语音识别-时域分析

参考：
https://blog.csdn.net/qq_39516859/article/details/80166842

语音分帧与加窗

语音具有时变特性，但在短时间范围内，其特性基本保持不变即相对稳定。所以具有短时平稳性

语音信号分成一段一段来分析，每一段称为一‘帧’，帧长一般取为10~30ms。

前一帧和后一帧的交叠部分称为帧移。

帧移与帧长的比值一般取为0~1/2.

窗函数

分帧用可移动的有限长度窗口进行加权的方法来实现。

窗口长度：

采样周期$T_s=1/f_s$,窗口长度N和频率$\Delta f$之间的关系
$$\Delta f=\frac{1}{N{T}_s}$$
三种窗对比

[外链图片转存失败(img-tjgqblFw-1563959674910)(assets/三种窗对比.jpg)]

时域分析

( 都用hamming窗

( 语音都为zj3.wav

帧长为 200

帧移为 100

短时能量

设第n帧语音信号$x_n(m)$的短时能量用$E_n$
$$E_n=\sum _{m=0}^{N-1}{x}_n^2(m)$$

短时平均幅度

算一帧语音信号能量大小
$$M_n=\sum _{m=0}^{N-1}|x_n(m)|$$

短时过零率

表示一帧语音中语音信号波形穿过横轴（零电平）的次数。（正负变化的次数
$$Z_n=\frac{1}{2}\sum _{m-0}^{N-1}|sgn[x_n(m)]-sgn[x_n(m-1)]$$

$$sgn[x]=\{\begin{array}{ll}1,& \text{(}x)\ge 0)\\ -1，& (x<0)\end{array}$$

MATLAB 离散信号相邻的取样值改变符号，其乘积为负
$$x_i(m)\times x_i(m+1)<0$$

代码：

%短时时域分析参数计算并显示
clear all;
clc;
filedir=[];%设置路径
filename='D:\matlab\music\zj3.wav';
file=[filedir filename];
[x,Fs]=audioread(file);

wlen=200;%帧长
inc=100;%帧移
win=hamming(wlen);%海明窗
N=length(x);%信号长度
time=(0:N-1)/Fs;%计算出信号的时间刻度

%这些函数没有
% En1=STEn(x,win,inc);%短时能量
% Mn1=STMn(x,win,inc);%短时平均幅度
% Zcr1=STZcr(x,win,inc);%短时过零率
%返回的不是向量而是矩阵，因为一帧信号得到的不是一个数值

X=enframe(x,win,inc)'; %分帧,一列是一帧
fn=size(X,2);%帧数
frameTime=frame2time(fn,wlen,inc,Fs);  %求出每帧对应的时间
%这个公式得再看一下

  %短时能量
  for i=1:fn
          y=X(:,i);%每一帧数据
          b=0;
          for m=1:1:200
          b=b+y(m).^2;   
          end
          E(i)=b;
  end
   
 %短时平均幅度
  for i=1:fn
          y=X(:,i);%每一帧数据
          b=0;
          for m=1:1:200
          b=b+abs(y(m));   
          end
          M(i)=b;
  end
   
   %短时过零率
   Z=zeros(1,fn);                 % 初始化
  for i=1:fn
          y=X(:,i);%每一帧数据
          b=0;
          for m=1:1:199
          if y(m)*y(m+1)<0;
              b=b+1;
          end
          Z(i)=b;
          end
  end
  
   %短时自相关
   d=time*Fs; %采样点数=时间乘上采样频率
 for k=2:fn
         y=X(:,k);%每一帧数据
         ru=xcorr(y);
         R(k)=max(ru)；
 end
 
   %短时平均幅度差
  for i=1:fn
      y=X(:,i);%每一帧数据
      for k=1:wlen
          f(k)=sum(abs(y(k:end)-y(1:end-k+1)));
      end
      F(i)=max(f)
  end
% %画图-短时能量
% figure(2)
% subplot(211)
% plot(time,x)
% title('原始语音')
% ylabel('幅值'); xlabel(['时间/s' 10 '(a)']);
% subplot(212)
% plot(frameTime,E);
% title('短时能量');
% ylabel('幅值'); xlabel(['时间/s' 10 '(b)']);


% % 画图-短时平均幅度
% figure(3)
% subplot(211)
% plot(time,x)
% title('原始语音')
% ylabel('幅值'); xlabel(['时间/s' 10 '(a)']);
% subplot(212)
% plot(frameTime,M);
% title('短时平均幅度');
% ylabel('幅值'); xlabel(['时间/s' 10 '(b)']);

% % 画图-短时过零率
% figure(4)
% subplot(211)
% plot(time,x)
% title('原始语音')
% ylabel('幅值'); xlabel(['时间/s' 10 '(a)']);
% subplot(212)
% plot(frameTime,Z);
% title('短时过零率');
% ylabel('次数'); xlabel(['时间/s' 10 '(b)']);

% % 画图-短时自相关-还不行
% figure(5)
% subplot(211)
% plot(time,x)
% title('原始语音')
% ylabel('幅值'); xlabel(['时间/s' 10 '(a)']);
% subplot(212)
% plot(time,R);
% title('短时自相关');
% ylabel('复制'); xlabel(['点数' 10 '(b)']);

短时自相关

对于浊音语音可以用自相关函数求出语音波形序列的基音周期。

线性预测分析时，也用到自相关函数。

语音信号x(m),自相关函数R(k)

K是最大延迟点数
$$R_n(k)=\sum _{m=0}^{N-1-K}{x}_n(m)x_n(m+k)(0\le k\le K)$$

短时平均幅度差

跟自相关函数有类似作用的参量
$$F_n(k)=\sum _{m=0}^{N-1-k}|x_n(m)-x_n(m+k)$$