南邮 语音信号处理实验报告

《南邮 语音信号处理实验报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、·实验一：语音信号的时域分析实验目的：以MATLAB为工具，研究语音信号的时域特性，以及这些特性在《语音信号处理》中的应用情况。实验要求：利用所给语音数据，分析语音的时域波形、短时能量、短时过零率等时域参数。要求会求取这些参数，并举例说明这些参数在语音信号处理中的应用。实验内容：1、进入matlab1.1在Wondows环境中，创建一个名为speech的文件夹，存放语音数据和与实验相关的Matlab文件。如：E:speech。用于实验的语音数据（.mat）及相应说明（.txt）包括：digits.mat%英文数字“0”到“9”的发音digits.

2、txtgliss.mat%两个包含/i/的滑音gliss.txtletters.mat%英文字母表中26个字母的发音letters.txtma1.txtma1-1.mat%一句连续语音ma1-2.mat%一句连续语音ma1-3.mat%一句连续语音ma1-4.mat%一句连续语音timit.txttimit1.mat%一句连续语音timit2.mat%一句连续语音timit3.mat%一句连续语音timit4.mat%一句连续语音vowels.mat%元音/a/,/i/,/o/,/u/的发音vowels.txtwords.mat%十个孤立字的发音w

3、ords.txt1.2在Windows桌面上，双击Matlab的图标，进入Matlab的工作环境。在命令窗口>>提示符后，键入cdE:speech指令，进入实验文件夹路径。1.3在命令窗口键入clearall指令，清除工作空间的所有变量。1、加载语音数据，熟悉matlab命令2.1加载“timit1.mat”语音数据，命令为：Loadtimit12.2用命令“who”和“whos”列出当前工作空间中的变量。变量“timit1”会以包含55911个元素的矩阵（列向量）形式出现>>whoYourvariablesare:timit1>>whosNam

4、eSizeBytesClassAttributestimit155911x1447288double2.3利用命令“length”和“size”查看语音信号timit1的长度和维数：>>m=length(timit1)m=55911>>[m,n]=size(timit1)m=55911n=12.4通过以下命令，分别查看语音信号timit1中间的1个、2个和20个数据值：>>timit1(5001)ans=-0.0646>>timit1([5001,5003])ans=-0.06460.0111>>timit1(5001:5020)ans=[-0.0

5、6460.03070.0111-0.02000.20210.40120.1869-0.1756-0.19020.08230.23630.17120.0637-0.0209-0.0683-0.03940.00810.01050.03110.0696]’2.5Matlab中，符号“’”可以实现转置运算，运行以下命令进行观察：>>size(timit1')ans=1559112.6使用函数max和min可以分别得到信号的最大值和最小值：>>size(timit1')ans=155911>>max(timit1)ans=1>>min(timit1)ans=

6、-0.80681、语音信号的时域分析简化的语音生成模型如图所示：3.1使用以下命令，画出语音信号timit1（采样频率为16kHz，长度为3.5秒）的时域波形。plot(timit1)title(‘timit1’)xlabel(‘TimeIndex,{itn}’)ylabel(‘Amplitude’)axis([0length(timit1)-11])grid由图可知，语音信号具有短时平稳性，需对其进行分段（帧）处理（帧长一般取20至40ms之间）。根据激励方式的不同，语音信号可以分成浊音和清音两大类：浊音：激励源可模拟成准周期性的脉冲串。该周期

7、称为音调周期，其倒数就是音调频率，音调频率一般在几百赫兹以内。清音：激励源可模拟成随机白噪声。简化的语音生成数学模型如图所示：3.2分别画出一帧浊音和一帧清音的语音时域波形（采样频率为16kHz，帧长为25ms，每帧有400个样点）。subplot(211),plot(timit1(14501:14900))%/a/indark.subplot(212),plot(timit1(35501:35900))%/s/inwash.问题1：这两帧语音的幅度有什么不同？哪帧的过零数（信号值改变符号的数目）大？答：第一帧语音为浊音谱，它有明显的周期性，并具有

8、较强的振幅；第二帧语音为清音谱，它的波形类似于高斯白噪声，具有很弱的振幅。第二帧语音是清音谱，因此具有较高的平均过零数。3