手机对话中的语音处理（四）

本系列文章由 @YhL_Leo 出品，转载请注明出处。
文章链接： http://blog.csdn.net/yhl_leo/article/details/50359613

---

根据前面的博客，我们如果将之前的语音帧的处理通过循环，作用在整段语音上，当然就可以得到合成整段语音~

同样我们还是讲语音帧设为30毫秒，相邻帧之间的重叠度为20毫秒，仍然使用Hamming加权窗。在合成的时候，每次合成10毫秒的语音，然后连接后面的语音。另外，我们这里固定合成语音的基频$F_0$为200Hz，为了省事，每10毫秒的语音对应的激励脉冲只包含两个脉冲信号，请看下面的代码实现：

clc; clear;

[speech,fs,bits] = wavread('h_orig.wav');
figure(1);
plot(speech);
synt_speech_HF = [];

for i=1:(length(speech)-160)/80; % number of frames
    % Extracting the analysis frame
    input_frame=speech((i-1)*80+1:(i-1)*80+240);
    % Hamming window weighting and LPC analysis
    [ai, sigma_square]=lpc(input_frame.*hamming(240),10);
    sigma=sqrt(sigma_square);
    % Generating 10 ms of excitation = 2 pitch periods at 200 Hz
    excitation=[1;zeros(39,1);1;zeros(39,1)];
    gain=sigma/sqrt(1/40);
    % Applying the synthesis filter
    synt_frame=filter(gain, ai,excitation);
    % Concatenating synthesis frames
    synt_speech_HF=[synt_speech_HF;synt_frame];
end
figure(2);
plot(synt_speech_HF);

图 1 原始语音波形

图 2 LP合成语音波形

从整体上看，两者的波形比较相似，但是还是可以看出两者还是有点差距的，原语音中前半部分的振幅跟中间部分的一个片段是相似的，但合成语音中前半部分明显高于后半部分，这是由于采用的激励信号过于简单，现在我们调整一下：

for i=1:(length(speech)-160)/80; % number of frames
    % Extracting the analysis frame
    input_frame=speech((i-1)*80+1:(i-1)*80+240);
    % Hamming window weighting and LPC analysis
    [ai, sigma_square]=lpc(input_frame.*hamming(240),10);
    sigma=sqrt(sigma_square);
    % Generating 10 ms of excitation taking a possible offset into account
    % if pitch period length > excitation frame length
    if offset>=80
        excitation=zeros(80,1);
        offset=offset-80;
    else 
        % complete the previously unfinished pitch period
        excitation=zeros(offset,1); 
        % for all pitch periods in the remaining of the frame
        for j=1:floor((80-offset)/N0) 
            % add one excitation period
            excitation=[excitation;1;zeros(N0-1,1)]; 
        end;
        % number of samples left in the excitation frame
        flush=80-length(excitation); 
        if flush~=0 
            % fill the frame with a partial pitch period
            excitation=[excitation;1;zeros(flush-1,1)]; 
            % remember to fill the remaining of the period in next frame 
            offset=N0-flush; 
        else offset=0;
        end
    end
    gain=sigma/sqrt(1/N0);
    % Applying the synthesis filter
    synt_frame=filter(gain, ai,excitation);
    % Concatenating synthesis frames
    synt_speech_HF=[synt_speech_HF;synt_frame];
end

图 3 LP合成语音波形

这样是不是跟原信号更加接近了？