语音实验信号结果图
实验5电话语音图像信号
第一部分： 单路模拟图像信号光通信试验
电视收发端旳扫描同步 正程显示图象
逆程图象消隐
摄象机物镜及靶面
监视器电子枪及屏幕
黑白全电视信号
电视为了重现图像，必须传送图像信号， 为了消去行、场扫描旳回扫线，使其不干扰正 常旳图像，必须传送行、场消隐信号，使概念 上“比黑还黑”，给人旳视觉上不会产生对正 常图像旳影响。
单路图像信号旳传播试验环节（2）：
3、 将示波器旳同步源选为TV-H，有利于电视行频旳稳定显示。用双踪探头同 步观察光发旳模拟信号输入端口P203和光收旳模拟信号输出端口P200（注意 几种不同类型旳插口若共用同一标号，则它们旳芯线是完全连通旳） ，对比 传播前后波形各方面旳异同并作统计；
4、仔细测量传播之前（ P203 处）行同步信号旳周期并计算出行扫描频率。变 化示波器旳时标旋钮，使扫描周期变长，将示波器旳同步源选为TV-V，有利 于电视场频旳稳定显示，再测量场同步信号旳周期并计算出场扫描频率。
在下面旳试验中，将模拟信号换成电视信 号传播。
准备知识: 模拟信号光纤传播过程
正弦 ห้องสมุดไป่ตู้号
模拟信 号源 TX
P203
模拟信号 输入端口
R258,R277
光发送器件
TX
光纤
监视器 RX
模拟信号 输出端口
光接受器件
RX
P200
R257,R242
第一部分: 单路模拟图像信号光通信试验
第二部分: 电话语音信号光通信试验
出TX到光发端旳模拟信号输入端口P203，RX到光收端旳模拟信号输 出端口P200，将电话机接入电话机接口。 2、开启系统电源，摘起话机，对MIC端吹气，在耳机端听是否有吹气声。 第三步:自行设计电话语音信号旳双向传播,想想看经过什么措施能够使 语音信号双向(1310和1550端相互传播)
语音信号短时能量检测
Contents
目录
1 语音信号处理过程
2 短时平均能量
3 点阻滤波器
4 实验结果
ChaБайду номын сангаас 1.语音信号处理过程
在语音信号的具体情况下，信息 源就是说话的人，通过观察和测量 得到的就是语音的波形。
信号处理包括以下几个内容： 首先根据一个模型得到这一信号的 表示。这种表示可以用波形表示， 也可以用参数表示；然后再用某种 高级的变换把这一信号变成一种更 加方便的形式。变换后的表示形式 虽然从性质上将它的普遍性可能小 一些，但对某一特殊应用却更加合 适；最后一步则是信息的提取和使 用。
信号源 观察与测量 信号表示
信号变换 信号提取与利用
信号加工和处理的一般流程
Chap 1.语音信号处理过程
语音输入
预处理
数字化
特征提取
压缩处理
传输
解压缩
语音输入
合成
存储
语音识别
训练
参考模式库
识别
模式匹配
识别结果
对于输入的语音信号首先要进行预处理，对信号进行适当的 放大和增益控制，并进行反混叠滤波来消除工频信号的干扰； 然后进行数字化，将模拟信号转化为便于计算机处理的数字信 号；随后对数字语音信号进行分析，提取一定的反映语音信息 的参数；最后根据语音信号处理任务的不同，采用不同的处理 方法。
短时过零率：过零就是指信号通过零值。过零率就是每秒内
信号值通过零值的次数。 短时过零可以看作信号频率的简单度量，浊音的短时平均幅
度最大，无声的短时平均幅度最小，清音的短时过零率最大，无 声居中，浊音的短时过零率最小。
Chap 2.短时平均能量
短时自相关函数：
实验九 音频信号采集及处理
音频信号采集及处理程序代码及实验结果图：[voice,fs]=audioread('notify.wav'); %声音读取sound(voice,fs); %声音回放n=length(voice); %计算长度voice1=fft(voice,n); %快速傅里叶变换figure(1); subplot(2,1,1); plot(voice); %绘出时域波xlabel('t'); ylabel('amp'); %坐标名称title('初始音频信号时域波形'); grid on;subplot(2,1,2); plot(abs(fftshift(voice1))); %绘出原始音频信号频谱title('初始音频信号频域波形');xlabel('f'); ylabel('amp'); grid on;t=0:1/fs:(n-1)/fs;noise=0.05*sin(2*pi*100000*t'); %100kHz正弦波噪声s=voice+noise; %加噪后的音频信号pause; sound(s,fs); %播放加噪的语音n=length(s);S=fft(s,n); %计算频谱figure(2); subplot(2,1,1)；plot(s); %画出加噪之后的音频信号时域波形title('加噪声后的音频信号时域波形')；xlabel('t'); ylabel('amp'); grid on;subplot(2,1,2)；plot(abs(fftshift(S))); %零频移到频谱中心后，绘制加噪之后的音频信号频谱xlabel('f'); ylabel('amp');title('加噪声后的音频信号频域波形'); grid on;pause;rp=2; rs=80;Ft=8000; Fp=1000; Fs=1300;wp=2*pi*Fp/Ft;ws=2*pi*Fs/Ft; %求出待设计的模拟滤波器的边界频率[n,wn]=buttord(wp,ws,rp,rs,'s'); %低通滤波器的阶数和截止频率[b,a]=butter(n,wn,'s'); %S域频率响应的参数即：滤波器的传输函数[bz,az]=bilinear(b,a,0.5); %利用双线性变换实现频率响应S 域到Z域的变换[h,w]=freqz(bz,az);figure(3); plot(w*fs/(2*pi),abs(h)); %绘制IIR低通滤波器特性曲线title('IIR低通滤波器特性曲线'); grid on;z=filter(bz,az,s); %滤波pause; sound(z,fs); %回放滤波后的信号Z=fft(z); %滤波后的信号频谱figure(4); subplot(2,2,2); plot(z); %绘制低通滤波后的音频信号时域波形title('低通滤波后的音频信号时域波形');xlabel('t'); ylabel('amp'); grid on;subplot(2,2,1); plot(s); %绘制加噪声后的音频信号时域波形title('加噪声后的音频信号时域波形');xlabel('t'); ylabel('amp'); grid on;subplot(2,2,3); plot(abs(fftshift(S))); %绘制加噪声后的音频信号频域波形title('加噪声后的音频信号频域波形');xlabel('f'); ylabel('amp'); grid on;subplot(2,2,4); plot(abs(fftshift(Z))); %绘制低通滤波后的音频信号频域波形title('低通滤波后的音频信号频域波形');xlabel('f'); ylabel('amp'); grid on;。
《语音信号处理》实验2-基音周期估计
华南理工大学《语音信号处理》实验报告实验名称：基音周期估计姓名：学号：班级：10级电信5班日期：2013年5 月15日1.实验目的本次试验的目的是通过matlab编程，验证课本中基音周期估计的方法，本实验采用的方法是自相关法。
2. 实验原理1、基音周期基音是发浊音时声带震动所引起的周期性，而基音周期是指声带震动频率的倒数。
基音周期是语音信号的重要的参数之一，它描述语音激励源的一个重要特征，基音周期信息在多个领域有着广泛的应用，如语音识别、说话人识别、语音分析与综合以及低码率语音编码，发音系统疾病诊断、听觉残障者的语音指导等。
因为汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息，有区别意义的功能，所以，基音的提取和估计对汉语更是一个十分重要的问题。
由于人的声道的易变性及其声道持征的因人而异，而基音周期的范围又很宽，而同—个人在不同情态下发音的基音周期也不同，加之基音周期还受到单词发音音调的影响，因而基音周期的精确检测实际上是一件比较困难的事情。
基音提取的主要困难反映在：①声门激励信号并不是一个完全周期的序列，在语音的头、尾部并不具有声带振动那样的周期性，有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。
②声道共振峰有时会严重影响激励信号的谐波结构，所以，从语音信号中直接取出仅和声带振动有关的激励信号的信息并不容易。
③语音信号本身是准周期性的(即音调是有变化的)，而且其波形的峰值点或过零点受共振峰的结构、噪声等的影响。
④基音周期变化范围大，从老年男性的50Hz到儿童和女性的450Hz，接近三个倍频程，给基音检测带来了一定的困难。
由于这些困难，所以迄今为止尚未找到一个完善的方法可以对于各类人群(包括男、女、儿童及不向语种)、各类应用领域和各种环境条件情况下都能获得满意的检测结果。
尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT、谱图法、小波法等等。
基于短时自相关函数法的基音周期检测
项目总结报告—基音周期的检测1.项目整体框架1.1目标了解语音基音周期估计方法，掌握自相关法估计基音周期的原理。
1.2主要容本次基音周期的估算，我们选用的是短时自相关函数法，包括四个模块。
第一个模块为基音的端点检测，主要为了区分浊音和清音。
第二个模块为基音检测中的带通滤波器，主要为了减少共振峰的干扰。
第三个模块为短时自相关函数法做基音检测，主要为了计算出基音周期。
第四个模块为平滑处理，主要为了消除偏离值点。
2.模块一（端点检测）2.1主要负责工作利用能熵比法进行语音端点检测，区分语音帧的起点以与终点。
2.2具体实现方法2.2.1实验步骤1）取一段语音“tone4.wav”，该语音容是“妈妈，好吗，上马，骂人”，语音长度为3.5秒，采样率Fs=8000. 进行简单的去除直流分量，然后幅值归一化，时域波形如图1所示。
2）设置好分帧参数，帧长wlen=320,帧移inc=80，调用函数y=enframe(x,wlen,inc)';对语音信号x分帧处理。
最后帧数Fn=337。
3）设置端点检测门限值T1=0.05，使用能熵比法进行端点检测。
对分帧后的语音y 每一帧进行FFT运算，然后计算每一帧的能熵比值。
从而计算出语音y中的语音端点。
结果如图2所示。
2.2.2能熵比法设语音信号时域波形为,加窗分帧处理后得到的第i帧语音信号为,则FFT后表示为,其中下标i表示为第i帧，而k表示为第k条谱线。
该语音帧在频域中的短时能量为式中，N为FFT的长度，只去正频率部分。
而对于某一谱线k的能量谱为,则每个频率分量的归一化谱概率密度函数定义为该语音帧的短时谱熵定义为其中，只取正频率部分的谱熵，对应的能熵比表示为2.2.3代码编写在主程序中，执行的是[voiceseg,vosl,SF,Ef]=pitch_vad1(y,fn,T1);而调用了以下函数function [voiceseg,vosl,SF,Ef]=pitch_vad1(y,fn,T1,miniL)if nargin<4, miniL=10; endif size(y,2)~=fn, y=y'; end % 把y转换为每列数据表示一帧语音信号wlen=size(y,1); % 取得帧长for i=1:fnSp = abs(fft(y(:,i))); % FFT取幅值(:表示所有y(:,1)表示第一列)Sp = Sp(1:wlen/2+1); % 只取正频率部分Esum(i) = sum(Sp.*Sp); % 计算能量值（能量放入Esum 里）prob = Sp/(sum(Sp)); % 计算概率H(i) = -sum(prob.*log(prob+eps)); % 求谱熵值（eps表示很小的数，避免为零）（谱熵放入H里）endhindex=find(H<0.1);%(find返回非零元素，hindex放入，即谱熵值小于0.1的索引)H(hindex)=max(H);%（除去元音）Ef=sqrt(1 + abs(Esum./H)); % 计算能熵比（将每一帧的能熵比放入Ef里）Ef=Ef/max(Ef); % 归一化zindex=find(Ef>=T1); % 寻找Ef于T1的部分zseg=findSegment(zindex); % 给出端点检测各段的信息zsl=length(zseg); % 给出段数j=0;SF=zeros(1,fn);for k=1 : zsl % 在大于T1中剔除小于miniL 的部分if zseg(k).duration>=miniLj=j+1;in1=zseg(k).begin;in2=zseg(k).end;voiceseg(j).begin=in1;voiceseg(j).end=in2;voiceseg(j).duration=zseg(k).duration;SF(in1:in2)=1; % 设置SF（有话段的SF帧为1）endendvosl=length(voiceseg); % 有话段的段数2.2.4实验结果图1 “妈妈，好吗，上马，骂人”语音的时域波形图2 图中实线代表语音起始点，虚线代表语音终点2.2.5结果分析基音周期是语音信号的重要参数之一，它描述了语音激励源的一个重要特征。
声信号实验报告
一、实验目的1. 了解声信号的基本特性及其在信息传输中的应用。
2. 掌握声信号的采集、处理和分析方法。
3. 学习声信号在音频通信、语音识别等领域的应用。
二、实验原理声信号是指声波在介质中传播时携带的信息，如语音、音乐等。
声信号具有以下基本特性：1. 时域特性：声信号的波形、幅度、频率等随时间变化。
2. 频域特性：声信号的频谱分布，反映了声信号的频率成分。
3. 空间特性：声信号在空间中的传播和反射。
声信号的采集、处理和分析方法主要包括以下几种：1. 采集：使用麦克风等传感器将声信号转换为电信号。
2. 处理：对采集到的声信号进行滤波、压缩、增强等处理。
3. 分析：使用频谱分析、时频分析等方法对声信号进行特征提取。
三、实验仪器与设备1. 实验台：包括麦克风、放大器、示波器、频谱分析仪等。
2. 软件平台：Matlab、Python等编程语言及相应的声信号处理库。
四、实验步骤1. 声信号采集（1）将麦克风连接到实验台，调整麦克风位置，使其正对声源。
（2）打开示波器，观察麦克风采集到的声信号波形。
2. 声信号处理（1）使用滤波器对采集到的声信号进行滤波，去除噪声。
（2）对滤波后的声信号进行压缩，提高信噪比。
（3）使用增强算法对声信号进行增强，使其更清晰。
3. 声信号分析（1）使用频谱分析仪对声信号进行频谱分析，观察其频率成分。
（2）使用时频分析方法对声信号进行特征提取，如能量、过零率等。
（3）对分析结果进行可视化展示，如绘制声信号的时域波形、频谱图等。
4. 声信号应用（1）将处理后的声信号进行语音识别，实现语音控制。
（2）将声信号进行音频通信，实现远距离传输。
五、实验结果与分析1. 声信号采集结果通过麦克风采集到的声信号波形如图1所示。
可以看出，声信号具有明显的时域特性，如波形、幅度、频率等随时间变化。
图1 声信号波形2. 声信号处理结果经过滤波、压缩、增强等处理后，声信号的信噪比得到提高，波形更加清晰，如图2所示。
实验一 语音信号的采集及预处理(变换矩形窗函数为boxcar)(2)
语音信号的采集及预处理1.语音信号的录音、读入、放音等[x,fs,nbit]=wavread('D:\2.wav'); %fs=10000,nbit=16y=soundview('D:\2.wav')2.语音信号的分帧程序：[x,fs,nbit]=wavread('D:\2.wav');len=256;inc=128;y=enframe(x,len,inc);figure;subplot(2,1,1),plot(x)subplot(2,1,2),plot(y)3.语音信号加窗：程序：N=256;w = window('rectangle',N);w1 = window('hamming',N);w2 = window('hanning',N);wvtool(w,w1,w2)4.预加重程序：[x,fs,nbit]=wavread('D:\2.wav');len=256;inc=128;y=enframe(x,len,inc);z=filter([1-0.9375],1,y)figure(2)subplot(2,1,1),plot(y)subplot(2,1,2),plot(z)语音信号的时域分析1.语音信号的录音、读入、放音等：利用函数wavread对语音信号进行采样,记住采样频率和采样点数，给出以下语音的波形图（2.wav）。
[Y,FS,NBITS]= wavread('D:\2.wav')X= wavread('D:\2.wav')plot(X)2.短时能量分析：(1)首先对语音信号预加重；(2)对预加重后的语音信号进行分帧，帧长取N=256各样值点，帧移取128个样值点；(3)求短时能量。
org=wavread('D:\2.wav')wgt=filter([1 -0.9375],1,org)w1=enframe(wgt,256,128)amp=sum(abs(w1),2)plot(amp)3.短时过零率分析：求语音信号的短时过零率。
实验一显示语音信号的语谱图
实验一显示语音信号的语谱图一、实验目的综合信号频谱分析和滤波器功能，对语音信号的频谱进行分析，并对信号含进行高通、低通滤波，实现信号特定处理功能。
加深信号处理理论在语音信号中的应用；理解语谱图与时频分辨率的关系。
二、实验原理语谱图分析语音又称语谱分析，语谱图中显示了大量的与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，明显的显示出语音频谱随时间的变化情况。
语谱图实际上是一种动态的频谱。
窄带语谱图有良好的频率分辨率及较差的时间分辨率；而宽带语谱图具有良好的时间分辨率及较差的频率分辨率。
三、实验内容实验数据为工作空间ex3M2.mat中数组we_be10k是单词“we”和“be”的语音波形（采样率为10000点/秒）。
1、听一下we_be10k（可用sound）2、使用函数specgram_ex3p19.显示语谱图和语音波形。
对比调用参数窗长20ms（200点）、帧间隔1ms（10点）和参数窗长5ms（50点）、帧间隔1ms（10点）；再对比窗长>20ms或小于5ms，以及帧间隔>1ms时的语谱图说明宽带语谱图、窄带语谱图与时频分辨率的关系及如何得到时频折中。
3、生成高通和低通滤波器，观察其频谱；对语音信号we_be进行滤波，听一下对比其效果。
四、实验结果实验程序语谱图和语音波形低通滤波器频谱高通滤波器频谱结论：1、因频率分辨率随窗口宽度的增加而提高，但同时时间分辨率降低；如果窗口取短，频率分辨率下降，但时间分辨率提高。
由以上图可知：窄带语谱图有良好的频率分辨率及较差的时间分辨率，而宽带语谱图具有良好的时间分辨率及较差的频率分辨率。
窄带语谱图中的时间坐标方向表示的基因及其各次谐波；而宽带语谱图给出语音的共振峰平率及清辅音的能量汇集区。
2、因加窗的目的是要限制分析的时间以使其中的波形特性没有显著变化，因此想要得到时频折中，选用的窗函数应尽量满足a、频率分辨率高b、卷积后其他的频率成分产生的频谱泄露少。
《语音信号处理》实验5-DTW算法实现及语音模板匹配
华南理工大学《语音信号处理》实验报告实验名称：DTW算法实现及语音模板匹配姓名：学号：班级：10级电信5班日期：2013年6 月17日一、实验目的运用课堂上所学知识以及matlab工具，利用DTW(Dynamic Time Warping，动态时间规整)算法，进行说话者的语音识别。
二、实验原理1、语音识别系统概述一个完整特定人语音识别系统的方案框图如图1所示。
输入的模拟语音信号首先要进行预处理，包括预滤波、采样和量化、加窗、端点检测、预加重等,然后是参数特征量的提取。
提取的特征参数满足如下要求：(1)特征参数能有效地代表语音特征,具有很好的区分性；(2)参数间有良好的独立性；(3)特征参数要计算方便,要考虑到语音识别的实时实现。
图1 语音识别系统方案框图语音识别的过程可以被看作模式匹配的过程，模式匹配是指根据一定的准则，使未知模式与模型库中的某一个模型获得最佳匹配的过程。
模式匹配中需要用到的参考模板通过模板训练获得。
在训练阶段，将特征参数进行一定的处理后，为每个词条建立一个模型，保存为模板库。
在识别阶段，语音信号经过相同的通道得到语音特征参数，生成测试模板，与参考模板进行匹配，将匹配分数最高的参考模板作为识别结果。
2、语音信号的处理1、语音识别的DTW算法本设计中，采用DTW算法，该算法基于动态规划(DP)的思想解决了发音长短不一的模板匹配问题，在训练和建立模板以及识别阶段，都先采用端点检测算法确定语音的起点和终点。
在本设计当中，我们建立的参考模板，m为训练语音帧的时序标号，M为该模板所包含的语音帧总数，R(m)为第m帧的语音特征矢量。
所要识别的输入词条语音称为测试模板，n为测试语音帧的时序标号，N为该模板所包含的语音帧总数，T(n)为第n帧的语音特征矢量。
参考模板和测试模板一般都采用相同类型的特征矢量(如LPCC系数)、相同的帧长、相同的窗函数和相同的帧移。
考虑到语音中各段在不同的情况下持续时间会产生或长或短的变化，因而更多地是采用动态规划DP的方法。
语音信号处理实验二陈乾贵
哈尔滨理工大学实验报告课程名称：数字语音信号处理学院：自动化学院专业班级：电技12-3班学生姓名：陈乾贵学号：1212020302 指导教师：马静实验二一、实验目的信号的傅立叶表示在信号的分析与处理中起着重要的作用。
因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分析和处理问题。
另外，傅立叶表示使信号的某些特性变得更明显，因此，它能更深入地说明信号的各项红物理现象。
由于语音信号是随着时间变化的，通常认为，语音是一个受准周期脉冲或随机噪声源激励的线性系统的输出。
输出频谱是声道系统频率响应与激励源频谱的乘积。
声道系统的频率响应及激励源都是随时间变化的，因此一般标准的傅立叶表示虽然适用于周期及平稳随机信号的表示，但不能直接用于语音信号。
由于语音信号可以认为在短时间内，近似不变，因而可以采用短时分析法。
本实验要求掌握傅里叶分析原理，会利用已学的知识，编写程序估计短时谱、倒谱，画出语谱图，并分析实验结果，在此基础上，借助频域分析方法所求得的参数分析语音信号的基音周期或共振峰。
二、实验原理1．短时傅立叶变换由于语音信号是短时平稳的随机信号，某一语音信号帧的短时傅立叶变换的定义为：j j (e )[()()]emn m X x m w n m ωω+∞-=-∞=-∑其中w(n-m)是实窗口函数序列，n 表示某一语音信号帧。
令n-m=m'，则得到：j ()-j (e )()() e [()()]j n m n m n j m m X x n m w m e x n m w m e ωωωω+∞'--'=-∞+∞''=-∞''=-''=-∑∑假定：j j j j (e )()()e e (e )m n nn m X x n m w m X ωωωω+∞''=-∞''=-=∑则可得到：j j j j (e )e (e )e [()jb ()]n n n n n nX X a ωωωωωω--=⋅=- 同样，不同的窗口函数，将得到不同的傅立叶变换式的结果。