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

語音分幀與加窗

語音具有時變特性，但在短時間范圍內，其特性基本保持不變即相對穩定。所以具有短時平穩性

語音信號分成一段一段來分析，每一段稱為一‘幀’，幀長一般取為10~30ms。

前一幀和后一幀的交疊部分稱為幀移。

幀移與幀長的比值一般取為0~1/2.

窗函數

分幀用可移動的有限長度窗口進行加權的方法來實現。

窗口長度：

采樣周期$T_s=1/f_s$,窗口長度N和頻率$\Delta f$之間的關系
$$\Delta f=\frac{1}{N{T}_s}$$
三種窗對比

[外鏈圖片轉存失敗(img-tjgqblFw-1563959674910)(assets/三種窗對比.jpg)]

時域分析

( 都用hamming窗

( 語音都為zj3.wav

幀長為 200

幀移為 100

短時能量

設第n幀語音信號$x_n(m)$的短時能量用$E_n$
$$E_n=\sum _{m=0}^{N?1}{x}_n^2(m)$$

短時平均幅度

算一幀語音信號能量大小
$$M_n=\sum _{m=0}^{N?1}|x_n(m)|$$

短時過零率

表示一幀語音中語音信號波形穿過橫軸（零電平）的次數。（正負變化的次數
$$Z_n=\frac{1}{2}\sum _{m?0}^{N?1}|sgn[x_n(m)]?sgn[x_n(m?1)]$$

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

MATLAB 離散信號相鄰的取樣值改變符號，其乘積為負
$$x_i(m)\times x_i(m+1)<0$$

代碼：

%短時時域分析參數計算并顯示 clear all; clc; filedir=[];%設置路徑 filename='D:\matlab\music\zj3.wav'; file=[filedir filename]; [x,Fs]=audioread(file);wlen=200;%幀長 inc=100;%幀移 win=hamming(wlen);%海明窗 N=length(x);%信號長度 time=(0:N-1)/Fs;%計算出信號的時間刻度%這些函數沒有 % En1=STEn(x,win,inc);%短時能量 % Mn1=STMn(x,win,inc);%短時平均幅度 % Zcr1=STZcr(x,win,inc);%短時過零率 %返回的不是向量而是矩陣，因為一幀信號得到的不是一個數值X=enframe(x,win,inc)'; %分幀,一列是一幀 fn=size(X,2);%幀數 frameTime=frame2time(fn,wlen,inc,Fs); %求出每幀對應的時間 %這個公式得再看一下%短時能量for i=1:fny=X(:,i);%每一幀數據b=0;for m=1:1:200b=b+y(m).^2; endE(i)=b;end%短時平均幅度for i=1:fny=X(:,i);%每一幀數據b=0;for m=1:1:200b=b+abs(y(m)); endM(i)=b;end%短時過零率Z=zeros(1,fn); % 初始化for i=1:fny=X(:,i);%每一幀數據b=0;for m=1:1:199if y(m)*y(m+1)<0;b=b+1;endZ(i)=b;endend%短時自相關d=time*Fs; %采樣點數=時間乘上采樣頻率for k=2:fny=X(:,k);%每一幀數據ru=xcorr(y);R(k)=max(ru)；end%短時平均幅度差for i=1:fny=X(:,i);%每一幀數據for k=1:wlenf(k)=sum(abs(y(k:end)-y(1:end-k+1)));endF(i)=max(f)end % %畫圖-短時能量 % figure(2) % subplot(211) % plot(time,x) % title('原始語音') % ylabel('幅值'); xlabel(['時間/s' 10 '(a)']); % subplot(212) % plot(frameTime,E); % title('短時能量'); % ylabel('幅值'); xlabel(['時間/s' 10 '(b)']);% % 畫圖-短時平均幅度 % figure(3) % subplot(211) % plot(time,x) % title('原始語音') % ylabel('幅值'); xlabel(['時間/s' 10 '(a)']); % subplot(212) % plot(frameTime,M); % title('短時平均幅度'); % ylabel('幅值'); xlabel(['時間/s' 10 '(b)']);% % 畫圖-短時過零率 % figure(4) % subplot(211) % plot(time,x) % title('原始語音') % ylabel('幅值'); xlabel(['時間/s' 10 '(a)']); % subplot(212) % plot(frameTime,Z); % title('短時過零率'); % ylabel('次數'); xlabel(['時間/s' 10 '(b)']);% % 畫圖-短時自相關-還不行 % figure(5) % subplot(211) % plot(time,x) % title('原始語音') % ylabel('幅值'); xlabel(['時間/s' 10 '(a)']); % subplot(212) % plot(time,R); % title('短時自相關'); % ylabel('復制'); xlabel(['點數' 10 '(b)']);

短時自相關

對于濁音語音可以用自相關函數求出語音波形序列的基音周期。

線性預測分析時，也用到自相關函數。

語音信號x(m),自相關函數R(k)

K是最大延遲點數
$$R_n(k)=\sum _{m=0}^{N?1?K}{x}_n(m)x_n(m+k)(0\le k\le K)$$

短時平均幅度差

跟自相關函數有類似作用的參量
$$F_n(k)=\sum _{m=0}^{N?1?k}|x_n(m)?x_n(m+k)$$

總結

以上是生活随笔為你收集整理的语音识别-时域分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。