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

語(yǔ)音分幀與加窗

語(yǔ)音具有時(shí)變特性，但在短時(shí)間范圍內(nèi)，其特性基本保持不變即相對(duì)穩(wěn)定。所以具有短時(shí)平穩(wěn)性

語(yǔ)音信號(hào)分成一段一段來(lái)分析，每一段稱為一‘幀’，幀長(zhǎng)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(zhǎng)的比值一般取為0~1/2.

窗函數(shù)

分幀用可移動(dòng)的有限長(zhǎng)度窗口進(jìn)行加權(quán)的方法來(lái)實(shí)現(xiàn)。

窗口長(zhǎng)度：

采樣周期$T_s=1/f_s$,窗口長(zhǎng)度N和頻率$\Delta f$之間的關(guān)系
$$\Delta f=\frac{1}{N{T}_s}$$
三種窗對(duì)比

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

時(shí)域分析

( 都用hamming窗

( 語(yǔ)音都為zj3.wav

幀長(zhǎng)為 200

幀移為 100

短時(shí)能量

設(shè)第n幀語(yǔ)音信號(hào)$x_n(m)$的短時(shí)能量用$E_n$
$$E_n=\sum _{m=0}^{N?1}{x}_n^2(m)$$

短時(shí)平均幅度

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

短時(shí)過(guò)零率

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

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

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

代碼：

%短時(shí)時(shí)域分析參數(shù)計(jì)算并顯示 clear all; clc; filedir=[];%設(shè)置路徑 filename='D:\matlab\music\zj3.wav'; file=[filedir filename]; [x,Fs]=audioread(file);wlen=200;%幀長(zhǎng) inc=100;%幀移 win=hamming(wlen);%海明窗 N=length(x);%信號(hào)長(zhǎng)度 time=(0:N-1)/Fs;%計(jì)算出信號(hào)的時(shí)間刻度%這些函數(shù)沒(méi)有 % En1=STEn(x,win,inc);%短時(shí)能量 % Mn1=STMn(x,win,inc);%短時(shí)平均幅度 % Zcr1=STZcr(x,win,inc);%短時(shí)過(guò)零率 %返回的不是向量而是矩陣，因?yàn)橐粠盘?hào)得到的不是一個(gè)數(shù)值X=enframe(x,win,inc)'; %分幀,一列是一幀 fn=size(X,2);%幀數(shù) frameTime=frame2time(fn,wlen,inc,Fs); %求出每幀對(duì)應(yīng)的時(shí)間 %這個(gè)公式得再看一下%短時(shí)能量for i=1:fny=X(:,i);%每一幀數(shù)據(jù)b=0;for m=1:1:200b=b+y(m).^2; endE(i)=b;end%短時(shí)平均幅度f(wàn)or i=1:fny=X(:,i);%每一幀數(shù)據(jù)b=0;for m=1:1:200b=b+abs(y(m)); endM(i)=b;end%短時(shí)過(guò)零率Z=zeros(1,fn); % 初始化for i=1:fny=X(:,i);%每一幀數(shù)據(jù)b=0;for m=1:1:199if y(m)*y(m+1)<0;b=b+1;endZ(i)=b;endend%短時(shí)自相關(guān)d=time*Fs; %采樣點(diǎn)數(shù)=時(shí)間乘上采樣頻率for k=2:fny=X(:,k);%每一幀數(shù)據(jù)ru=xcorr(y);R(k)=max(ru)；end%短時(shí)平均幅度差for i=1:fny=X(:,i);%每一幀數(shù)據(jù)for k=1:wlenf(k)=sum(abs(y(k:end)-y(1:end-k+1)));endF(i)=max(f)end % %畫(huà)圖-短時(shí)能量 % figure(2) % subplot(211) % plot(time,x) % title('原始語(yǔ)音') % ylabel('幅值'); xlabel(['時(shí)間/s' 10 '(a)']); % subplot(212) % plot(frameTime,E); % title('短時(shí)能量'); % ylabel('幅值'); xlabel(['時(shí)間/s' 10 '(b)']);% % 畫(huà)圖-短時(shí)平均幅度 % figure(3) % subplot(211) % plot(time,x) % title('原始語(yǔ)音') % ylabel('幅值'); xlabel(['時(shí)間/s' 10 '(a)']); % subplot(212) % plot(frameTime,M); % title('短時(shí)平均幅度'); % ylabel('幅值'); xlabel(['時(shí)間/s' 10 '(b)']);% % 畫(huà)圖-短時(shí)過(guò)零率 % figure(4) % subplot(211) % plot(time,x) % title('原始語(yǔ)音') % ylabel('幅值'); xlabel(['時(shí)間/s' 10 '(a)']); % subplot(212) % plot(frameTime,Z); % title('短時(shí)過(guò)零率'); % ylabel('次數(shù)'); xlabel(['時(shí)間/s' 10 '(b)']);% % 畫(huà)圖-短時(shí)自相關(guān)-還不行 % figure(5) % subplot(211) % plot(time,x) % title('原始語(yǔ)音') % ylabel('幅值'); xlabel(['時(shí)間/s' 10 '(a)']); % subplot(212) % plot(time,R); % title('短時(shí)自相關(guān)'); % ylabel('復(fù)制'); xlabel(['點(diǎn)數(shù)' 10 '(b)']);

短時(shí)自相關(guān)

對(duì)于濁音語(yǔ)音可以用自相關(guān)函數(shù)求出語(yǔ)音波形序列的基音周期。

線性預(yù)測(cè)分析時(shí)，也用到自相關(guān)函數(shù)。

語(yǔ)音信號(hào)x(m),自相關(guān)函數(shù)R(k)

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

短時(shí)平均幅度差

跟自相關(guān)函數(shù)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(jié)

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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。