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：2010012030班

学生：李雷（2010012030018）

阚姗蕾（2010012030037）

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，它是移动的机械部分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 Matlab

Sound comes from the shake of objects and spreads in the form of waves in medium consists of solid, liquid and gas. Sound waves shake the ossicles in the ears , transformed into final electronic brain waves and then we hear the sound. The principle the ear works which is the same as the principle the microphone and the speaker works ,is using the relation between mechanical part and barometric wave. In ISO, the frequency domain is from 300Hz to 3400Hz, differs in different people and musical instruments. The study of the sound signal help to better deal with the signals. As a software major in scientific calculation, Matlab is visual and interactive. It is capable of perfectly finishing the analysis and dispose of the sound signal by sketching the time domain figure and frequency domain figure.

Key words: sound , frequency ,time domain figure ,frequency domain figure, 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基本的分析和处理。可以包括：

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

为何电话可以对语音信号采用8KHz的采样速率。

2、分析男声和女声的差别。我们知道男声和女声在频域上是有些差别的，一般

大家都会认为女声有更多高频的成分，验证这种差别。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。

3、语音与乐器音频的差别。比较语音信号与乐器音频信号的差别，尤其是在频

域上的差别。

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，例如在电话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 。

5、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较。

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，验证为何电话可以对语音信号采用8KHz 的采样速率。

对声音信号)(t x 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)(t x ，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M ω，而小于()M s ωω-的理想低通滤波器，该低通滤波器的输出就是)(t x 。

使用Matlab 中的快速傅里叶变换(fft)，绘制出声音文件)(t x 的时域图和频域图，对频域图进行分析，观察可得声音信号)(t x 的主要频率范围为200Hz~1 800Hz ，根据采样定理可得，采样频率应不小于3 600Hz ，故电话使用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([0 8000 0 500]);

title('频域分析图');

3.2、分析男声和女声的差别。我们知道男声和女声在频域上是有些差别的，一般大家都会认为女声有更多高频的成分，验证这种差别。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低沉，女生声音尖细，则是由于发声时男女声带的振动频率的高低不同，所以男女音调的高低不同。

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([0 10000 0 10000]);

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([0 10000 0 5000]);

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：

[y1 Fs]=wavread('lu_ll.wav');y1=y1(:,1);

yt1=fft(y1);

[y2 Fs]=wavread('lu_ksl.wav');y2=y2(:,1);

yt2=fft(y2);

sum1=0;

for i=200:1000 %计算男声的低频比例% sum1=sum1+abs(yt1(i));

end

sum=0;

for i=1:length(yt1)

sum=sum+abs(yt1(i));

end

n1=sum1/sum;

sum1%低频信号量

sum%总信号量

n1%比例

sum1=0;

for i=200:1000 %计算女声的低频比例% sum1=sum1+abs(yt2(i));

end

sum=0;

for i=1:length(yt2)

sum=sum+abs(yt2(i));

end

n2=sum1/sum;

sum1

sum

n2

%高频%

sum1=0;

for i=3000:3800 %计算男声的高频比例% sum1=sum1+abs(yt1(i));

end

sum=0;

for i=1:length(yt1)

sum=sum+abs(yt1(i));

end

m1=sum1/sum;

sum1

sum

m1

sum1=0;

for i=3000:3800 %计算女声的高频比例%

sum1=sum1+abs(yt2(i));

end

sum=0;

for i=1:length(yt2)

sum=sum+abs(yt2(i));

end

m2=sum1/sum;

sum1

sum

m2

3.3、语音与乐器音频的差别。比较语音信号与乐器音频信号的差别，尤其是在频域上的差别。

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别，还要分析不同乐器音频信号的差别。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，低频段表示音色的丰满度，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500~1 000Hz的低频范围内，音色最为丰满，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，所以声音会比较有冲击力。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([0 8000 0 10000]);

title('笛子频谱图');xlabel('频率/Hz');

figure(2)

plot(Fx2,abs(yt2)); axis([0 8000 0 10000]);

title('钢琴频谱图');xlabel('频率/Hz');

figure(3)

plot(Fx3,abs(yt3)); axis([0 8000 0 10000]);

title('小提琴频谱图');xlabel('频率/Hz');

figure(4)

plot(Fx4,abs(yt4)); axis([0 8000 0 10000]);

title('萨克斯频谱图');xlabel('频率/Hz');

figure(5)

plot(Fx5,abs(yt5)); axis([0 8000 0 10000]);

title('古筝频谱图');xlabel('频率/Hz');

3.4、.wav文件的采样速率为4

4.1KHz，仍然远远高于我们通常说的语音信号需要的频谱宽度，例如在电话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别，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，信号内容不可辨别，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([0 8000 0 500]);

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([0 8000 0 500]);

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([0 8000 0 500]);

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([0 8000 0 500]);

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（Adobe Audition）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，通过查阅文献得知，人声的主要范围为200Hz~3400Hz，根据采样定理可得，电话使用8kHz的采样频率，能保证人声无失真恢复。

在对男声女声的差异分析中，使用自己录制的男声（lu_ll.wav）和女声（lu_ksl.wav），分别绘制男声女声的频谱图，再分别计算男声女声在低频范围和高频范围内的比重。分析男声的频谱图可以发现，男声的主要频率范围为200Hz~800Hz，女声的主要频率范围为300Hz~1800Hz，对实验数据分析发现，男声的频率要普遍低于女声。

将人声与乐器的声音进行比较发现，乐器在某些频率点的小范围内会形成一个冲击，所以声音会比较有冲击力。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。

对原声音信号分别进行1/2,1/5,1/10降采样，发现采样频率越低，采样得到的声音信号的音质越差。

五、参考文献

[1] Alan.V.Oppenheim，Signal and System，电子工业出版社，2009.

[2] 数学实验讲义，电子科技大学出版社，2010.

[3] 刘树棠，《信号与系统》计算机练习——利用MATLAB，西安交通大学出版社，2006.

[4] 谢云荪，数学实验，科学出版社，1999.

[5] 苏金明，MATLAB实用教程，电子工业出版社，2005.

[6] 徐全智，概率论与数理统计，高等教育出版社,2004.

[7] 杨克昌，计算机程序设计典型例题精解，国防科技大学出版社，1999.

（2）

（3）

【结果分析】

男声频谱高于女声频谱。【自主学习内容】

基频改变方法，频谱线性插值的实现，时间长度的归整。

【阅读文献】

[1].陈后金.信号与系统[M].高等教育出版社，2010:245-250。

[2].百度文库。https://www.360docs.net/doc/9214068841.html,/view/9db5d37d5acfa1c7aa00ccfb.html

【发现问题】

只通过改变频率来实现男女声转换是否可以？【问题探究】

若只改变频率，可以在一定程度上实现男女声的转换，但是改变频率后，音频的播放时长也会发生改变，听起来播放速度会有所不同，频率改变越大，速度越大。我们可以通过在中间改变频率，同时对时长进行归整，保证播放速度和原音频基本一致。