语音信号实验讲义

《语音信号实验讲义》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、实验一语音信号的采集实验目的1、掌握语音信号录音；WAV和DAT文件的转换；数据的剪切、复制；2、初步了解元音、浊辅音、清辅音的特性。实验原理1、音素的种类一次发出的，具有一个响亮的中心，并被明显感觉到的语音片段叫音节。一个音节可以由一个音素（Phoneme）或几个音素构成。音素是语音发音的最小单位。音素有元音（Vowel）和辅音（Consonant）两种。（1）元音是当声带振动发出的声音气流从喉腔、咽腔进入口腔从唇腔出去时，这些声腔完全开放，气流顺利通过。（2）辅音是呼出的声流，由于通路的某一部分封闭起来或受到阻

2、碍，气流被阻不能畅通，而克服发音器官的这种阻碍而产生的音素。发辅音时声带振动的是浊音，声带不振动的是清音。（3）半元音的声道基本畅通，但某处声道比较狭窄，引起轻微的摩擦声。元音构成一个音节的主干，从长度还是从能量看，元音在音节中都占主要部分。辅音则只出现在音节的前端或后端或前后两端，它们的时长和能量与元音相比都很小。2、元音的共振峰(Formant)声道看成是一根具有非均匀截面的声管，在发音时起共鸣器的作用。当元音激励进入声道时会引起共振特性，产生一组共振频率，称为共振峰频率(简称共振峰)。共振峰参数包括共振峰频率

3、的位置和频带宽度。在实际应用中，只用前三个共振峰，分别为、、。3、发音器官产生元音的条件：①声道受到声带振动的激励引起共振；②在语音流的持续过程中，声道不发生极端的狭窄，并维持较稳定的形状；③和鼻腔不发生耦合，声音只从口腔辐射出去。4、发音器官产生辅音的条件20产生元音的三个条件中，只要缺少其中之一，则该语音就是辅音。辅音没有明确的共振峰结构。5、基音频率浊音的声带振动基本频率又称基音频率，用表示。各个音节的元音段的都是随时间变化的，的变化产生了声调，的变化轨迹称为声调轨迹。6、汉语的声调汉语声调只有阴平、阳平、上

4、声、去声以及“轻声”等五种声调。声调的变化就是浊音基音周期（或基音频率）的变化，各个韵母段中基音周期随时间的变化产生了声调，变化的轨迹称为声调曲线。实验要求1、利用XP中的录音机程序（程序-附件-娱乐-录音机），以属性11025kHz，16位，单声道，21KB/秒，录制下面语音（以“.wav”文件格式存于lab_1data目录下）。“电子信息科学与技术”jījíjǐjìshǖshǘshǚshǜgāgōǖǘǚǜ2、利用实验提供的“语音信号处理实验一程序”将语音分段，并以“.dat”文件格式存于MATLABspe

5、echlab_1data目录下。3、估测ǖǘǚǜ基音周期随时间的变化，并画出声调曲线。4、找出浊音和清音波形区别。操作流程1、运行MATLAB2、更改MATLAB的当前路径到MATLABspeechlab_13、在MATLAB的命令窗口输入main，进入“语音信号处理实验一”程序204、单击“读取wav文件”或“读取dat文件”按钮，出现5、单击“放大（缩小）”按钮，鼠标箭头变成“+”（1）放大时将鼠标分别移到要放大的语音段左端单击鼠标左键、右端单击鼠标左键；（2）缩小时将鼠标放在图形区，先单击鼠标左（右）

6、键、再单击鼠标右（左）键；（3）退出“放大（缩小）”状态慢速击鼠标右键2次，鼠标恢复成原来的箭头。6、单击“播放”按钮播放图形区显示的语音段的声音。7、单击“存语音片断”按钮将图形区显示的语音段以“.dat”文件格式保存，要求存于MATLABspeechlab_1data目录下。208、移动语音片断（1）单击“<<”或“>>”按钮,分别向左或右移动语音片断；（2）编辑“卷轴步长”改变每次移动语音片断的步长。9、单击“最大峰值时刻”按钮，显示该语音片断的最大峰值时刻，对应变量time_feng。思考题1、男女的

7、基音周期有什么不同?20实验二端点检测实验目的1、掌握语音信号端点检测的短时能量分析效果与窗长的关系；2、掌握语音信号端点检测的短时过零分析效果与窗长、零阈比率的关系。实验原理1、短时能量分析短时平均能量的定义：窗序列是沿着平方值的序列逐段移动。窗口的长度对短时平均能量的影响：（1）N很大，等效于带宽很窄的低通滤波器，En随时间的变化很小，不能反映语音信号的幅度变化，波形的变化细节就看不出来；（2）N太小时，滤波器的通带变宽，短时能量随时间有急剧的变化，不能得到平滑的能量函数。窗口的长与短，是相对于语音信号的基音周

8、期的。在一个语音帧内，应含有l~7个基音周期。基音周期变化范围很大，从女性儿童的2ms到老年男子的14ms（基音频率为500Hz～70Hz）。在10kHz取样频率下，N折衷选择为100~200(10~20ms持续时间)。2、短时过零分析：过零就是信号通过零值，过零数是样本改变符号的次数。单位时间内的过零数称为平均过零数。语音信号的短时平均过零数定义：20浊音