Matlab发声函数sound问题

Matlab发声函数sound

今天发现个奇怪的事，用sound出来很奇怪的声音。

fle = '012.wav';
[x,Fs]=audioread(fle);  
sound(x);

感觉代码没问题啊，后面才发现问题出在采样率上。下面首先看看sound函数具体用法。

sound函数

功能：将矢量作为声音进行播放。

• sound（Y，FS），将向量Y（具有采样频率FS）中的信号发送到支持声音的平台上的扬声器。 假定Y中的值在-1.0 <= y <= 1.0的范围内。 超出该范围的值将被裁剪。 当Y为N×2矩阵时，在支持立体声的平台上播放立体声。
• sound（Y），以默认采样率8192 Hz播放声音。
• sound（Y，FS，BITS），尽可能使用BITS位/样本播放声音。 大多数平台支持BITS = 8或16。
  例子：

load handel.mat;
nBits = 16;
sound(y,Fs,nBits);

参数：

• y —音频数据
  列向量| m×2矩阵
  音频数据，指定为单通道（单声道）音频的m×1列向量，或立体声播放的m×2矩阵，其中m是音频样本的数量。
  如果y是m×2矩阵，则第一列对应于左声道，第二列对应于右声道。 立体声播放仅在系统支持的情况下可用。
  数据类型：double

• Fs-采样率
  8192（默认）| 正数
  音频数据y的采样率（以赫兹为单位）从1000到384000之间指定为正数。有效值取决于MATLAB允许的采样率以及系统上特定的音频硬件。
  MATLAB的硬限制为1000 Hz <= Fs <= 384000 Hz。
  数据类型：single | double

• nBits-样本值的位深
  16（默认）| 8 | 24
  采样值的位深，指定为整数。 有效值取决于安装的音频硬件。 大多数平台支持8位或16位的位深度。

问题分析

我的语音采样率是48000Hz，而该函数默认的是8192Hz，不匹配。
解决方法：将语音降采样到8000Hz。

fle = '012.wav';
[x,Fs] = audioread(fle);
x = resample(x,8000,48000);
sound(x);

此时播放的声音就正常了。

附：函数发声本质

你是否好奇matlab是怎么发声的呢？

我们先想想什么是声音？
从本质上来说，声音其实是一种机械波。各种波源的振动通过介质的传播到人类或者动物的听觉器官(耳)后，听觉器官中的特殊分化细胞将感受到的振动转换为神经冲动。这些携带着振动信息的神经冲动传导至听觉中枢后，经过大脑的分析处理，最终便产生出了我们对振动的感受－声音。

既然声音是一种由振动带来的感受，那么什么样的振动会带给我们什么样的声音感受呢？
一般来说音波常常被简化为单个或多个正弦平面波的合成，而我们所说的声音的三个主要的主观属性(即音调、音量、音色)则是由如下参数刻画的，也就是一个是主观感知，一个是物理表示。

• 频率：频率越高，音调越高。人耳可以听到的振动频率范围在20到2万赫兹(Hz)之间。高于这个频率范围的我们称为超声波，而低于这个范围的我们叫次声波。

• 波长：波长越长，音调越低。

• 振幅：振幅是在振动中距离平衡位置或静止位置的最大位移。振幅越大，音量越大。

• 波形：不同的波形有不同的音色。波形是波在物理介质上移动的抽象表达形式。简单的说，就是声波所对应的函数的曲线图形。

纯音与复合音：

纯音实际上可以被视为各种各样的音的基本组成。最普通最基本的声波就是简谐振动所产生的正弦波，而纯音则指的是以某个固定频率进行简谐振动所产生的声波。比如音叉，或者我们拿起座机电话听筒听到的声音就是一种近似的纯音。
纯音的函数：y=Asin2πw。其中A为振幅，w控制频率。

复合音则是由多个纯音组成的音。其产生是由于物体振动时引起不同部位的振动，如一根琴弦，当它在振动时就同时包含了琴弦的不同部位的振动：首先是整条弦的振动，然后还有二分之一、三分之一、四分之一等琴弦不同部位的振动，这些部分振动就产生了不同音高的音，这些音又是同时发响，于是就混合在一起，形成了复合音。

sound(Y,FS,BITS) plays the sound using BITS bits/sample if possible. Most platforms support BITS=8 or 16.

参数Y是输入的信号，也就是声音的函数。比如上面提到的标准音la的函数可写为y=sin(2π⋅440)。

参数FS是采样频率，定义了每秒从连续信号中提取并组成离散信号的采样个数。FS越大，保留的信息就越多。比如音频CD或者mp3的采样频率为44,100Hz。

参数BITS是比特率。作为一种数字音乐压缩效率的参考性指标，比特率表示单位时间(1秒)内传送的比特数bps(bit per second，位/秒)的速度。简单地说，比特率间接衡量音频质量的一个指标。许多音乐文件例如mp3的比特率为128kbps，而24BIT灌制的CD(比如很多XRCD)压出的无损音频APE能达到1000kbps以上。

我们通常说的do，re，mi，fa，so，la，ti又是什么呢？
实际上这些音(或者说是唱名)是一种音高的记法。而音高于频率是指数的关系。所以知道了频率也就知道了音高。

fs=44100;

t=0: 1/fs: 0.5;

do=sin(2*pi*261.63 *t);

re=sin(2*pi*293.66 *t);

mi=sin(2*pi*329.63 *t);

fa=sin(2*pi*349.23 *t);

so=sin(2*pi*392.00 *t);

la=sin(2*pi*440.00 *t);

ti=sin(2*pi*493.88 *t);

Cscale=[do,re,mi,fa,so,la,ti];

sound(Cscale,fs)

和弦的实现

上面介绍了如何用sound()来编辑单音与音阶。由于输入信号Y只能是一个N×2的矩阵，也就是说sound()一次最多可以同时播放两个音。那么我们怎么实现最简单的大三和弦呢？简单来说就是通过叠加一些Matlab自带的声音效果也很有意思：

fs=44100;

t=0: 1/fs: 0.5;

y = sin(2*pi*261.63*t);

y = y + sin(2*pi*329.63*t);

y = y + sin(2*pi*392*t);

soundsc(y,fs); %soundsc()没有限制音量

一些Matlab自带的声音效果也很有意思：

%鸟声

load chirp

sound(y,Fs)

%锣声

load gong

sound(y,Fs)

%哈里路亚

load handel

sound(y,Fs)

%笑声

load laughter

sound(y,Fs)

%啪哒声

load splat

sound(y,Fs)

%火车

load train

sound(y,Fs)