语音信号的时域与频域分析
一、用MATLAB实现语音信号的时域分析
1.MATLAB程序代码
（1）由麦克风采集语音数据，将采集的数据存成WAV文件（采样率为8000Hz），存在本人的文件夹中。
所用程序代码为：
clear;
close all;Fs=8000;
y=wavrecord(5*Fs,Fs,'double');wavwrite(y,'f:\\a');
soundview(y,Fs,'name')
（2）读取WAV文件，显示语音信号的波形。
所用程序代码为：
x=wavread('f:\\a.wav');
figure;plot(x);
axis([0,size(x,1),-0.35,0.3]);%坐标轴范围
title('语音信号时域波形');
xlabel('样点数');
ylabel('幅度');
（3）读取WAV文件，计算并显示语音的短时能量（窗函数为矩形窗，帧长为20）。
所用程序代码为：
x=wavread('f:\\a.wav');
x=double(x);
f=enframe(x,20,100);
energy=sum(abs(f),2);
subplot(2,2,1);plot(x);
axis([0,size(x,1),-0.7,0.9]);
title('语音信号时域波形');xlabel('样点数');
ylabel('幅度');subplot(2,2,2);plot(energy);
title('语音信号的短时能量');
legend('帧长LEN=20');
f=enframe(x,20,200);
energy=sum(abs(f),2);
subplot(2,2,3);plot(energy);
title('语音信号的短时能量');
legend('帧长LEN=100');f=enframe(x,20,400);energy=sum(abs(f),2); subplot(2,2,4);plot(energy);title('语音信号的短时能量');legend('帧长LEN=200');（4）读取WAV文件，计算并显示语音的短时过零率（窗函数为矩形窗，帧长为256，帧移为128），所用程序代码为：
x=wavread('f:\\a.wav');
x=double(x);
LEN=100;INC=100;
f=enframe(x,LEN,INC);%分帧%计算短时过零率
z=zeros(size(f,1),1);
difs=0.01;
for i=1:size(f,1)
s=f(i,:);
for j=1:(length(s)-1)
if s(j)*s(j+1)<0&abs(s(j)-s(j+1))>difs;
z(i)=z(i)+1;end end end
subplot(2,1,1);
plot(x);
axis([0,size(x,1),-0.35,0.3]);
title('语音信号时域波形');xlabel('样点数');ylabel('幅度');subplot(2,1,2);plot(z); title('语音信号的短时过零率');xlabel('帧数');ylabel('短时过零率');
（5）读取WAV文件，当窗函数为矩形窗、帧长为20时，计算一帧浊音的短时自相关函数所用的程序代码为：
x=wavread('f:\\a.wav');
x=double(x);LEN=100;INC=100;
f=enframe(x,LEN,INC);
ff=f(72,:);%选取一帧浊音信号
ff=ff'.*rectwin(length(ff));%计算短时自相关
N=LEN;
R=zeros(1,N);
for k=1:N
R(k)=sum(ff(k:N).*ff(1:N-k+1));
end
for k=1:N
R1(k)=R(k)/R(1);
End
subplot(2,1,1);plot(ff);
axis([0,N,-0.5,0.5])
title('加矩形窗的语音帧');xlabel('样点数');ylabel('幅度');
subplot(2,1,2);plot(R1);
axis([0,N,-1,1])
title('加矩形窗的短时自相关函数');xlabel('k');ylabel('R(k)');
2.图像及结论
（1）利用8000Hz的采样频率对输入的语音信号进行采样，采样点数为40000个，持续时间为4秒，存储格式为double。
之后将数字语音数据写入F盘的a.wav文件，这段波形是读音为’ke’的波形，并通过放音设备进行回放。
回放的GUI界面如图1所示，通过该界面可以观察采集的语音信号。
图1 用soundview函数显示的语音信号
（2）将a.wav文件读取出来，并显示文件中的语音信号波形，显示的波形如图2所示。
该波形是汉语拼音“ke”的时域波形。
从图2可以看出，[K]是清音，它的波形峰值较低；[e]是浊音，它的波形峰值较高。
图2语音“ke”的时域波形
（3）当帧长取不同值时计算语音信号的短时能量，如图3所示。
从图3可以看出，浊音短时能量大，短时平均幅度大，短时过零率低，浊音具有较强的能量值，音段内隐藏信息的能力高。
清音短时能量小，短时平均幅度小，能量值较低，音段内隐藏信息的能力较低；
图3不同帧长对应的短时能量
（4）读取a.wav中的语音数据，之后计算每一帧的短时过零率，最后将原始语音信号和短时过零率显示出来，如图4所示。
从图4可以看出，清音的过零率较高，浊音的过零率较低。
图4短时过零率
（5）读取a.wav中的语音数据，之后对数据进行分帧加窗处理，帧长为256，帧移为128。
选取其中的一帧浊音（第*帧）并计算这帧的短时自相关函数。
当窗函数分别为矩形窗和汉明窗时，截取的语音信号和短时自相关函数如图5和图6所示。
从图5和图6可以看出，矩形窗能够比汉明窗更明显的显示出第一个峰值。
当窗函数为矩形窗，不同帧长（帧移=帧长）的一帧浊音对应的短时自相关函数如图7和图8所示。
从图7和图8可以看出，帧长越长，越容易区分其最大值。
当窗函数为矩形窗，帧长为256，帧移为128，选取一帧清音，获得的短时自相关函数如图9所示。
从图5和图9可以看出，浊音具有明显的周期性，清音无明显周期。
图5加矩形窗的短时自相关函数图6加汉明窗的短时自相关函数。