matlab實現(xiàn)聲音轉(zhuǎn)換

1、數(shù)字信號處理聲音轉(zhuǎn)換課題報告1. 課題研究目標利用matlab或其他編程軟件對音頻信 號進行處理，要求實現(xiàn)聲音的轉(zhuǎn)換。如 男聲和女聲的轉(zhuǎn)換，老人聲音與童聲的 轉(zhuǎn)換。2. 課題使用工具Matlab3. 課題技術(shù)線路分析和處理音頻信號，首先要對聲音信 號進行采集。Matlab的數(shù)據(jù)采集工具箱 提供了一整套命令和函數(shù)，通過調(diào)用這 些命令和函數(shù)，可直接控制聲卡進行數(shù) 據(jù)采集。Windows自帶的錄音機程序也 可驅(qū)動聲卡來采集語音信號，并能保存 為wav格式文件，供 matlab相關(guān)函數(shù) 直接讀取，寫入和播放。本文以wav格式音頻信號作為分析處理的輸入數(shù)據(jù)， 用matlab處理音頻信號的基本流程是：先將

2、wav格式音頻信號經(jīng) wavread 函數(shù)轉(zhuǎn)換成matlab列數(shù)組變量；用 matlab強大的運算能力進行數(shù)據(jù)分析和 處理，即時域分析，頻域分析，信號合 成，識別和增強等；處理后的數(shù)據(jù)如是 音頻數(shù)據(jù)，則可用 wavread轉(zhuǎn)換成wav 格式文件或用sou nd，wavplay等函數(shù) 直接回放。4. 課題實現(xiàn)的原理本程序使用的方法是通過改變基頻然 后時長規(guī)整的方式來達到目的。(1)更改基頻通過資料的查詢和整理，可以知道不同人的基頻不同統(tǒng)計如下：正常成年男聲：0200Hz;正常成年女聲：200450Hz;小孩聲音的基頻要比女聲的高，老年人 的基頻要比男聲的低。經(jīng)過整理統(tǒng)計可知女聲基頻=男聲基頻*1

3、.5。本程序使用的是通過抽樣與插值的方式 來達到基頻的改變。以女變男為例：用整數(shù)D對語音信號X(n)進行抽取Xd=X( Dn);然后將X(n)的抽樣頻率提高到I (整 數(shù))倍，即為對X (n)的插值。D/l=3/2 ；(2)時長規(guī)整通過抽樣插值來改變基頻 也使播放速 度，播放時間發(fā)生改變， 因此通過時 長規(guī)整的方式來使播放速度 和時間恢 復到原來。本程序使用的是用重疊疊加算法來達到 時長規(guī)整。重疊疊加算法原理：它分為兩個階段一一分解和合成將原始信號以幀長 N,幀間距sa進行分 解，然后以幀間距ss進行合成。sa與ss的的比值決定了時長規(guī)整因子 F=sa/ss。為保證重疊區(qū)域幅度不變， 加了漢明

4、窗。5. Matlab的實現(xiàn)及程序流程分為編程和gui的設(shè)計(1) 編程y=resample(x,i,d);%重采樣來達到抽值和插值的目的然后就是時長規(guī)整在具體介紹算法之前，先簡要地介 紹一下幾種參數(shù)：1) W :窗長度(WindowLength )。它代表了接受處理的語音信 號的最小長度。2) Sa :分析延時(Analysis shift )。它代表了依次截取并進行處 理的語音段首地址之間的間隔。3) Ss :綜合延時(Synthesis shift )。依次輸出的語音段首地址之 間的間隔。4) kmax :查找延時。這一延時 是指分析窗口為了與輸出信號的尾部相 一致而必須發(fā)生的一段延時。

5、5) Wov :后一段語音與前一段語 音相疊加的長度。為了能使上面的參數(shù)更容易理解， 用下面的圖標是各參量之間的關(guān)系。Ss Wovinput signal整個算法首先將語音段中的前 w 個 數(shù)值取出來，直接存入到輸出序列中。 然后根據(jù)Sa的值取出下一段語音，也 就是從第Sa個點開始取，一直取 W個 點。然后將這 W個點中的前 Wov個點與 輸出序列的最后Wov個點進行比較，比 較它們之間的一致性。記錄下比較的情 況，然后整個分析窗口（也就是截取W個點的窗口）向后移動一個樣值，再將 新的序列中的前 Wov個點與輸出序列中 的后Wov個點進行比較，同時記錄下比 較結(jié)果。這樣依次做 Kmax次，然后

6、取 出比較結(jié)果中最一致的那種情況。將這 種情況下，所截取的語音序列的前Wov個點與輸出序列的最后 Wov個點按某種方式進行疊加，然后再將 W個點的窗口 中剩余的Ss個點存入到輸出序列中 去。至此完成了一輪語音操作。下一輪 語音段處理，與上面基本相同，只不過 從輸入序列中截取的語音段不是從原先 的起點開始而是在原先的起點的基礎(chǔ)上 向后延時Sa個點。如果我們用回表示第m段語音信 號，用表示原始信號的序列。那么兩者 的關(guān)系可以用下面的等式表示：瓦糊+找0 otherwisefor = 0. JF -1km是第m個分析窗口的移動量。km 的值得變化范圍是0至Kmax對于每一 個分析窗口， km的值取遍

7、這些值，同時 比較每次語音段的前 Wov個點與輸出序 列中的最后 Wov個點的一致性。取出其 中一致性最好的那個語音段將其前Wov個點疊加到輸出序列中去。設(shè)疊加時所 用的窗用表示，輸出序列；用那么.卩山1/擁強+旳+（1卻勿）心沖劉粘$+肖=竊0伽卷=陷一一W公式表明，已經(jīng)在輸出序列中的最 后Wov個點通過與所選定的窗口中的前 Wov個語音點以加權(quán)的方式疊加。加權(quán) 值與有關(guān)。疊加后將 W個點中剩余的 Ss（ Ss=W-Wo）個點補充到輸出序列中 去。通過調(diào)整Sa的值和Ss的值（或者 是WoV的值就可以達到對語音信號進 行時間長度上的變化。那么具體的每一段語音的 km值究 竟如何確定呢？要解決這

8、一問題，關(guān)鍵在于解決一 致性的判決標準。我們采用互相關(guān)系數(shù) 來表示一致性的程度。那么對于第 m輪 處理，km= max Rk其中是所取的分析窗口的前 Wov個 點和輸出序列的最后 Wov個點之間的互 相關(guān)性，它的定義是這樣的：略-1尹；斤=+ A: + nmSs -I- jiK=0W -1 rk=fx2mSak + nH=0/= y2mSs + nn=0幾點初步的討論:1) 首先從每一次處理后，我們從輸入語音段中取序列的起 點向后推遲了 Sa個點，而輸出序列的 長度也增大了 Ss個點。所以可以認為 每處理一次有Sa-Ss個點被丟棄(如果Sa要大于Ss），如果我們處理的語音 信號長度較長。可以很

9、容易地證明，新 舊序列的長度之比是：Ss / Sa。根據(jù) 這一比例關(guān)系，我們就可以認為地控制 輸出序列的長度（當然，這種控制是十 分粗略的，并且只是在語音信號較長時 有效）。2）*的選取應當使得輸入與輸出 序列之間實現(xiàn)平滑的連接。實驗表明， 采用簡單的斜坡函數(shù)也可以達到較好的 語音效果（只要采樣率足夠大）。3）對于km的求取 是降低時間復雜度的重要一步。實際上，我們不需要每輪處理數(shù)據(jù)時都去計 算一遍km,計算一遍km會花去不少時 間。我們假定在任何一點，最多有兩個 窗會在這點上重疊。現(xiàn)在考慮第m個窗，從輸出端的最后 Wov個點可以看 出，它其實就是輸入序列中的某些點：+ =(am -1)& +

10、 & + 旳)=兀(附一 1)滋 + j + (&+)二+ +其中，婦丸* + (_$)。從上面幾個等式可以看出：如果 。那么，不需要計算 km的值， 只需要將km的值直接取為tm就可以 了。而如果tm的值超出了上面的這個 范圍，就必須按照前面的計算方法進行 計算。從前面的討論中可以看出，要使得 在每一點只有最多兩個窗相互疊加，實 際上是要求，輸出序列的最后 Wov個點 在前一輪沒有參與到疊加運算中。這就 要求在參數(shù)選擇上要滿足 Ss Wov。另外，為了減小對于km的計算次 數(shù)，可以選擇將 Kmax選取得大一些， 比如取為500，同時Sa與Ss要盡量接 近。4) 對于采用互相關(guān)法求km的情況，

11、作如下算法上的改 動：首先，對于所有的 k值，要比較它 們對應得互相關(guān)之間的關(guān)系，只需要比 較就可以了，這樣就避免了開方這 一麻煩得運算。同時，由于丁 ：對于所有 的k值都是一樣的，所以比較時不需要 去考慮它。因此最終我們對于每一個k(磅1幼 值只要比較門門。最后，對于廣的計 算算可以采用遞推的方法，即：rk + l=rJt + x2w5a + fc+ k(2) Gui設(shè)計參考一定量的資料完成了比較簡陋的界面頻譜搬移后的界面6程序清單fun cti on Y=voice1(x)%更改采樣率使基頻改變d=resample(x,3,2);%寸長整合使語音文件恢復原來時長W=400;Wov=W/2;

12、Kmax=W*2;Wsim=Wov;xdecim=8;kdecim=2;X=d：F=1.5;Ss =W-Wov;xpts = size(X,2);ypts = roun d(xpts / F);Y = zeros(1, ypts);xfwin = (1:Wov)/(Wov+1);ovix = (1-Wov):0;newix = 1:(W-Wov);simix = (1:xdecim:Wsim) - Wsim;padX = zeros(1, Wsim), X, zeros(1,Kmax+W-Wov);Y (1:Wsim) = X(1:Wsim);xabs = 0;lastxpos = 0;km

13、= 0;for ypos = Wsim:Ss:(ypts-W); xpos = F * ypos;kmpred = km + (xpos - lastxpos); lastxpos = xpos;if (kmpred = Kmax)km = kmpred;elseysim = Y( ypos + simix);rxy = zeros(1, Kmax+1);rxx = zeros(1, Kmax+1);Kmin = 0;for k = Kmi n:kdecim:Kmax xsim = padX(Wsim + xpos + k + simix);rxx(k+1) = no rm(xsim);rxy

14、(k+1) = (ysim * xsim);endRxy = (rxx =0). *rxy /(rxx+(rxx=0);km = mi n(fin d(Rxy = max(Rxy)-1);end xabs = xpos+km;Y( ypos+ovix) = (1-xfwi n).* Y( ypos+ovix) +(xfwin. *padX(Wsim+xabs+ovix);Y( ypos+newix)=padX(Wsim+xabs+newix);endend7.總結(jié)這次課題的目的是將數(shù)字信號處理技術(shù) 應用于某一實際領(lǐng)域，即指對音頻信號 的處理。作為存儲于計算機中的語音信 號，其本身就是離散化了的向量，我們 只需將這些離散的量提取出來，就可以 對其進行處理了。在這里，用到