自相关函数确定延迟量matlab,基于短时自相关函数法的基音周期检测.docx

项目总结报告 —基音周期的检测项目整体框架1.1目标了解语音基音周期估计方法，掌握自相关法估计基音周期的原理。1.2主要内容 本次基音周期的估算，我们选用的是短时自相关函数法，包括四个模块。第一个模块为基音的端点检测，主要为了区分浊音和清音。第二个模块为基音检测中的带通滤波器，主要为了减少共振峰的干扰。第三个模块为短时自相关函数法做基音检测，主要为了计算出基音周期。第四个模块为平滑处理，主要为了消除偏离值点。模块一(端点检测)2.1主要负责工作利用能熵比法进行语音端点检测，区分语音帧的起点以及终点。2.2具体实现方法 2.2.1实验步骤1)取一段语音“tone4.wav”，该语音内容是“妈妈，好吗，上马，骂人”，语音长度为3.5秒，采样率Fs=8000. 进行简单的去除直流分量，然后幅值归一化，时域波形如图1所示。2)设置好分帧参数，帧长wlen=320,帧移inc=80，调用函数y =enframe(x,wlen,inc)';对语音信号x分帧处理。最后帧数Fn=337。3)设置端点检测门限值T1=0.05，使用能熵比法进行端点检测。对分帧后的语音y 每一帧进行FFT运算，然后计算每一帧的能熵比值。从而计算出语音y中的语音端点。结果如图2所示。2.2.2能熵比法 设语音信号时域波形为,加窗分帧处理后得到的第i帧语音信号为,则FFT后表示为,其中下标i表示为第i帧，而k表示为第k条谱线。该语音帧在频域中的短时能量为式中，N为FFT的长度，只去正频率部分。而对于某一谱线k的能量谱为,则每个频率分量的归一化谱概率密度函数定义为该语音帧的短时谱熵定义为其中，只取正频率部分的谱熵，对应的能熵比表示为2.2.3代码编写在主程序中，执行的是[voiceseg,vosl,SF,Ef]=pitch_vad1(y,fn,T1);而调用了以下函数function [voiceseg,vosl,SF,Ef]=pitch_vad1(y,fn,T1,miniL)if nargin<4, miniL=10; endif size(y,2)~=fn, y=y'; end % 把y转换为每列数据表示一帧语音信号wlen=size(y,1); % 取得帧长for i=1:fn Sp = abs(fft(y(:,i))); % FFT取幅值(:表示所有 y(:,1)表示第一列) Sp = Sp(1:wlen/2+1); % 只取正频率部分 Esum(i) = sum(Sp.*Sp); % 计算能量值 (能量放入Esum里) prob = Sp/(sum(Sp)); % 计算概率 H(i) = -sum(prob.*log(prob+eps)); % 求谱熵值(eps表示很小的数，避免为零)(谱熵放入H里)endhindex=find(H<0.1);%(find返回非零元素，hindex放入，即谱熵值小于0.1的索引)H(hindex)=max(H);%(除去元音)Ef=sqrt(1 + abs(Esum./H)); % 计算能熵比(将每一帧的能熵比放入Ef里)Ef=Ef/max(Ef); % 归一化zindex=find(Ef>=T1); % 寻找Ef中大于T1的部分zseg=findSegment(zindex); % 给出端点检测各段的信息zsl=length(zseg); % 给出段数j=0;SF=zeros(1,fn);for k=1 : zsl % 在大于T1中剔除小于miniL的部分 if zseg(k).duration>=miniL j=j+1; in1=zseg(k).begin; in2=zseg(k).end; voiceseg(j).begin=in1; voiceseg(j).end=in2; voiceseg(j).duration=zseg(k).duration; SF(in1:in2)=1; % 设置SF(有话段的SF帧为1) endendvosl=length(voiceseg); % 有话段的段数 2.2.4实验结果图1 “妈妈，好吗，上马，骂人”语音的时域波形图2 图中实线代表语音起始点，虚线代表语音终点2