數(shù)字變聲器原理與算法教學文案

1、精品文檔基于MATLA算法的數(shù)字變聲器【摘要】變聲器的原理是通過改變輸入聲音頻率，進行改變聲音的音色、 音調，使輸出聲音在感官上與原聲音不同。變聲器是借助對聲音音色和音調的 雙重復合改變，實現(xiàn)輸出聲音的改變。通過自己發(fā)聲，共振峰頻率的改變是基 于重采樣實現(xiàn)的。同時用LPC倒譜分析法分析共振峰的范圍，通過 MATLAB!寫 程序并構置GUI界面。實驗中通過MATLA歆件對采集來的語言信號進行頻譜分 析，討論不同人之間的噪音源參數(shù)和共振峰參數(shù)，通過對不同人語言信號頻率 和幅度的改變來實現(xiàn)不同人之間的語音轉換?！娟P鍵詞】短時自相關法；LPC倒譜； 語音信號；matlab GUI ;1引言隨著生活水平

2、的提高，科技的不斷進步，很多人為了娛樂，從而希望改變 自己的聲音；還有如今的許多的訪問節(jié)目為了保護被訪問者，都對聲音進行了 相應的處理。本設計通過編寫 matlab程序，借助對聲音音色和音調的雙重復 合改變，實現(xiàn)輸出聲音的改變。共振峰頻率的改變是基于重采樣實現(xiàn)的，從 重采樣原理知道，這也同時印發(fā)了基頻的變化，為保證基頻變化和共振峰頻 率變化的獨立、互不相關，在基頻移動時必須考慮抵消重采樣帶來的偏移， 理論上只要基頻檢測足夠精確，確實可以保證基頻改變和共振峰頻率改變問 的互不相關。保證變聲效果的自然度主要是沒有采用基因檢測將基因移動和 共振峰變化徹底隔離的緣故。本次課程設計就是運用我們所學到的理

3、論知識，用MATLA瞅件來實現(xiàn)對語音信號的變聲處理，理論聯(lián)系實際，從而更好地掌握以及運用所學習的知識。2數(shù)字變聲器的原理與算法2.1 基本原理語音科學家將人類發(fā)聲過程視作一個由聲門源輸送的氣流經(jīng)以聲道、口、 鼻腔組成的濾波器調制而成的。人類語音可分為有聲語音和無聲語音，前者是 由聲帶振動激勵的脈沖信號經(jīng)聲腔調制變成不同的音，它是人類語言中元音的 基礎，聲帶振動的頻率稱為基頻。無聲語音則是聲帶保持開啟狀態(tài)，禁止振動 引發(fā)的。一般來說，由聲門振動決定的基頻跟說話人的性別特征有關，如下 表，而無聲語音則沒有體現(xiàn)這個特征。說話人的個性化音色和語音的另外一個 聲學參數(shù)一一共振峰頻率的分布有關。兒童由于聲

4、道短，其共振峰頻率高于成 年人，成年女性的聲道一般短于成年男性，所以女性的共振峰頻率一般高于男 性。在進行性別變聲時，主要考慮基音周期、基頻和共振峰頻率的變化。其中 男生、女生和童聲的基頻、共振峰的關系如圖 1所示；基音周期改變時，基頻、 共振峰同時變化，若伸展既有男變女、女變童，反之亦可。本實驗是基于打開 一種聲音進行相關參數(shù)提取，修改接近于女聲、男聲或童聲，實現(xiàn)聲音的變換。人群八拿分布Ha技振峰頻率分布男聲/50,18 0偏低/女聲V160,3801 -中40。-10001 (扃圖1人群基頻與共振峰的關系2.2 實現(xiàn)過程及算法采用線性預測參數(shù)合成法。線性預測參數(shù)合成法利用 LPC語音分析方

5、法, 通過分析自然語音樣本，計算出LPC系數(shù)，就可以建立信號產(chǎn)生模型，從而合 成出語音。大致流程如圖2所示。圖2制作流程收集于網(wǎng)絡，如有侵權請聯(lián)系管理員刪除2.2.1 基于短時自相關法的基音周期估值對語言信號進行低通濾波，然后進行自相關計算。在低通濾波時，采用巴 特沃斯濾波器。根據(jù)人的說話特征設定相應指標參數(shù)，對本段語音設計算出巴特沃斯模擬濾波器的階數(shù)N為5, 3dB截止頻率0.175,歸一化低通原型系統(tǒng)函數(shù)為：-ic, c = (100.1ap - 1)2n,算出 c為G (p) =J,p5 + b4P4 + b3P3 + b2P2+ b1P+ b0其中 b0 = 1.0000, & = 3

6、.2361, b2 = 5.2361, b3 = 5.2361, b4=3.2361Q5 c將P = S/ ?箍人Ga(P)中，得到低通濾波器，H_H sua八 Rc八 4八 6s5 + b4 QcS4 + b2 QcS2 + b QcS+ b。c根據(jù)設定的濾波器編寫 matlab程序，當信號經(jīng)過低通濾波器后，對原始信 號濾波產(chǎn)生結果如下圖2所示，低通濾波后，保留基音頻率，然后再用8kHz采樣頻率進行采樣，采樣序列為x(n),然后進行下一步的自相關計算。11 200圖3原始信號低通濾波2.2.2 語音信號的短時自相關函數(shù) 定義語音信號自相關函數(shù)如下：n=k-n-1Rn(k) = E Xn(n)

7、Xn(n + k)n=0其中k為信號延遲點數(shù)：Xn(n)為語音信號；N為語音幀長度。經(jīng)過低通濾波之 后，取160個樣點數(shù)，幀長取10ms對每幀語音求短時自相關，取得自相關最 大點數(shù)，自相關函數(shù)在基音周期處表現(xiàn)為峰值，這些峰值點之間的間隔的平均 值就是基音周期。2.2.3 LPC倒譜法提取共振峰通過線性預測分析得到合成濾波器的系統(tǒng)函數(shù)為1H(Z)=-彳不1 -41 aiz其沖擊響應為h(n), ai為預測系數(shù)。然后求h(n)的倒譜？(n),首先根據(jù) 同態(tài)分析方法，有H?(z)=logH(z),因為H (z)是最小相位的，即在單位圓內是 解析的，所以H?(z)可以展開成級數(shù)形式，即H?(z)=%1

8、 ?(n)z-n ,也就是說 H?(z)的逆變換？(n)是存在的，設？(n)=0 ,將等式兩端分別對z-1求導，得 到：- n?(n) z-n+1 工產(chǎn)三1- J=1 aiz有(1-1 aiz-i )61 n?(n)z-n+1 =1=1 uiz-i+1 ,令式左右兩邊Z的各次 幕前系數(shù)分別相等得到：L 1?(1) = 1Yh?(n)= an+浮1 (1 -：間？(n - i) 1n p在本實驗中，取預測階數(shù)為10,語音的樣點數(shù)為160,按照上式可直接從預測系數(shù)ai求得倒譜？(n),這個倒譜是根據(jù)線性預測模型得到，即稱為LPC倒譜。2.2.4線性預測語音信號合成根據(jù)線性預測的基本思想，用過去 M

9、個樣點值來預測現(xiàn)在或未來的樣點化? (n)=工 aiy(n - i)? (n)是預測信號，a為預測系數(shù)，y(n)為取樣信號，預測誤差已(n):2E 2(n) =E y(n) - * aiy(n - i) 為使E 2(n) 最小，對ai求偏導，并令其為零，有：j=1,ME y(n)-潭 qy(n- i) y(n-j) =0上式表明采用最佳預測系數(shù)時，預測誤差與過去的樣點值正交。由于語音信號的短時平穩(wěn)性，要分幀處理，對于每一個樣點值記為1),這段語音記為Yn。對于語音段Yn,并記n(j,i尸Eyn(m- j)ym(m -它的自相關函數(shù)為：Rn (j)=yn(m)yn(m - j)yn(n)，yn(

10、n+N-i),對于語音段Yn,n=1,，M根據(jù)Yule-walker方程，可以解出樣值，用這種方法定期地改變激勵參數(shù) u(n)和預測系數(shù)a,并使用修改過后的基因周期和共振峰參數(shù)，就能合成出語 音，合成語音樣本如下：S (n)=空1 ais(n- i)+Gu(n)ai為預測系數(shù)；G為模型增益；u(n)為激勵；合成樣本s(n) ； p為預測器階 數(shù)；2.2.5流程圖數(shù)據(jù)歸一化3數(shù)字變聲器的軟件實現(xiàn)及仿真結果3.1 界面設計在設計數(shù)字變聲器的界面時，使用了 MATLA魄供的可視化的界面環(huán)境Guide。相比通過編寫程序進行GUI的設計，可視化的界面環(huán)境更加方便快捷。見圖 4圖4界面設計1按鈕組：設計中

11、使用了兩個按鈕組，把打開、原聲、男變女、女變男、 童聲三項功能放在一組；另一個把語音的圖像即4個axes放在了一組。2按鈕：最常用的控件，用于相應用戶的鼠標單擊，按鈕上有說明文字說 明其作用。設計中使用了五個按鈕，分別用于打開、原聲、男變女、女變男、 里嚴。3軸：用于顯示圖像。3.2 回調函數(shù)對控件的Callback屬性編程是實現(xiàn)GUI的基本機制，我們下來就要在各函 數(shù)中編寫程序代碼，完成各回調函數(shù)的功能。(1)打開function dakai_Callback(hObject, eventdata, handles)filename,pathname=uigetfile(*.wav, ALL

12、 FILES ,選擇聲音)；if isequal(filename pathname/。,。) return ; end str=pathname filename;temp,Fs=audioread(str);temp1=resample(temp,80,441);handles.y=temp1;handles.y1=temp;handles.Fs=Fs;guidata(hObject,handles);(2)原聲function yuansheng_Callback(hObject, eventdata, handles) c=handles.Fs;sound(handles.y1,c);

13、plot(handles.axes1,handles.y1)title(handles.axes1,時域圖)；ysize=size(handles.y1);y1=fft(handles.y,length(handles.y1);ysize=size(y1);plot(handles.axes2,abs(y1);xlabel(handles.axes2,頻率)；ylabel(handles.axes2,幅度)；title(handles.axes2,頻率特性);(3)男變女function nanbiannv_Callback(hObject, eventdata, handles)FL = 8

14、0 ;% 幀移WL = 240 ;% 窗長P = 10 ；%預測系數(shù)個數(shù)s = handles.y; fs = handles.Fs;%定義常數(shù)s = s/max(s);L = length(s);FN = floor(L/FL)-2;%預測和重建濾波器exc = zeros(L,1);zi_pre = zeros(P,1);s_rec = zeros(L,1);zi_rec = zeros(P,1);%變調濾波器exc_syn_t = zeros(L,1);s_syn_t = zeros(L,1);last_syn_t = 0;zi_syn_t = zeros(P,1)； hw = hamm

15、ing(WL);%濾波器%歸一化%讀入語音長度%計算幀長，floor ;向負無窮方向%激勵信號，double類零矩陣L行1列%預測濾波器狀態(tài)%重建語音%合成的激勵信號，創(chuàng)建一個L行1列的0脈沖%合成語音%存儲上一個段的最后一個脈沖的下標%合成濾波器%又明窗%依次處理每幀語音for n = 3:FN%從第三個子數(shù)組開始%計算預測系數(shù)s_w = s(n*FL-WL+1:n*FL).*hw;%明窗加權A,E=lpc(s_w,P);%線性預測計算預測系數(shù)% A是預測系數(shù)，E會被用來計算合成激勵的能量s_f=s(n-1)*FL+1:n*FL);麻1J用filter函數(shù)重建語音%本幀語音exc1,zi_p

16、re = filter(A,1,s_f,zi_pre);exc(n-1)*FL+1:n*FL) = exc1;%+算激勵麻1J用filter函數(shù)重建語音s_rec1,zi_rec = filter(1,A,exc1,zi_rec);s_rec(n-1)*FL+1:n*FL) = s_rec1;%lt 建語音%下面只有得到exc后才可以 s_Pitch = exc(n*FL-222:n*FL);PT(n) = findpitch(s_Pitch);%#算基音周期 ptG = sqrt(E*PT(n);%計算合成激勵的能量 G% tempn_syn = 1:n*FL-last_syn;% exc_

17、syn1 = zeros(length(tempn_syn),1);% exc_syn1(mod(tempn_syn,PT)=0) = G; %某一段算出的脈沖% exc_syn1 = exc_syn1(n-1)*FL-last_syn+1:n*FL-last_syn);% s_syn1,zi_syn = filter(1,A,exc_syn1,zi_syn);% exc_syn(n-1)*FL+1:n*FL)=exc_syn1; %計算得到合成激勵% s_syn(n-1)*FL+1:n*FL) = s_syn1; %計算得到合成語音% last_syn = last_syn+PT*floor

18、(n*FL-last_syn)/PT);PT1 =floor(PT(n)/2);%M 小基音周期poles = roots(A);deltaOMG =100*2*pi/fs;for p=1:10%曾加共振峰if imag(poles(p)0poles(p) = poles(p)*exp(1j*deltaOMG);elseif imag(poles(p)=0.85*RopRop=R2;Top=T2;endif R30.85*RopRop=R3;Top=T3;endPT=Top;return(3)女變男function nvbiannan_Callback(hObject, eventdata,

19、handles)FL = 80 ;% 幀移WL = 240 ;% 窗長P = 10 ；%預測系數(shù)個數(shù)s = handles.y;fs = handles.Fs;%定義常數(shù)s = s/max(s);%歸一化L = length(s);%讀入語音長度FN = floor(L/FL)-2;%計算幀長，floor ;向負無窮方向%預測和重建濾波器exc = zeros(L,1);%激勵信號，double類零矩陣L行1列zi_pre = zeros(P,1)；%預測濾波器狀態(tài)s_rec = zeros(L,1);%重建語音zi_rec = zeros(P,1);%變調濾波器exc_syn_t = zer

20、os(L,1);%合成的激勵信號，創(chuàng)建一個L行1列的0脈沖s_syn_t = zeros(L,1);last_syn_t = 0;zi_syn_t = zeros(P,1)；%合成語音%存儲上一個段的最后一個脈沖的下標%合成濾波器hw = hamming(WL);%濾波器%又明窗%依次處理每幀語音for n = 3:FN%計算預測系數(shù)s_w = s(n*FL-WL+1:n*FL).*hw;%從第三個子數(shù)組開始%漢明窗加權A,E=lpc(s_w,P);%線性預測計算預測系數(shù)% A是預測系數(shù)，E會被用來計算合成激勵的能量s_f=s(n-1)*FL+1:n*FL);麻1J用filter函數(shù)重建語音%

21、本幀語音exc1,zi_pre = filter(A,1,s_f,zi_pre);exc(n-1)*FL+1:n*FL) = exci;%# 算激勵麻1J用filter函數(shù)重建語音s_rec1,zi_rec = filter(1,A,exc1,zi_rec);s_rec(n-1)*FL+1：n*FL) = s_rec1;%lt 建語音%下面只有得到exc后才可以s_Pitch = exc(n*FL-222:n*FL);PT(n) = findpitch(s_Pitch);%#算基音周期 ptG = sqrt(E*PT(n);%計算合成激勵的能量 G% tempn_syn = 1:n*FL-la

22、st_syn;% exc_syn1 = zeros(length(tempn_syn),1);% exc_syn1(mod(tempn_syn,PT)=0) = G; %某一段算出的脈沖% exc_syn1 = exc_syn1(n-1)*FL-last_syn+1:n*FL-last_syn);% s_syn1,zi_syn = filter(1,A,exc_syn1,zi_syn);% exc_syn(n-1)*FL+1:n*FL)=exc_syn1; %計算得到合成激勵% s_syn(n-1)*FL+1:n*FL) = s_syn1; %計算得到合成語音% last_syn = last

23、_syn+PT*floor(n*FL-last_syn)/PT);PT1 =floor(PT(n)/2);%M 小基音周期poles = roots(A);deltaOMG =100*2*pi/fs;for p=1:10%曾加共振峰if imag(poles(p)0poles(p) = poles(p)*exp(1j*deltaOMG);elseif imag(poles(p)0 ;poles(p) = poles(p)*exp(1i*deltaOMG);elseif imag(poles(p)0 ;poles(p) = poles(p)*exp(-1i*deltaOMG);endendend

24、A1=poly(poles);tempn_syn_t = 1:n*FL-last_syn_t;exc_syn1_t = zeros(length(tempn_syn_t),1);exc_syn1_t(mod(tempn_syn_t,PT1)=0) = G;exc_syn1_t = exc_syn1_t(n-1)*FL-last_syn_t+1:n*FL-last_syn_t);s_syn1_t,zi_syn_t = filter(1,A1,exc_syn1_t,zi_syn_t);exc_syn_t(n-1)*FL+1:n*FL) = exc_syn1_t;s_syn_t(n-1)*FL+1：n*FL) = s_syn1_t;last_syn_t = last_syn_t+PT1*floor(n*FL-last_syn_t)/PT1);endplot(handles.axes4,exc_syn_t)xlabel(handles.axes4,時域圖);ylabel(handles.axes4,頻率)；title(handles.axes4,幅