《MATLAB语音信号分析与合成（第二版）》：第2章 语音信号的时域、频域特性和短时分析技术
- 前言
- 1. 数据与函数路径设置
- 2. MATLAB仿真一：语音信号短时能量图
- 3. MATLAB仿真二：语音信号短时平均过零率图
- 4. MATLAB仿真三：语音信号语谱图
- 5. MATLAB仿真四：语音信号短时功率谱密度函数图
- 小结
前言
《MATLAB语音信号分析与合成（第二版）》是中科院声学所的大佬宋知用老师数十年经验积累下的呕心之作，对于语音信号处理相关感兴趣的同学，日后希望在语音信号分析、处理与合成相关领域进行一定研究的话，可以以此进行入门。
语音信号处理是数字信号处理的一个重要分支。本书含有许多数字信号处理的方法和 MATLAB函数。 全书共10章。第1-4章介绍语音信号处理的一些基本分析方法和手段,以及相应的MATLAB函数;第5-9章介绍语音信号预处理和特征的提取,包括消除趋势项和基本的减噪方法,以及端点检测、基音的提取和共 振峰的提取,并利用语音信号处理的基本方法,给出了多种提取方法和相应的 MATLAB程序;第10章结合 各种参数的检测介绍了语音信号的合成、语音信号的变速和变调处理,还介绍了时域基音同步叠加( TD PSOLA)的语音合成,并给出了相应的MATLAB程序。附录A中给出了调试复杂程序的方法和思路。 本书可作为从事语音信号处理的本科高年级学生、研究生或科研工程技术人员的辅助读物,也可作为从 事信号处理研究与应用的科研工程技术人员的参考用书。
我的研究生导师的主要方向是语音信号处理。虽然我研究生期间的主要论文是数字图像处理，但所谓的语音和图像是分不开的。虽然我是在老师的研究生主讲的小波变换上划桨，但在后来的导师的语音信号处理课程设计和工程应用中，我也收录了一点语音。他在收官测试中获得小组第一名，辅导老师还特意给他发了300美元的餐费鼓励。
[En]
The main direction of my graduate tutor is related to speech signal processing. Although my major thesis during my postgraduate period is digital image processing, the so-called speech and image are not separated. Although I paddle on the wavelet transform of the teacher’s main graduate lecture, but in the later tutor’s speech signal processing course design and engineering application, I also included a little bit of speech. He won the first place in the group in the closing test, and the tutor specially handed out a meal fund of 300 US dollars to encourage him.
也正是因此，研二时，导师让接手了的一个校企项目，将语音识别落地到嵌入式平台，从MATLAB仿真优化，到嵌入式实现，到最小系统落地，从软著到专利，再到文章，整个项目全程主导，直到研三，彼时还是不够认真，虽然是项目主导者，但也是请教了许多同学和精通嵌入式的师弟。而今毕业将近四年之后，想来当时的项目其实并不算特别复杂，但自己却也并没有完全将整个实践过程吃透，也算有一点遗憾了（关于这个项目，后期有机会再详聊）。
这次拿起语音识别，刚刚从宋先生的书开始，算是自己的点评，主要介绍每一章的源代码，这是本书第二章的四个模拟应用实例，不用说，就开始吧！
[En]
This time to pick up speech recognition, just started with Mr. Song’s book, can be regarded as their own review, mainly to introduce the source code in each chapter, this is the second chapter of the book’s four simulation application examples, not to say much, start!
- 数据与函数路径设置
书中经常会调用的一些函数(自编函数或取自其他应用工具箱中的函数)已集中在basic_tbx工具箱中，在运行本书的程序前请把该工具箱设置(用set path设置)在工作路径下；
当要运行EMD处理时，要把emd工具箱设置在工作路径下;
当要运行主体延伸基音检测时，要把Pitch_ztlib工具箱设置在工作路径下;
当要进行时域基音同步叠加语音合成时，要把psola_lib工具箱设置在工作路径下;
当要应用本书提供的语音数据时，最好把speech_signal设置在工作路径下。
本书的所有函数和程序都在MATLAB R2009a版本下调试通过。（我用的是MATLAB2018a，有些函数已经更新，所以我会进行修改，以便调试通过）
路径设置的方法如下：
打开MATLAB，点击”主页”，找到设置路径
将上述文件夹路径全部添加到MATLAB搜索路径中
添加、保存和启动仿真。
[En]
Add, save, and start the simulation.
; 2. MATLAB仿真一：语音信号短时能量图
%
% pr2_3_1
clear all; clc; close all;
filedir=[]; % 设置路径
filename='bluesky3.wav'; % 设置文件名
fle=[filedir filename]; % 构成完整的路径和文件名
%[x,Fs]=wavread(filename); % 读入数据文件
[x,Fs]=audioread(filename); % 读入数据文件
wlen=200; inc=80; % 给出帧长和帧移
win=hanning(wlen); % 给出海宁窗
N=length(x); % 信号长度
X=enframe(x,win,inc)'; % 分帧
fn=size(X,2); % 求出帧数
time=(0:N-1)/Fs; % 计算出信号的时间刻度
for i=1 : fn
u=X(:,i); % 取出一帧
u2=u.*u; % 求出能量
En(i)=sum(u2); % 对一帧累加求和
end
subplot 211; plot(time,x,'k'); % 画出时间波形
title('语音波形');
ylabel('幅值'); xlabel(['时间/s' 10 '(a)']);
frameTime=frame2time(fn,wlen,inc,Fs); % 求出每帧对应的时间
subplot 212; plot(frameTime,En,'k') % 画出短时能量图
title('短时能量');
ylabel('幅值'); xlabel(['时间/s' 10 '(b)']);
- MATLAB仿真二：语音信号短时平均过零率图
%
% pr2_3_2
clear all; clc; close all;
filedir=[]; % 设置路径
filename='bluesky3.wav'; % 设置文件名
fle=[filedir filename]; % 构成完整的路径和文件名
%[xx,Fs]=wavread(fle); % 读入数据文件
[xx,Fs]=audioread(fle); % 读入数据文件
x=xx-mean(xx); % 消除直流分量
wlen=200; inc=80; % 设置帧长、帧移
win=hanning(wlen); % 窗函数
N=length(x); % 求数据长度
X=enframe(x,win,inc)'; % 分帧
fn=size(X,2); % 获取帧数
zcr1=zeros(1,fn); % 初始化
for i=1:fn
z=X(:,i); % 取得一帧数据
for j=1: (wlen- 1) ; % 在一帧内寻找过零点
if z(j)* z(j+1)< 0 % 判断是否为过零点
zcr1(i)=zcr1(i)+1; % 是过零点，记录1次
end
end
end
time=(0:N-1)/Fs; % 计算时间坐标
frameTime=frame2time(fn,wlen,inc,Fs); % 求出每帧对应的时间
% 作图
subplot 211; plot(time,x,'k'); grid;
title('语音波形');
ylabel('幅值'); xlabel(['时间/s' 10 '(a)']);
subplot 212; plot(frameTime,zcr1,'k'); grid;
title('短时平均过零率');
ylabel('幅值'); xlabel(['时间/s' 10 '(b)']);
- MATLAB仿真三：语音信号语谱图
%
% pr2_4_1
clear all; clc; close all;
filedir=[]; % 设置路径
filename='bluesky3.wav'; % 设置文件名
fle=[filedir filename]; % 构成完整的路径和文件名
%[x,Fs]=wavread(fle); % 读入数据文件
[x,Fs]=audioread(filename); % 读入数据文件
wlen=200; inc=80; win=hanning(wlen);% 设置帧长，帧移和窗函数
N=length(x); time=(0:N-1)/Fs; % 计算时间
y=enframe(x,win,inc)'; % 分帧
fn=size(y,2); % 帧数
frameTime=(((1:fn)-1)*inc+wlen/2)/Fs; % 计算每帧对应的时间
W2=wlen/2+1; n2=1:W2;
freq=(n2-1)*Fs/wlen; % 计算FFT后的频率刻度
Y=fft(y); % 短时傅里叶变换
clf % 初始化图形
%=====================================================%
% Plot the STFT result % 画出语谱图
%=====================================================%
set(gcf,'Position',[20 100 600 500]);
axes('Position',[0.1 0.1 0.85 0.5]);
imagesc(frameTime,freq,abs(Y(n2,:))); % 画出Y的图像
axis xy; ylabel('频率/Hz');xlabel('时间/s');
title('语谱图');
m = 64;
LightYellow = [0.6 0.6 0.6];
MidRed = [0 0 0];
Black = [0.5 0.7 1];
Colors = [LightYellow; MidRed; Black];
colormap(SpecColorMap(m,Colors));
%=====================================================%
% Plot the Speech Waveform % 画出语音信号的波形
%=====================================================%
axes('Position',[0.07 0.72 0.9 0.22]);
plot(time,x,'k');
xlim([0 max(time)]);
xlabel('时间/s'); ylabel('幅值');
title('语音信号波形');
- MATLAB仿真四：语音信号短时功率谱密度函数图
%
% pr2_4_2
clear all; clc; close all;
filedir=[]; % 设置路径
filename='bluesky3.wav'; % 设置文件名
fle=[filedir filename]; % 构成完整的路径和文件名
%[wavin0,fs,nbits]=wavread(fle); % 读入数据文件
[wavin0,fs]=audioread(fle); % 读入数据文件
nwind=240; noverlap=160; inc=nwind-noverlap; % 设置帧长为240，重叠为160，帧移为80
w_nwind=hanning(200); w_noverlap=195; % 设置段长为200，段重叠为195
nfft=200; % FFT长度为200
% 对每帧用pwelch_2计算短时功率谱密度
[Pxx] = pwelch_2(wavin0, nwind, noverlap, w_nwind, w_noverlap, nfft);
frameNum=size(Pxx,2); % 取来帧数
frameTime=frame2time(frameNum,nfft,inc,fs); % 计算每帧对应的时间
freq=(0:nfft/2)*fs/nfft; % 计算频率刻度
% 作图
imagesc(frameTime,freq,Pxx); axis xy
ylabel('频率/Hz');
xlabel('时间/s');
title('短时功率谱密度函数')
m = 256; LightYellow = [0.6 0.6 0.6];
MidRed = [0 0 0]; Black = [0.5 0.7 1];
Colors = [LightYellow; MidRed; Black];
colormap(SpecColorMap(m,Colors));
小结
语音信号的短时平稳性是一个非常重要的特征，其中短时能量、短时平均过零率、谱图和短时功率谱密度函数是语音信号分析的基础，需要深入理解和熟悉。如果您对本章的内容感兴趣或想要充分学习，建议您学习本书第二章的内容。在后期，这些知识点中的一些将在自己理解的基础上进行讨论和补充。欢迎大家一起学习交流。
[En]
The short-term stationarity of speech signal is a very important characteristic, in which short-term energy, short-term average zero-crossing rate, spectrogram and short-term power spectral density function are the basis of speech signal analysis, which need to be deeply understood and familiarized. if you are interested in the content of this chapter or want to fully learn, it is suggested to study the content of the second chapter in the book. In the later stage, some of these knowledge points will be discussed and supplemented on the basis of their own understanding. You are welcome to learn and communicate together.
关于宋老师：宋知用——默默传授MATLAB与信号处理知识的老人家
本系列文章列表如下：
《MATLAB语音信号分析与合成（第二版）》：第2章 语音信号的时域、频域特性和短时分析技术
《MATLAB语音信号分析与合成（第二版）》：第3章 语音信号在其他变换域中的分析技术和特性
《MATLAB语音信号分析与合成（第二版）》：第4章 语音信号的线性预测分析
《MATLAB语音信号分析与合成（第二版）》：第5章 带噪语音和预处理
《MATLAB语音信号分析与合成（第二版）》：第6章 语音端点的检测（1）
《MATLAB语音信号分析与合成（第二版）》：第6章 语音端点的检测（2）
《MATLAB语音信号分析与合成（第二版）》：第7章 语音信号的减噪
《MATLAB语音信号分析与合成（第二版）》：第8章 基音周期的估算方法
《MATLAB语音信号分析与合成（第二版）》：第9章 共振峰的估算方法
《MATLAB语音信号分析与合成（第二版）》：第10章 语音信号的合成算法
Original: https://blog.csdn.net/sinat_34897952/article/details/124029488
Author: mozun2020
Title: 《MATLAB语音信号分析与合成（第二版）》：第2章 语音信号的时域、频域特性和短时分析技术
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/497966/
转载文章受原作者版权保护。转载请注明原作者出处！