear; close all; Fs=11025;

y=wavrecord(5*Fs,Fs,'double'); wavwrite(y,'D:\\\\lxy'); soundview(y,Fs);

（2）读取WAV文件，显示语音信号的波形。所用程序代码为：

clear; close all;

x = wavread('D:\\\\'); figure; plot(x);

axis([0,size(x,1),,]);

title('语音信号时域波形');xlabel('样点数'); ylabel('幅度');

（3）读取WAV文件，计算并显示语音的短时能量（窗函数为矩形窗，帧长为50,200,400,600）。所用程序代码为：

clear; close all;

x = wavread('d:\\\\'); x = double(x);

f1= enframe(x,50, 50); energy1 = sum(abs(f1), 2);

subplot(2,2,1);plot(energy1); title('语音信号的短时能量'); legend('帧长LEN =50'); f2= enframe(x,200, 200); energy2 = sum(abs(f2), 2);

subplot(2,2,2);plot(energy2); title('语音信号的短时能量'); legend('帧长LEN = 200'); f3= enframe(x,400, 400); energy3 = sum(abs(f3), 2);

subplot(2,2,3);plot(energy3); title('语音信号的短时能量'); legend('帧长LEN = 400');

f4= enframe(x,600,600); energy4 = sum(abs(f4), 2);

subplot(2,2,4);plot(energy4); title('语音信号的短时能量'); legend('帧长LEN = 600'); （4）读取WAV文件，计算并显示语音的短时过零率（窗函数为矩形窗，帧长为256，帧移为128），所用程序代码为：

clear;

close all;

x = wavread('D:\\\\')； x = double(x); LEN = 300; INC= 150;

f = enframe(x, LEN, INC); % 计算短时过零率

z = zeros(size(f,1),1); difs =; for i=1:size(f,1)

s=f(i,:); for j=1:(length(s)-1)

if s(j)* s(j+1)<0&abs(s(j)-s(j+1))>difs; z(i)= z(i)+1; end end end

subplot(2,1,1); plot(x); axis([0,size(x,1),,]);

title('语音信号时域波形'); xlabel('样点数'); ylabel('幅度'); subplot(2,1,2);plot(z);

title('语音信号的短时过零率');xlabel('帧数'); ylabel('短时过零率');

（5）读取WAV文件，计算浊音与清音的短时自相关函数所用的程序代码为： clear; close all;

x = wavread('D:\\\\'); x = double(x); LEN = 256; INC= 128;

f = enframe(x, LEN, INC);

ff=f(15,:); N=LEN; R=zeros(1,N); for k=1:N

R(k)= sum(ff(k:N).*ff(1:N-k+1));

end

for k=1:N

R1(k)= R(k)/R(1); end

subplot(2,1,1);plot(ff); axis([0,N,,])

title('加矩形窗的语音帧'); xlabel('样点数'); ylabel('幅度'); subplot(2,1,2); plot(R1); axis([0,N,-1,1])

title('加矩形窗的短时自相关函数'); xlabel('k'); ylabel('R(k)');

clear; close all;

x = wavread('d:\\\\'); x = double(x); LEN = 256; INC= 128;

f = enframe(x, LEN, INC); ff=f(124,:);

ff=ff'.*hamming(length(ff)); N=LEN; R=zeros(1,N); for k=1:N

R(k)= sum(ff(k:N).*ff(1:N-k+1)); end

for k=1:N

R1(k)= R(k)/R(1); end

subplot(2,1,1);plot(ff); axis([0,N,,])

title('加汉明窗的语音帧'); xlabel('样点数'); ylabel('幅度'); subplot(2,1,2); plot(R1); axis([0,N,-1,1])

title('加汉明窗的短时自相关函数'); xlabel('k'); ylabel('R(k)');

clear; close all;

x = wavread('D:\\\\'); x = double(x); LEN = 10; INC= 10;

f = enframe(x, LEN, INC);

ff=f(500,:);

N=LEN; R=zeros(1,N); for k=1:N

R(k)= sum(ff(k:N).*ff(1:N-k+1)); end

for k=1:N

R1(k)= R(k)/R(1); end

subplot(2,1,1);plot(ff); axis([0,N,,])

title('加矩形窗的语音帧'); xlabel('样点数'); ylabel('幅度'); subplot(2,1,2); plot(R1); axis([0,N,,])

title('加矩形窗的短时自相关函数'); xlabel('k'); ylabel('R(k)');

clear; close all;

x = wavread('D:\\'); x = double(x); LEN = 256; INC= 128;

f = enframe(x, LEN, INC);

ff=f(25,:); N=LEN; R=zeros(1,N); for k=1:N

R(k)= sum(ff(k:N).*ff(1:N-k+1)); end

for k=1:N

R1(k)= R(k)/R(1); end

subplot(2,1,1);plot(ff); axis([0,N,,])

title('加矩形窗的语音帧'); xlabel('样点数'); ylabel('幅度'); subplot(2,1,2); plot(R1); axis([0,N,,])

title('加矩形窗的短时自相关函数'); xlabel('k'); ylabel('R(k)');

3. 实验结果及其分析

（1）本实验利用11025Hz的采样频率对输入的语音信号进行采样，采样点数为55125个，持续时间为5秒，存储格式为double。之后将数字语音数据写入D盘的文件，

并通过放音设备进行回放。回放的GUI界面如图1所示，通过该界面可以观察采集的语音信号。

图1 用soundview函数显示的语音信号

（2）本实验将D盘的文件读取出来，并显示文件中的语音信号波形，显示的波形如图2所示。该波形是汉语拼音“Xu”的时域波形。从图2可以看出，[X]是清音，它的波形幅值较小，且没有周期性；[u]是浊音，它的波形幅值较大且有明显的周期性起伏结构。

图2 语音“Xu”的时域波形

（3）本实验将D盘的文件读取出来，当帧长取不同值时计算语音信号的短时能量，如图3所示。从图3可以看出，浊音短时能量大，短时平均幅度大，短时过零率低，浊音具有较强的能量值，音段内隐藏信息的能力高。轻音短时能量小，短时平均幅度小，能量值较低，音段内隐藏信息的能力较低。

图3 不同帧长对应的短时能量

（4）本实验首先读取中的语音数据，之后计算每一帧的短时过零率，最后将原始语音信号和短时过零率显示出来，如图4所示。从图4可以看出，清音的过零率较高，浊音的过零率较低。

图4 短时过零率

（5）本实验首先读取中的语音数据，之后对数据进行分帧加窗处理，帧长为256，帧移为128。选取其中的一帧浊音（第15帧）并计算这帧的短时自相关函数。当窗函数分别为矩形窗和汉明窗时，截取的语音信号和短时自相关函数如图5和图6所示。从图5和图6可以看出，矩形窗能够比汉明窗更明显的显示出第一个峰值。当窗函数为矩形窗，不同帧长（帧移=帧长）的一帧浊音对应的短时自相关函数如图7和图8所示。从图7和图8可以看出，帧长越长，越容易区分其最大值。当窗函数为矩形窗，帧长为256，帧移为128，选取一帧清音，获得的短时自相关函数如图9所示。从图5和图9可以看出，浊音具有明显的周期性，清音无明显周期。

图5 加矩形窗的短时自相关函数

图6 加汉明窗的短时自相关函数

图7 帧长为10时的短时自相关函数

图8 帧长为100时的短时自相关函数

图9 清音的短时自相关函数

4. 思考题

短时能量的主要用途有哪些？

答：可以区分清音段与浊音段，可以用来区分，有声与无声的分界，生母和韵母的分界等，也可以用于语音识别中。