语音信号的采集与分析课程设计论文

NORTH CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY

综合课程设计

班级：14海洋技术专业

姓名：董一点

学号： 201414590115

指导教师：黄晓红

报告时间： 2017.1.5

语音信号的采集与分析

——音频信号时域和频域特征分析

摘要

本论文利用matlab 2016a和voicebox对信号进行时域特征和频域特征的研究，并对语音信号进行综合仿真分析，voicebox的利用大大缩短研究的时间，简化matlab代码，matlab 2016a的使用，也让matlab 分析效率大大提高

关键词：时域分析，频域分析，voicebox，matlab

目录

语音信号的采集与分析 (2)

——音频信号时域和频域特征分析 (2)

课程设计的目的和意义、国内外研究现状 (4)

课程设计目的和意义 (4)

国内外研究现状 (4)

所需工具介绍 (4)

MATLAB 2016a介绍 (4)

VOICEBOX介绍 (4)

时域特征分析 (4)

短时平均能量 (5)

短时平均幅度 (6)

短时平均过零率 (7)

频域特征分析 (8)

短时傅立叶变换求短时谱 (8)

语音信号语谱图 (9)

语音信号的综合仿真分析（降噪） (10)

所需概念介绍 (10)

高斯噪声 (10)

中值滤波 (10)

randn函数 (10)

加入噪声和降噪的过程 (11)

降噪前后综合仿真分析 (13)

时域对比分析 (13)

频域对比分析 (16)

全部代码以及全部解释 (18)

时域频域分析.m (18)

降噪前后时域频域仿真分析 (19)

参考文献 (21)

附录 (21)

课程设计的目的和意义、国内外研究现状

课程设计目的和意义

加深理解和巩固数字信号处理和声学的相关知识。培养运用matlab软件独立分析问题、解决问题的实际工作能力；提高语音信号的时域、频域分析能力。

国内外研究现状

语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。它是一门交叉学科，正逐步成为信息技术中人机接口的关键技术。语音技术的应用已经成为一个具有竞争性的新兴高技术产业。

所需工具介绍

在编辑程序中，为了简化编程的步骤，我在matlab 2016a中使用voicebox 工具箱，以下给出两者的介绍，所有的介绍都摘自官方网站。

MATLAB 2016a介绍

matlab 2016a是MathWorks出品一款的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。

VOICEBOX介绍

VOICEBOX是一个语音处理工具箱，它由MATLAB程序组成，它主要是由英国伦敦大学的电子与电子工程学院的Mike Brookes编写的。

时域特征分析

时域是一个数学或物理词汇，表示以时间为轴线，以时间为标尺为基准。按

照要求，对采录声音dyd.wav第一声道的短时平均幅度，短时平均能量，短时平均过零率，短时平均幅度三个特征量进行提取。

以下为方便审查，将matlab程序用加粗斜体标出。

短时平均能量

定义n时刻某语音信号的短时平均能量为：

E n=x m w n?m2

+∞

?∞=[x(m)w(n?m)]2 n

m=n?（N?1）

式中，N为窗长，可见短时能量为一帧样点值的加权平方和。

我选择使用矩形窗进行计算，则在公式中w(n-m)=1;

E n=[x(m)]2

n

m=n?（N?1）

然后将帧数设为256，dyd.wav声道中的单声道a中一共217088样点，所以我的窗长为217088/265=848，

在此之前我需要利用voicebox中的enframe函数对a声道进行分帧，官方给出的enframe函数使用方法如下：

[f,t,w]=enframe(x,win,hop,m,fs)

所以我设计的matlab程序为：

[a,fs,bit] =readwav('dyd.wav');

a=a(:,1);

E=enframe(a,256);

amp = sum(E.^2, 2);

短时平均幅度

短时能量的一个问题是对信号电平值过于敏感，在定点实现时很容易产生溢出。为了克服它，定义一个短时平均幅度函数衡量语音幅度变化。

我在这里仍然选择矩形窗口：

M n =

x n w n ?m =

x n n

m =n ?N ?1

n

m =n ?N ?1

在不更改enframe 分帧处理情况下，我给出matlab 程序如下;

M=sum(abs(E),2);

短时平均过零率

定义为每帧内信号通过零值的次数。过零率在一定程度上可以反映信号的频率信息。短时平均过零率的定义为，此处我给出在矩形窗口下的公式：

n

Z n=sgn x m?sgn x m?1w(n?m)

m=n?N?1

n

=sgn x m?sgn x m?1

m=n?N?1

因为出现x(m-1),在这里需要利用enframe函数对信号重新进行设定,给出matlab程序如下;

tmp1 =enframe(a(1:end-1),256);

tmp2 =enframe(a(2:end),256);

Z=sum(abs(sign(tmp2)-sign(tmp1)),2);

频域特征分析

频域是描述信号在频率方面特性时用到的一种坐标系。

短时傅立叶变换求短时谱

短时傅里叶变换（STFT，short-time Fourier transform，或 short-term Fourier transform）是和傅里叶变换相关的一种数学变换，用以确定时变信号其局部区域正弦波的频率与相位。

在这里我使用matlab里面的spectroggra m函数，这是一个非常好用的函数，使用短时傅里叶变换得到信号的频谱图。当使用时无输出参数，会自动绘制频谱图；有输出参数，则会返回输入信号的短时傅里叶变换。用法如下：

[S,F,T,P]=spectrogram(x,window,noverlap,nfft,fs) 此时可以给出matlab程序：

[x,fs,bit] =readwav('dyd.wav');

a=x(:,1);

[S,F,T,P]=spectrogram(a);

f=fs*(0:2047)/4096;

figure(5);

plot(f,abs(S(1:2048)))

语音信号语谱图

语谱图的横坐标是时间，纵坐标是频率，坐标点值为语音数据能量。由于是采用二维平面表达三维信息，所以能量值的大小是通过颜色来表示的，颜色深，表示该点的语音能量越强。此处我们利用matlab的spectrogram函数，并给出matlab函数;

plot(a);

spectrogram(a,8192,7168,8192,44100,'yaxis');

语音信号的综合仿真分析（降噪）

所需概念介绍

按照要求，首先录制自己声音，然后加入噪声，最后去除噪声进行比较。在这里，我加入噪声为高斯随机噪声，降噪处理采用中值滤波的方法处理，下面各解释和步骤都在程序中给出。

高斯噪声

高斯噪声是一种随机噪声，在任选瞬时中任取n个，其值按n个变数的高斯概率定律分布。

中值滤波

中值滤波法是一种非线性平滑技术，它将每一像素点的样本值设置为该点某邻域窗口内的所有采样点样本值的中值。

randn函数

randn是一种产生标准正态分布的随机数或矩阵的函数。

加入噪声和降噪的过程

x2=randn(1,length(x1));%产生随机高斯噪声

randn('state',0)%把随机高斯噪声加入进去m=randn(size(x1));

x2=0.1*m+x1

x3=medfilt1(x2,40)%中值降噪

降噪前后综合仿真分析时域对比分析

短时平均能量

分析结论

随机高斯噪声的加入，短时平均能量上升，图可看出，最小短时平均能量在3，经过降噪处理后，短时平均能量峰值达近4.7，在200-300帧和400-700帧

时，比处理之间更易分辨，短时平均幅度图像，未处理之前，声音信息淹没在了噪声中，导致幅度值总体都很大，降噪处理后，幅度值大大降低，重点信息体现。

频域对比分析

短时谱

语谱图

分析结果

从语谱图中可以看出，在信号没有处理的时候，各处能量较强，重点信息的颜色和环境颜色许多地方颜色都差不多，不容易区别重点，降噪处理，在图片中看出的重点范围，背景的噪声的颜色也浅了许多，证明降噪效果还是不错的。

全部代码以及全部解释

时域频域分析.m

%首先开始对声音进行录制和提取。此处选择readwav函数对wav文件的波形进行提取，在低版本的matlab中，则需要将readwav函数换成wavread函数进行使用，在此处需要使用提取出来数据的a和a的频率fs。

[a,fs,bit] =readwav('dyd.wav');

%当利用手机或者录音笔进行录音的时候，我们录制的声音是双声道wav文件，在这里我们提取出双声道中的第一声道进行接下来的分析，即提取出矩阵的第一行。

a=a(:,1);

%生成波形图，进行观看。

plot(a);

%首先，我们进行在时域中的特征量的提取，首先提取的是短时平均能量。

%在提取短视平均能量之前，利用voicebox中的enframe函数对波形进行分帧，然后将帧数设为256，dyd.wav声道中的单声道a中一共217088样点，所以我的窗长为217088/265=848。E=enframe(a,256);

%此处为短视平均能量的公式，这里的E就是在公式中的w(m)。

amp = sum(E.^2, 2);

plot(amp);

%然后，我们再对端是平均幅度进行提取。

%不需要更改enframe分帧，无论是短时平局能量还是短时平均幅度，我们利用的都是矩形窗口，所以设计的代码都是利用推导出来的二级公式。

M=sum(abs(E),2);

plot(M);

%接下来对平均过零率进行提取，在此处，公式出出现了后向减去前向的部分，所以要对原始的音频信号进行重新分帧。

%在这个地方为了方便我们对三个特征量进行纵向的分析，我们将帧数都设置为256。

tmp1 =enframe(a(1:end-1),256);

tmp2 =enframe(a(2:end),256);

Z=sum(abs(sign(tmp2)-sign(tmp1)),2);

plot(Z);

%在完成了对原始的录音信号的时域分析之后，我们开始对原始的录音信号进行频域特征量的提取。

%在这个地方我们选择了短时傅立叶变化是因为我们课程设计的要求，其他的快速傅立叶变化也可以，可修改成S=fft(a)即可。

[S,F,T,P]=spectrogram(a);

f=fs*(0:2047)/4096;

plot(f,abs(S(1:2048)))

%开始提取语谱图，此处我们利用matlab的spectrogram函数，此函数在没有输出量的时候可以自动的生成语谱子图。

plot(a);

spectrogram(a,8192,7168,8192,44100,'yaxis');

降噪前后时域频域仿真分析

%在仿真分析之前，我们首先要把两个待分析的东西做出来，一个是有噪声的声音，一个是在有噪声的声音处理之后降噪的声音。

%先生成有噪声的声音，记录为x2

[a,fs,bit] =readwav('dyd.wav');

a=a(:,1);

x2=randn(1,length(a));

randn('state',0) ;

m=randn(size(a));

x2=0.1*m+a

%此处选择了中值降噪，还可以选择smooth降噪方法，例如x3=smooth(x2,40) x3=medfilt1(x2,40)

plot(x2);

plot(x3);

%开始分别对x2和x3进行分析，利用的就是上面的时域和频域的分析方法。

%x2

E=enframe(x2,256);

amp = sum(E.^2, 2);

plot(amp);

M=sum(abs(E),2);

plot(M);

tmp1 =enframe(x2(1:end-1),256);

tmp2 =enframe(x2(2:end),256);

Z=sum(abs(sign(tmp2)-sign(tmp1)),2);

[S,F,T,P]=spectrogram(x2);

f=fs*(0:2047)/4096;

plot(f,abs(S(1:2048)))

plot(x2);

spectrogram(x2,8192,7168,8192,44100,'yaxis');

%x3

E=enframe(x3,256);

amp = sum(E.^2, 2);

plot(amp);

M=sum(abs(E),2);

plot(M);

tmp1 =enframe(x3(1:end-1),256);

tmp2 =enframe(x3(2:end),256);

Z=sum(abs(sign(tmp2)-sign(tmp1)),2);