正版链接：
https://blog.csdn.net/meenr/article/details/117629753
基于MATLAB的语音信号时域特征分析
实验1 基于MATLAB的语音信号时域特征分析
目录
1 实验目的及要求
本实验要求：按所学相关语音处理得的知识，通过网上学习、资料查阅，自己设计程序，给出某一语音信号的短时过零率、短时能量、短时自相关特征的分析结果，并借助时域分析方法检测所分析语音信号的基音周期，写出实验报告（按一般科学论文的写作规范）。
2 实验原理
2.1 短时能量
由于语音信号的能量随时间变化，清音和浊音之间的能量差别相当显著。因此对语音的短时能量进行分析，可以描述语音的这种特征变化情况。定义短时能量为：
其中N为窗长，特殊地，当采用矩形窗时，可简化为：
2.2 窗口的选择
通过对发声机理的认识，语音信号可以认为是短时平稳的。在5—50ms的范围内，语音频谱特性和一些物理特性参数基本保持不变。我们将每个短时的语音称为一个分析帧。一般帧长取10—30ms。采用一个长度有限的窗函数来截取语音信号形成分析帧。通常会采用矩形窗和汉明窗。
2.3 短时平均过零率
过零率可以反映信号的频谱特性。当离散时间信号相邻两个样点的正负号相异时，我们称之为“过零”，即此时信号的时间波形穿过了零电平的横轴。统计单位时间内样点值改变符号的次数具可以得到平均过零率。定义短时平均过零率：
其中
为符号函数，
在矩形窗条件下，可以简化为
短时过零率可以粗略估计语音的频谱特性。由语音的产生模型可知，发浊音时，声带振动，尽管声道有多个共振峰，但由于声门波引起了频谱的高频衰落，因此浊音能量集中于3KZ以下。而清音由于声带不振动，声道的某些部位阻塞气流产生类白噪声，多数能量集中在较高频率上。高频率对应着高过零率，低频率对应着低过零率，那么过零率与语音的清浊音就存在着对应关系。
2.4 短时自相关函数
自相关函数用于衡量信号自身时间波形的相似性。清音和浊音的发声机理不同，因而在波形上也存在着较大的差异。浊音的时间波形呈现出一定的周期性，波形之间相似性较好；清音的时间波形呈现出随机噪声的特性，样点间的相似性较差。因此，我们用短时自相关函数来测定语音的相似特性。短时自相关函数定义为：
令
并且
可以得到：
3 实验结果及分析
3.1 短时能量法
（1）加矩形窗
结果分析：
本实验采用下载后剪切的一部分MP3格式语音“语音信号处理”，此段语音是双声道制式，只取一个声道进行处理。为了实现短时处理，我们对采样后的信号进行加窗处理，此次加的是矩形窗，矩形窗的主瓣宽度小，具有较高的频率分辨率，旁瓣峰值大，会导致泄漏现象。从图1可以看出不同长度的窗对信号能量的影响不同，窗过大（N 很大），等效于很窄的低通滤波器，不能反映幅度En的变化；窗过小（ N 很小），短时能量随时间急剧变化，不能得到平滑的能量函数。
（2）加hamming窗
结果分析：
此段程序采用的是hamming窗，汉明窗的主瓣宽，旁瓣峰值低，可以有效的克服泄漏现象，具有更平滑的低通特性。因此在语音频谱分析时常使用汉明窗，在计算短时能量和平均幅度时通常用矩形窗。
3.2 短时平均过零率
结果分析：
清音的短时能量较低，过零率高，浊音的短时能量较高，过零率低。清音的过零率为0.2左右，浊音的过零率为0.1左右，但两者分布之间有相互交叠的区域，所以单纯依赖于平均过零率来准确判断清浊音是不可能的，在实际应用中往往是采用语音的多个特征参数进行综合判决。
3.3 自相关函数
4 分析总结
从图3.4可以看出，清音接近于随机噪声，清音的短时自相关函数不具有周期性，也没有明显突起的峰值，并且随着延时的增大迅速减小；浊音是周期信号，浊音的短时自相关函数呈现明显的周期性，自相关函数的周期就是浊音信号的周期，根据这个性质可以判断一个语音信号是清音还是浊音，还可以判断浊音的基音周期。浊音语音的周期可用自相关函数中第一个峰值的位置来估算
实验代码
感兴趣的或者需要本文实验代码和实验报告的读者可参考下面两种方式获得。
途径1
优先推荐该途径
第一步：扫描下方二维码，或打开微信搜索并关注“ 2贰进制 ”公众号；
第二步：回复相应的内容可获取本文相关资料。
途径2
扫描下方二维码，加入学习交流QQ群“ 480558240 ”，获取包括但不限于本篇内容的更多学习资料。
2贰进制–Echo 2020年10月
我认同兴趣是最好的老师，但是除了兴趣其次是侮辱，所以如果您觉得本文还不错，请点赞＋评论＋收藏，要是关注那更是对我极大地羞辱了，您的羞辱便是我前进的动力！
如果本文对你有所帮助，解决了您的困扰，您可以通过赞赏来给予我更大支持：
此致
感谢您的阅读、点赞、评论、收藏与打赏。