《视频语音解决技术》倒谱计算与分析学院名称： 计算机与信息工程学院 专业名称： 计算机科学与技术 年级班级： 姓 名： 学 号： 计算机与信息技术学院综合性、设计性实验报告专业：计算机科学技术 年级/班级：级 —第一学期课程名称视频语音解决技术指引教师张新明本构成员学号姓名 王彦秋实验地点计科楼324实验时间项目名称倒谱计算与分析实验类型设计性一、 实验目的：对语音信号进行同态分析可得到语音信号的倒谱参数语音的倒谱是将语音的短时谱取对数后再进行IDFT得到的，因此浊音信号的鼓励反映在倒谱上是同样周期的冲激，借此，可从倒谱波形中估计出基音周期对倒谱进行低时窗选，通过语音倒谱分析的最后一级，进行DFT后的输出即为平滑后的对数模函数，这个平滑的对数谱显示了特定输入语音段的谐振构造，即谱的峰值基本上相应于共振峰频率，对于平滑过的对数谱中的峰值进行定位，即可估计共振峰对于倒谱计算与分析的设计实验可作如下训练： 1、复倒谱的几种计算措施：2、最小相位信号法和递归法；3、基音检测；4、共振峰检测。
二、实验仪器或设备：windowsXP下的Matlab编程环境三、总体设计（设计原理、设计方案及流程等）1．复倒谱的几种计算措施：在复倒谱分析中，z变换后得到的是复数，因此取对数时要进行复对数运算这时存在相位的多值性问题，称为“相位卷绕”设信号为 则其傅里叶变换为 对上式取复对数为则其幅度和相位分别为：上式中，虽然 ， 的范畴均在 内，但 的值也许超过 范畴计算机解决时总相位值只能用其主值 表达，然后把这个相位主值“展开”，得到持续相位因此存在下面的状况： （K为整数）此时即产生了相位卷绕下面简介几种避免相位卷绕求复倒谱的措施最小相位信号法这是解决相位卷绕的一种较好的措施但它有一种限制条件：被解决的信号想x(n)必须是最小相位信号事实上许多信号就是最小相位信号，或可以看作是最小相位信号语音信号的模型就是极点都在z平面单位圆内的全极点模型，或者极零点都在z平面单位圆内的极零点模型。
设信号x(n)的z变换为X(z)=N (z)/ D(z) ，则有根据z变换的微分特性有 若x(n)是最小相位信号，则 必然是稳定的因果序列 由Hilbert变换的性质可知，任一因果复倒谱序列都可分解为偶对称分量和奇对称分量之和:其中这两个分量的傅里叶变换分别为 的傅里叶变换的实部和虚部 从而可得此即复倒谱的性质3，也就是说一种因果序列可由其偶对称分量来恢复如果引入一种辅助因子g(n)，上式可写作其中最小相位信号法求复倒谱原理框图如下递归法这种措施仅限于是最小相位信号的状况根据z变换的微分特性得对上式求逆z变换，根据z变换的微分特性，有因此设x(n)是最小相位序列，而最小相位信号序列一定为因果序列 ，因此有由于 及 可得递推公式递归运算后由复倒谱定义可知如果x(n)是最大相位序列，则变为其中2、基音检测；语音的倒谱是将语音的短时谱取对数后再进行IDFT得到的，因此浊音信号的周期性鼓励反映在倒谱上是同样周期的冲激借此，可从倒谱波形中估计出基音周期一般把倒谱波形中第二个冲激，觉得是相应鼓励源的基频下面给出一种倒谱法求基音周期的框图及流程图如下3.共振峰检测 倒谱将基音谐波和声道的频谱包络分离开来。
对倒谱进行低时窗选，通过语音倒谱分析系统的最后一级，进行DFT后的输出即为平滑后的对数模函数，这个平滑的对数谱显示了特定输入语音段的谐振构造，即谱的峰值基本上相应于共振蜂频率，对平滑过的对数谱中的峰值进行定位，即可估计共振峰原理框图及流程图如下四、实验环节（涉及重要环节、代码分析等）1．倒谱MATLAB实现代码段clear all; %倒谱[s,fs,nbit]=wavread('beijing.wav'); %读入一段语音b=s'; %将s转置x=b(5000:5399); %取400点语音N=length(x); %读入语音的长度S=fft(x); %对x进行傅里叶变换Sa=log(abs(S)); %log为以e为底的对数sa=ifft(Sa); %对Sa进行傅里叶逆变换ylen=length(sa); for i=1:ylen/2; sal(i)=sa(ylen/2+1-i);endfor i=(ylen/2+1):ylen; sal(i)=sa(i+1-ylen/2);end%绘图figure(1);subplot(2,1,1);plot(x);%axis([0,400,-0.5,0.5])title('截取的语音段');xlabel('样点数');ylabel('幅度');subplot(2,1,2);time2=[-199:1:-1,0:1:200];plot(time2,sa1);%axis([-200,200,-0.5,0.5])title('截取语音的倒谱');xlabel('样点数');ylabel('幅度');运营成果如图：2. 倒谱法求浊音、清音的基音周期 function s=p5_2pitchdetectwaveFile='beijing.wav';[y,fs,nbits]=wavread(waveFile);time1=1:length(y);time=(1:length(y))/fs;frameSize=floor(50*fs/1000); % 帧长startIndex=round(5000); % 起始序号endIndex=startIndex+frameSize-1; % 结束序号frame=y(startIndex:endIndex); % 取出该帧frameSize=length(frame);frame2=frame.*hamming(length(frame)); % 加汉明窗rwy=rceps(frame2); % 求倒谱ylen=length(rwy);cepstrum=rwy(1:ylen/2);for i=1:ylen/2; cepstrum1(i)=rwy(ylen/2+1-i);endfor i=(ylen/2+1):ylen; cepstrum1(i)=rwy(i+1-ylen/2);end%基因检测LF=floor(fs/500); %基因周期的范畴是70~500HzHF=floor(fs/70);cn=cepstrum(LF:HF);[mx_cep ind]=max(cn);if mx_cep>0.08&ind>LF; a=fs/(LF+ind);else a=0;endpitch=a%画图figure(1);subplot(3,1,1);plot(time1,y);title('语音波形');%axis tightylim=get(gca,'ylim');line([time1(startIndex),time1(startIndex)],ylim,'color','r');line([time1(endIndex),time1(endIndex)],ylim,'color','r');xlabel('样点数');ylabel('幅度');subplot(3,1,2);plot(frame);%axis([0,400,-0.5,0.5])title('一帧语音');xlabel('样点数');ylabel('幅度')subplot(3,1,3);time2=[-199:1:-1,0:1:200];plot(time2,cepstrum1);%axis([-200,200,-0.5,0.5])title('一帧语音的倒谱');xlabel('样点数');ylabel('幅度');运营成果如下图：倒谱法求浊音的基音周期 清音的倒谱 3. 共振峰检测程序waveFile='qinghua.wav';[y,fs,nbits]=wavread(waveFile);time=(1:length(y))/fs;frameSize=floor(40*fs/1000); % 帧长startIndex=round(15000); % 起始序号endIndex=startIndex+frameSize-1; % 结束序号frame=y(startIndex:endIndex); % 取出该帧frameSize=length(frame); frame2=frame.*hamming(length(frame)); %加汉明窗rwy=rceps(frame2); %倒谱求ylen=length(rwy);cepstrum=rwy(1:ylen/2);% 基音检测LF=floor(fs/500);HF=floor(fs/70);cn=cepstrum(LF:HF);[mx_cepind]=max(cn);% 找到最大的突起的位置% 共振峰检测核心代码NN=ind+LF;ham=hamming。