聲音信號的分析處理

《信號與系統(tǒng)》課程設計語音信號的分析和處理學院：通信與信息工程學院班級：2023012030班學生：指導教師：崔琳莉2011年12月19日一、摘要聲音是由物體的振動產(chǎn)生，以聲波的形式在介質中傳播，介質主要可分為固體，液體以及氣體。聲波振動內耳的聽小骨，這些振動被轉化為微小的電子腦波，它就是我們覺察到的聲音。內耳采用的原理與麥克風捕獲聲波或揚聲器的發(fā)音一樣，它是移動的機械局部與氣壓波之間的關系。在國際標準中，人聲的頻率范圍是300Hz~3400Hz，不同的人或樂器產(chǎn)生的聲音頻率不一致，通過對聲音信號的研究能夠更好的處理聲音信號的處理以及傳輸。Matlab作為一款主要面對科學計算、可視化以及交互式程序設計的高科技計算軟件，能夠很好的完成對聲音信號的分析和處理，快速的得出聲音信號的時域圖以及頻域圖。關鍵字：聲音頻率時域圖頻域圖MatlabSoundcomesfromtheshakeofobjectsandspreadsintheformofwavesinmediumconsistsofsolid,liquidandgas.Soundwavesshaketheossiclesintheears,transformedintofinalelectronicbrainwavesandthenwehearthesound.Theprincipletheearworkswhichisthesameastheprinciplethemicrophoneandthespeakerworks,isusingtherelationbetweenmechanicalpartandbarometricwave.InISO,thefrequencydomainisfrom300Hzto3400Hz,differsindifferentpeopleandmusicalinstruments.Thestudyofthesoundsignalhelptobetterdealwiththesignals.Asasoftwaremajorinscientificcalculation,Matlabisvisualandinteractive.Itiscapableofperfectlyfinishingtheanalysisanddisposeofthesoundsignalbysketchingthetimedomainfigureandfrequencydomainfigure.Keywords:sound,frequency,timedomainfigure,frequencydomainfigure,Matlab二、實驗要求通過MATLAB的函數(shù)wavread()可以讀入一個.wav格式的音頻文件，并將該文件保存到指定的數(shù)組中。例如下面的語句〔更詳細的命令介紹可以自己查閱MATLAB的幫助〕中，將.wav讀入后存放到矩陣y中。y=wavread('SpecialEnglish.wav');對于單聲道的音頻文件，y只有一行，即一個向量；對于雙聲道的音頻文件，y有兩行，分別對應了兩個聲道的向量。我們這里僅對一個聲道的音頻進行分析和處理即可。注意：.wav文件的采樣頻率為44.1KHz，采樣后的量化精度是16位，不過我們不用關心其量化精度，因為在MATLAB讀入后，已將其轉換成double型的浮點數(shù)表示。在獲得了對應音頻文件的數(shù)組后，我們可以對其進行一些根本的分析和處理?？梢园ǎ簩φZ音信號進行頻域分析，找到語音信號的主要頻譜成分所在的帶寬，驗證為何可以對語音信號采用8KHz的采樣速率。分析男聲和女聲的差異。我們知道男聲和女聲在頻域上是有些差異的，一般大家都會認為女聲有更多高頻的成分，驗證這種差異。同時，提出一種方法，能夠對一段音頻信號是男聲信號、還是女聲信號進行自動的判斷。語音與樂器音頻的差異。比擬語音信號與樂器音頻信號的差異，尤其是在頻域上的差異。.wav文件的采樣速率為44.1KHz，仍然遠遠高于我們通常說的語音信號需要的頻譜寬度，例如在對語音信號的采樣中，我們僅僅使用8KHz的采樣速率。對讀入的音頻數(shù)據(jù)進行不同速率的降采樣，使用wavplay()命令播放降采樣后的序列，驗證是否會對信號的質量產(chǎn)生影響。降采樣的方法很簡單，例如命令y=wavread('SpecialEnglish.wav');將語音文件讀入后保存在向量y中，這時對應的采樣頻率為44.1KHz。使用y1=y(1:2:length(y))命令，就可以將原序列y每隔1個采樣后放入序列y1中，這時y1序列對應的采樣頻率即為22KHz。自己下載獲得一段中文語音信號〔可以使用諸如“千千靜聽〞等工具將.mp3文件轉換成.wav文件〕，對中文語音與英文語音進行比擬。三、實驗內容3.1、對語音信號進行頻域分析，找到語音信號的主要頻譜成分所在的帶寬，驗證為何可以對語音信號采用8KHz的采樣速率。對聲音信號的頻譜圖進行分析，使用Matlab繪制該語音信號的頻譜圖，觀察頻譜圖，讀出聲音信號的頻率范圍，由采樣定理可知，如果需要重建聲音信號，需產(chǎn)生一個周期沖激串，其沖激幅度就是采樣得到的樣本值，將該沖激串通過一個增益為T，截止頻率為，而小于的理想低通濾波器，該低通濾波器的輸出就是。使用Matlab中的快速傅里葉變換(fft)，繪制出聲音文件的時域圖和頻域圖，對頻域圖進行分析，觀察可得聲音信號的主要頻率范圍為200Hz~1800Hz，根據(jù)采樣定理可得，采樣頻率應不小于3600Hz，故使用8kHz的采樣頻率能保證聲音無失真采樣及恢復。 程序代碼：[x,fs,bits]=wavread('相聲.wav');%將原聲音信號轉化為字符串%subplot(211);plot(x);%繪制聲音信號的時域圖%title('時域分析圖');subplot(212);y=fft(x,fs);df=fs/length(y);fx=df*(0:length(y)-1);%將橫坐標轉化為頻率值%plot(fx,abs(y));%繪制聲音信號的頻譜圖%axis([080000500]);title('頻域分析圖');3.2、分析男聲和女聲的差異。我們知道男聲和女聲在頻域上是有些差異的，一般大家都會認為女聲有更多高頻的成分，驗證這種差異。同時，提出一種方法，能夠對一段音頻信號是男聲信號、還是女聲信號進行自動的判斷。首先，我們選擇了普通的男生和女生分別演唱同一首歌，用matlab分別繪出兩段聲音信號的頻譜圖,從圖中可以看出，男生的聲音頻率主要分布在200Hz~800Hz,女生的聲音頻率主要分布在300Hz~1800Hz,女生的聲音高頻成分較多。這是因為，聲波是由物體振動產(chǎn)生的機械波，男人聲帶寬而厚，振動頻率低；女人聲帶窄而薄，振動頻率高。而我們平時所感受得男生聲音消沉，女生聲音尖細，那么是由于發(fā)聲時男女聲帶的振動頻率的上下不同，所以男女音調的上下不同。使用Matlab對男聲女聲的聲音信號在不同頻率的分布比例進行分析，運行程序后可得出，在低頻范圍〔150Hz~1000Hz〕內男聲低頻比例n1=9.5343e-006女聲低頻比例n2=8.6394e-006 在高頻范圍〔1000Hz~1800Hz〕內男聲高頻比例m1=7.5965e-006女聲高頻比例m2=8.2355e-006以上的數(shù)據(jù)計算進一步驗證了女聲頻率較高的假設，我們可以通過這種計算來分辨男聲女聲。程序代碼：%畫男生聲音、女生聲音的頻譜圖y1=wavread('lu_ll.wav');Fs=44100;%采樣頻率%yt1=fft(y1);%傅里葉變換%df=Fs/length(yt1);Fx=df*(0:length(yt1)-1);%將橫軸變?yōu)轭l率軸%figure(1)subplot(211); %subplot將圖像畫在一張圖上%plot(y1);title('男聲時域波形');%畫語音信號的時域波形%subplot(212); plot(Fx,abs(yt1));axis([010000010000]);title('男聲頻譜圖');xlabel('頻率/Hz');y2=wavread('lu_ksl.wav');Fs=44100;%采樣頻率%yt2=fft(y2);%傅里葉變換%df=Fs/length(yt2);Fx=df*(0:length(yt2)-1);%將橫軸變?yōu)轭l率軸%figure(2)subplot(211); %subplot將圖像畫在一張圖上%plot(y2);title('女聲時域波形');%畫語音信號的時域波形%subplot(212); plot(Fx,abs(yt2));axis([01000005000]);title('女聲頻譜圖');xlabel('頻率/Hz');%計算男生和女生信號中高頻和低頻信號所占的比例：[y1Fs]=wavread('lu_ll.wav');y1=y1(:,1);yt1=fft(y1);[y2Fs]=wavread('lu_ksl.wav');y2=y2(:,1);yt2=fft(y2);sum1=0;fori=200:1000%計算男聲的低頻比例%sum1=sum1+abs(yt1(i));endsum=0;fori=1:length(yt1)sum=sum+abs(yt1(i));endn1=sum1/sum;sum1%低頻信號量sum%總信號量n1%比例sum1=0;fori=200:1000%計算女聲的低頻比例%sum1=sum1+abs(yt2(i));endsum=0;fori=1:length(yt2)sum=sum+abs(yt2(i));endn2=sum1/sum;sum1sumn2%高頻%sum1=0;fori=3000:3800%計算男聲的高頻比例%sum1=sum1+abs(yt1(i));endsum=0;fori=1:length(yt1)sum=sum+abs(yt1(i));endm1=sum1/sum;sum1summ1sum1=0;fori=3000:3800%計算女聲的高頻比例%sum1=sum1+abs(yt2(i));endsum=0;fori=1:length(yt2)sum=sum+abs(yt2(i));endm2=sum1/sum;sum1summ23.3、語音與樂器音頻的差異。比擬語音信號與樂器音頻信號的差異，尤其是在頻域上的差異。我們找了五種不同的樂器演奏的《梁?！罚噲D不僅分析語音信號和樂器音頻信號的差異，還要分析不同樂器音頻信號的差異。使用貍窩軟件進行時間截取和格式轉換，分析得到頻譜如下： 對于樂器來說，低頻段表示音色的飽滿度，高頻段表示音色的明亮度。從圖中可以看出，古箏的泛音較強，這印證了我們聽覺的感受，鋼琴和笛子的頻譜主要集中在500~1000Hz的低頻范圍內，音色最為飽滿，它們的主要區(qū)別在于鋼琴泛音較多。相比于前面所繪制的語音信號的頻譜，樂器在某些頻率點的小范圍內會形成一個沖擊，所以聲音會比擬有沖擊力。并且，樂器有基音和泛音，而人聲沒有泛音，所以會產(chǎn)生樂器聲悠揚的效果。程序代碼：y1=wavread('笛子_0.wav');y2=wavread('鋼琴_0.wav');y3=wavread('小提琴_0.wav');y4=wavread('薩克斯_0.wav');y5=wavread('古箏_0.wav');Fs=44100;%采樣頻率%yt1=fft(y1);%傅里葉變換%yt2=fft(y2);yt3=fft(y3);yt4=fft(y4);yt5=fft(y5);df1=Fs/length(yt1);Fx1=df1*(0:length(yt1)-1);df2=Fs/length(yt2);Fx2=df2*(0:length(yt2)-1);df3=Fs/length(yt3);Fx3=df3*(0:length(yt3)-1);df4=Fs/length(yt4);Fx4=df4*(0:length(yt4)-1);df5=Fs/length(yt5);Fx5=df5*(0:length(yt5)-1);figure(1) plot(Fx1,abs(yt1));axis([08000010000]);title('笛子頻譜圖');xlabel('頻率/Hz');figure(2)plot(Fx2,abs(yt2));axis([08000010000]);title('鋼琴頻譜圖');xlabel('頻率/Hz');figure(3)plot(Fx3,abs(yt3));axis([08000010000]);title('小提琴頻譜圖');xlabel('頻率/Hz');figure(4)plot(Fx4,abs(yt4));axis([08000010000]);title('薩克斯頻譜圖');xlabel('頻率/Hz');figure(5)plot(Fx5,abs(yt5));axis([08000010000]);title('古箏頻譜圖');xlabel('頻率/Hz');3.4、.wav文件的采樣速率為44.1KHz，仍然遠遠高于我們通常說的語音信號需要的頻譜寬度，例如在對語音信號的采樣中，我們僅僅使用8KHz的采樣速率。對讀入的音頻數(shù)據(jù)進行不同速率的降采樣，使用wavplay()命令播放降采樣后的序列，驗證是否會對信號的質量產(chǎn)生影響。使用Matlab對聲音信號進行降采樣，分別把聲音信號的采樣頻率將為原采樣頻率的1/2，1/5，1/10。當采樣頻率為原信號采樣頻率的1/2時，聲音與原聲音無明顯變化，觀察頻譜圖，亦無明顯變化；當采樣頻率為原信號采樣頻率的1/5時，聲音與原聲音相比有差異，觀察頻譜圖，發(fā)現(xiàn)頻譜圖變化很大；當采樣頻率為原信號采樣頻率的1/10時，聲音與原聲音相比已明顯失真，信號內容不可區(qū)分，觀察頻譜圖，頻譜圖已完全不一致，降采樣后的信號失真嚴重。結論：當采樣頻率越低時，采樣得到的聲音信號的音質將降低。程序如下：[x,fs,bits]=wavread('星空的旋律.wav');%將聲音信號采樣稱字符串%fs%聲音x(t)信號頻率%x1=x(1:2:length(x));%對原聲音信號進行1/2降采樣%x2=x(1:5:length(x));%對原聲音信號進行1/5降采樣%x3=x(1:10:length(x));%對原聲音信號進行1/10降采樣%subplot(411);%wavplay(x,fs);%播放原聲音信號%y=fft(x,fs);df=fs/length(y);fx=df*(0:length(y)-1);plot(fx,abs(y));%繪制原聲音信號的頻譜分析圖%axis([080000500]);title('原聲音頻譜分析圖');subplot(412);%wavplay(x1,fs/2);%播放1/2降采樣聲音信號%y1=fft(x1,fs/2);df=fs/length(y1);fx=df*(0:length(y1)-1);plot(fx,abs(y1));%繪制1/2降采樣后信號的頻譜分析圖%axis([080000500]);title('采樣頻率為原信號的1/2頻譜分析圖');subplot(413);%wavplay(x2,fs/5);%播放1/10降采樣聲音信號%y2=fft(x2,fs/5);df=fs/length(y2);fx=df*(0:length(y2)-1);plot(fx,abs(y2));%繪制1/5降采樣后信號的頻譜分析圖%axis([080000500]);title('采樣頻率為原信號的1/5頻譜分析圖');subplot(414);%wavplay(x3,fs/10);%播放1/10降采樣聲音信號%y3=fft(x3,fs/10);df=fs/length(y3);fx=df*(0:length(y3)-1);plot(fx,abs(y3));%繪制1/10降采樣后信號的頻譜分析圖%axis([080000500]);title('采樣頻率為原信號的1/10頻譜分析圖');四、實驗結論在實驗開始的時候，使用錄音軟件〔AdobeAudition〕錄制所需的男聲女聲，同時，在各大音樂網(wǎng)站下載所需的音頻文件，但是一般下載到的只有.mp3格式的音頻文件，故使用貍窩全能視頻轉換器將.mp3文件或其他格式的音頻文件轉化為.wav格式的音頻文件。 使用Matlab對下載到的音頻文件〔相聲.wav〕進行時域分析和頻域分析，并繪制相應的時域圖和頻域圖，時域圖可以顯示幅值與時間的關系，頻域圖可以顯示幅值與頻率的關系。對繪制頻域圖進行解讀，該文件的主要頻率范圍為200Hz~1800Hz，通