下载文档原格式
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 日课程设计任务书课程设计任务书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， Matlab0 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。
第八章语音信号特征参数8.1 概述语音信号是十分复杂的非平稳信号，它不仅包含语义信息，还有个人特征信息，对其特征参数的研究是语音识别的基础。
换句话说，特征参数应能完全、准确地表达语音信号。
那么特征参数也应能完全、准确地表达语音信号所携带的全部信息。
实验语音学的研究从语音信号本质上给出的特征参数是科学的、合理的，但是不完全的。
在元音的特征研究较深入，对辅音的研究相对较弱，对辅音、元音之间的过渡就更弱，而这一部分恰好是含信息量最大、最难处理的。
本章介绍语音信号的九种特征参数及其提取算法，是从不同的角度对语音信号研究的结果，是可行的、有效的，但不是万能的。
值得提请读者注意的是，某些算法对一些应用表现很好，但对另一些应用可能表现不佳。
应该说我们对语音信号的本质认识还不够深入，也就是我们对语音信号的发音机理、心理，听觉机理、心理，语义的社会性等方面缺乏深入研究，更谈不上多学科综合研究。
尽管如此，现有的这些特征参数在语音识别中起着重要作用。
8.2基音周期Equation Chapter 8 Section 2基音周期（Pitch）（或基音频率）是指发浊音时声带震动所引起的周期性，基音周期也F的倒数，它不仅是语音信号分析的一个重要参数，也是语音产生的数字是声带振动频率模型中激励源的一个重要参数，它携带着非常重要的具有辨意信息，因此它的检测和估计是语音处理中一个十分重要的问题[1]。
基音检测的主要困难在于：（1）语音信号变化十分复杂，声门激励波形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，有些清浊音的过渡帧是很难判断它应属于周期性还是非周期性，从而也就无法估计出基音周期。
（2）要从语音信号中去除声道影响，或者直接去除仅和声带振动有关的音源信息并非容易的事，例如声道共振峰有时会严重影响音源的谐波结构。
（3）在浊音段很难精确地确定每个基音周期的开始和结束位置，这不仅因为语音信号本身是准周期的（即音调是有变化的），而且因为波形的峰或过零受共振峰结构、噪声等影响。
语音信号的识别与分析技术语音信号是我们日常交流中最为普遍和基础的通信手段，随着科技的不断发展，越来越多的人工智能设备和人机交互系统也采用语音作为信息输入和输出的方式，语音信号的识别与分析技术也越来越成为了一个重要的研究领域。
语音信号的识别可以分为语音识别和说话人识别两种。
语音识别是指将说话人说的语音信号转化为文本或命令等符号组合的技术，它是现代人机交互和自然语言处理的基础；而说话人识别是指通过对语音信号中的说话人身份进行识别，从而实现区分不同说话人的功能。
语音信号的分析则是指对说话人语音信号的声学和语言特征进行分析，以提取有效信息的技术。
从声学角度来说，语音信号的分析可以分别在时域和频域上进行。
在时域上，可以利用数字信号处理技术对语音信号进行连续采样，并对其物理特性(如频率、振幅、波形等)进行分析；在频域上，可以将语音信号转化为频域信号，并利用现代声学理论对其进行分析。
在语言学角度来说，语音信号分析的主要任务是对语音信号中的语言信息进行抽取和处理。
语音信号中的语言信息包括音位、音节、单词和语调等。
而对于这些语言信息的抽取和处理，则需要运用到语言学理论、音韵学和自然语言处理等相关技术。
除了语音识别和说话人识别以外，语音信号的识别和分析技术还能够应用于很多其他领域。
例如，通过语音识别技术的应用，可以实现智能家居、手写识别、虚拟助手等人工智能设备的语音交互功能；通过说话人识别技术的应用，可以实现声纹识别、安全认证等方面的应用；而通过语音分析技术的应用，则可以实现情感分析、语音合成等应用。
尽管语音信号的识别和分析技术在很多领域得到了广泛的应用，但是在实际应用中仍然存在一些困难和挑战。
例如，现有的语音识别技术在语音噪声和口音干扰比较大的情况下准确率较低，而现有的说话人识别技术在多说话人同时发言的情况下也容易出现识别困难；而对于语音信号的分析，则由于人类语言的复杂性和多样性，其分析也面临着很大的挑战。
总体来说，语音信号的识别与分析技术已经逐渐成为了计算机科学和人工智能领域中的研究重点之一，随着机器学习和深度学习等技术的不断进步和应用，我们期待这一领域在未来的进一步发展。
语音信号特征参数提取方法阮雄飞微电子学与固体电子学摘要：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提取方法以及国内外研究现状进行了介绍，最后介绍了Hilbert—Huang 这一新兴理论成果以及在特征提取中的应用.关键词：语音技术特征提取HHT1 引言语音信号是一种短时平稳信号,即时变的，十分复杂，携带很多有用的信息，这些信息包括语义、个人特征等，其特征参数的准确性和唯一性将直接影响语音识别率的高低，并且这也是语音识别的基础［1］。
特征参数应该能够比较准确地表达语音信号的特征具有一定的唯一性。
上世纪40年代，potter等人提出了“visiblespeech”的概念，指出语谱图对语音信号有很强的描述能力,并且试着用语谱信息进行语音识别，这就形成了最早的语音特征，直到现在仍有很多的人用语谱特征来进行语音识别［2]。
后来，人们发现利用语音信号的时域特征可以从语音波形中提取某些反映语音特性的参数，比如：幅度、短时帧平均能量、短时帧过零率、短时自相关系数、平均幅度差函数等.这些参数不但能减小模板数目运算量及存储量而且还可以滤除语音信号中无用的冗余信息。
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[3］。
随着语音识别技术的不断发展时域特征参数的种种不足逐渐暴露出来，如这些特征参数缺乏较好稳定性且区分能力不好。
于是频域参数开始作为语音信号的特征比如频谱共振峰等。
经典的特征提取方法主要有LPCC（线性预测倒谱系数）、MFCC（美尔频率倒谱系数)、HMM（隐马尔科夫模型）、DTW（动态时间规整)等。
摘要语言是人类最为重要的交流工具，它具有简易方便，准确自然等其他工具所无法替代的特点。
随着信息社会的迅速发展，计算机已经渗透进人类生活工作的每一个角落，因此人机交互显得尤其重要。
在人机交互的各种通信方式中，语音通信又是最好的交流方式，而声音信号的特征参数的精确度就会直接影响着语音通信的质量和准确度。
因此，声音信号的特征检测在语音信号处理中是一项非常重要的工作。
本文利用MATLAB 软件检测声音信号的特征参数，以语音信号为主，首先讨论了声音信号的基本特性，包括声音信号的产生，传播，声学特性等等。
然后又分别讨论了声音信号在时域，变换域的特征参数。
最后详细研究了声音信号的特征参数的检测提取。
第一章声音信号的基本特征1.1 声音信号的产生声音是一种波，它是由物体振动产生的，能被人耳听到，它的振动频率在20~20000Hz 之间。
自然界中有各种各样的声音，如雷声，树叶被风吹时发出的“飒飒”声，大海波涛汹涌的翻滚声，机械工作时发出的声音等等。
语音也是声音的一种，它是由人的发声器官发出的，语音的振动频率最高可达15000Hz。
语音信号的产生过程分为如下几个阶段：首先，说话人在头脑中产生想要用语言表达的信息；然后将这些信息转换成语言编码，即将这些信息用其所包含的音素序列、韵律、响度。
基音周期的升降等表示出来。
一旦对这些信息编码完成后，说话人会用一些神经肌肉命令在适当的时候控制声带震动，并塑造声道的形状以便发出编码中指定的声音序列。
神经肌肉命令必须同时控制调音运动中涉及的各个部位：唇、腭、舌头以及控制气流进入鼻腔的软腭。
一旦产生了语音信号，并将这些信息传递到听者时，语音的感知过程也就开始了。
听者内耳的基底膜对语音信号进行动态的频谱分析，神经传感器将基底膜输出的频谱信号转换成对听觉神经的触动信号，这一过程和后面将要介绍的特征提取过程有些类似。
作用在听觉神经上的活动信号，在大脑更高层的中枢转化成语言编码，并由此产生具有语义的信息。
语音信号分析3.1 概述语音信号分析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、语音合成和语音识别等处理。
而且，语音合成的好坏，语音识别率的高低也取决于对语音信号分析的准确性和精确性。
因此语音信号分析在语音信号处理应用中具有举足轻重的地位。
贯穿于语音分析全过程的是“短时分析技术”。
因为，语音信号从整体来看其特性及表征其本质特征的参数均是随时间而变化的，所以它是一个非平稳态过程，不能用处理平稳信号的数字信号处理技术对其进行分析处理。
但是语音信号在一个短时间范围内其特性基本保持不变即相对稳定，即语音信号具有短时平稳性。
所以任何语音信号的分析和处理必须建立在“短时”的基础上，将语音信号分为一段一段来分析其特征参数，其中每一段称为一“帧”，帧长一般取为10 30ms 。
这样，对于整体的语音信号来讲，分析出的是由每一帧特征参数组成的特征参数时间序列。
3.2 语音数字化和预处理在按帧进行语音分析，提取语音参数之前必须进行一些共同的短时分析技术，如语音信号的数字化、语音信号的端点检测、预加重、加窗和分帧等，这些也是不可忽视的语音信号分析的关键技术。
3.2.1 数字化语音信号的数字化一般包括放大及增益控制、反混叠滤波、采样、A/D 变换及编码；预处理一般包括预加重、加窗和分帧等。
语音信号首先进行反混叠滤波，反混叠滤波的目的有两个：第一，抑制输入信号各个频域分量中频率超出s f /2的所有分量（s f 为采样频率），以防止混叠干扰；第二，抑制电源工频干扰。
这样，反混叠滤波必须是一个带通滤波器，设其上、下截止频率分别是H f 和L f ，则对于绝大多数语音编译码器，H f =3400Hz 、L f =60 100Hz ，采样频率为s f =8kHz 。
语音信号经过反混叠滤波和采样后由A/D 变换器变换为二进制数字码。
A/D 变换中要对信号进行量化，量化不可避免地会产生误差。
第2篇语音信号分析第3章时域分析3.1 概述语音信号处理包括语音通信、语音合成、语音识别、说话人识别和语音增强等方面，但其前提和基础是对语音信号的分析。
只有将语音信号分析成表示其本质特性的参数，才有可能利用这些参数进行高效的语音通信，才能建立用于语音合成的语音库，也才可能建立用于识别的模板或知识库。
而且，语音合成的音质好坏、语音识别率的高低，都取决于对语音信号分析的准确性和精度。
语音信号是非平稳、时变、离散性大、信息量大的复杂信号，处理难度很大。
语音信号携带着各种信息。
在不同应用场合下，人们感兴趣的信息是不同的。
那些与应用目的的不相干或影响不大的信息，应当去掉；而需要的信息不仅应当提取出来，有时还需要加强。
这涉及到语音信号中各种信息如何表示的问题。
语音信息表示方法的选择原则是使之最方便和最有效。
语音信号可以用语音的抽样波形来描述，也可以用一些语音信号的特征来描述。
提取少量的参数有效地描述语音信号，即语音信号的参数表示，是语音处理领域共用性的关键技术之一。
根据所分析的参数不同，语音信号分析可分为时域、频域、倒谱域等方法。
时域分析具有简单、运算量小、物理意义明确等优点；但更为有效的分析多是围绕频域进行的，因为语音中最重要的感知特性反映在其功率谱中，而相位变化只起着很小的作用。
另一方面，按照语音学观点，可将语音的特征表示和提取方法分为模型分析法和非模型分析法两种。
其中模型分析法是指依据语音产生的数学模型，来分析和提取表征这些模型的特征参数；共振峰模型分析及声管模型(即线性预测模型)分析即属于这种分析方法。
而不进行模型化分析的其他方法都属于非模型分析法，包括上面提到的时域分析法、频域分析法及同态分析法等。
基于语音产生模型的多种参数表示法已在语音识别、合成、编码和说话人识别研究的大量实践中证明是十分有效的。
贯穿于语音分析全过程的是“短时分析技术”。
语音信号特性是随时间而变化的，是一个非平稳的随机过程。
但是，从另一方面看，虽然语音信号具有时变特性，但在一个短时间范围内其特性基本保持不变。
