Matlab语音信号处理步骤和实现.doc

Matlab语音信号处理步骤和实现 摘要：本文主要介绍了语音信号的处理过程。在信号分析中去噪时，介绍了一种比较新的方法——小波去噪方法，这个方面的研究还可以进一步的深化。 关键字：Matlab 语音信号 小波变换 1、语音信号处理的意义及软件介绍[1] 在现代社会，随着计算机技术和信息技术的发展，语音交互已经成为人机交互的必要手段，而语音信号的采集和处理是人机交互的前提和基础。 Matlab是美国Math Works公司推出的一种面向工程和科学计算的交互式计算软件，它以矩阵运算为基础，把计算、可视化、程序设计融合到了一个简单易用的交互式工作环境中。同时由于Matlab是一个数据分析和处理功能十分强大的工程实用软件，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。 2、语音信号处理的步骤[2] 2．1语音信号 语音信号的基本组成是音素。音素分为“浊音”和“清音”两种。对于非周期的非平稳信号——语音信号，频谱变化是随时间连续的，所以由傅里叶变换得到的频谱无法知道其在各个时刻的频谱特性。如利用加窗的方法从语音流中取出其中一个比较短的一段，再进行傅里叶变换，就可得该语音的短时谱。浊音的短时谱具有明显的周期性起伏结构，且频谱中明显地有凸出点（即共振峰：出现频率与声道的谐振频率相对应）。清音与浊音的短时谱很容易区分，它十分类似于一段随机噪声的频谱。 语音信号分析中必要考虑的技术是短时分析技术和倒谱技术。短时分析技术是考虑到语音信号是时变信号，但在比较短的时间（10~30ms）内可以看作其基本特性保持不变，可看作相对稳定的准稳态过程，即短时平稳性。即对语音信号分段（一段为一帧，一帧一般取为10~30ms）来分析其特征参数。这样对于整体的语音信号来说，分析出的是由每一帧特征参数组成的特征参数时间序列。倒谱技术是指信号短时振幅谱的对数傅里叶反变换。它能够近似地分离并提取出频谱包络信息和细微结构信息。 2．2语音信号处理过程分析 首先采集语音信号：本文以录取的一段音乐为分析样本。在Matlab中使用Wavread函数，得到声音采样的频率为22050Hz，且声音是单通道的。利用Sound/Wavplay函数（声音比较低沉）可清晰地听到音乐。 2．3实验过程介绍 2.3.1信号采集及初步分析 采集数据并画出波形图（图1），其中是采样频率，为采样数据，为量化阶数。 [x,fs,bits]=wavread(music.wav)； sound(x,fs,bits)； 图1 信号波形图 然后是对采样数据作快速傅里叶变换（FFT），画出频谱图、幅度图和相位变化图（图2）。 图2 信号频谱图和相位变化图 根据上面的频谱图可以看出样本声音主要以低频为主。人的语音信号频率一般集中在200Hz~4500Hz，从声音频谱的包络来看，样本的声音能量集中在1.1025kHz，4.410kHz以外的高频成分很少。那么信号宽度可以近似认为是1.1kHz，那么根据奈奎斯特采样定理可知，重放语音后仍可较清晰地听出原声，不存在声音混叠现象。接着对信号进行倒谱分析，即信号短时振幅谱的对数傅里叶反变换，得到倒谱（图3）。 图3 信号倒谱分析 从上面的图形可以看到，当声音发出时，信号的频率集中在200Hz~4500Hz，这与上面介绍的人的声音特性相符。没发出声音的部分出现杂音，应该归属于背景噪声（本文忽略其影响）。 2.3.2 信号加噪处理及去噪（滤波器设计） 对所采集的信号添加噪声，噪声的形式为 则此时的信号为是 其中是原始信号（即输入的语音信号）。对做初步分析，即FFT变换得到频谱图及相位图（图4）。 图4 (传输信号)的波形和频谱图 对加噪信号分析完之后，根据信号特性设计滤波器。由信号特性知，设计一个低通滤波器就能实现对信号的提取。本文设计的是切比雪夫Ⅰ型滤波器，滤波器幅频特性如下（图5） 图5 切比雪夫Ⅰ型滤波器 2.3.3 基于小波变换的去噪方法介绍及引用[3] 小波变换： 连续小波变换 定义 设函数满足和 （1） 为的连续小波。 若小波函数满足，则其逆变换存在，称 （2） 为小波函数的逆变换分式。其中 由于连续小波变换的尺度参数和位移参数是连续变化的，在相平面的不同点处，连续小波的基函数具有很大的相关性，因此信号的连续小波变换系数的信息量是冗余的，尽管这种冗余性在某些方面是有益的，但是在实际应用中通常将连续小波中的参数，离散化。 离散小波变换 将小波基函数，按一下方法离散化： 尺度的离散化：令取，，……，，，，……， 将尺度的幂级数进行离散化，此时离散化的变为， ，，…… 位移的离散化：为保证信息的不丢失，对于某尺度使位移量