基本谱减法进行语音增强的matlab程序求注释

基本谱减法进行语音增强的matlab程序求注释,第1张

%基本减谱法

clear

%[xx,fs]=wavread('E:\mywhisper\shu.wav')

%[xx,fs]=wavread('E:\speech\x\w1xun_01.wav')

%[xx,fs]=wavread('E:\speech\耳悔虚语音切割\b\w1ba_5')

[xx,fs]=wavread('D:\yuan.wav')% 读取音频文件yuan.wav,并返回采样数据给变量xx及采样率Fs

[team,row]=size(xx)%将数组xx的行数赋给粗敬team,列数赋给row

if row==2

x=(xx(:,1)+xx(:,2))/2

yy=x

%如果语音信号xx为2列,即信号为双声道,则将其转换成单声道信号,即取碧凳燃两列的平均值赋给x,并将x的值赋给yy

else

x=xx

yy=x

%若语音信号xx为单声道,则将xx的值赋给x,并将x的值赋给yy

end

x=x-mean(x)+0.1*rand(length(x),1

N=length(x)%将语音信号长度赋给变量N

n=220%对语音信号进行分帧,帧长为220

n1=160%帧移为160

frame=floor((N-n)/(n-n1))%将分帧数赋给变量frame

%frame=floor(N/n)

for i=1:frame

y1=x((i-1)*(n-n1)+1:(i-1)*(n-n1)+n).*hamming(n)

%对每段分帧进行加窗处理

fy=fft(y1,n)

nen(i,:)=abs(fy).^2% 将频域信号功率赋给矩阵变量nen

ang(i,:)=angle(fy)%将频域信号的相位角赋给矩阵变量ang

end

yuzhi=sum(sum(nen(2:5,:)))/(4*n)

for i=1:frame

nen(i,:)=nen(i,:)-yuzhi

nen(i,find(nen(i,:)<0))=0

%chuli=nen(i,1:n/2)

%chuli=chuli-yuzhi

%chuli(find(chuli<0))=0

%nen(i,:)=[chuli,fliplr(chuli)]

% nen(i,:)=filter(1,[0.5 0.5],nen(i,:))

% nen(i,find(nen(i,:)<0))=0

end

for i=1:frame

nen(i,:)=sqrt(nen(i,:))%将纯语音功率谱开根,得到频域值

jie=nen(i,:).*exp(j*ang(i,:))

out(i,:)=real(ifft(jie))/hamming(n)'%对纯语音频谱进行逆傅里叶变换,并取其实部,并进行去窗处理

end

zong=out(1,:)'%将第一帧中未重叠部分记入数组zong

jiewei=n

for i=2:frame

zong(jiewei-n1+1:jiewei)

=(zong(jiewei-n1+1:jiewei)+out(i,1:n1)')/2

jiewei=jiewei+n-n1% 使指针jiewei依次指向下一帧的帧尾

zong=[zongout(i,n1+1:end)']将从第二帧开始的每一帧中未重叠部分记入数组zong

end

%zong=out(1,:)'

%for i=2:frame

%zong=[zongout(i,:)']

%end

%

%for i=1:frame

% zong=[zong,nen(i,:)']

% zong(i*(n-n1)+1:(i-1)*(n-n1)+n)

=zong(i*(n-n1)+1:(i-1)*(n-n1)+n)/2

figure(1)%创建图1

subplot(211)%把图形窗口分成2*1个小窗口,取第1个小窗口

plot(x)%以数组x绘图基本二维曲线

axis([1,(n-n1)*frame+n,min(x),max(x)])% 对当前二维图形对象的X轴和Y轴进行标定,x轴的范围为1到最后一个分帧结尾,y轴的范围为带噪语音时域最小值到最大值

subplot(212)%把图形窗口分成2*1个小窗口,取第2个小窗口

specgram(x,fs,1024,n,n1)%画出语音的语谱图

figure(2)%创建图2

subplot(211)%把图形窗口分成2*1个小窗口,取第1个小窗口

plot(zong)%以数组zong绘图基本二维曲线

axis([1,(n-n1)*frame+n,min(zong),max(zong)])% 对当前二维图形对象的X轴和Y轴进行标定,x轴的范围为1到最后一个分帧结尾,y轴的范围为纯语音时域最小值到最大值

subplot(212)%把图形窗口分成2*1个小窗口,取第2个小窗口

specgram(zong,fs,1024,n,n1)%画出语音的语谱图

wavplay(x,fs)%播放单声道带噪语音音频

wavplay(zong,fs)%播放单声道纯净语音音频

High应该是一个矩阵;

k是一个数值;

High_mat_h=(High==k)

,得到的是一个和High行列数相同的矩阵,元素由1和0构成,当High中某个位置迟烂的值和k相等时,所码数漏得到的矩阵在同样的位置赋值为1,不相等,则赋值毕谨为0.

语谱图就是语音频谱图,一般是通过处理接收的时域信号得到频谱图,因此只要有足够时间长度的时域信号就可。(时间长度为保证频率分辨率)

专业点讲,那是频谱分析视图,如果针对语音数据的话,叫语谱图。语谱图的横坐标是时间,纵坐标是频率,坐标点值为语音数据能量。由于是采用二维平面表达尺御三维信息,所以能量值的大小是通过颜色来表示的,颜色深,表示该点的语音能量越强。

可是为什么采用二维平面来表示三维信息呢?这喊困扰个是有历史原因的。在数字技术发展以前,人们可视化研究语音数据的方法是把数据通过频率滤波器,然后各个频率的数据驱动相应的类似针式打印的设备按频率高低顺序记录在一卷纸上,信号的强弱由记录在纸上的灰度来表示。记录纸按照一定的速度旋转,即相当于在不同的时间里记录下语音数据。

语谱图还分为窄带语谱图和宽带语郑旦谱图。


欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/yw/12541091.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-05-26
下一篇 2023-05-26

发表评论

登录后才能评论

评论列表(0条)

保存