没有合适的资源?快使用搜索试试~ 我知道了~
大学毕业论文---语音信号处理软件设计.doc
0 下载量 143 浏览量
2023-07-08
22:15:51
上传
评论
收藏 390KB DOC 举报
温馨提示
试读
36页
大学毕业论文---语音信号处理软件设计.doc
资源推荐
资源详情
资源评论
I
摘 要
语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理
的新兴的学科,是目前发展最为迅速的信息科学研究领域的核心技术之一。通过
语音传递信息是人类最重要、最有效、最常用和最方便的交换信息形式。
数字信号处理(DigitalSignalProcessing,简称 DSP)是利用计算机或专用
处理设备,以数字形式对信号进行采集、变换、滤波、估值、增强、压缩、识别
等处理,以得到符合人们需要的信号形式。
Matlab 语言是一种数据分析和处理功能十分强大的计算机应用软件,它可以
将声音文件变换为离散的数据文件,然后利用其强大的矩阵运算能力处理数据,
如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等,它
的信号处理与分析工具箱为语音信号分析提供了十分丰富的功能函数,利用这些
功能函数可以快捷而又方便地完成语音信号的处理和分析以及信号的可视化,使
人机交互更加便捷。信号处理是 Matlab 重要应用的领域之一。
本设计针对现在大部分语音处理软件内容繁多、操作不便等问题,采用
MATLAB7.0 综合运用 GUI 界面设计、各种函数调用等来实现语音信号的变频、傅里
叶变换及滤波,程序界面简练,操作简便,具有一定的实际应用意义。
关键字:Matlab,语音信号,傅里叶变换,信号处理
1
1 绪 论
1.1 课题的背景与意义
通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息的形
式。语言是人类持有的功能。声音是人类常用的工具,是相互传递信息的最主要
的手段。因此,语音信号是人们构成思想疏通和感情交流的最主要的途径。并且,
由于语言和语音与人的智力活动密切相关,与社会文化和进步紧密相连,所以它
具有最大的信息容量和最高的智能水平。现在,人类已开始进入了信息化时代,
用现代手段研究语音信号,使人们能更加有效地产生、传输、存储、获取和应用
语音信息,这对于促进社会的发展具有十分重要的意义。
让计算机能听懂人类的语言,是人类自计算机诞生以来梦寐以求的想法。随
着计算机越来越向便携化方向发展,随着计算环境的日趋复杂化,人们越来越迫
切要求摆脱键盘的束缚而代之以语音输人这样便于使用的、自然的、人性化的输
人方式。作为高科技应用领域的研究热点,语音信号采集与分析从理论的研究到
产品的开发已经走过了几十个春秋并且取得了长远的进步。它正在直接与办公、
交通、金融、公安、商业、旅游等行业的语音咨询与管理。工业生产部门的语声
控制,电话、电信系统的自动拨号、辅助控制与查询以及医疗卫生和福利事业的
生活支援系统等各种实际应用领域相接轨,并且有望成为下一代操作系统和应用
程序的用户界面。可见,语音信号采集与分析的研究将是一项极具市场价值和挑
战性的工作。我们今天进行这一领域的研究与开拓就是要让语音信号处理技术走
入人们的日常生活当中,并不断朝更高目标而努力。
语音信号采集与分析之所以能够那样长期地、深深地吸引广大科学工作者去
不断地对其进行研究和探讨,除了它的实用性之外,另一个重要原因是,它始终
与当时信息科学中最活跃的前沿学科保持密切的联系,并且一起发展。语音信号
采集与分析是以语音语言学和数字信号处理为基础而形成的一门涉及面很广的综
合性学科,与心理、生理学、计算机科学、通信与信息科学以及模式识别和人工
智能等学科都有着非常密切的关系。对语音信号采集与分析的研究一直是数字信
号处理技术发展的重要推动力量。因为许多处理的新方法的提出,首先是在语音
信号处理中获得成功,然后再推广到其他领域。
1.2 国内外研究现状
语音信号的采集与分析作为一个重要的研究领域,已经有很长的研究历史。
2
但是它的快速发展可以说是从 1940 年前后 Dudley 的声码器(vocoder)和 potter
等人的可见语音(Visible Speech)开始的。1952 年贝尔(Bell)实验室的 Davis 等
人首次研制成功能识别十个英语数字的实验装置。1956 年 Olson 和 Belar 等人采
用 8 个带通滤波器组提取频谱参数作为语音的特征,研制成功一台简单的语音打
字机。20 世纪 60 年代初由于 Faut 和 Steven 的努力,奠定了语音生成理论的基础,
在此基础上语音合成的研究得到了扎实的进展。20 世纪 60 年代中期形成的一系列
数字信号处理方法和技术,如数字滤波器、快速博里叶变换(FFT)等成为语音信号
数字处理的理论和技术基础。在方法上,随着电子计算机的发展,以往的以硬件
为中心的研究逐渐转化为以软件为主的处理研究。然而,在语音识别领域内,初
期有几种语音打字机的研究也很活跃,但后来已全部停了下来,这说明了当时人
们对话音识别难度的认识得到了加深。所以 1969 年美国贝尔研究所的 Pierce 感
叹地说“语音识别向何处去?”。
到了 1970 年,好似反驳 Pierce 的批评,单词识别装置开始了实用化阶段,
其后实用化的进程进一步高涨,实用机的生产销售也上了轨道。此外社会上所宣
传的声纹(Voice Print)识别,即说话人识别的研究也扎扎实实地开展起来,并很
快达到了实用化的阶段。到了 1971 年,以美国 ARPA(American Research Projects
Agency)为主导的“语音理解系统”的研究计划也开始起步。这个研究计划不仅在
美国园内,而且对世界各国都产生了很大的影响,它促进了连续语音识别研究的
兴起。历时五年的庞大的 ARPA 研究计划,虽然在语音理解、语言统计模型等方面
的研究积累了一些经验,取得了许多成果,但没能达到巨大投资应得的成果,在
1976 年停了下来,进入了深刻的反省阶段。但是,在整个 20 世纪 70 年代还是有
几项研究成果对语音信号处理技术的进步和发展产生了重大的影响。这就是 20 世
纪 70 年代初由板仓(Itakura)提出的动态时间规整(DTW)技术,使语音识别研究在
匹配算法方面开辟了新思路;20 世纪 70 年代中期线性预测技术(LPC)被用于语音
信号处理,此后隐马尔可夫模型法(HNMM)也获得初步成功,该技术后来在语音信
号处理的多个方面获得巨大成功;20 世纪 70 年代未,Linda、Buzo、Gray 和 Markel
等人首次解决了矢量量化(VQ)码书生成的方法,并首先将矢量量化技术用于语音
编码获得成功。从此矢量量化技术不仅在语音识别、语音编码和说话人识别等方
面发挥了重要作用,而且很快推广到其他许多领域。因此,20 世纪 80 年代开始出
现的语音信号处理技术产品化的热潮,与上述语音信号处理新技术的推动作用是
分不开的。
20 世纪 80 年代,由于矢量量化、隐马尔可夫模型和人工神经网络(ANN)等相
继被应用于语音信号处理,并经过不断改进与完善,使得语音信号处理技术产生
了突破性的进展。其中,隐马尔可夫模型作为语音信号的一种统计模型,在语音
3
信号处理的各个领域中获得了广泛的应用。其理论基础是 1970 年前后,由 Baum
等人建立起来的,随后,由美国卡内基梅隆大学(CMU)的 Baker 和美国 IBM 公司的
Jelinek 等人将其应用到语音识别中。由于美国贝尔实验室的 Babiner 等人在 20
世纪 80 年代中期,对隐马尔可夫模型深人浅出的介绍,才使世界各国从事语音信
号处理的研究人员了解和熟悉,进而成为一个公认的研究热点,也是目前语音识
别等的主流研究途径。
进入 20 世纪 90 年代以来,语音信号采集与分析在实用化方面取得了许多实
质性的研究进展。其中,语音识别逐渐由实验室走向实用化。一方面,对声学语
音学统计模型的研究逐渐深入,鲁棒的语音识别、基于语音段的建模方法及隐马
尔可夫模型与人工神经网络的结合成为研究的热点。另一方面,为了语音识别实
用化的需要,讲者自适应、听觉模型、快速搜索识别算法以及进一步的语言模型
的研究等课题倍受关注。
1.3 数字信号处理(DSP)简介
数字信号处理(DigitalSignalProcessing,简称 DSP)是一门涉及许多学科
而又广泛应用于许多领域的新兴学科。20 世纪 60 年代以来,随着计算机和信息技
术的飞速发展,数字信号处理技术应运而生并得到迅速的发展。在过去的二十多
年时间里,数字信号处理已经在通信等领域得到极为广泛的应用。
数字信号处理是利用计算机或专用处理设备,以数字形式对信号进行采集、
变换、滤波、估值、增强、压缩、识别等处理,以得到符合人们需要的信号形式。
数字信号处理是围绕着数字信号处理的理论、实现和应用等几个方面发展起
来的。数字信号处理在理论上的发展推动了数字信号处理应用的发展。反过来,
数字信号处理的应用又促进了数字信号处理理论的提高。而数字信号处理的实现
则是理论和应用之间的桥梁。
数字信号处理是以众多学科为理论基础的,它所涉及的范围极其广泛。例如,
在数学领域,微积分、概率统计、随机过程、数值分析等都是数字信号处理的基
本工具,与网络理论、信号与系统、控制论、通信理论、故障诊断等也密切相关。
近来新兴的一些学科,如人工智能、模式识别、神经网络等,都与数字信号处理
密不可分。可以说,数字信号处理是把许多经典的理论体系作为自己的理论基础,
同时又使自己成为一系列新兴学科的理论基础。
1.4 本文主要工作
4
本文简要介绍了语音信号采集与分析的发展史以及语音信号的特征、采集与
分析方法,并通过 PC 机录制自己的一段声音,运用 Matlab 进行仿真分析,最后
加入噪声进行滤波处理,比较滤波前后的变化。第 2 章主要介绍语音信号的特点
与采集,仿真主要是验证奈奎斯特定理。第 3 章主要是对语音信号进行时域、频
域上的分析,如短时功率谱,短时能量,短时平均过零率,语谱图分析等等。第 4
章是对语音信号的综合和分析,包括语音信号的调制、叠加和滤波。
剩余35页未读,继续阅读
资源评论
zzzzl333
- 粉丝: 701
- 资源: 7万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 处理好的文本情感分类数据集、细粒度用户评论情感分析数据集 AI Challenger 2018、情感分类英文数据集
- UMP Pro Win Mac Linux WebGL 2.0.3(u5.3.0)
- VMware Workstation Pro 17.x for Personal Use (Windows).zip
- SIMATIC-WinCC-UnifiedRT-V18-Upd3-更新包-链接地址.txt
- 树状图控件,用来展示一个树状图形,数据结构类似TreeView 在企业信息系统里经常会用到,比如公司组织架构,产品BOM"
- RVO2-Unity-master
- 基于Python和OpenCV开发的材料缺陷检测程序
- 储能系统液冷机组选型设计参考,供储能设计研发人员参考使用
- 基于 C++实现对材料内部缺陷进行无损检测
- 一些 html、bootstrap框架的后台模板集合
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功