一、語音信號的預加重

語音信號的預加重，目的是為了對語音的高頻部分進行加重，去除口唇輻射的影響，增加語音的高頻分辨率。一般通過傳遞函數為一階FIR高通數字濾波器來實現預加重，其中a為預加重系數，0.9<a<1.0。設n時刻的語音采樣值為x(n)，經過預加重處理后的結果為y(n)）=x(n)-ax(n-1),這里取a=0.98。

預加重實驗：

%預加重<span class="wp_keywordlink" style="margin: 0px; padding: 0px; border: 0px; font-size: 13.3333330154419px; background: transparent;"><a target=_blank href="http://www.xuebuyuan.com/" title="程序" target="_blank" style="text-decoration: none; color: rgb(1, 150, 227);">程序</a></span> 2013/9/25 clear all; [x,sr]=wavread('test2.wav'); %sr為采樣頻率 ee=x(1500:1755); r=fft(ee,1024); r1=abs(r); pinlv=(0:1:255)*8000/512; yuanlai=20*log10(r1); signal(1:256)=yuanlai(1:256); [h1,f1]=freqz([1,-0.98],[1],256,4000); pha=angle(h1); H1=abs(h1); r2(1:256)=r(1:256); u=r2.*h1'; u2=abs(u); u3=20*log10(u2); un=filter([1,-0.98],[1],ee);figure(1);subplot(2,1,1); plot(f1,H1);title('高通濾波器的幅頻特性'); xlabel('頻率/Hz');ylabel('幅度'); subplot(2,1,2);plot(pha);title('高通濾波器的相頻特性'); xlabel('頻率/Hz');ylabel('角度/rad'); figure(2);subplot(2,1,1);plot(ee);title('原始語音信號'); %axis([0 256 -3*10^4 2*10^4]); xlabel('樣點數');ylabel('幅度'); subplot(2,1,2);plot(un);title('經高通濾波后的語音信號'); %axis([0 256 -1*10^4 1*10^4]); xlabel('樣點數');ylabel('幅度'); figure(3);subplot(2,1,1);plot(pinlv,signal);title('原始語音信號頻譜'); xlabel('頻率/Hz');ylabel('幅度/dB'); subplot(2,1,2);plot(pinlv,u3);title('經高通濾波后的語音信號頻譜'); xlabel('頻率/Hz');ylabel('幅度/dB');

實驗結果：

??

可以看出，預加重后的頻譜在高頻部分的幅度得到了提升。

二、語音信號的加窗處理 ??

? ? ?進行預加重數字濾波處理后，下面就是進行加窗分幀處理，語音信號具有短時平穩性（10--30ms內可以認為語音信號近似不變），這樣就可以把語音信號分為一些短段來來進行處理，這就是分幀，語音信號的分幀是采用可移動的有限長度的窗口進行加權的方法來實現的。一般每秒的幀數約為33~100幀，視情況而定。一般的分幀方法為交疊分段的方法，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為0~0.5,。

漢明窗函數如下：

漢明窗的時域和頻域波形，窗長N=61

x=linspace(20,80,61); h=hamming(61); figure(1); subplot(1,2,1); plot(x,h,'k');title('漢明窗時域波形'); xlabel('樣點數');ylabel('幅度'); w1=linspace(0,61,61); w1(1:61)=hamming(61); w2=fft(w1,1024); w3=w2/w2(1); w4=20*log10(abs(w3)); w=2*[0:1023]/1024; subplot(1,2,2); plot(w,w4,'k'); axis([0,1,-100,0]); title('漢明窗幅度特性'); xlabel('歸一化頻率');ylabel('幅度/dB');

結果：

漢明窗的主瓣寬度較寬，是矩形窗的一倍，但是漢明窗的旁瓣衰減較大，具有更平滑的低通特性，能夠在較高的程度上反應短時信號的頻率特性。

矩形窗的主瓣寬度小于漢明窗，具有較高的頻譜分辨率，但是矩形窗的旁瓣峰值較大，因此其頻譜泄露比較嚴重。

總結

以上是生活随笔為你收集整理的语音信号的预加重和加窗处理的全部內容，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。