摘要
线性预测编码作为一种基于全极点模型假定和均方预测误差最小准则下的波形逼近技术，是语音编码中的一种重要技术，运用这种编码方式通过对音频信号的时域和频域分析，线性预测编解码，滤波等处理，能够在尽量保持原音质的基础上合成出高质量的语音。
本文通过对波形编码，参量编码，混合编码，中低速率编码的介绍，重点研究了线性预测（LPC）的原理、Levinson-Durbin算法及MATLAB在处理语音信号时的应用。最后以MATLAB为开发工具，编写了线性预测编码的程序，对语音信号进行了线性预测编码处理，并对阶数的选取做了比较分析。
关键词语音信号LPC 莱文森-杜宾算法MATLAB仿真
Abstract
LPC all-pole model as based on assumptions and the smallest mean squared prediction error criterion of waveform approximation technique，is an important speech coding techniques，By using this encoding audio signals in time domain and frequency domain analysis, linear prediction coding and decoding, filtering processing, able to keep the original sound quality on the basis of high-quality voice synthesis.
In this paper，based on the introduction of the waveform coding，parametric coding, hybrid coding, low rate coding, focuses on the linear prediction (LPC) principle，Levinson-Durbin algorithm and MATLAB in the application of speech signal processing. Finally, with MATLAB as the development tool，write a linear predictive coding procedures，voice signal processing of linear predictive coding.,and the number of orders to do a comparative analysis.
Keywords voice signal LPC Levinson - Durbin algorithm MATLAB simulation
目录
第1章绪论 (1)
1.1 语音信号LPC分析技术的基本概念 (1)
1.2 语音信号LPC分析技术的发展 (2)
1.3 语音信号LPC分析技术的应用 (2)
1.4 基本设计要求及设计思路 (3)
第2章线性预测编码的基本原理 (4)
2.1 语音信号的数字模型 (4)
2.1.1 激励模型 (4)
2.1.2 辐射模型 (5)
2.1.3 声道模型 (5)
2.2 线性预测的概念与原理 (6)
2.2.1 线性预测分析的概念 (6)
2.2.2 自相关法 (7)
2.2.3 协方差法 (8)
2.2.4 全极点声道模型 (8)
2.3 解线性预测参数方程组的算法 (9)
2.3.1 利用乔里斯基分解计算协方差法的方程组 (9)
2.3.2 利用杜宾递推算法计算自相关法的方程组 (11)
2.3.3 利用格型法求解线性预测系数 (12)
2.4 各种算法的比较 (16)
第3章编程实现LPC分析 (19)
3.1 MATLAB的简介 (19)
3.2 基于MATLAB的编程实现 (20)
3.2.1 程序设计流程图 (21)
3.2.2 主函数及其功能 (21)
3.2.3 程序分析 (22)
3.2.4 实验结果与分析 (24)
3.3 基于C的编程实现 (24)
结束语 (26)
谢辞 .......................................................................................... 错误！未定义书签。
参考文献 (27)
附录 (28)
第1章绪论
1.1 语音信号LPC分析技术的基本概念
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学科。处理的目的就是要得到一些语音参数以便高效的传输或存储；或者是通过处理的某种运算以达到某种用途的要求，例如人工合成出语音、辨识出说话者、识别出讲话的内容等。
人类社会愈来愈显示出信息社会的特点。不但在人与人之间，而且在人与机器之间每时每刻都需要进行大量的信息交换。通信或信息交换已经成为人类社会存在的必要条件，正如衣食住行对于人类是必要的一样。
虽然，嗅觉、触觉等也是人类固有的感觉，人们也可以从中得到某些外界信息，但是可以指出，最重要的、最精细的信息源只有图像和语言两种。而且，语言是人类最重要、最有效、最常用和最方便的通讯形式。
语音是人们交流思想和进行社会活动的最基本手段, 我们要对语音信号进行测定并将其转变为另一种形式, 以提高我们的通信能力。
LPC：Linear Predictive Coding，线性预测编码。
线性预测(Linear Prediction)这一术语是维纳1947年首次提出的，此后，线性预测应用于许多领域中。1967年，板仓等人最先将线性预测技术直接应用到语音分析和合成中。
线性预测作为一种工具，几乎普遍地应用于语音信号处理的各个方面。这种方法是最有效和最流行的语音分析技术之一。在各种语音分析技术中，它是第一个真正得到实际应用的技术。线性预测技术产生至今，语音处理又有许多突破，但这种技术目前仍然是唯一的最重要的分析技术基础。
在估计基本的语音参数(例如基音、共振蜂、谱、声道面积函数，以及用低速率传输或储存语音等)方面，线性预测是一种主要的技术。其重要性在于它能够极为精确地估计语音参数，用极少的参数有效而又正确地表现语音波形及其频谱的性质，而且可以用比较简单的计算和比较快的速度求得参数。
参数编码又称为声源编码，是将信源信号在频率域或其它正交变换域提取特征参数，并将其变换成数字代码进行传输。译码为其反过程，将收到的数字序列经变换恢复特征参量，再根据特征参量重建语音信号。具体说，参数编码是通过对语音信号特征参数的提取和编码，力图使重建语音信号具有尽可能高的准确性，但重建信号的波形同原语音信号的波形可能会有相当大的差别。
线性预测分析是最有效的语音分析技术之一，在语音编码、语音合成、语音识别和说话人识别等语音处理领域中得到了广泛的应用。语音线性预测的基本思想是：一个语音信号的
抽样值可以用过去若干个取样值的线性组合来逼近。通过使实际语音抽样值与线性预测抽样值的均方误差达到最小，可以确定唯一的一组线性预测系数。
采用线性预测分析不仅能够得到语音信号的预测波形，而且能够提供一个非常好的声道模型。如果将语音模型看作激励源通过一个线性时不变系统产生的输出，那么可以利用LPC 分析对声道参数进行估值，以少量低信息率的时变参数精确地描述语音波形及其频谱的性质。此外，LPC分析还能够对共振峰、功率谱等语音参数进行精确估计，LPC分析得到的参数可以作为语音识别的重要参数之一。
由于语音是一种短时平稳信号，因此只能利用一段语音来估计模型参数。此时有两种方案：一种是将长的语音序列加窗，然后对加窗语音进行LPC分析，只要限定窗的长度就可以保证分析的短时性，这种方案称为自相关法；另一种方案不对语音加窗，而是在计算均方预测误差时限制其取和区间，这样可以导出LPC分析的自协方差法。
1.2 语音信号LPC分析技术的发展
线性预测编码(LPC)在近代电子技术中得到广泛地使用,如窄带通信、语言识别和扬声器鉴定等。
根据斯坦福大学Robert M. Gray 的说法，线性预测编码起源于1966 年，当时NTT 的S. Saito 和F. Itakura 描述了一种自动音素识别的方法，这种方法第一次使用了针对语音编码的最大似然估计实现。1967 年，John Burg 略述了最大熵的实现方法。1969 年Itakura 与Saito 提出了部分相关（en:partial correlation）的概念, May Glen Culler 提议进行实时语音压缩，B. S. Atal 在美国声学协会年会上展示了一个LPC 语音编码器。1971 年Philco-Ford 展示了使用16 位LPC 硬件的实时LPC 并且卖出了四个。
1972 年ARPA 的Bob Kahn 与Jim Forgie (en:Lincoln Laboratory, LL) 以及Dave Walden (BBN Technologies) 开始了语音信息包的第一次开发，这最终带来了V oice over IP 技术。根据Lincoln Laboratory 的非正式历史资料记载，1973 年Ed Hofstetter 实现了第一个2400 位/秒的实时LPC。1974 年，第一个双向实时LPC 语音包通信在Culler-Harrison 与Lincoln Laboratories 之间通过ARPANET 以3500 位/秒的速度实现。1976 年，第一次LPC 会议通过ARPANET 使用Network V oice Protocol 在Culler-Harrison、ISI、SRI 与LL 之间以3500 位/秒的速度实现。最后在1978 年，BBN 的Vishwanath et al. 开发了第一个变速LPC 算法。
1.3 语音信号LPC分析技术的应用
线性预测编码通常用于语音的重新合成，它是电话公司使用的声音压缩格式，如GSM 标准就在使用这种格式。它还用作安全无线通信中的格式，在安全的无线通信中，声音必须进行数字化、加密然后通过狭窄的语音信道传输。
线性预测编码合成也可以用于构建声音合成器，乐器用作从歌手声音预测得到的时变滤波器的激励信号，这在电子音乐中有一定的流行。
1976年，美国确定用LPC-10作为在2.4kb/s速率上语音通信的标准基数，1981年，这个算法被官方接受，作为联邦政府标准FS-1015颁布。LPC-10是一个10阶线性预测声码器，它所采用的算法简单明了。为了得到质量好的合成语音，它对每个参数的提取和编码都是很考究的。利用这个算法可以合成清晰、可懂的语音，但是抗噪声能力和自然度尚有欠缺。自1986年以来，美国第三代保密电话装置（STU-III）采用了速率为2.4kb/s的LPC-10e（LPC-10的增强型）作为话音终端。目前，STU-III的话音质量被评为“良好”。
1980年流行的Speak & Spell 教育玩具中使用了一个10 阶的线性预测编码。在FLAC 音频编解码器中使用了0 到 4 阶的线性预测编码预测器。
1.4 基本设计要求及设计思路
根据语音信号的产生模型，语音信号S(z)是一个线性非因果稳定系统V(Z)受到信号E(Z)激励所产生的输出。在时域中，语音s(n)信号是单位取样响应v(n)和激励信号e(n)的卷积。在语音信号数字处理所涉及的各个领域需要根据s(n)来求v(n)和e(n)。在实现各种语音编码、识别、合成等算法时需要用到卷积运算。解卷积算法因可减少计算代价，其研究也是十分重要的。
设计方法是为线性系统V(Z)建立一个线性模型，然后对模型参数按某种最佳准则进行估计，并采用最小均方准则(LMS)对全极点AR模型参数进行估计的LPC算法。考虑到语音信号只有在一个短时段中才可以认为是平稳的，因此对语音信号的线性预测编码的分析和其它语音信号分析相同，必须是一个短时分析。为了进行短时分析可以采取对一个长的语音序列s(n)用窗函数w(n)相乘，形成加窗语音s(n)。然后对s(n)进行LPC分析，只要限定窗的长度便可以保证分析的短时性。由此导出的方法称为自相关法。
第2章 线性预测编码的基本原理
LPC 是通过分析语音波形来产生声道激励和转移函数的参数，对声音波形的编码实际就转化为对这些参数的编码，这就使声音的数据量大大减少。在接收端使用LPC 分析得到的参数，通过语音合成器重构语音。合成器实际上是一个离散的随时间变化的时变线性滤波器，它代表人的语音生成系统模型。时变线性滤波器既当作预测器使用，又当作合成器使用。分析语音波形时，主要是当作预测器使用，合成语音时当作语音生成模型使用。随着语音波形的变化，周期性地使模型的参数和激励条件适合新的要求。
2.1 语音信号的数字模型
完整的语音信号的数字模型可表示为三个子模型：激励模型、声道模型和辐射模型的串联。
2.1.1 激励模型
发浊音时，由于声带不断的张开和关闭，将产生间歇的脉冲波。它类似于斜三角形的脉冲。这时的激励波是一个以音调周期为周期的斜三角脉冲串，单个三角波形的数学表达式如下。
????
???????????-??????-=02)(cos )cos(1)21()(211N N n N n n g ππ 其他2111
0N N n N N n +≤≤≤≤ （2.1.1） 式中，N1为斜三角波上升部分的时间，N2为其下降部分的时间。通常，更希望将它表示成Z 变换的全极模型的形式：
2
10)
1(1
)(---=
z e z G T
（2.1.2）
上式表示斜三角波形可描述为一个二极点的模型。因此，斜三角波串科士威加权了单位
脉冲串激励上述单个斜三角波模型的结果。而该单位脉冲串及幅值因子则可表示成下面的Z 变换形式：
1
1)(--=
z
A z E u
（2.1.3） 所以整个激励模型可表示为：
2
101)1(1
1)(-----
-=
z e z A z U T u （2.1.4）
2.1.2 辐射模型
从声道模型输入的是速度波()L u n ，而语音信号是声压波()L p n ，二者之倒比称为辐射阻抗L z 。它表征口唇的辐射效应，也包括圆形的头部的绕射效应等。当然，从理论上推导这个阻抗是有困难的。但是，如果认为口唇张开的面积远小于头部的表面积，则可近似地看成平板槽辐射的情况。此时，可推导出辐射阻抗的公式如下：
r
r r
r L L j R R L j z Ω+Ω=
Ω)( （2.1.5）
式中，2
9128π
=
r R ，c a
L r π38=，这里，a 是口唇张开时的半径，C 是声波传播速度。 由辐射引起的能量的损耗正比于辐射阻抗的实部，所以辐射模型是一阶类高通滤波器。由于除了冲击脉冲串模型E(Z)之外，斜三角波模型是二阶低通而辐射模型是一阶高通，所以，在实际信号分析时，常用所谓“预加重技术”。即：在取样之后，插入一个一阶的高通滤波器。
常用的预加重因子为???
???--1)0()1(1z R R ，这里，R(n)是信号s(n)的自相关函数。通常对于浊音，
R(1)/R(0)≈1；而对于清音，则该值可取得很小。
2.1.3 声道模型
语音的产生可以用N 级无损声管来模拟，其传输函数式（2.1.6）和（2.1.7）表示为
)
()1()1(5.0)(1
2
z D z
T z V N
m N m u =-
++=
? （2.1.6）
∑=--=N m m m z a z D 1
1)( （2.1.7）
声道系统可以用一组面积函数A(x)或一组反射系数rm 来表示。在一个音帧（10~20ms ）内，A(x)或r(m)近似不变，另外，如果有一数字系统，其系统函数表示为
∑=--=
N
m m
m z a G z V 11)( （2.1.8）
可以看出式（2.1.8）中G 取决于式（2.1.6）中的rG 与rm ，此处把固定延迟2
N
_
Z 省略了，
而分母形式相同。事实上，上述系统函数V(z)仅有极点而没有零点称为全极点模型。
因此，整个系统的系统函数为
H(z)=G(z)V(z)R(z) （2.1.9）
2.2 线性预测的概念与原理
2.2.1 线性预测分析的概念
一个语音取样的现在值，可以用若干个语音取样的过去值的加权线性组合来逼近，在线性组合中的加权系数就称为线性预测系数(LPC:Linear Predictive Coding)
线性预测的基本原理是建立在语音数字模型的基础上的，我们可以用准周期脉冲或随机噪声去激励一个线性时变系统，产生浊音语音或清音语音。为了估计这些线性时变系统的参数，线性预测法提供了一种可靠精确而有效地方法。
到目前为止，已经形成了许多不同的线性预测分析方法，这些方法在处理具体问题时所作的假设不同，因而形成了各自不同的算法，这些方法有：
（1） 自相关方法； （2） 协方差法； （3） 格型滤波器法； （4） 逆滤波器法； （5） 谱估值法； （6） 最大似然法； （7） 内积法；
LPC 分析方法一般采用个性滤波器来提取一组对量化敏感性较低的偏相关（PARCOR ）系数，这种个性滤波器是在自相关定义下得到的。近年来，随着自适应滤波技术的发展，得到了前置窗（Pro-Window ）和协方差等定义下的格型滤波器形式，利用这些方法能获得比自相关方法更精确地参数估计值。本文只对前三种基本方法进行讨论。因为其他方法都等效于前三种方法的一种。
LPC 分析为线性时不变因果稳定系统V(z)建立一个全极点模型，并利用均方误差准则，对已知的语音信号s(n)进行模型参数估计。
如果利用P 个取样值来进行预测，则称为P 阶线性预测。假设用过去P 个取样值
()()(){}
1,2,S n S n S n p ---的加权之和来预测信号当前取样值()S n ，则预测信号()S n
∧
为：
()()
1
p
k k S n a n k ∧==-∑ (2.2.1)
其中加权系数用k a 表示，称为预测系数，则预测误差为:
()()()()()
1
p
k k e n s n S n s n a n k ∧
==-=--∑ (2.2.2)
要使预测最佳，则要使短时平均预测误差最小有：
()2
min E e n ε??==?? (2.2.3)
()20,(1)
k
e n k p a ?????
=≤≤? (2.2.4)
令
()()(),,i k E s n i S n k φ=--????
(2.2.5)
最小的ε可表示成：
()()
min 10,00,p
k k a k εφφ==-∑ (2.2.6)
显然，误差越接近于零，线性预测的准确度在均方误差最小的意义上为最佳，由此可以计算出预测系数。
通过LPC 分析，由若干帧语音可以得到若干组LPC 参数，每组参数形成一个描绘该帧语音特征的矢量，即LPC 特征矢量。由LPC 特征矢量可以进一步得到很多种派生特征矢量，例如线性预测倒谱系数、线谱对特征、部分相关系数、对数面积比等等。不同的特征矢量具有不同的特点，它们在语音编码和识别领域有着不同的应用价值。
2.2.2 自相关法
在最佳线性预测中，若用下式定义的时间平均最小均方准则代替(2.1.3)式的集合平均最小均方准则，即令
()120
1min
N p n e n N
ε+-==
=∑
(2.2.7)
事实上就是短时自相关函数，因而
()()
,R i k i k φ-= (2.2.8)
()()(),R k E S n S n k =-????
(2.2.9)
根据平稳随机信号的自相关性质，可得
()(),,1,2
;0,1
i k R i k i p k p
φ=-== (2.2.10)
由(2.1.6)式，可得：
()()
min 10p
k k R a R k ε==-∑ (2.2.11)
综上所述，可以得到如下矩阵形式：
(2.2.12)
()
()
()()()()()()()011102120R R R P R R R P R P R P R -??
?
- ?
?
?
?
-- ? ??
?
()()()()123123n R a R a a R a R p ???? ?
? ? ? ?
?= ? ? ? ?
? ? ?????
值得注意的是，自相关法在计算预测误差时，数据段()()(){}
0,1,
1S S S n -的两端都需要加
P 个零取样值，因而可造成谱估计失真。特别是在短数据段的情况下，这一现实更为严重。另
外，当预测系数量化时，有可能造成实际系统的不稳定。
自相关解法主要有杜宾算法、格型算法和舒尔算法等几种高效递推算法。
2.2.3 协方差法
如果在最佳线性预测中，用下式定义的时间平均最小均方准则代替(2.1.3)式的集合平均最小均方准则，则可得到类似的方程：
()121
min
N n p
e n N
ε-==
=∑ (2.2.13)
可以看出，这里的数据段两端不需要添加零取样值。在理论上，协方差法计算出来的预测系数有可能造成预测误差滤波器的不稳定，但在实际上当每帧信号取样足够多时，其计算结果将与自相关法的结果很接近，因而稳定性一般是能够保证的 (当然这种方法也有量化效应可能引起不稳定的缺点)。
协方差解法的最大优点在于不存在自相关法中两端出现很大预测误差的情况，在N 和P 相差不大时，其参数估值比自相关法要精确的多。但是在语音信号处理时，往往取N 在200左右。此时，自相关法具有较大误差的段落在整个语音段中所占的比例很小，参数估值也是比较准确的。在这种情况下，协方差法误差较小的优点就不再突出，其缺乏高效递推算法的缺点成为了制约因素。所以，在语音信号处理中往往使用高效的自相关法。
2.2.4 全极点声道模型
将线性预测分析应用于语音信号处理，不仅是为了利用其预测功能，更因为它提供了一个非常好的声道模型。
将式(2.1.2)所示的方程看成是滤波器在语音信号激励下的输入输出方程，则该滤波器称为预测误差滤波器，其e(n)是输出误差。变换到z 域，P 阶预测误差滤波器的系统函数为
()1
1p
i i i H z a z
-==+∑ (2.2.14)
可以看出，如果将预测误差e(n)作为激励信号，使其通过预测误差滤波器的逆滤波器H(Z)，
即
()()
11
11p
i
i i H z A Z a z -==
=+∑ (2.2.15)
则H(Z)的输出为语音信号s(n)，也就是说，H(Z)在预测误差e(n)的激励下可以合成语音。因此，H(Z)被称为语音信号的全极点模型，也称为语音合成器。该模型的参数就是P 阶线性预
测的预测系数()1,2,...,i a i p =。
因为预测误差含有语音信号的基音信息，所以对于浊音，模型的激励信号源是以基音周期重复的单位脉冲；对于清音，激励信号源e(n)是自噪声。语音信号的全极点模型是一种很重要的声道模型，是许多应用和研究的基础。
2.3 解线性预测参数方程组的算法
在前面我们推得了线性预测参数方程组，自相关法如（2.2.10）和（2.2.12）式所示，协方差法如（2.3.1）及（2.3.2）式所示。解线性预测参数方程组的算法有许多种，虽然都能从P 个方程中解出P 个未知数，但是各种算法的效率是不同的，利用方程组的系数矩阵的对称性可以使运算效率提高。
2.3.1 利用乔里斯基分解计算协方差法的方程组
协方差法的线性预测方程组如（2.3.1）式所示
1
(,)(,0),(1,2,...,)
p
j n
n
j a i j i i p φφ===∑ （2.3.1）
或用矩阵形式表示为
ψφa= （2.3.2）
式中φ是正定对称矩阵，它的第（i,j ）项元素为φ(i,j)，而a 和ψ是列矩阵，其元素分别是a i 和φ(i,0)。因为φ是一个对称正定矩阵，因此可以利用乔里斯基分解算法。按次算法，矩阵φ可分解成如下形式：
φ=VDVT （2.3.3）
式中，V 是一个下三角矩阵，其主对角元素为1，D 是一个对角矩阵。上标T 表示矩阵转置。只要令(2.3.3)式两边的对应元素相等，就可以从(2.3.2)式中解出矩阵V 和D 的元素。即
1
(,),(11)
j
n ik k jk k i j V d V j i φ==≤≤-∑ （2.3.4）
由于对角元素V ij =1，故（2.3.4）式可表示为
1
1
(,)(,),(11)
j n j n ik k jk k i j d i j V d V j i φφ-==-≤≤-∑ （2.3.5）
而对于对角元素，利用（2.3.5）式可以得到
1
(,)i
n ik k ik
k i i V d V φ==∑ （2.3.6）
由于对角元素V ij =1，故（2.3.6）式可以写成
1
1(,),(2)i i n i k k k d i i V d i φ-==-≥
∑ （2.3.7）
同时
1(1,1)n d φ= （2.3.8）
综上可得其矩阵形式：
（2.3.9）
矩阵φ分解为V 和D 完成后，就可以求解a 了。利用（2.3.2）和（2.3.3）式，可以写出
VDV T a=ψ （2.3.10）
令
DV T a=Y ， （2.3.11）
则
VY=ψ （2.3.12）
由（2.3.8）式，可以写出
V T a=D -1Y ， （2.3.13）
利用（2.3.9）式可以得到求解矢量Y 的递归关系式，如下式所示：
1
1
,(2)
i i i ij j j Y V Y p i ψ-==-≥≥∑ （2.3.14）
初始条件为
11Y ψ= （2.3.15）
利用（2.3.10）式可以推得求解a 的递推关系式为
1
/,(11)
n
i i i ij
j
j i a Y d V a i p =+=-
≤≤-∑ （2.3.16）
初始条件为
/p p p
a Y d = （2.3.17）
应当指出，（2.3.13）式的递推过程是从i=p-1到i=1 。
至此，协方差法的求解过程结束。利用乔旦斯基分解算法可以将最小预测误差表示成简单形式、协方差法可以将预测误差表示为
1(0,0)(0,)
p
n n i n i E a i φφ==-∑ （2.3.18）
或利用矩阵形式表示为
(0,0)T n n E a φψ=- （2.3.19）
???????
?????????ΦΦΦΦ=????????????????????????????????ΦΦΦΦΦΦΦΦΦΦΦΦΦΦΦΦ M M
L M M M M M L L L p a a a a p p p p p p p p p
根据(2.3.13)式，VTa=D-1Y ，可得
11T T a Y D V ψ--=， （2.3.20） 将(2.3.20)式代入到(2.3.19)式，即可写出
11(0,0)T n n E Y D V φψ--=- （2.3.21） 由(2.3.12)式，VY=ψ，可得
1V Y ψ-= （2.3.22） 将(2.3.22)式代入到(2.3.21)式，可以写出
1(0,0)T n n E Y D Y φ-=- （2.3.23） 最后可得
21(0,0)/p
n n i i
i E Y d φ==-∑ （2.3.24）
上式表示，根据列矢量Y 和矩阵D 可以求得均方预测误差n E ，并可求得n E 随p 的变化情况，从而决定p 的选择。
2.3.2 利用杜宾递推算法计算自相关法的方程组
如2.2节所述，对于自相关法，主要是解（2.3.25）式，求得预测器系数i a 。
1
()(),(1)
p
i n
n
l a R i l R i i p =-=≤≤∑ (2.3.25)
上述方程的系数矩阵如(2.1.12)式所示，是一个托伯利兹矩阵．解上述方程有许多算法，如列文逊（Levinson ）算法，罗宾逊(Robi-nson)算法等，然而比较有效的方法是杜宾（Durbin ）递推算法．下面列出这个算法的主要公式：
(0)(0),E R = （2.3.26）
1(1)
(1)1()()/,(1)
i i i i n j j k R i a R i j E i p ---=??=--≤≤????∑ （2.3.27）
()i j i
a k = （2.3.28）
()(1)(1)
,(11
)i i i j j i i j a a k a j i ---=-≤≤- （2.3.29）
()21(1)i i i E k E -=- （2.3.30）
由（2.3.26）式至（2.3.30）式，可以对i ＝1，2，···，P 进行递推求解，而最终解为
(),(1)
p j j a a j p =≤≤ （2.3.31）
在上面的表达式中，上述括号内的值表示预测器阶数，即()i j a 表示i 阶预测器的第j 个预测系数。应当指出，对于一个p 阶预测器，在上述求解预测器系数的过程中，阶数低于p 的各阶预测器系数也得到了。
应当指出，（2.3.30）式得到的()
i E 是i 阶预测器的预测误差。计算过程中可以通过(2.3.30)式求得对应阶数为i 的预测器的预测误差．如果自相关系数用一组归一化自相关系数r(k)＝R(k)/R(0)来表示，短阵方程的解不变。此时，预测误差()
i E 将变成归一化预测误差，用()
i V 表
示i 阶预测器归一化预测误差，则表示为
()
()
(0)i i E V
R =
（2.3.32）
如果假定
()()/(0)r k R k R = （2.3.33）
则
()
()
()11(),(01;0)
i
i k i k k V
a r k V i ==-<≤≥∑ （2.3.34）
式中
(11)i k -≤≤ （2.3.35）
(2.3.35)式表明，i k 的取恒范围在土l 范围内。可以证明，它是多项式A(z)的根在单位圆内的充要条件。由此可以保证系统H(z)的稳定性。
2.3.3 利用格型法求解线性预测系数
从前面讨论的方法来看，不论是自相关法还是协方差法，都是分为两步： ①计算语音相关值的矩阵；
②解一组线性方程求出预测系数i a 。
但是，在语音相关值的计算中，特别是在语音段的端点处，由于作了与实际情况不同的假设，因而相关值计算误差较大，影响到线性预测系数汁算结果的准确性。所以，导致了另一类算法的发展，这就是格型法。七十年代初，日本学者板仓（Itakura ）在美国从事研究时，在分析自相关法的基础上，引入了“正向预测”和“反向预测”的概念，阐述了参数i k 的物理意义，首先提出了逆滤波器A(z)的格型结构形式。由下面的讨论可知，这种格型法不需要用窗口函数对信号进行加权，同时又保认解的稳定性，因而较好地解决了精度和稳定性之间的矛盾。特别是．由于引入了正向预测和反向预测的概念，使均方误差最小逼近难则的运用增加了很大的灵活性，派生出了一系列基于格型结构的新的线性预测算法。
在Levinson-Durbin 递推算法中，如果计算出第i 阶的线性预测系数为(()i j a ，j ＝l ，2，…，i)，利用这些系数可以计算第i 阶逆滤波器（或称为预测误差滤波器）的系统函数为
()
()1
1
()1i
i i j j A z a z -==-∑ （2.3.36）
这个滤波器的输人信号是s(n)，输出信号为预测误差()()i e n ，它们之间的关系为
()
()1
()()()
i
i i j j e n s n a s n j ==--∑ （2.3.37）
经过推导，可知第i 阶线性预测逆滤波器输出可分解为两个部分，第一部分足(i —1)阶滤波器的输出()()i e n ；第二部分是与(i —1)阶有关的输出信号(1)()i b n -，经过单位移序和i k 加权后的信号。下面讨论这两部分信号的物理意义。将这两部分信号定义为正向预测误差信号()()i e n 和反向预测误差信号()()i b n
()
()1
()()()
i
i i j j e n s n a s n j ==--∑ （2.3.38）
()
()1
()()()
i
i i j j b n s n i a s n i j ==---+∑ （2.3.39）
式（2.3.38）中的()()i e n 即是通常的线性预测误差，它是用i 个过去的样本值：s(n —1)、s(n —2)、...、s(n-i)来预测s(n)时的误差；而式（2.3.39）中的()()i b n 可看成是用时间上延迟时刻的样本值s(n-i+1)，s(n-i+2)，…，s(n)预测s(n-i)样本的误差，所以整个误差称为反向预测误差。这个预测过程称为反向预测过程。在建立了正向预测和反向预测的概念后．就可以推出线性预测分析用的格型滤波器结构。
根据式（2.3.38）和（2.3.39），当i=0时，有
(0)(0)()()()e n b n s n == （2.3.40）
而i=p 时
()()()p e n e n = （2.3.41）
这里()e n 是P 价线性预测逆滤波器所输出的预测误差信号，如果改用符号()
()i f n 表示正向预测误差
()
()p e n ，则可写成如下递推形式 ()
(1)
(1)
21
()(1)(1)
(0)(0)()()(1)()()(1)()()()()n
i i i i i i i i i i f
n f
n k b
n X X b n b n k f n f n b n s n --=--?
=---?
??=--?
?
==?
??∑ （2.3.42）
)
(1n f )
(2n f 1n -)
(n
这个滤波器输入为s(n)，输出为正向预测误差()
()p f n ，亦即预测误差e(n)。另一方面，
在图6—2所示语音信号模型化的框图中，模型即合成波器的H （z ）亦可采用格型结构。如果将模型中的增益因子G 考虑到输入信号中，则该滤波器输入是Gu(n)，输出是合成的语音s(n)。通过线性预测分析求得的A （z ）是H （z ）的逆滤波器，Gu(n)则由e(n)来逼近，因此合成滤波器H(z)的结构形式应该满足输入e(n)时输出语音信号s(n)。将式(2.3.42)进行整理，可得
(1)()(1)()(1)(1)()()(1)()(1)()i i i i i i i i f n f n k b n b n b n k f n ----?=+-?
?
=--?? （2.3.43）
)
)(n u
反射系数是语音处理中至关重要的参数，它的计算是一个重要问题。在自相关法和协方差法中，用预测误差最小为条件求出线性预测系数。格型法的特点之一是能够在格型的每一级进行合适的本级反射系数计算。
显然，格型法的结构与前面讨论的自相关法和协方差法的结构之间存在若干差异。格型滤波器的优点为：
①反射系数可被直接用于计算预测系数，格型滤波器的级数等于预测系数的个数。 ②格型滤波器的稳定性可由其反射系数的值来判定。可以证明，格型滤波器稳定的充要条件是：
i
k <1。
下面，我们进行格型法的求解 式（2.3.38）的Z 变换可以表示为
()()()()()i i E z A z S z = （2.3.44）
将（2.3.29）式
()(1)(1)
,(
11)i i i j j i i j a a k a j i ---=-≤≤-代入到（2.3.36）式，可以从
(1)
()i A z -递推求解()()i A z ，将式()(1)(1)1()()()i i i i i A z A z k z A z ----=-代人到（2.3.44）式可得
()(1)(1)1()()()()()i i i i i E z A z S z k z A z S z ----=- （2.3.45）
取（2.3.39）式的Z 变换得
()()1()()()i i i B z z A z S z --= （2.3.46）
利用（2.3.46）式球得（2.3.45）式的Z 反变换形式为
()(1)(1)()()(1)i i i i e n e n k b n --=-- （2.3.47）
同理可推得
()(1)(1)()(1)()i i i i b n b n k e n --=-- （2.3.48）
伯格（Burg ）提出了一种算法，它是基于使正反向预测误差的平方和()
i E ∧
为最小，()
i E ∧可以表示为
1
()
()2()2
0(())(())N i i i n E
e n b n ∧
-=??=+??∑ （2.3.49） 将（2.3.47）式和（2.3.48）式代入（2.3.49）式，可得
1
()
(1)(1)2(1)(1)2
0(()(1))((1)())N i i i i i i i n E
e n k b n b n k e n ∧-----=??=--+--??∑ （2.3.50） 令
()
0i i
E
k ∧
?=? （2.3.51）
可求出i k 为
1
(1)(1)
()0
1
1
2
2
(1)(1)
2()(1)()(1)N i i i n i i N N i i n n e n b n k a e n b n ---=----==??-??=
=????+-????∑∑∑ （2.3.52）
上式说明，i k 将正向与反向预测误差联系起来了，它表示正向与反向预测误差的相关度，故称参数i k 为部分相关系数（PARCOR 系数）。i k 的取值范围为
11i k -≤≤ （2.3.53）
格型算法的步骤可以归纳如下：
（1） 确定初始值：
(0)(0)
()()()e n b n s n == （2） 由（2.3.52）式可以求得
1
(0)(0)
(1)0
111
1
2
2
(0)
(0)
2()(1)()(1)N n N N n n e n b n k a e
n b n -=--==??-??==
????+-????
∑∑∑
（3） 由（2.3.47）式和（2.3.48）式计算正向和反向预测误差：
()(1)(1)()()(1)i i i i e n e n k b n --=-- ()(1)(1)()(1)()i i i i b n b n k e n --=--
（4） 设i=2。
（5） 由（2.3.52）式求k i
1
(1)(1)
()
1
1
2
2
(1)(1)0
2()(1)()(1)N i i i n i i N N i i n n e n b n k a e n b n ---=----==??-??=
=????+-????∑∑∑
（6） 由（2.3.29）式决定()i j a ,（j=1,2，…，i-1），
()(1)(1),(11
)i i i j j i i j a a k a j i ---=-≤≤-
（7） 同（3）。
（8） 设i=i+1。
（9） 若i ≤p ，重复（5）（6）（7），否则（10）。 （10）结束。
由于格型算法不需要计算自相关函数，可以直接从语音取样中求得预测系数，因而避免了语音端点处具有比较大的相关函数误差的缺点。此外，格型算法能保证产生一个稳定的滤波器，不要求窗选。上述的这些特性，格型法对于构成线性预测分析系统已成为一种重要的极有生命力的方法。
2.4 各种算法的比较
前面我们已经讨论了线性预测方程组的协方差算法，自相关算法和格型算法。在这一节中，我们将对这些算法在计算效率与存储要求，以及解的稳定性、选择极点个数和分析段长度等方面进行比较。
首先，在存储量方面，若1N 是协方差法分析取样点的数目，则协方差法要求的存储量为1
N 个数据和数量级为正比于2/2p 的相关矩阵元素储存位置。若2N 是自相关法分析取样点的点数，则自相关法需要2N 个位置来存储数据和窗函数，需要数量级正比于p 的位置来存储自相关矩阵元素。若N3为格型法分析取样点的点数，则格型法需要3 3N 个位置来存储数据和正反向预测误差。综上所述，协方差法和自相关法所需的存储量比格型法少。
在运算量方面，对于协方差法，相关矩阵的计算需要的乘法次数正比于1N P ，而用乔里斯基方法解矩阵方程需要的乘法次数正比于3p 。对于自相关法，自相关矩阵的计算需要的乘法次数正比于2N p ，而矩阵方程的解需要的乘法次数正比于2p 。因此，如果1N 和2N 近似相等，且1N ≥P ，2N ≥P ，则自相关方法所要求的运算量略少于协方差法。由于计算相关函数的运其量大大超过解矩阵方程的乘法次数。因比，自相关法的运算次数和协方差法是非常接近的。对于格型法，计算部分相关系数需要5 3N p 次乘法。因而格型法的运算量较大。表2.1列出了解线性预测方程的各种解法在存储量和运算量方面的比较。
表2.1 LPC 各种解法的比较
在解的稳定性方面，也就是所得到的系统
()()G
H z A z =
（2.4.1）
是否稳定，若()H z 的所有极点位于单位圆内，则系统稳定，亦即要求
1
1
()1p
j j A z a z -==-∑ （2.4.2）
的所有零点位于单位圆内。对于自相关法，A(s)的所有根位于单位圆内，因而其解是稳定的。但是应当指出，如果计算自相关函数的精度不够，那么解的稳定性就不能保证。实验结果表明，如果对语音进行预加重，使其谱尽可能平滑，则可以使不稳定性尽可能避免。杜宾算法中利用下式作为检验稳定性的方法，即部分相关系数i k 满足
11i k -≤≤ （2.4.3）
满足上述条件就满足了解的稳定的充要条件。对于协方差法，测器解的稳定性是不能保证的。然而，当每个分析帧的取样点数足够大，协方差法和自相关法所得的结果相同，则协
目录 摘要 (2) 第一章绪论 (3) 1.1 语音课设的意义 (3) 1.2 语音课设的目的与要求 (3) 1.3 语音课设的基本步骤 (3) 第二章设计方案论证 (5) 2.1 设计理论依据 (5) 2.1.1 采样定理 (5) 2.1.2 采样频率 (5) 2.1.3 采样位数与采样频率 (5) 2.2 语音信号的分析及处理方法 (6) 2.2.1 语音的录入与打开 (6) 2.2.2 时域信号的FFT分析 (6) 2.2.3 数字滤波器设计原理 (7) 2.2.4 数字滤波器的设计步骤 (7) 2.2.5 IIR滤波器与FIR滤波器的性能比较 (7) 第三章图形用户界面设计 (8) 3.1 图形用户界面概念 (8) 3.2 图形用户界面设计 (8) 3.3 图形用户界面模块调试 (9) 3.3.1 语音信号的读入与打开 (9) 3.3.2 语音信号的定点分析 (9) 3.3.3 N阶高通滤波器 (11) 3.3.4 N阶低通滤波器 (12) 3.3.5 2N阶带通滤波器 (13) 3.3.6 2N阶带阻滤波器 (14) 3.4 图形用户界面制作 (15) 第四章总结 (18) 附录 (19) 参考文献 (24)
摘要 数字信号处理是将信号以数字方式表示并处理的理论和技术。数字信号处理与模拟信号处理是信号处理的子集。 数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。 数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP）和专用集成电路（ASIC）等。数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。 数字信号处理的核心算法是离散傅立叶变换(DFT)，是DFT使信号在数字域和频域都实现了离散化，从而可以用通用计算机处理离散信号。而使数字信号处理从理论走向实用的是快速傅立叶变换(FFT)，FFT的出现大大减少了DFT的运算量，使实时的数字信号处理成为可能、极大促进了该学科的发展。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple 并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。
文档从互联网中收集，已重新修正排版，word格式支持编辑，如有帮助欢迎下载支持。 目录 第1章前言 ................................................................................................... 错误!未定义书签。第2章语音信号分析处理的目的和要求 ................................................... 错误!未定义书签。 2.1MATLAB软件功能简介................................................................. 错误!未定义书签。 2.2课程设计意义 .................................................................................. 错误!未定义书签。第3章语音信号的仿真原理..................................................................... 错误!未定义书签。第4章语音信号的具体实现..................................................................... 错误!未定义书签。 4.1语音信号的采集................................................................................ 错误!未定义书签。 4.2语音信号加噪与频谱分析................................................................ 错误!未定义书签。 4.3设计巴特沃斯低通滤波器................................................................ 错误!未定义书签。 4.4用滤波器对加噪语音滤波................................................................ 错误!未定义书签。 4.5比较滤波前后语音信号波形及频谱................................................ 错误!未定义书签。第5章总结................................................................................................... 错误!未定义书签。参考文献......................................................................................................... 错误!未定义书签。附录................................................................................................................. 错误!未定义书签。
应用Matlab对含噪声的语音信号进行频谱分析及滤波 一、实验内容 录制一段个人自己的语音信号，并对录制的信号进行采样；画出采样后语音信号的时域波形和频谱图；在语音信号中增加正弦噪声信号(自己设置几个频率的正弦信号)，对加入噪声信号后的语音信号进行频谱分析；给定滤波器的性能指标，采用窗函数法和双线性变换设计数字滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对采集的信号进行滤波，画出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比试听，分析信号的变化。 二、实现步骤 1．语音信号的采集 利用Windows下的录音机，录制一段自己的话音，时间在1 s内。然后在Matlab软件平台下，利用函数wavread对语音信号进行采样，（可用默认的采样频率或者自己设定采样频率）。 2．语音信号的频谱分析 要求首先画出语音信号的时域波形；然后对语音号进行快速傅里叶变换，得到信号的频谱特性。 在采集得到的语音信号中加入正弦噪声信号，然后对加入噪声信号后的语音号进行快速傅里叶变换，得到信号的频谱特性。并利用sound试听前后语音信号的不同。
分别设计IIR和FIR滤波器，对加入噪声信号的语音信号进行去噪，画出并分析去噪后的语音信号的频谱，并进行前后试听对比。 3.数字滤波器设计 给出数字低通滤波器性能指标:如，通带截止频率fp＝10000 Hz，阻带截止频率fs＝12000 Hz（可根据自己所加入噪声信号的频率进行阻带截止频率设置），阻带最小衰减Rs＝50 dB，通带最大衰减Rp＝3 dB（也可自己设置），采样频率根据自己语音信号采样频率设定。
报告内容 一、实验原理 含噪声语音信号通过低通滤波器，高频的噪声信号会被过滤掉，得到清晰的无噪声语音信号。 二、实验内容 录制一段个人自己的语音信号，并对录制的信号进行采样；画出采样后语音信号的时域波形和频谱图；在语音信号中增加正弦噪声信号(自己设置几个频率的正弦信号)，对加入噪声信号后的语音信号进行频谱分析；给定滤波器的性能指标，采用窗函数法和双线性变换设计数字滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对采集的信号进行滤波，画出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比试听，分析信号的变化。给出数字低通滤波器性能指标:如，通带截止频率fp＝10000 Hz，阻带截止频率fs＝12000 Hz （可根据自己所加入噪声信号的频率进行阻带截止频率设置），阻带最小衰减Rs＝50 dB，通带最大衰减Rp＝3 dB（也可自己设置），采样频率根据自己语音信号采样频率设定。 三、实验程序 1、原始信号采集和分析 clc;clear;close all; fs=10000; %语音信号采样频率为10000 x1=wavread('C:\Users\acer\Desktop\voice.wav'); %读取语音信号的数据，赋给x1 sound(x1,40000); %播放语音信号 y1=fft(x1,10240); %对信号做1024点FFT变换 f=fs*(0:1999)/1024; figure(1); plot(x1) %做原始语音信号的时域图形 title('原始语音信号'); xlabel('time n'); ylabel('fuzhi n'); figure(2); plot(f,abs(y1(1:2000))); %做原始语音信号的频谱图形 title('原始语音信号频谱') xlabel('Hz'); ylabel('fuzhi');
数字信号处理实验二：语音信号分析与处理 学号 姓名 注：1）此次实验作为《数字信号处理》课程实验成绩的重要依据，请同学们认真、独立完成，不得抄袭。 2）请在授课教师规定的时间内完成； 3）完成作业后，请以word 格式保存，文件名为：学号+姓名 4）请通读全文，依据第2及第3 两部分内容，认真填写第4部分所需的实验数据，并给出程序内容。 1. 实验目的 (1) 学会MATLAB 的使用，掌握MATLAB 的程序设计方法 (2) 掌握在windows 环境下语音信号采集的方法 (3) 掌握MATLAB 设计FIR 和IIR 滤波器的方法及应用 (4) 学会用MATLAB 对语音信号的分析与处理方法 2. 实验内容 录制一段自己的语音信号，对录制的语音信号进行采样，画出采样后语音信号的时域波形和频谱图，确定语音信号的频带范围；使用MATLAB 产生白噪声信号模拟语音信号在处理过程中的加性噪声并与语音信号进行叠加，画出受污染语音信号的时域波形和频谱图；采用双线性法设计出IIR 滤波器和窗函数法设计出FIR 滤波器，画出滤波器的频响特性图；用自己设计的这两种滤波器分别对受污染的语音信号进行滤波，画出滤波后语音信号的时域波形和频谱图；对滤波前后的语音信号进行时域波形和频谱图的对比，分析信号的变化；回放语音信号，感觉与原始语音的不同。 3. 实验步骤 1）语音信号的采集与回放 利用windows 下的录音机或其他软件录制一段自己的语音（规定：语音内容为自己的名字，以wav 格式保存，如wql.wav ），时间控制在2秒之内，利用MATLAB 提供的函数wavread 对语音信号进行采样，提供sound 函数对语音信号进行回放。 [y,fs,nbits]=wavread(file), 采样值放在向量y 中，fs 表示采样频率nbits 表示采样位数。Wavread 的更多用法请使用help 命令自行查询。 2）语音信号的频谱分析 利用fft 函数对信号进行频谱分析 3）受白噪声干扰的语音信号的产生与频谱分析 ①白噪声的产生： N1=sqrt （方差值）×randn(语音数据长度，2)（其中2表示2列，是由于双声道的原因） 然后根据语音信号的频谱范围让白噪声信号通过一个带通滤波器得到一个带限的白噪声信号 N2； 带通滤波器的冲激响应为： h B （n ）= ))((sin ))((sin 1122απ ωπωαπωπω---n c n c c c c c
系（院）物理与电子工程学院专业电子信息工程题目语音信号的处理与分析 学生姓名 指导教师 班级 学号 完成日期：2013 年5 月 目录 1 绪论.............................................................................................................. 错误!未定义书签。 1.1课题背景及意义................................................................................. 错误!未定义书签。 1.2国内外研究现状................................................................................. 错误!未定义书签。 1.3本课题的研究内容和方法................................................................. 错误!未定义书签。 1.3.1 研究内容................................................................................ 错误!未定义书签。 1.3.2 开发环境................................................................................ 错误!未定义书签。 2 语音信号处理的总体方案............................................................................ 错误!未定义书签。 2.1 系统基本概述.................................................................................... 错误!未定义书签。 2.2 系统基本要求与目的........................................................................ 错误!未定义书签。 2.3 系统框架及实现................................................................................ 错误!未定义书签。 2.3.1 语音信号的采样.................................................................... 错误!未定义书签。 2.3.2 语音信号的频谱分析............................................................ 错误!未定义书签。 2.3.3 音乐信号的抽取.................................................................... 错误!未定义书签。 2.3.4 音乐信号的AM调制.............................................................. 错误!未定义书签。 2.3.5 AM调制音乐信号的同步解调............................................... 错误!未定义书签。 2.4系统设计流程图................................................................................. 错误!未定义书签。 3 语音信号处理基本知识................................................................................ 错误!未定义书签。 3.1语音的录入与打开............................................................................. 错误!未定义书签。 3.2采样位数和采样频率......................................................................... 错误!未定义书签。 3.3时域信号的FFT分析......................................................................... 错误!未定义书签。 3.4切比雪夫滤波器................................................................................. 错误!未定义书签。 3.5数字滤波器设计原理......................................................................... 错误!未定义书签。 4 语音信号实例处理设计................................................................................ 错误!未定义书签。 4.1语音信号的采集................................................................................. 错误!未定义书签。
基于MATLAB 的语音信号分析和处理 【摘要】: 本文通过用三星手机系统自带录音机采集了一段语音，wav格式转换后再Matlab平台上对其进行了时域分析，频谱分析,分析语音信号的特性。利用函数对采样频率进行控制，比较其波形。通过对两段铃声（分别为男声、女声）进行分析初步找出男声女声的特点和区别。应用Matlab平台对录制的语音信号加入噪声，对比加噪前后的语音信号的时域和频域特性，回放加噪语音信号。 【关键词】: 语音信号；频域特性; 时域特性; 滤波器
目录 一、背景介绍 1.1 语音信号的概述 1.2 语音信号处理工具的选择 二、语音信号的录制采集和分析 2.1 语音信号的采集 2.2 语音信号的读入与打开 2.3 取不同采样频率得出的波形比较 三、对男声、女声语音信号特点的分析 3.1女声（vfemale.wav）男声(vmale.wav)的时域分析
3.2女声（vfemale.wav）男声(vmale.wav)的频域分析 四、加噪声与滤波处理分析 4.1 高斯白噪声（SNR=30） 4.2 单频正弦噪声 五、心得与体会 一、背景介绍 1.1语音信号的概述 语言是人类创造的，是人类区别于其他地球生命的本质特征之一。人类用语言交流的过程可以看成是一个复杂的通信过程，为了获取便于分析和处理的语音信源，必须将在空气中传播的声波转变为包含语音信息并且记载着声波物理性质的模拟（或数字）电信号，即语音信号，因此语音信号就成为语音的表现形式或载体。 1.2语音信号处理工具的选择 语音信号的进一步处理分析工作选用了Matlab平台。Matlab是一种科学计算软件，专门以矩阵的形式处理数据。Matlab将高性能的数值计算和可视化集成在一起，并提供了大量的内置函数，不断完善Matlab产品以提高产品自身的竞争能力Matlab的数据分析和处理功能十分强大，运用它来
语音信号处理试验 实验一：语音信号时域分析 实验目的： (1)录制两段语音信号，内容是“语音信号处理”，分男女声。 (2)对语音信号进行采样，观察采样后语音信号的时域波形。 实验步骤： 1、使用window自带录音工具录制声音片段 使用windows自带录音机录制语音文件，进行数字信号的采集。启动录音机。录制一段录音，录音停止后，文件存储器的后缀默认为.Wav。将录制好文件保存，记录保存路径。男生女生各录一段保存为test1.wav和test2.wav。 图1基于PC机语音信号采集过程。 2、读取语音信号 在MATLAB软件平台下，利用wavread函数对语音信号进行采样，记住采样频率和采样点数。通过使用wavread函数，理解采样、采样频率、采样位数等概念！ Wavread函数调用格式： y=wavread（file），读取file所规定的wav文件，返回采样值放在向量y中。
[y，fs，nbits]=wavread（file），采样值放在向量y中，fs表示采样频率（hz），nbits表示采样位数。 y=wavread（file，N），读取前N点的采样值放在向量y中。 y=wavread（file，[N1，N2]）,读取从N1到N2点的采样值放在向量y中。 3、编程获取语音信号的抽样频率和采样位数。 语音信号为test1.wav和test2.wav，内容为“语音信号处理”，两端语音保存到工作空间work文件夹下。在M文件中分别输入以下程序，可以分两次输入便于观察。 [y1,fs1,nbits1]=wavread('test1.wav') [y2,fs2,nbits2]=wavread('test2.wav') 结果如下图所示 根据结果可知：两端语音信号的采样频率为44100HZ，采样位数为16。 4、语音信号的时域分析 语音信号的时域分析就是分析和提取语音信号的时域参数。进行语音分析时，最先接触到并且夜市最直观的是它的时域波形。语音信
一、设计目的 1.进一步巩固数字信号处理的基本概念、理论、分析方法和实现方法；使自身对信号的采集、处理、传输、显示和存储等有一个系统的掌握和理解； 2.增强应用Matlab语言编写数字信号处理的应用程序及分析、解决实际问题的能力； 3．培养自我学习的能力和对相关课程的兴趣； 二、设计过程 1、语音信号的采集 采样频率，也称为采样速度或者采样率，定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。 采样位数可以理解为声卡处理声音的解析度。这个数值越大，解析度就越高，录制和回放的声音就越真实 采样定理又称奈奎斯特定理，在进行模拟/数字信号的转换过程中，当采样频率fs不小于信号中最高频率fm的2倍时，采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的5～10倍。 利用Windows下的录音机，录制了一段发出的声音，内容是“数字信号”，时间在3 s内。接着在D盘保存为WAV格式，然后在Matlab软件平台下．利用函数wavread对语音信号进行采样，并记录下了采样频率和采样点数，在这里我们还通过函数sound引入听到采样后自己所录的一段声音。 [x1,fs,bits]=wavread('E:\数字信号.wav'); %读取语音信号的数据，赋给变量x1，返回频率fs 44100Hz，比特率为16 。 2 、语音信号的频谱分析 （1）首先画出语音信号的时域波形； 程序段： x=x1(60001:1:120000); %截取原始信号60000个采样点
plot(x) %做截取原始信号的时域图形 title('原始语音采样后时域信号'); xlabel('时间轴 n'); ylabel('幅值 A'); （2）然后用函数fft 对语音号进行快速傅里叶变换，得到信号的频谱特性； y1=fft(x,6000); %对信号做N=6000点FFT 变换 figure(2) subplot(2,1,1),plot(k,abs(y1)); title('|X(k)|'); ylabel('幅度谱'); subplot(2,1,2),plot(k,angle(y1)); title('arg|X(k)|'); ylabel('相位谱'); （3）产生高斯白噪声，并且对噪声进行一定的衰减，然后把噪声加到信号中，再次对信号进行频谱特性分析，从而加深对频谱特性的理解； d=randn(1,60000); %产生高斯白噪声 d=d/100; %对噪声进行衰减 x2=x+d; %加入高斯白噪声 3、设计数字滤波器 (1)IIR 低通滤波器性能指标通带截止频Hz f c 1000=，阻带截止频率 Hz f st 1200=，通带最大衰减dB 11=δ，阻带最小衰减dB 1002=δ。 (2)FIR 低通滤波器性能指标通带截止频率Hz f c 1000=，阻带截止频率 Hz f st 1200=， 通带衰减1δ≤1dB ，阻带衰减 2δ≥ 100dB 。 （3）IIR 高通滤波器的设计指标，Hz f z 1000=，Hz f p 2000=，阻带最小衰减dB A s 30=，通带最大衰减dB A P 1=。 （4）（4）FIR 高通滤波器的设计指标，Hz f z 1000=，Hz f p 2000=，阻带最小衰减dB A s 50=，通带最大衰减dB A P 1=。 （5）用自己设计的各滤波器分别对采集的信号进行滤波，在Matlab 中，FIR 滤波器利用函数fftfilt 对信号进行滤波，IIR 滤波器利用函数filter 对信号进行滤波。比较滤波前后语音信号的波形及频谱，在一个窗口同时画出滤波前后
摘要 (2) 1 设计目的与要求 (3) 2 设计步骤 (4) 3 设计原理及内容 (5) 3.1 理论依据 (5) 3.2 信号采集 (6) 3.3 构造受干扰信号并对其FFT频谱分析 (8) 3.4 数字滤波器设计 (9) 3.5 信号处理 (10) 总结 (12) 致谢 (13) 参考文献 (14)
用MATLAB对语音信号进行分析与处理，采集语音信号后，在MATLAB软件平台进行频谱分析;并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器滤除噪声，恢复原信号。 数字滤波器是数字信号处理的基础，用来对信号进行过滤、检测和参数估计等处理。IIR数字滤波器最大的优点是给定一组指标时，它的阶数要比相同组的FIR滤波器的低的多。信号处理中和频谱分析最为密切的理论基础是傅立叶变换（FT）。离散傅立叶变换（DFT）和数字滤波是数字信号处理的最基本内容。 关键词：MATLAB;语音信号；加入噪声；滤波器；滤波
1. 设计目的与要求 （1）待处理的语音信号是一个在20Hz~20kHz频段的低频信号 （2）要求MATLAB对语音信号进行分析和处理，采集语音信号后，在MATLAB平台进行频谱分析；并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器进行滤除噪声，恢复原信号。
2. 设计步骤 （1）选择一个语音信号或者自己录制一段语音文件作为分析对象； （2）对语音信号进行采样，并对语音信号进行FFT频谱分析，画出信号的时域波形图和频谱图； （3）利用MATLAB自带的随机函数产生噪声加入到语音信号中，对语音信号进行回放，对其进行FFT频谱分析； （4）设计合适滤波器，对带有噪声的语音信号进行滤波，画出滤波前后的时域波形图和频谱图，比较加噪前后的语音信号，分析发生的变化； （5）对语音信号进行回放，感觉声音变化。
语音信号特征的提取 摘要 随着计算机技术的发展，语音交互已经成为人机交互的必要手段,语音特征参数的精确度直接影响着语音合成的音质和语音识别的准确率。因此语音信号参数提取是语音信号处理研究中一项非常有意义的工作。 本文采用Matlab软件提取语音信号特征参数，首先对语音信号进行数字化处理，其次，进行预处理，包括预加重、加窗和分帧，本文讨论了预处理中各种参数的选择，以使信号特征提取更加准确。第三，讨论了各种时域特征参数的算法，包括短时能量、短时过零率等。 关键词：语音信号, 特征参数, 提取, Matlab 目录 第一章绪论 1.1语音信号特征提取概况 1.1.1研究意义 语音处理技术广泛应用于语音通信系统、声控电话交换、数据查询、计算机控制、工业控制等领域，带有语音功能的计算机也将很快成为大众化产品，语音将可能取代键盘和鼠标成为计算机的主要输入手段，为用户界面带来一次飞跃。 语音信号特征的提取是语音信号处理的前提和基础，只有分析出可表示语音信号本质特征的参数，才有可能利用这些参数进行高效的语音通信和准确的语音识别，才能建立语音合成的语音库。因此语音信号参数提取是语音信号处理研究中一项非常有意义的工作。 1.1.2 发展现状 语音信号处理是一门综合性的学科，包括计算机科学、语音学、语言学、声学和数学等诸多领域的内容。它的发展过程中，有过两次飞跃。第一次飞跃是1907年电子管的发明和1920年无线电广播的出现，电子管放大器使很微弱的声
音也可以放大和定量测量，从而使电声学和语言声学的一些研究成果扩展到通信和广播部门；第二次飞跃是在20世纪70年代初，电子计算机和数字信号处理的发展使声音信号特别是语音信号，可以通过模数转换器（A/D）采样和量化转换为数字信号，这样就可以用数字计算方法对语音信号进行处理和加工，提高了语音信号处理的准确性和高效性。 语音信号处理在现代信息科学中的地位举足轻重，但它仍有些基础的理论问题和技术问题有待解决，这些难题如听觉器官的物理模型和数学表示及语音增强的技术理论等，目前还有待发展。 1.2 本课题研究内容 本文主要介绍语音信号处理的理论及Matlab的相关内容，然后从Matlab仿真角度验证了录音、预处理、提取语音信号时域特征参数，主要讨论了预处理中各种参数的选择，以使信号特征提取更加准确。再次讨论了各种时域特征参数的算法，包括短时能量、短时过零率等，介绍了各环节的不同软件实现方法。最后对基于Matlab的语音信号特征参数提取进行总结。 第二章Matlab简介 MATLAB是国际上仿真领域最权威、最实用的计算机工具。它是MathWork 公司于1984年推出，它以强大的科学计算与可视化功能、简单易用、开放式可扩展环境，特别是所附带的30多种面向不同领域的工具箱支持，使得它在许多科学领域中成为计算机辅助设计和分析、算法研究和应用开发的基本工具和首选平台。 2.1 发展概况 Matlab是Matrix Laboratory(矩阵实验室的缩写)，最初由美国Cleve Moler 博士在70年代末讲授矩阵理论和数据分析等课程时编写的软件包Linpack与Eispack组成，旨在使应用人员免去大量经常重复的矩阵运算和基本数学运算等繁琐的编程工作。1984年成立的Math Works公司正式把Matlab推向市场，并从事Matlab的研究和开发。1990年，该公司推出了以框图为基础的控制系统仿真工具Simulink，它方便了系统的研究与开发，使控制工程师可以直接构造系统框图进行仿真，并提供了控制系统中常用的各种环节的模块库。1993年，Math Works 公司推出的Matlab4.0版在原来的基础上又作了较大改进，并推出了Windows版，
燕山大学 课程设计说明书 题目：语音信号的采集与时频域分系统的设计 学院（系）：电气工程学院 年级专业： 09精仪一班 学号： 0901******** 学生姓名：乔召杰 指导教师：刘永红 教师职称：副教授
目录 引言 (2) 第1章语音信号时域分析 (3) 1、1 窗口选择 (3) 1、2 短时能量 (4) 1、3短时平均过零率 (5) 1、4 短时自相关函数 (6) 1、5 时域分析方法的应用 (7) 第2章语音信号频域分析 (8) 2、1 短时傅里叶变换 (8) 2、2 语谱图 (9) 2、3 复倒谱和倒谱 (9) 第3章加噪与滤波处理 (11) 3、1 原始信号加噪处理 (11) 3、2 加噪信号滤波处理 (12) 第4章总结 (13) 参考文献 (14) 附录 (15)
引言 语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在与方便有效的提取并表示语音信号所携带的信息。语音信号分析可以分为时域和频域等处理方法。语音信号可以认为在短时间内(一般认为在 10~30ms 的短时间内)近似不变，因而可以将其看作是一个准稳态过程, 即语音信号具有短时平稳性。任何语音信号的分析和处理必须建立在“短时”的基础上, 即进行“短时分析”。 时域分析:直接对语音信号的时域波形进行分析，提取的特征参数有短时能量，短时平均过零率，短时自相关函数等。 频域分析:对语音信号采样，并进行傅里叶变换来进行频域分析。主要分析的特征参数：短时谱、倒谱、语谱图等。 本文采集作者的声音信号为基本的原始信号。对语音信号进行时频域分析后，进行加白噪声处理并进行了相关分析，设计滤波器并运用所设计的滤波器对加噪信号进行滤波, 绘制滤波后信号的时域波形和频谱。整体设计框图如下图所示： 图0.1时频域分析设计图 图0.2加噪滤波分析流程图
语音信号分析与处理系统设计
语音信号分析与处理系统设计 摘要 语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴的学科，是目前发展最为迅速的信息科学研究领域的核心技术之一。通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息形式。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用软件，它可以将声音文件变换为离散的数据文件，然后利用其强大的矩阵运算能力处理数据，如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱为语音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便地完成语音信号的处理和分析以及信号的可视化，使人机交互更加便捷。信号处理是Matlab重要应用的领域之一。 本设计针对现在大部分语音处理软件内容繁多、操作不便等问题，采用MATLAB7.0综合运用GUI界面设计、各种函数调用等来实现语音信号的变频、变幅、傅里叶变换及滤波，程序界面简练，操作简便，具有一定的实际应用意义。 最后，本文对语音信号处理的进一步发展方向提出了自己的看法。 关键字：Matlab；语音信号；傅里叶变换；信号处理；
目录 1 绪论 (1) 1.1课题背景及意义 (1) 1.2国内外研究现状 (1) 1. 3本课题的研究内容和方法 (2) 1.3.1 研究内容 (2) 1.3.2 运行环境 (2) 1.3.3 开发环境 (2) 2 语音信号处理的总体方案 (3) 2.1 系统基本概述 (3) 2.2 系统基本要求 (3) 2.3 系统框架及实现 (3) 2.4系统初步流程图 (4) 3 语音信号处理基本知识 (6) 3.1语音的录入与打开 (6) 3.2采样位数和采样频率 (6) 3.3时域信号的FFT分析 (6) 3.4数字滤波器设计原理 (7) 3.5倒谱的概念 (7) 4 语音信号处理实例分析 (8) 4.1图形用户界面设计 (8) 4.2信号的采集 (8) 4.3语音信号的处理设计 (8) 4.3.1 语音信号的提取 (8) 4.3.2 语音信号的调整 (10)
中北大学 课程设计说明书 学生姓名：蒋宝哲学号： 24 学生姓名：瓮泽勇学号： 42 学生姓名：侯战祎学号： 47 学院：信息商务学院 专业：电子信息工程 题目：信息处理实践:语音信号的时域特征分析指导教师：徐美芳职称: 讲师 2013 年 6 月 28 日
中北大学 课程设计任务书 2012-2013 学年第二学期 学院：信息商务学院 专业：电子信息工程 学生姓名：蒋宝哲学号： 24 学生姓名：瓮泽勇学号： 42 学生姓名：侯战祎学号： 47 课程设计题目：信息处理实践:语音信号的时域特征分析起迄日期： 2013年6 月7日～2013年6月 28 日 课程设计地点：学院楼201实验室、510实验室、608实验室指导教师：徐美芳 系主任：王浩全 下达任务书日期: 2013 年 6 月 7 日
语音信号的采集与分析 摘要 语音信号的采集与分析技术是一门涉及面很广的交叉科学，它的应用和发展与语音学、声音测量学、电子测量技术以及数字信号处理等学科紧密联系。其中语音采集和分析仪器的小型化、智能化、数字化以及多功能化的发展越来越快，分析速度较以往也有了大幅度的高。本文简要介绍了语音信号采集与分析的发展史以及语音信号的特征、采集与分析方法，并通过PC机录制自己的一段声音，运用Matlab进行仿真分析，最后加入噪声进行滤波处理，比较滤波前后的变化。 关键词：语音信号，采集与分析， Matlab 0 引言 通过语音传递倍息是人类最重要、最有效、最常用和最方便的交换信息的形式。语言是人类持有的功能．声音是人类常用的工具，是相互传递信息的最主要的手段。因此，语音信号是人们构成思想疏通和感情交流的最主要的途径。并且，由于语言和语音与人的智力活动密切相关，与社会文化和进步紧密相连，所以它具有最大的信息容量和最高的智能水平。现在，人类已开始进入了信息化时代，用现代手段研究语音信号，使人们能更加有效地产生、传输、存储、获取和应用语音信息，这对于促进社会的发展具有十分重要的意义。 让计算机能听懂人类的语言，是人类自计算机诞生以来梦寐以求的想法。随着计算机越来越向便携化方向发展，随着计算环境的日趋复杂化，人们越来越迫切要求摆脱键盘的束缚而代之以语音输人这样便于使用的、自然的、人性化的输人方式。作为高科鼓应用领域的研究热点，语音信号采集与分析从理论的研究到产品的开发已经走过了几十个春秋并且取得了长足的进步。它正在直接与办公、交通、金融、公安、商业、旅游等行业的语音咨询与管理．工业生产部门的语声控制，电话、电信系统的自动拨号、辅助控制与查询以及医疗卫生和福利事业的生活支援系统等各种实际应用领域相接轨，并且有望成为下一代操作系统和应用程序的用户界面。可见，语音信号采集与分析的研究将是一项极具市场价值和挑战性的工作。我们今天进行这一领域的研究与开拓就是要让语音信号处理技术走人人们的日常生活当中，并不断朝更高目标而努力。 语音信号采集与分析之所以能够那样长期地、深深地吸引广大科学工作者去不断地对其进行研究和探讨，除了它的实用性之外，另一个重要原因是，它始终与当时信息科学中最活跃的前沿学科保持密切的联系．并且一起发展。语音信号采集与分析是以语音语言学和数字
语音信号特征参数研究 石海燕 （浙江工业大学信息工程学院，浙江杭州３１００３２） 摘要：在语音技术的发展过程中使用了大量的语音信号特征参数，好的语音信号特征参数能对语音识别起至关重要的作用。本文对语音信号特征参数、语音信号特征参数的选择进行了介绍，并介绍了语音信号的短时能量、短时平均幅度的提取。 关键词：语音信号；特征参数；短时能量 中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１００９－３０４４（２００８）０４－１０７５４－０４ ＳｔｕｄｙｏｎＳｐｅｅｃｈＳｉｇｎａｌＦｅａｔｕｒｅＰａｒａｍｅｔｅｒ ＳＨＩＨａｉ－ｙａｎ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｎｇｚｈｏｕ３１００３２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｔｈｅｐｒｏｃｅｓｓｏｆｄｅｖｅｌｏｐｉｎｇｓｐｅｅｃｈｔｅｃｈｎｏｌｏｇｙｕｓｅｄｉｎａｌａｒｇｅｎｕｍｂｅｒｏｆｓｐｅｅｃｈｓｉｇｎａｌｆｅａｔｕｒｅｐａｒａｍｅｔｅｒｓ，ａｇｏｏｄｓｐｅｅｃｈｓｉｇｎａｌｆｅａｔｕｒｅｐａｒａｍｅｔｅｒｓｐｌａｙｅｄａｃｒｉｔｉｃａｌｒｏｌｅｉｎｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ．Ｉｎｔｈｉｓｐａｐｅｒｗｅｉｎｔｒｏｄｕｃｅｄｔｈｅｓｐｅｅｃｈｓｉｇｎａｌｆｅａｔｕｒｅｐａｒａｍｅｔｅｒｓ，ｔｈｅｓｐｅｅｃｈｓｉｇｎａｌｆｅａｔｕｒｅｐａｒａｍｅｔｅｒｓｓｅｌｅｃｔｉｏｎ，ａｎｄｉｎｔｒｏｄｕｃｅｄｓｈｏｒｔ－ｔｅｒｍｅｎｅｒｇｙ、ｓｈｏｒｔ－ｔｅｒｍａｖｅｒａｇｅｒａｎｇｅｅｘｔｒａｃｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｓｐｅｅｃｈｓｉｇｎａｌ；ｆｅａｔｕｒｅｐａｒａｍｅｔｅｒ；ｓｈｏｒｔ－ｔｅｒｍｅｎｅｒｇｙ １引言 在语音识别的发展过程中使用了大量的语音信号特征参数。特征参数的提取是关系到语音识别系统性能好坏的一个关键技术，其基本思想是将预处理过的信号通过一次变换，去掉冗余部分，而把代表语音本质的特征参数抽出来。接下去所要作的识别处理都是建立在特征参数之上的，如果特征参数不能很好地反映语音信号的本质，识别就不能成功。 语音信号特征参数是分帧提取的，每帧特征参数一般构成一个矢量，所以语音信号特征是一个矢量序列。我们将语音信号切成一帧一帧，每帧大小大约是２０￣３０ｍｓ。帧太大就不能得到语音信号随时间变化的特性，帧太小就不能提取出语音信号的特征，每帧语音信号中包含数个语音信号的基本周期。有时希望相邻帧之间的变化不是太大，帧之间就要有重叠，帧叠往往是帧长的１／２或１／３。帧叠大，相应的计算量也大。 常用的语音特征参数有平均能量、平价跨零数或跨零率、共振峰、ＬＰＣ参数、倒谱参数、临界带倒谱等。下一节介绍一些常用的语音特征。 ２语音信号特征参数介绍 （１）基音周期（Ｐｉｔｃｈ） 人的语音基本上由两类构成，一类是浊音（ｖｏｉｃｅ），另一类是清音（ｕｎｖｏｉｃｅ）。浊音的语音信号具有较强的周期性，不同的浊音波形是不同的。浊音的这种周期叫基音周期，其倒数叫做基音频率，它主要和声带的特性有关。一般来说，成年男性的语音的基音频率在６０Ｈｚ￣２００Ｈｚ，而成年女性和儿童语音的基音频率在２００Ｈｚ￣４５０Ｈｚ。清音的语音信号具有随机噪声的特点，一般来说清音的幅度小于浊音的幅度。基音周期（Ｐｉｔｃｈ）是指发浊音时声带震动所引起的周期运动时间间隔，代表声带震动的快慢，震动越快音高会越高，基音周期是声带振动频率Ｆ０的倒数，它是语音信号分析的一个重要参数。 （２）短时频谱 语音信号特征在较短的时间间隔中保持基本不变，即语音信号具有时变特性，因而可以将语音信号看作是一个短时平稳过程。语音信号具有一些重要的短时特征。短时频谱是语音信号的一个重要的短时特性。可以用下列公式计算： （１） 收稿日期：２００８－０１－１２ 个人简介：石海燕（１９７７－），女，浙江诸暨人，实验师，主要研究方向：语音处理、模式识别。