💥💥💞💞欢迎来到Matlab仿真科研站博客之家💞💞💥💥
✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：Matlab仿真科研站博客之家
🏆代码获取方式：
💥扫描文章底部QQ二维码💥
⛳️座右铭：行百里者，半于九十；路漫漫其修远兮，吾将上下而求索。
⛄更多Matlab语音处理（仿真科研站版）仿真内容点击👇
Matlab语音处理（仿真科研站版）
⛄一、简介（附课程作业报告）
1.绪论
1.1MATLAB软件功能简介
Matlab是一种数据分析和处理功能十分强大的计算机应用软件，它可以将声音文件变换为离散的数据文件，然后利用其强大的矩阵运算能力处理数据，如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱为语音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便地完成语音信号的处理和分析以及信号的可视化，使人机交互更加便捷。信号处理是Matlab重要应用的领域之一。
1.2本课题的研究内容
利用参数合成法中的线性预测合成法(LPC)对语音信号进行处理，使输入的语音信号可以产生变速不变调以及变调不变速两种效果。采用调幅和相干解调分别对语音信号加密和解密。利用GUI界面使操作简单方便，并且在变速、变调的时候可以通过滑动条改变合成激励的长度，基音频率PT以及共振峰频率，使变速变调语音产生不同的效果。
2.系统设计
2.1设计的总体方案图
2.1.1语音合成
图1 分析和合成语音的系统框图
首先要分析一段（一般是10ms）语音得到它的最佳{ai}系数。给定这些系数后，就可以适当的输入来合成语音。对于浊音信号，一种可取的激励模型就是以特定频率重复的单位样值序列，这个频率就是基音频率。对清音，最好选择随机噪声或者白噪声作为输入。但在不做清浊判决的情况下，全部采用周期激励的合成质量也可以接受。
分析过程如下：首先，抽样的语音信号被分成10ms长的段；然后，对每段数据进行统计分析，计算相邻样点的相关性并最终得到最佳预测系数。合成过程就是利用这些预测系数，以及周期的单位样值序列作为输入，依次得到每段合成语音。
2.1.2语音解密、解密
图2 加密、解密框图
2.2整体设计思路
先对原始的语音进行分析，并使用自定义函数prefourier对语音进行短时傅里叶分析。使用线性预测合成法(LPC编码)对语音进行处理，使其能有变速和变调的效果。其中要的合成参数有：控制音强的幅度、控制音高的基频和控制音色的共振峰参数。
对语音信号加一个直流偏量A0后与载波相乘，即可形成调幅信号。解调采用相干解调的方法，相干解调也叫同步检波，相干解调时，为了无失真地恢复原基带信号，接收端必须提供一个与接收的已调载波严格同步的载波，它与接收的已调信号相乘后，经低通滤波器取出低频分量，即可得到原始的基带调制信号。
3.线性预测合成法原理
3.1语音生成模型
从物理原理来看，语音信号是由肺挤压出的空气激励发声器官振动产生的。说话时声带相互靠拢但不完全封闭，这样声门变成一条窄缝，当气流通过时其间压力减小，从而声带完全合拢使气流不能通过；在气流被阻断时压力恢复正常，因而声带间形成空隙，气流再次通过。这一过程周而复始，就形成了一串周期性的脉冲气流送入声道。如图3所示。这个脉冲串的周期称为“基音周期”，其倒数是“基音频率”。男性说话时的基音频率在60-200Hz范围内，女性和小孩在200-450Hz之间。以上这种方式发出的音就是浊音。
图3 典型的声门脉冲串波形
通过对声管的研究，发现它可以用若干段级连的不等截面积均匀管道进行描述，如图4，一般称作级连无损声管模型。采用流体力学的方法可以证明每一截均匀管道的频响能够用一个但极点模型来近似，这样N段管道组成的声管就可以用一个N阶全极点滤波器表述，即：
图4 级联无损声管模型
对于典型的男声，N=10，所有的极点要分别构成共轭对以保证系数都是实数。在综合考虑清音信号，就可以得到产生语音信号的离散语音模型，如图5所示。
图5 产生语音信号的离散时域模型
对上述模型进行充分简化。首先去掉随机信号激励部分，认为激励信号是一个脉冲序列，不考虑有无周期。其次去掉声门脉冲模型和口唇的辐射模型，因而得到如图6所示最简单的语音模型：
图6 简化的语音生成模型
假设激励信号用e(n)表示，语音信号用s(n)表示，根据全极点模型表达式，有：
从而可以用声管模型对激励信号进行滤波得到语音信号。
3.2语音预测模型
假设已经知道了系数，那么将图6的输入和输出对换，就构成了语音的预测模型，即语音信号s(n)送入预测滤波器，得到预测残差e(n)。
假设信号的发端和收端都知道预测系数，那么发端只需要把误差e(n)传到收端即可，因为收端可以用e(n)作为上述差分方程的激励得到重建语音。在发端，语音s(n)是滤波器的输入，而误差e(n)是输出。事实上，系数当然也需要从发端传到收端，但因为语音具有短时平稳性，即在短时间内（比如10ms），系数可以认为不发生变化，所以也不必太频繁地传输，因而采用预测技术后，总是可以大幅度地降低语音的带宽。这种通过现行预测方法压缩语音数据量的技术称为线性预测编码。
3.3语音重建模型
如果知道激励信号x(n)和滤波器系数，就可以利用激励生成重建语音了和语音生成模型的公式完全相同。这个模型被称为语音重建模型，为了同生成模型区分开，称为重建语音，如果x(n)正好等于e(n)，那么重建语音就会和原始语音s(n)完全相同。
语音的非平稳性（虽然短时平稳）导致预测系数是时变的，一般每10~20ms就会发生一些变化以产生不同的音节。在这种情况下，滤波过程也要分段进行，即每次用不同的滤波器系数，但相邻两次滤波必须要保持滤波器的状态不发生变化。
3.4谐振和共振峰频率
语音生成模型的每一对共轭极点都对应一个衰减的正弦信号的特征响应。例如一对共轭极点在时域冲激响应中的贡献是。其中极点幅度决定衰减速度，幅角决定振荡频率。
对语音合成，用数字的正弦信号表示抽样后的连续正弦信号。在这种情况下，模拟频率和数字频率的关系是，其中T表示抽样间隔，表示模拟频率（弧度），对应的称为共振频率，它定义了声道的谐振频率。当模型参数变化时，共振峰频率也随着变化，从而产生不同的声调。
3.5变速不变调
所谓变速不变调，是指声音播放时，速度的改变不会导致音调的变化。为了实现变速不变调，首先需要将表示“调”的内容从语音中分离出来，由前述语音预测模型，表示“调”的有两个部分，一是共振峰频率，即预测模型的参数；二是基音周期，即激励信号的参数。接下来的工作就是在不改变这两种参数的前提下改变数据长度。即将10ms的80个样点的激励变成20ms160个样点（保持单位样值的周期不变），在这20ms内保持预测模型系数不变，就合成了20ms语音了。新语音的声调和原有语音是完全相同的，只不过时间变长了而已。
3.6变调不变速
与变速不变调想法类似，可以考虑将激励信号的频率增加（不改变信号长度），同时将共振峰频率也相应增大一些（即极点的幅角绝对值增大，或者说上半平面的极点逆时针旋转，下半平面的极点顺时针旋转，但注意两者都要旋转相同角度而且不要转过负实轴），这样得到的合成语音频率将变高。
3.7语音加密
标准调幅就是常规双边带调制，简称调幅（AM）。通过改变输出信号的振幅，来实现传送信息的目的。一般在调制端输出的高频信号的幅度变化与原始信号成一定的函数关系，在解调端进行解调并输出原始信号。对语音信号加一个直流偏量A0后与载波相乘，即可形成调幅信号。AM波的包络与调制语音信号的形状完全一样，频谱由载频分量、上边带、下边带三部分组成。
解调采用相干解调的方法，相干解调也叫同步检波，相干解调时，为了无失真地恢复原基带信号，接收端必须提供一个与接收的已调载波严格同步的载波，它与接收的已调信号相乘后，经低通滤波器取出低频分量，即可得到原始的基带调制信号。
⛄二、部分源代码
function varargout = yuyin(varargin)
% YUYIN MATLAB code for yuyin.fig
% YUYIN, by itself, creates a new YUYIN or raises the existing
% singleton*.
%
% H = YUYIN returns the handle to a new YUYIN or the handle to
% the existing singleton*.
%
% YUYIN(‘CALLBACK’,hObject,eventData,handles,…) calls the local
% function named CALLBACK in YUYIN.M with the given input arguments.
%
% YUYIN(‘Property’,‘Value’,…) creates a new YUYIN or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before yuyin_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to yuyin_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one
% instance to run (singleton)”.
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help yuyin
% Last Modified by GUIDE v2.5 08-Jun-2023 10:50:29
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct(‘gui_Name’, mfilename, …
‘gui_Singleton’, gui_Singleton, …
‘gui_OpeningFcn’, @yuyin_OpeningFcn, …
‘gui_OutputFcn’, @yuyin_OutputFcn, …
‘gui_LayoutFcn’, [] , …
‘gui_Callback’, []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% — Executes just before yuyin is made visible.
function yuyin_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to yuyin (see VARARGIN)
% Choose default command line output for yuyin
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
ha=axes(‘units’,‘normalized’,‘position’,[0 0 1 1]);
uistack(ha,‘down’)
II=imread(‘timg.jpg’);% 뱳 ͼ
image(II)
colormap gray
set(ha,‘handlevisibility’,‘off’,‘visible’,‘off’);
set(handles.num1,‘Min’,0.5,‘Max’,2);
set(handles.num1,‘Value’,0.5);
set(handles.num2,‘Min’,0.5,‘Max’,2);
set(handles.num2,‘Value’,0.5);
% UIWAIT makes yuyin wait for user response (see UIRESUME)
% uiwait(handles.figure1);
% — Outputs from this function are returned to the command line.
function varargout = yuyin_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;
% — Executes on button press in nanshengbofang.
function nanshengbofang_Callback(hObject, eventdata, handles)
% hObject handle to nanshengbofang (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global y;
global fs;
global nbits;
axes(handles.axes_yuansheng);
[y,fs]=audioread(‘test_speech_ .wav’);
plot(y);
title(‘ԭ ‘);ylabel(’ ֵ’);
sound(y,fs);
% — Executes on button press in yuansheng_pinpu.
function yuansheng_pinpu_Callback(hObject, eventdata, handles)
% hObject handle to yuansheng_pinpu (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global y;
global fs;
axes(handles.axes_pinpu1);
N=length(y);%
s_syn=zeros(N,1);
Trg=[0,N-1]/fs;
OMGrg=[0,6000pi];K=1000;
[omg,FT]=prefourier(Trg,N,OMGrg,K);
Fourier_s=FTy;
Fourier_s_syn=FT*s_syn;
plot(omg/2/pi,abs(Fourier_s));title('ԭ ');
axis([0,3000,0,0.02]);
% — Executes on button press in yuansheng_lingji.
function yuansheng_lingji_Callback(hObject, eventdata, handles)
% hObject handle to yuansheng_lingji (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global y;
global s;
global hw;
global FL;
global WL;
global P;
global FN;
global L;
axes(handles.axes_lingjidian1);
% 峣
FL=80;%֡
WL=240;%
P=10;%Ԥ ϵ Ԥ ϵ
s=y/max(y);% һ
L=length(s);%
FN=floor(L/FL)-2;% ֡
hw=hamming(WL);%
% δ ÿ֡
for n=3:FN % ӵ ֡ һ֡
% Ԥ ϵ
s_w=s(nFL-WL+1:nFL).*hw;% Ȩ
[A E]=lpc(s_w,P);% Ԥ ⷨ P Ԥ ϵ ,A Ԥ ϵ E ᱻ ϳɼ
if n==27
zplane(1,A);title('ԭ ');
end
end
% — Executes on button press in yuansheng_jili.
function yuansheng_jili_Callback(hObject, eventdata, handles)
% hObject handle to yuansheng_jili (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global s;
global fs;
global nbits;
global P;
global L;
global FN;
global FL;
global WL;
global hw;
global s_rec;
axes(handles.axes_jili);
cla(handles.axes_jili);
%Ԥ ؽ ˲
exc=zeros(L,1);% źţ Ԥ
zi_pre=zeros(P,1);%Ԥ ˲ ״̬
s_rec=zeros(L,1);% ؽ
zi_rec=zeros(P,1);
% ϳ ˲
exc_syn=zeros(L,1);% ϳɵļ źţ 崮
s_syn=zeros(L,1);% ϳ
last_syn=0;% 洢 һ ε һ ±
zi_syn=zeros(P,1);% ϳ ˲ ״̬
% δ ÿ֡
for n=3:FN % ӵ ֡ һ֡
% Ԥ ϵ
s_w=s(nFL-WL+1:nFL).hw;% Ȩ
[A E]=lpc(s_w,P);% Ԥ ⷨ P Ԥ ϵ ,A Ԥ ϵ E ᱻ ϳɼ
s_f=s((n-1)FL+1:nFL);% ֡ Ҫ
% filter s_f 㼤 ע Ᵽ ˲ ״̬
[exc1,zi_pre]=filter(A,1,s_f,zi_pre);
exc((n-1)FL+1:nFL)=exc1;% õ ļ
% filter exc ؽ ע Ᵽ ˲ ״̬
[s_rec1,zi_rec]=filter(1,A,exc1,zi_rec);
s_rec((n-1)FL+1:nFL)=s_rec1;% õ ؽ
%ע ֻ ڵõ exc Ż ȷ
s_Pitch=exc(nFL-222:nFL);
PT=findpitch(s_Pitch);% PT
G=sqrt(EPT);% ϳɼ G
end
plot(exc);ylabel(’ ֵ’);title('ԭ ');
sound(exc,fs);
%xlabel(‘n (samples)’);
% — Executes on button press in yuansheng_chongjian.
function yuansheng_chongjian_Callback(hObject, eventdata, handles)
% hObject handle to yuansheng_chongjian (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global fs;
global nbits;
global s_rec;
axes(handles.axes_chongjian);
cla(handles.axes_chongjian);
plot(s_rec);ylabel(’ ');title('ԭ ؽ ');
%xlabel(‘n(samples)’)
sound(s_rec,fs);
% — Executes on button press in yunxing.
function yunxing_Callback(hObject, eventdata, handles)
% hObject handle to yunxing (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global s;
global fs;
global nbits;
global P;
global L;
global FN;
global FL;
global WL;
global hw;
global s_rec;
global v;
global B1;
global exc_syn_v;
global s_syn_v;
global exc_syn_t;
global s_syn_t;
exc=zeros(L,1);% źţ Ԥ
zi_rec=zeros(P,1);
zi_pre=zeros(P,1);%Ԥ ˲ ״̬
last_syn=0;% 洢 һ ε һ ±
zi_syn=zeros(P,1);% ϳ ˲ ״̬
% ˲
exc_syn_t=zeros(L,1);% ϳɵļ źţ 崮
s_syn_t=zeros(L,1);% ϳ
last_syn_t=0;% 洢 һ ε һ ±
zi_syn_t=zeros(P,1);% ϳ ˲ ״̬
% ٲ ˲
v=get(handles.num1,‘Value’) ;
exc_syn_v=zeros(v\L,1);% ϳɵļ źţ 崮
s_syn_v=zeros(v\L,1);% ϳ
last_syn_v=0;% 洢 һ ε һ ±
zi_syn_v=zeros(P,1);% ϳ ˲ ״̬
% δ ÿ֡
for n=3:FN
% Ԥ ϵ
s_w=s(nFL-WL+1:nFL).hw;% Ȩ
[A E]=lpc(s_w,P);% Ԥ ⷨ P Ԥ ϵ
%A Ԥ ϵ E ᱻ ϳɼ
s_f=s((n-1)FL+1:nFL);% ֡ Ҫ
% filter s_f 㼤 ע Ᵽ ˲ ״̬
[exc1,zi_pre]=filter(A,1,s_f,zi_pre);
exc((n-1)FL+1:nFL)=exc1;% õ ļ
% filter exc ؽ ע Ᵽ ˲ ״̬
[s_rec1,zi_rec]=filter(1,A,exc1,zi_rec);
s_rec((n-1)FL+1:nFL)=s_rec1;% õ ؽ
s_Pitch=exc(nFL-222:nFL);
PT=findpitch(s_Pitch);% PT
G=sqrt(EPT);% ϳɼ G
% μ ֻ ı γ
tempn_syn=[1:nFL-last_syn]';
exc_syn1=zeros(length(tempn_syn),1);
exc_syn1(mod(tempn_syn,PT)==0)=G;%ijһ
exc_syn1=exc_syn1((n-1)FL-last_syn+1:nFL-last_syn);
[s_syn1,zi_syn]=filter(1,A,exc_syn1,zi_syn);
exc_syn((n-1)FL+1:nFL)=exc_syn1;% õ ĺϳɼ
s_syn((n-1)FL+1:nFL)=s_syn1;% õ ĺϳ
last_syn=last_syn+PTfloor((nFL-last_syn)/PT);
% ٲ
% ı ں Ԥ ϵ ı ϳɼ ij ȣ Ϊfilter õ µĺϳ ٶȱ ˣ û б䡣
FL_v=floor(FL/v);
tempn_syn_v=[1:nFL_v-last_syn_v]';
exc_syn1_v=zeros(length(tempn_syn_v),1);
exc_syn1_v(mod(tempn_syn_v,PT)0)=G;%ijһ
exc_syn1_v=exc_syn1_v((n-1)FL_v-last_syn_v+1:nFL_v-last_syn_v);
[s_syn1_v,zi_syn_v]=filter(1,A,exc_syn1_v,zi_syn_v);
last_syn_v=last_syn_v+PTfloor((nFL_v-last_syn_v)/PT);
exc_syn_v((n-1)FL_v+1:nFL_v)=exc_syn1_v;% õ ļӳ ϳɼ
s_syn_v((n-1)FL_v+1:nFL_v)=s_syn1_v;% õ ļӳ ϳ
%
% ı ں Ƶ ʣ ºϳ
scale=get(handles.num2,‘Value’);
PT1=floor(PT/scale);% ı
poles=roots(A);%ͨ A
%poles=roots(A);
gzf=get(handles.num3,‘Value’);% ı乲 Ƶ
deltaOMG=gzf2pi/fs;
for p=1:10% ӹ Ƶ ʣ ʵ Ϸ ļ ʱ ת · ˳ʱ ת
if imag(poles§)>0 poles§=poles§exp(jdeltaOMG);
elseif imag(poles§)<0 poles§=poles§exp(-jdeltaOMG);
end
end
A1=poly(poles);% ɸ ֵ ʽ ɼ 㷴 Aֵ
if n27
B1=A1;
end
tempn_syn_t=[1:nFL-last_syn_t]';
exc_syn1_t=zeros(length(tempn_syn_t),1);
exc_syn1_t(mod(tempn_syn_t,PT1)==0)=G;%ijһ
exc_syn1_t=exc_syn1_t((n-1)FL-last_syn_t+1:nFL-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:nFL)=exc_syn1_t;% õ ĺϳɼ
s_syn_t((n-1)FL+1:nFL)=s_syn1_t;% õ ĺϳ
last_syn_t=last_syn_t+PT1floor((n*FL-last_syn_t)/PT1);
end
% — Executes on button press in biansu_jili.
function biansu_jili_Callback(hObject, eventdata, handles)
% hObject handle to biansu_jili (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global exc_syn_v;
axes(handles.axes_hecheng);
cla(handles.axes_hecheng);
plot(exc_syn_v); ylabel(’ ֵ’);xlim([0,length(exc_syn_v)]);
%xlabel(‘n (samples)’),
title(’ ٲ ϳɼ ');
% — Executes on button press in biansu_bofang.
function biansu_bofang_Callback(hObject, eventdata, handles)
% hObject handle to biansu_bofang (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global fs;
global nbits;
global s_syn_v;
axes(handles.axes_chongjian);
cla(handles.axes_chongjian);
sound(s_syn_v,fs,nbits);
plot(s_syn_v);ylabel(’ ֵ’),xlim([0,length(s_syn_v)]);
%xlabel(‘n(samples)’),
title(’ ٲ ');
% — Executes on button press in biansu_pinpu.
function biansu_pinpu_Callback(hObject, eventdata, handles)
% hObject handle to biansu_pinpu (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global fs;
global L;
global v;
global s_syn_v;
axes(handles.axes_pinpu2);
Trg2=[0,L/v-1]/fs;
L2=L/v;
OMGrg=[0,6000pi];K=1000;
[omg,FT2]=prefourier(Trg2,L2,OMGrg,K);
Fourier_s_syn_v=FT2s_syn_v;
plot(omg/2/pi,abs(Fourier_s_syn_v));
title(’ ٲ ');
axis([0,3000,0,0.02]);
% — Executes on button press in biandiao_jili.
function biandiao_jili_Callback(hObject, eventdata, handles)
% hObject handle to biandiao_jili (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global exc_syn_t;
axes(handles.axes_hecheng);
cla(handles.axes_hecheng);
plot(exc_syn_t),ylabel(’ ֵ’),xlim([0,length(exc_syn_t)]);
%xlabel(‘n(samples)’)
title(’ ٺϳɼ ');
% — Executes on button press in biandiao_bofang.
function biandiao_bofang_Callback(hObject, eventdata, handles)
% hObject handle to biandiao_bofang (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global fs;
global nbits;
global s_syn_t;
axes(handles.axes_chongjian);
cla(handles.axes_chongjian);% ͼ
plot(s_syn_t),ylabel(’ ֵ’),xlim([0,length(s_syn_t)]);
title(’ ');
%xlabel(‘n(samples)’),
sound(s_syn_t,fs,nbits);
% — Executes on button press in biandiao_pinpu.
function biandiao_pinpu_Callback(hObject, eventdata, handles)
% hObject handle to biandiao_pinpu (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global fs;
global L;
global s_syn_t;
axes(handles.axes_pinpu2);
Trg=[0,L-1]/fs;
OMGrg=[0,6000pi];K=1000;
[omg,FT]=prefourier(Trg,L,OMGrg,K);
Fourier_s_syn_t=FTs_syn_t;
plot(omg/2/pi,abs(Fourier_s_syn_t));
title(’ ');
axis([0,3000,0,0.01]);
% — Executes on button press in biandiao_lingji.
function biandiao_lingji_Callback(hObject, eventdata, handles)
% hObject handle to biandiao_lingji (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global B1;
axes(handles.axes_lingjidian2);
zplane(1,B1);title(’ ');
% — Executes on slider movement.
function num1_Callback(hObject, eventdata, handles)
% hObject handle to num1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,‘Value’) returns position of slider
% get(hObject,‘Min’) and get(hObject,‘Max’) to determine range of slider
% — Executes during object creation, after setting all properties.
function num1_CreateFcn(hObject, eventdata, handles)
% hObject handle to num1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: slider controls usually have a light gray background.
if isequal(get(hObject,‘BackgroundColor’), get(0,‘defaultUicontrolBackgroundColor’))
set(hObject,‘BackgroundColor’,[.9 .9 .9]);
end
% — Executes on slider movement.
function num2_Callback(hObject, eventdata, handles)
% hObject handle to num2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,‘Value’) returns position of slider
% get(hObject,‘Min’) and get(hObject,‘Max’) to determine range of slider
% — Executes during object creation, after setting all properties.
function num2_CreateFcn(hObject, eventdata, handles)
% hObject handle to num2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: slider controls usually have a light gray background.
if isequal(get(hObject,‘BackgroundColor’), get(0,‘defaultUicontrolBackgroundColor’))
set(hObject,‘BackgroundColor’,[.9 .9 .9]);
end
% — Executes on slider movement.
function num3_Callback(hObject, eventdata, handles)
% hObject handle to num3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,‘Value’) returns position of slider
% get(hObject,‘Min’) and get(hObject,‘Max’) to determine range of slider
% — Executes during object creation, after setting all properties.
function num3_CreateFcn(hObject, eventdata, handles)
% hObject handle to num3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: slider controls usually have a light gray background.
if isequal(get(hObject,‘BackgroundColor’), get(0,‘defaultUicontrolBackgroundColor’))
set(hObject,‘BackgroundColor’,[.9 .9 .9]);
end
function record_time_Callback(hObject, eventdata, handles)
% hObject handle to record_time (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,‘String’) returns contents of record_time as text
% str2double(get(hObject,‘String’)) returns contents of record_time as a double
% — Executes during object creation, after setting all properties.
function record_time_CreateFcn(hObject, eventdata, handles)
% hObject handle to record_time (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows.
% See ISPC and COMPUTER.
if ispc && isequal(get(hObject,‘BackgroundColor’), get(0,‘defaultUicontrolBackgroundColor’))
set(hObject,‘BackgroundColor’,‘white’);
end
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]韩纪庆,张磊,郑铁然.语音信号处理（第3版）[M].清华大学出版社，2019.
[2]柳若边.深度学习:语音识别技术实践[M].清华大学出版社，2019.
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
🍅 仿真咨询
1 各类智能优化算法改进及应用
1.1 PID优化
1.2 VMD优化
1.3 配电网重构
1.4 三维装箱
1.5 微电网优化
1.6 优化布局
1.7 优化参数
1.8 优化成本
1.9 优化充电
1.10 优化调度
1.11 优化电价
1.12 优化发车
1.13 优化分配
1.14 优化覆盖
1.15 优化控制
1.16 优化库存
1.17 优化路由
1.18 优化设计
1.19 优化位置
1.20 优化吸波
1.21 优化选址
1.22 优化运行
1.23 优化指派
1.24 优化组合
1.25 车间调度
1.26 生产调度
1.27 经济调度
1.28 装配线调度
1.29 水库调度
1.30 货位优化
1.31 公交排班优化
1.32 集装箱船配载优化
1.33 水泵组合优化
1.34 医疗资源分配优化
1.35 可视域基站和无人机选址优化
2 机器学习和深度学习分类与预测
2.1 机器学习和深度学习分类
2.1.1 BiLSTM双向长短时记忆神经网络分类
2.1.2 BP神经网络分类
2.1.3 CNN卷积神经网络分类
2.1.4 DBN深度置信网络分类
2.1.5 DELM深度学习极限学习机分类
2.1.6 ELMAN递归神经网络分类
2.1.7 ELM极限学习机分类
2.1.8 GRNN广义回归神经网络分类
2.1.9 GRU门控循环单元分类
2.1.10 KELM混合核极限学习机分类
2.1.11 KNN分类
2.1.12 LSSVM最小二乘法支持向量机分类
2.1.13 LSTM长短时记忆网络分类
2.1.14 MLP全连接神经网络分类
2.1.15 PNN概率神经网络分类
2.1.16 RELM鲁棒极限学习机分类
2.1.17 RF随机森林分类
2.1.18 SCN随机配置网络模型分类
2.1.19 SVM支持向量机分类
2.1.20 XGBOOST分类
2.2 机器学习和深度学习预测
2.2.1 ANFIS自适应模糊神经网络预测
2.2.2 ANN人工神经网络预测
2.2.3 ARMA自回归滑动平均模型预测
2.2.4 BF粒子滤波预测
2.2.5 BiLSTM双向长短时记忆神经网络预测
2.2.6 BLS宽度学习神经网络预测
2.2.7 BP神经网络预测
2.2.8 CNN卷积神经网络预测
2.2.9 DBN深度置信网络预测
2.2.10 DELM深度学习极限学习机预测
2.2.11 DKELM回归预测
2.2.12 ELMAN递归神经网络预测
2.2.13 ELM极限学习机预测
2.2.14 ESN回声状态网络预测
2.2.15 FNN前馈神经网络预测
2.2.16 GMDN预测
2.2.17 GMM高斯混合模型预测
2.2.18 GRNN广义回归神经网络预测
2.2.19 GRU门控循环单元预测
2.2.20 KELM混合核极限学习机预测
2.2.21 LMS最小均方算法预测
2.2.22 LSSVM最小二乘法支持向量机预测
2.2.23 LSTM长短时记忆网络预测
2.2.24 RBF径向基函数神经网络预测
2.2.25 RELM鲁棒极限学习机预测
2.2.26 RF随机森林预测
2.2.27 RNN循环神经网络预测
2.2.28 RVM相关向量机预测
2.2.29 SVM支持向量机预测
2.2.30 TCN时间卷积神经网络预测
2.2.31 XGBoost回归预测
2.2.32 模糊预测
2.2.33 奇异谱分析方法SSA时间序列预测
2.3 机器学习和深度学习实际应用预测
CPI指数预测、PM2.5浓度预测、SOC预测、财务预警预测、产量预测、车位预测、虫情预测、带钢厚度预测、电池健康状态预测、电力负荷预测、房价预测、腐蚀率预测、故障诊断预测、光伏功率预测、轨迹预测、航空发动机寿命预测、汇率预测、混凝土强度预测、加热炉炉温预测、价格预测、交通流预测、居民消费指数预测、空气质量预测、粮食温度预测、气温预测、清水值预测、失业率预测、用电量预测、运输量预测、制造业采购经理指数预测
3 图像处理方面
3.1 图像边缘检测
3.2 图像处理
3.3 图像分割
3.4 图像分类
3.5 图像跟踪
3.6 图像加密解密
3.7 图像检索
3.8 图像配准
3.9 图像拼接
3.10 图像评价
3.11 图像去噪
3.12 图像融合
3.13 图像识别
3.13.1 表盘识别
3.13.2 车道线识别
3.13.3 车辆计数
3.13.4 车辆识别
3.13.5 车牌识别
3.13.6 车位识别
3.13.7 尺寸检测
3.13.8 答题卡识别
3.13.9 电器识别
3.13.10 跌倒检测
3.13.11 动物识别
3.13.12 二维码识别
3.13.13 发票识别
3.13.14 服装识别
3.13.15 汉字识别
3.13.16 红绿灯识别
3.13.17 虹膜识别
3.13.18 火灾检测
3.13.19 疾病分类
3.13.20 交通标志识别
3.13.21 卡号识别
3.13.22 口罩识别
3.13.23 裂缝识别
3.13.24 目标跟踪
3.13.25 疲劳检测
3.13.26 旗帜识别
3.13.27 青草识别
3.13.28 人脸识别
3.13.29 人民币识别
3.13.30 身份证识别
3.13.31 手势识别
3.13.32 数字字母识别
3.13.33 手掌识别
3.13.34 树叶识别
3.13.35 水果识别
3.13.36 条形码识别
3.13.37 温度检测
3.13.38 瑕疵检测
3.13.39 芯片检测
3.13.40 行为识别
3.13.41 验证码识别
3.13.42 药材识别
3.13.43 硬币识别
3.13.44 邮政编码识别
3.13.45 纸牌识别
3.13.46 指纹识别
3.14 图像修复
3.15 图像压缩
3.16 图像隐写
3.17 图像增强
3.18 图像重建
4 路径规划方面
4.1 旅行商问题（TSP）
4.1.1 单旅行商问题（TSP）
4.1.2 多旅行商问题（MTSP）
4.2 车辆路径问题（VRP）
4.2.1 车辆路径问题（VRP）
4.2.2 带容量的车辆路径问题（CVRP）
4.2.3 带容量+时间窗+距离车辆路径问题（DCTWVRP）
4.2.4 带容量+距离车辆路径问题（DCVRP）
4.2.5 带距离的车辆路径问题（DVRP）
4.2.6 带充电站+时间窗车辆路径问题（ETWVRP）
4.2.3 带多种容量的车辆路径问题（MCVRP）
4.2.4 带距离的多车辆路径问题（MDVRP）
4.2.5 同时取送货的车辆路径问题（SDVRP）
4.2.6 带时间窗+容量的车辆路径问题（TWCVRP）
4.2.6 带时间窗的车辆路径问题（TWVRP）
4.3 多式联运运输问题
4.4 机器人路径规划
4.4.1 避障路径规划
4.4.2 迷宫路径规划
4.4.3 栅格地图路径规划
4.5 配送路径规划
4.5.1 冷链配送路径规划
4.5.2 外卖配送路径规划
4.5.3 口罩配送路径规划
4.5.4 药品配送路径规划
4.5.5 含充电站配送路径规划
4.5.6 连锁超市配送路径规划
4.5.7 车辆协同无人机配送路径规划
4.6 无人机路径规划
4.6.1 飞行器仿真
4.6.2 无人机飞行作业
4.6.3 无人机轨迹跟踪
4.6.4 无人机集群仿真
4.6.5 无人机三维路径规划
4.6.6 无人机编队
4.6.7 无人机协同任务
4.6.8 无人机任务分配
5 语音处理
5.1 语音情感识别
5.2 声源定位
5.3 特征提取
5.4 语音编码
5.5 语音处理
5.6 语音分离
5.7 语音分析
5.8 语音合成
5.9 语音加密
5.10 语音去噪
5.11 语音识别
5.12 语音压缩
5.13 语音隐藏
6 元胞自动机方面
6.1 元胞自动机病毒仿真
6.2 元胞自动机城市规划
6.3 元胞自动机交通流
6.4 元胞自动机气体
6.5 元胞自动机人员疏散
6.6 元胞自动机森林火灾
6.7 元胞自动机生命游戏
7 信号处理方面
7.1 故障信号诊断分析
7.1.1 齿轮损伤识别
7.1.2 异步电机转子断条故障诊断
7.1.3 滚动体内外圈故障诊断分析
7.1.4 电机故障诊断分析
7.1.5 轴承故障诊断分析
7.1.6 齿轮箱故障诊断分析
7.1.7 三相逆变器故障诊断分析
7.1.8 柴油机故障诊断
7.2 雷达通信
7.2.1 FMCW仿真
7.2.2 GPS抗干扰
7.2.3 雷达LFM
7.2.4 雷达MIMO
7.2.5 雷达测角
7.2.6 雷达成像
7.2.7 雷达定位
7.2.8 雷达回波
7.2.9 雷达检测
7.2.10 雷达数字信号处理
7.2.11 雷达通信
7.2.12 雷达相控阵
7.2.13 雷达信号分析
7.2.14 雷达预警
7.2.15 雷达脉冲压缩
7.2.16 天线方向图
7.2.17 雷达杂波仿真
7.3 生物电信号
7.3.1 肌电信号EMG
7.3.2 脑电信号EEG
7.3.3 心电信号ECG
7.3.4 心脏仿真
7.4 通信系统
7.4.1 DOA估计
7.4.2 LEACH协议
7.4.3 编码译码
7.4.4 变分模态分解
7.4.5 超宽带仿真
7.4.6 多径衰落仿真
7.4.7 蜂窝网络
7.4.8 管道泄漏
7.4.9 经验模态分解
7.4.10 滤波器设计
7.4.11 模拟信号传输
7.4.12 模拟信号调制
7.4.13 数字基带信号
7.4.14 数字信道
7.4.15 数字信号处理
7.4.16 数字信号传输
7.4.17 数字信号去噪
7.4.18 水声通信
7.4.19 通信仿真
7.4.20 无线传输
7.4.21 误码率仿真
7.4.22 现代通信
7.4.23 信道估计
7.4.24 信号检测
7.4.25 信号融合
7.4.26 信号识别
7.4.27 压缩感知
7.4.28 噪声仿真
7.4.29 噪声干扰
7.5 无人机通信
7.6 无线传感器定位及布局方面
7.6.1 WSN定位
7.6.2 高度预估
7.6.3 滤波跟踪
7.6.4 目标定位
7.6.4.1 Dv-Hop定位
7.6.4.2 RSSI定位
7.6.4.3 智能算法优化定位
7.6.5 组合导航
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置
扫一扫
124
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
