语音信号处理实验报告

一．

实验目的及原理

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，并且语音合成的音质好坏和语音识别率的高低，都取决于对语音信号分析的准确性和精确性。

贯穿语音分析全过程的是“短时分析技术”。因为从整体来看，语音信号的特性及表征其本质特征的参数均是随时间变化的，所以它是一个非平稳态过程，但是在一个短时间范围内（一般认为在10~30ms的时间内），其特性基本保持不变，即相对稳定，可将其看做一个准稳态过程，即语音信号具有短时平稳性。所以要将语音信号分帧来分析其特征参数，帧长一般取为10ms~30ms。

二． 实验过程

1. 系统结构 语音信号

数字化

预处理

2. 仿真结果

带通滤波器 增益控制 采样 模/数转换 编码 预加重 加窗 分帧 时域分析 频域分析 短时能量分析/短时过零率分析/短时相关分析 倒频域分析 线性预测分析 （1） 时域分析

男声及女声（蓝色为时域信号，红色为每一帧的能量，绿色为每一帧的过零率）

10.80.60.40.20-0.2-0.4-0.6024681012x 104某一帧的自相关函数

10.80.60.40.20-0.2-0.4-0.6-0.8-1-150-100-50050100150

3. 频域分析

①一帧信号的倒谱分析和FFT及LPC分析10.50-0.5-1050100150200250300150100500-500510152025303540 对应的倒谱系数：119.2，-7.6895，……

②男声和女声的倒谱分析

1.210.80.60.40.20-0.2-0.402468101214x 10

10.50-0.5-105010015020025030040200-20-4000.511.522.533.5

对应的LPC预测系数：1，-0.1，-0.02，-0.4，-0.27，……

原语音波形

一帧语音波形

一帧语音的倒谱

③浊音和清音的倒谱分析

10.50-0.5-110.50-0.5-1050100150200250300050100150200250300150100500-501005000510152025303540-500510152025303540

④浊音和清音的FFT分析和LPC分析（红色为FFT图像，绿色为LPC图像）

10.50-0.5-110.50-0.5050100150200250300-105010015020025030040200-20-4040200-20-4000.511.522.533.500.511.522.533.5

三． 实验结果分析

1. 时域分析

实验中采用的是汉明窗，窗的长度对能否由短时能量反应语音信号的变化起着决定性影响。这里窗长合适，En能够反应语音信号幅度变化。同时，从图像可以看出，En可以作为区分浊音和清音的特征参数。

短时过零率表示一帧语音中语音信号波形穿过横轴（零电平）的次数。从图中可以看出，短时能量和过零率可以近似为互补的情况，短时能量大的地方过零率小，短时能量小的地方过零率较大。从浊音和清音的时域分析可以看出，清音过零率高，浊音过零率低。

从男声女声的时域信号对比图中可以看出，女音信号在高频率分布得更多，女声信号在高频段的能量分布更多，并且女声有较高的过零率，这是因为语音信号中的高频段有较高的过零率。

2. 频域分析

这里对信号进行快速傅里叶变换（FFT），可以发现，当窗口函数不同，傅里叶变换的结果也不相同。根据信号的时宽带宽之积为一常数这一性质，可以知道窗口宽度与主瓣宽度成反比，N越大，主瓣越窄。汉明窗在频谱范围中的分辨率较高，而且旁瓣的衰减大，具有频谱泄露少的有点，所以在实验中采用的是具有较小上下冲的汉明窗。

为了使频域信号的频率分辨率较高，所取的DFT及相应的FFT点数应该足够多，但时域信号的长度受到采样率和和短时性的限制，这里可以采用补零的办法，对补零后的序列进行FFT变换。

从实验仿真图可以看出浊音的频率分布比清音高。 3. 倒谱分析

通过实验可以发现，倒谱的基音检测与语音加窗的选择也是有关系的。如果窗函数选择矩形窗，在许多情况下倒谱中的基音峰将变得不清晰，窗函数选择汉明窗较为合理，可以发现，加汉明窗的倒谱基音峰较为突出。

在典型的浊音清音倒谱对比中，理论上浊音倒谱基音峰应比较突出，而清音不出现这种尖峰，只是在倒谱的低时域部分包含关于声道冲激响应的信息。实验仿真的图形不是很理想。

4. 线性预测分析

从实验中可以发现，LPC谱估计具有一个特点，在信号能量较大的区域即接近谱的峰值处，LPC谱和信号谱很接近；而在信号能量较低的区域即接近谱的谷底处，则相差比较大。

在浊音清音对比中，可以发现，对呈现谐波特征的浊音语音谱来说这个特点很明显，就是在谐波成分处LPC谱匹配信号谱的效果要远比谐波之间好得多。

在实验中，当P值增加到一定程度，预测平方误差的改善就不很明显了，而且会增加计算量，一般取为8~14，这里P取为10。

5. 基音周期估计

①自互相关函数法

②短时平均幅度差法

③倒谱分析法

d1d2127/127125.9Hz

d1d212516000/127128Hz

16000

共偏移

92+32=124个偏移点

16000/124=129.1Hz

可以发现，上面三种方法计算得到的基音周期基本相同。