设 计 报 告

设计报告课程名称语音信号处理任课教师周泽华设计题目语音信号的短时分析班级08电子（1）班姓名黄玉娥学号0805070015日期2011.10.16摘要语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门新兴学科。

语音信号处理的应用极为广泛，其中的主要技术包括语音编码、语音合成、取语音识别作为重点讨论课题。

语音识别就是让计算机听懂人的话，并做出正确的反应。

目前主流的语音识别技术是基于统计模式识别的基本理论。

本文首先对语音信号处理进行了概述，其中包括各种处理技术、发展及应用。

接下来主要介绍了语音识别方面的知识。

根据语音识别系统的基本构成模型，介绍了预处理、端点检测到模板匹配各个部分所涉及到的语音数字信号处理原理和方法。

重点研究了孤立词识别系统的原理、构成及各部分的实现算法。

并在MATLAB平台上进行了系统的仿真。

关键词：端点检测，Matlab, 短时分析，周期检测AbstractSpeech signal processing is to study the use of digital signal processing technology to process voice signals of a new study. Voice signal processing is extensively used, in which the main technologies include speech coding, speech synthesis, speech recognition and speech enhancement. This electionAccess Speech recognition as a key topic of discussion. Speech recognition is to make the computer understand people say, and make the right response. Current mainstream speech recognition technology is based on the basic theory of statistical pattern recognition. This paper first provides an overview of speech signal processing, including various processing techniques, development and application. Then introduces the knowledge of speech recognition. Speech recognition system according to the basic structure model, introduced pretreatment, endpoint detection to template matching parts of speech involved in digital signal processing principles and methods. Focuses on the principle of isolated word recognition system, form part of the realization of various algorithms.MATLAB platform in a system simulation.Keyowrds: endpoint detection, Matlab, short-term analysis, cycle detection用Matlab编程实现语音信号的短时分析1、目的1.在理论学习的基础上，进一步地理解和掌握语音信号短时分析的意义，短时时域分析的基本方法。

2.进一步理解和掌握语音信号短时平均能量函数及短时平均过零数的计算方法和重要意义。

2、原理及方法一定时宽的语音信号，其能量的大小随时间有明显的变化。

其中清音段（以清音为主要成份的语音段），其能量比浊音段小得多。

短时过零数也可用于语音信号分析中，发浊音时，其语音能量约集中于3kHz以下，而发清音时，多数能量出现在较高频率上，可认为浊音时具有较低的平均过零数，而清音时具有较高的平均过零数，因而，对一短时语音段计算其短时平均能量及短时平均过零数，就可以较好地区分其中的清音段和浊音段，从而可判别句中清、浊音转变时刻，声母韵母的分界以及无声与有声的分界。

这在语音识别中有重要意义。

3、内容选择一个语音信号作为分析的对象，或录制一段各人自己的语音信号，对其进行频谱分析；利用MATLAB中的随机函数产生噪声加入到语音信号中，模仿语音信号被污染，并对其进行频谱分析；也可以设计FIR和IIR数字滤波器，并对被噪声污染的语音信号进行滤波，我们只分析滤波后信号的时域和频域特征，回放语音信号；最后，设计一个信号处理系统界面。

在所设计的系统界面上可以选择信号分析的类型。

4、总体设计方案利用MATLAB中的wavread命令来读入（采集）语音信号，将它赋值给某一向量。

再将该向量看作一个普通的信号，对其进行FFT等变换实现频谱分析，在依据实际情况对它进行滤波。

对于波形图与频谱图（包括滤波前后的对比图）都可以用MATLAB画出。

我们还可以通过sound命令来对信号进行回放，以便在听觉上来感受声音的变化。

选择设计此方案，是对数字信号处理的一次实践。

在数字信号处理的课程学习过程中，我们过多的是理论学习，几乎没有进行实践方面的运用。

这个课题正好是对数字语音处理的一次有利实践，而且语音处理也可以说是信号处理在实际应用中很大众化的一方面。

这个方案用到的软件也是在数字信号处理中非常通用的一个软件%26mdash;%26mdash;MATLAB软件。

所以这个课题的设计过程也是一次数字信号处理在MATLAB中应用的学习过程。

课题用到了较多的MATLAB语句，而由于课题研究范围所限。

真正与数字信号有关的命令函数却并不多。

5、课程设计的具体实现5.1语音信号的短时分析一定时宽的语音信号，其能量的大小随时间有明显的变化。

其中清音段（以清音为主要成份的语音段），其能量比浊音段小得多。

短时过零数也可用于语音信号分析中，发浊音时，其语音能量约集中于3kHz以下，而发清音时，多数能量出现在较高频率上，可认为浊音时具有较低的平均过零数，而清音时具有较高的平均过零数，因而，对一短时语音段计算其短时平均能量及短时平均过零数，就可以较好地区分其中的清音段和浊音段，从而可判别句中清、浊音转变时刻，声母韵母的分界以及无声与有声的分界。

这在语音识别中有重要意义，所用语音信号文件名为3.wav。

Matlab编程实验步骤：1．新建M文件，扩展名为“.m”，编写程序；2．选择File/Save命令，将文件保存在F盘中；3．在Command Window窗中输入文件名，运行程序；Matlab部分函数语法格式：读wav文件： x=wavread(`filename`)数组a及b中元素相乘： a.*b创建图形窗口命令：figure绘图函数：plot(x)坐标轴：axis([xminxmaxyminymax])坐标轴注解：xlabel(`…`) ylabel(`…`)图例注解：legend( `…`)一阶高通滤波器： y=filter([1-0.09375],1,x)分帧函数： f=enframe(x,len,inc)x为输入语音信号，len指定了帧长，inc指定帧移，函数返回为n ×len的一个矩阵，每一行都是一帧数据。

在本次设计中，我们利用filter对语音信号进行短时分析，就可以得到信号的频谱特性，其程序见附录。

程序结果如下图1：图1 语音信号的短时分析5.2 分析语音信号的短时谱特性语谱图分析语音又称语谱分析，与谱图中显示了大量的语音的语句特性有关的信息，它综合了频谱图和时域波形的优点，明显地显示出语音频谱随时间的变化情况。

预铺土实际上是一种三维频谱，即同时在实践和频率上显示出语音的特性，或者说是一种动态的频谱。

窄带语谱图可以得到较好的频域分辨率（即以较窄的频域间隔观察频域上的正弦波成分），窗长通常为至少两个基音周期的“长窗”；而宽带语谱图可以给出较好的时域分辨率（即以较窄的时域间隔观察时域波动），窗长为小于一个基音周期的“短窗”，其程序见附录。

程序结果如下图2：图2 分析语音信号的短时谱特性5.3 语音信号倒谱与复倒谱的分析同态信号处理的基本原理：设输入信号，将卷积性信号转化为加性信号。

包括三部分，首先对系统输出的加性信号进行Z变换，然后进行指数运算，得到的是乘积性信号最后进行逆Z变换，得到卷积性的语音恢复信号，其实验程序见附录。

程序结果如下图3：图3语音信号倒谱与复倒谱的分析5.4运用自相关方法估计语音信号的声道参数由均方预测误差最小的得到正则方程∑==Φ=Φpk nnkp i i k i a 1,...3,2,1],0,[],[（4-1） 其中，∑∞-∞=≤≤--=Φm nnn p k i k m s i m s k i ,1],[][],[（4-2）在最佳解时的误差为 ∑=Φ-Φ=pk n k n n k a E 1],0[]0,0[（4-3）在自相关法中式4-1，式4-3变为∑==-=-pk nnk p i i r k i r a 1,...3,2,1],0[][（4-4） （6）∑=-=pk n k n n k R a R E 1][]0[（4-5）由 式4-4 可列出方程组式4-6⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡------][]3[]2[]1[]0[]3[]2[]1[...]3[...]0[]1[]2[]2[...]1[]0[]1[]1[...]2[]1[]0[421p R R R R R p R p R p R p R R R R p R R R R p R R R R n n n n n n n n n n n n n n n nn n n nααα（4-6）解方程组 式（4-6） 求出线性预测系数，通过误差式(4-5)可求出增益G 。

∑=-==pk n k n n k R R E G 12][]0[α其实验程序见附录。

程序结果如下图4：图4运用自相关方法估计语音信号的声道参数5.5基音周期检测实验基音周期是语音信号最重要的参数之一,旨在比较基音周期 提取过程中的带通滤波和中心削波两种方法。