基于MATLAB的语音信号时频域参数分析

２２

［ｙ，　ｆｓ，　ｎｂｉｔｓ］＝ｗａｖｒｅａｄ（ｗａｖｅＦｉｌｅ）；ｙ＝ｙ＊２＾ｎｂｉｔｓ／２；％　ｗａｖｅＲｅａｄＩｎｔ：　Ｓａｍｅ　ａｓ　ｗａｖｒｅａｄ，　ｂｕｔ　ｒｅｔｕｒｎ　ｉｎｔｅ－ｇｅｒ　ｖａｌｕｅ　ｏｆ　ｙ

％　Ｕｓａｇｅ：　［ｙ，　ｆｓ，　ｎｂｉｔｓ］＝ｗａｖＲｅａｄＩｎｔ（ｗａｖｅＦｉｌｅ）％　Ｉｆ　ｎｂｉｔｓ＝８，　ｔｈｅｎ　－１２８＜＝ｙ＜＝１２７

％　Ｉｆ　ｎｂｉｔｓ＝１６，　ｔｈｅｎ　－３２７６８＜＝ｙ＜＝３２７６７

ｗａｖｅＦｉｌｅ＝＇ｌｃｑ．ｗａｖ＇；　ｆｒａｍｅＳｉｚｅ＝２５６；　ｏｖｅｒｌａｐ＝１２８；［ｙ，　ｆｓ，　ｎｂｉｔｓ］＝ｗａｖＲｅａｄＩｎｔ（ｗａｖｅＦｉｌｅ）；

ｆｐｒｉｎｔｆ（＇Ｌｅｎｇｔｈ　ｏｆ　％ｓ　ｉｓ　％ｇ　ｓｅｃ．＼ｎ＇，　ｗａｖｅＦｉｌｅ，ｌｅｎｇｔｈ（ｙ）／ｆｓ）；

ｆｒａｍｅＭａｔ＝ｂｕｆｆｅｒ（ｙ，　ｆｒａｍｅＳｉｚｅ，　ｏｖｅｒｌａｐ）；

ｆｒａｍｅＮｕｍ＝ｓｉｚｅ（ｆｒａｍｅＭａｔ，　２）；ｖｏｌｕｍｅ１＝ｚｅｒｏｓ（ｆｒａｍｅＮｕｍ，１）；

ｖｏｌｕｍｅ２＝ｚｅｒｏｓ（ｆｒａｍｅＮｕｍ，　１）；ｆｏｒ　ｉ＝１：ｆｒａｍｅＮｕｍ

ｆｒａｍｅ＝ｆｒａｍｅＭａｔ（：，ｉ）；

ｆｒａｍｅ＝ｆｒａｍｅ－ｍｅａｎ（ｆｒａｍｅ）；％　ｚｅｒｏ－ｊｕｓｔｉｆｉｅｄ

ｖｏｌｕｍｅ１（ｉ）＝ｓｕｍ（ａｂｓ（ｆｒａｍｅ））；％　ｍｅｔｈｏｄ　１

ｖｏｌｕｍｅ２（ｉ）＝１０＊ｌｏｇ１０（ｓｕｍ（ｆｒａｍｅ．＾２））；％　ｍｅｔｈｏｄ　２ｅｎｄ

ｔｉｍｅ＝（１：ｌｅｎｇｔｈ（ｙ））／ｆｓ；

ｆｒａｍｅＴｉｍｅ＝（（０：ｆｒａｍｅＮｕｍ－１）＊（ｆｒａｍｅＳｉｚｅ－ｏｖｅｒｌａｐ）＋０．５＊ｆｒａｍｅＳｉｚｅ）／ｆｓ；

ｓｕｂｐｌｏｔ（３，１，１）；　ｐｌｏｔ（ｔｉｍｅ，　ｙ）；　ｙｌａｂｅｌ（ｗａｖｅＦｉｌｅ）；

ｓｕｂｐｌｏｔ（３，１，２）；　ｐｌｏｔ（ｆｒａｍｅＴｉｍｅ，　ｖｏｌｕｍｅ１，　＇．－＇）；ｙｌａｂｅｌ（＇Ｖｏｌｕｍｅ　（Ａｂｓ．　ｓｕｍ）＇）；

ｓｕｂｐｌｏｔ（３，１，３）；　ｐｌｏｔ（ｆｒａｍｅＴｉｍｅ，　ｖｏｌｕｍｅ２，　＇．－＇）；ｙｌａｂｅｌ（＇Ｖｏｌｕｍｅ　（Ｄｅｃｉｂｅｌｓ）＇）；ｘｌａｂｅｌ（＇Ｔｉｍｅ　（ｓｅｃ）＇）；

ｗａｖｅＦｉｌｅ＝＇ｌｃｑ＇；ｆｒａｍｅＳｉｚｅ＝２５６；ｏｖｅｒｌａｐ＝０；［ｙ，　ｆｓ，　ｎｂｉｔｓ］＝ｗａｖＲｅａｄＩｎｔ（ｗａｖｅＦｉｌｅ）；ｆｒａｍｅＭａｔ＝ｂｕｆｆｅｒ（ｙ，　ｆｒａｍｅＳｉｚｅ，　ｏｖｅｒｌａｐ）；

ｚｃｒ１＝ｓｕｍ（ｆｒａｍｅＭａｔ（１：ｅｎｄ－１，　：）．＊ｆｒａｍｅＭａｔ（２：ｅｎｄ，　：）＜０）；％　Ｍｅｔｈｏｄ　１

ｚｃｒ２＝ｓｕｍ（ｆｒａｍｅＭａｔ（１：ｅｎｄ－１，　：）．＊ｆｒａｍｅＭａｔ（２：ｅｎｄ，　：）＜＝０）；％　Ｍｅｔｈｏｄ　２

ｔｉｍｅ＝（１：ｌｅｎｇｔｈ（ｙ））／ｆｓ；ｆｒａｍｅＮｕｍ＝ｓｉｚｅ（ｆｒａｍｅＭａｔ，　２）；ｆｒａｍｅＴｉｍｅ＝（（０：ｆｒａｍｅＮｕｍ－１）＊（ｆｒａｍｅＳｉｚｅ－ｏｖｅｒｌａｐ）＋０．５＊ｆｒａｍｅＳｉｚｅ）／ｆｓ；

ｓｕｂｐｌｏｔ（２，１，１）；　　ｐｌｏｔ（ｔｉｍｅ，　ｙ）；　　ｙｌａｂｅｌ（ｗａｖｅＦｉｌｅ）；ｓｕｂｐｌｏｔ（２，１，２）；　　ｐｌｏｔ（ｆｒａｍｅＴｉｍｅ，　ｚｃｒ１，　＇．－＇，ｆｒａｍｅＴｉｍｅ，　ｚｃｒ２，　＇．－＇）；

ｔｉｔｌｅ（＇ＺＣＲ＇）；　　ｘｌａｂｅｌ（＇Ｔｉｍｅ　（ｓｅｃ）＇）；ｌｅｇｅｎｄ（＇Ｍｅｔｈｏｄ１＇，　＇Ｍｅｔｈｏｄ　２＇）；

基于ＭＡＴＬＡＢ的语音信号时频域参数分析图二两种短时零率分析结果

从图二可以清楚得看出，清音的过零率要大于浊音的过零率。

２．１．３基音的估计

浊音信号的周期称为基音周期，它是声带振动频率的倒数，基音周期的估计称为基音检测。基音检测是语音处理中的一项重要技术，它在有调语音辨意、低速率语音编码、说话人识别等方面起着非常关键的作用。但在实现过程中，由于声门激励波形不是一个完全的周期脉冲串，再加上声道影响去除不易、基音周期定位困难、背景噪声影响强烈等一系列因素，基音检测面临着很大的困难。现在已有很多性能优越的基音检测算法，自相关基因检测算法就是一种基于语音时域分析理论较好的算法［６］。在这里基于声音文件比较稳定的基础上，使用观察法获取基音周期，下面给出了实现代码，图三给出了直观的结果。

图一两种短时能量分析结果

ｗａｖｅＦｉｌｅ＝＇ｌｃｑ０１．ｗａｖ＇；［ｙ，　ｆｓ，　ｎｂｉｔｓ］＝ｗａｖｒｅａｄ（ｗａｖｅＦｉｌｅ）；

ｉｎｄｅｘ１＝１１０００；ｆｒａｍｅＳｉｚｅ＝２５６；ｉｎｄｅｘ２＝ｉｎｄｅｘ１＋ｆｒａｍｅＳｉｚｅ－１；

ｆｒａｍｅ＝ｙ（ｉｎｄｅｘ１：ｉｎｄｅｘ２）；　ｓｕｂｐｌｏｔ（２，１，１）；　　ｐｌｏｔ（ｙ）；ｇｒｉｄ　ｏｎ　ｔｉｔｌｅ（ｗａｖｅＦｉｌｅ）；　ｌｉｎｅ（ｉｎｄｅｘ１＊［１　１］，　［－１１］，　＇ｃｏｌｏｒ＇，　＇ｒ＇）；

ｌｉｎｅ（ｉｎｄｅｘ２＊［１　１］，　［－１　１］，　＇ｃｏｌｏｒ＇，　＇ｒ＇）；　ｓｕｂｐｌｏｔ（２，１，２）；　ｐｌｏｔ（ｆｒａｍｅ，　＇．－＇）；

ｇｒｉｄ　ｏｎ　　ｐｏｉｎｔ＝［７，　１８９］；

２．２频域分析短时傅立叶分析

在运用离散时间傅立叶变换分析语音信号的变化时，会

２．１．２短时过零率分析

过零就是信号通过零值。对于连续语音信号，可以考察其时域波形通过时间轴的情况。对于离散时间信号，如果相邻的取样值改变符号则称为过零。由此可以计算过零数，过零数就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ｘ（ｎ）的短时平均过零数定义为：　Ｚｎ＝Ｓ｛ａｂｓ｛ｓｇｎ［ｘ（ｎ）］－ｓｇｎ［ｘ（ｎ－１）］｝．ｗ（ｎ－ｍ）｝。短时过零分析通常用在端点侦测，特别是用来估计清音的起始位置和结束位置。

下面给出了计算过零率两种方式的ＭＡＴＬＡＢ代码，图二显示了分析结果。

２３科技广场２００７．９

２４