基于基音周期模型的語音識別畢業設計論文(編輯修改稿)

　

【文章內容簡介】 機。 “我到北京去” 錄音（按鍵），然后到23秒時停止（按鍵）；:/Matlab/work中，，采樣頻率選11KHz，16位，單聲道； 12 2． ；=wavread(‘’)命令讀入語音文件。 語音信號的采樣和分幀“采樣”是指從語音信號中選取一段樣本，一般取樣點數為幀長的整數倍。短時分析是將語音信號分為一段一段的來處理，每一段就稱為一“幀”。分幀時需要對語音信號進行加窗操作，窗口長度的選擇非常重要，窗口長度過短會使得分析窗內沒有包含足夠的數據點來進行周期判斷，且短時能量變化劇烈；窗口長度過長，短時能量是一段長時間的平均，不但不能反映出語音信號基頻的細節變化部分，而且使得計算量增大。窗口長度至少要大于基音周期的兩倍。一般窗長選為120240點，分幀模塊主要完成將取樣模塊中獲得的語音樣值點分為若干個語音幀。語音在Matlab上的實現：，在Matlab上進行語音的采樣與分幀。，運行：x=wavread(39。39。)。%讀取聲音文件 figure(1)。 stem(x,39。.39。)。 %顯示聲音信號的波形得到的波形如下：13 a1原始語音波形對語音信號采樣，通過matlab對語音文件“”，若采樣頻率為11KHz，共計27500個采樣點。采樣模塊從采樣頻率為11KHz的語音信號中截取1秒到2秒這一時間段，取了11000個樣點進行分析，取幀長為20ms，即每幀為220個樣點值，共分為50幀。打開Matlab，運行：x=wavread(39。39。)。%讀取聲音文件x=x(11001:22000)。 figure(1)。 stem(x,39。.39。)。 %顯示聲音信號的波形得到波形如下：14 a1采樣信號波形中心削波法的程序及其波形圖：a=wavread(39。39。)；L=length(x)。m=max(a)。for i=1:L a(i)=a(i)/m。endm=max(a)。n=min(a)。ht=(m+n)/2。for i=1:L。 a(i)=a(i)ht。endfigure(1)。subplot(2,1,1)。plot(a,39。k39。)。axis([0,1711,1,1])。title(39。中心削波前語音波形39。)。xlabel(39。樣點數39。)。ylabel(39。幅度39。)。coeff=。th0=max(a)*coeff。for k=1:L。 if a(k)=th0 a(k)=a(k)th0。 elseif a(k)=(th0)。 a(k)=a(k)+th0。 else a(k)=0。 endendm=max(a)。for i=1:L。 a(i)=a(i)/m。endsubplot(2,1,2)。plot(a,39。k39。)。axis([0,1711,1,1])。title(39。中心削波后語音波形’）；xlabel(39。樣點數39。)。ylabel(39。幅度39。)。得到的結果如下： 中心削波前和中心削波后的波形 語音信號基音周期的檢測 短時自相關函數法檢測基音周期對每一幀信號進行自相關運算程序如下：x=wavread(39。39。)。n=220。 %取20ms的聲音片段，即220個樣點 for m=1:length(x)/n。 %對每一幀求短時自相關函數 for k=1:n。 Rm(k)=0。 for i=(k+1):n。 Rm(k)=Rm(k)+x(i+(m1)*n)*x(ik+(m1)*n)。 end end p=Rm(10:n)。 %防止誤判，去掉前邊10個數值較大的點 [Rmax,N(m)]=max(p)。 %讀取第一個自相關函數的最大點 end %補回前邊去掉的10個點 N=N+10。 T=N/8。 %算出對應的周期 figure(2)。stem(T,39。.39。)。axis([0 length(T) 0 10])。 xlabel(39。幀數(n)39。)。ylabel(39。周期(ms)39。)。title(39。各幀基音周期39。)。得到結果如下： a1基音軌跡圖 短時平均幅度差函數法檢測基音周期對每一幀信號進行平均幅度差運算程序如下： x=wavread(39。39。)。%讀取聲音文件 b1=x(11001:22000)。 figure(1)。 stem(b1,39。.39。)。 %顯示聲音信號的波形N=200。%窗長A=[]。for k=1:200%延遲長度 sum=0。 for m=1:N。 sum=sum+abs(b1(m)b1(m+k1))。 endA(k)=sum。ends=x(11001:22000)。figure(2)subplot(211)axis([0,200,2*10^3,2*10^3])plot(s)。subplot(212)axis([0,200,0，*10^5])。plot(A)。得到結果如下： a1的語音波形19 a1平均幅度差運算 基音周期檢測的后處理我們可以從得到的基音周期波形中看出形狀不規律，也看起來很復雜。從這樣的波形中是很難提取到準確基音周期的。所以在提取時，就應當進行相應的處理使得得到的基音周期軌跡于現實的軌跡能比較貼合。在大多數都能吻合的情況下，其余那些落在正常軌跡之外的，通常是偏離到正常值的2倍或1/2處，即實際基音頻率的倍頻或分頻處，稱這種偏離點為基音軌跡的“野點”。去除這些“野點”，使得基音軌跡能夠平滑，就需要進行平滑后處理。常用的平滑技術主要有：中值濾波平滑處理，線性平滑，動態規劃平滑處理。 這里采用組合平滑處理，為了改善平滑的效果可以將兩個中值平滑串接，圖341(a)所示是將一個5點中值平滑和一個3點中值平滑串接。另一種方法是將中值平滑和線性平滑組合，如圖341(b)所示。為了使平滑的基音軌跡更為貼近，還可以采用二次平滑的算法。 3點中值平滑5點中值平滑 （a)20 中值平滑線性平滑 （b)用下面的程序對原始的基音周期進行平滑處理：fid=fopen(39。39。,39。rt39。)。zhouqi=fscanf(fid,39。%f‘）；fclose（fid)。zhouqi0=medfilt1(zhouqi,5)。zhouqi1=medfilt1(zhouqi,3)。zhouqi2=linsmooth(zhouqi0,5)。w=[]。w=zhouqi。w1=wzhouqi2。w1=medfilt(w1,5)。w1=linsmooth(w1,5)。zhouqi3=w1+zhouqi2。v=[]。v(1)=0。v(2)=0。v(3)=0。v(4)=0。for i=1:（length(zhouqi)4) V(i+4)=zhouqi(i)。endv=v(:）；v1=vzhouqi2。v1=medfilt1(v1,5)。v1=linsmooth(v1,5)。zhouqi4=v1+zhouqi2。figure(1)subplot(511)plot(zhouqi)。21 xlabel(39。幀數’）ylabel(39。樣點數‘）axis([0,360,0,150])title(39。原始基音周期軌跡’）subplot(512),plot(zhouqi2)。xlabel(39。幀數‘）ylabel(39。樣點數’）axis([0,360,0,150])title(39。五點中值平滑和3點中值平滑組合‘）subplot(513),plot(zhouqi2)。xlabel(39。幀數’）ylabel(39。樣點數’）axis([0,360,0,150]) title(39。五點中值平滑和5點線性平滑組合‘）subplot(514）,plot(zhouqi3)。xlabel(39。幀數’）ylabel(39。樣點數’）axis([0,360,0,150])title（‘二次平滑法’）subplot(515）,plot(zhouqi4)。xlabel(39。幀數’）ylabel(39。樣點數’）axis([0,360,0,150])title（‘加延時的二次平滑算法’）其中，linsmooth()函數的MATLAB程序如下：function[y]=linsmooth(x,n,wintype)% linsmooth(x,wintype,n)：linear smoothing% x:輸入% n:窗長% wintype：窗類型，默認為‘hann39。if nargin3 wintype=39。hann39。end22 if nargin2 n=3；endwin=hann(n)。win=win/sum(win)。[r,c]=size(x)。if min(r,c)~=1 error(39。sorry,no matrix here!:(39。)endif r==1 len=c。else len=r； x=x.39。endy=zeros(len,1)。if mod(n,2)==0 1=n/2。 x=[ones(1,1)*x(1) x ones(1,1)*x(len)]39。