语音信号短时分析与基音周期估算系统

资 源 简 介

本项目基于MATLAB平台实现对语音信号的短时时域特性分析。系统首先对采集的语音信号进行预处理，包括预加重、分帧以及加窗处理（如汉明窗），以确保每一帧信号在分析时间内具有准平稳性。核心功能包含利用双门限判决算法实现清音和浊音的自动识别，通过综合考量每一帧的短时能量和短时平均过零率，将语音序列划分为静音段、清音段和浊音段。针对浊音信号，该系统实现了基音周期的准确估计，采用自相关函数法或平均幅度差函数法检测信号的周期性特征，并提取出随时间变化的基音轨迹。该工具可用于语音编码、语音识别的前端处理以及语音合成等应

详 情 说 明

语音信号短时分析及基音周期估算系统

项目介绍

本系统是一个基于 MATLAB 平台的语音信号处理工具，旨在实现对语音信号的短时时域特性分析与基音周期估计。通过对连续语音信号进行分帧处理，系统能够捕捉语音随时间变化的动态特征。核心任务包括语音特征参数（短时能量、过零率）的提取、基于双门限判决的端点检测（VAD），以及针对浊音段的基音频率（F0）追踪。该系统适用于语音编码、语音识别的前端处理以及语言学分析等领域。

功能特性

• 鲁棒的信号预处理：包含去直流分量、幅度归一化以及预加重滤波，有效提升高频分量并消除硬件采集带来的偏置。
• 自动端点检测 (VAD)：采用双门限判决算法，结合短时能量和短时平均过零率，能够准确识别静音段、清音段和浊音段。
• 精确基音估算：利用自相关函数法（ACF）在时域内搜索信号的周期性特征，并提取基音轨迹。
• 后处理平滑：通过中值滤波算法去除基音提取过程中的野点（异常值），确保基音曲线的连续性与平顺性。
• 多维度可视化：系统自动生成包含原始波形、能量包络、过零率曲线及基音轨迹的综合图表。

系统逻辑与实现流程

系统运行遵循标准的语音处理流水线，具体步骤如下：

1. 信号加载与标准化

系统首先尝试读取本地音频文件，若文件不存在则自动加载 MATLAB 内置的示例语音数据。读取后，系统对信号进行单声道转换，减去均值以消除直流成分，并根据最大值进行归一化处理，将幅值映射到 [-1, 1] 区间。

2. 时域分帧与加窗

• 预加重：通过一阶高通滤波器（系数为 0.97）对信号进行处理，补偿由于声门激励和唇辐射造成的高频衰减。
• 分帧：设置帧长为 30ms，帧移为 15ms。这种 50% 的重叠确保了信号在帧与帧之间的平滑过渡。
• 加窗：对每一帧施加汉明窗（Hamming Window），以减少分帧产生的频谱泄露，增强帧内信号的准平稳性。

3. 短时特征计算

• 短时能量 (STE)：计算每一帧内信号采样点的平方和，反映语音在不同时间位置的强度变化。
• 短时平均过零率 (ZCR)：统计相邻采样点符号变化的次数。清音段通常具有较高的过零率，而浊音和静音段过零率较低。

4. 双门限端点检测算法

系统通过三个逻辑阶段实现端点检测：

• 第一级搜索：基于能量高门限锁定语音的核心段。
• 第二级搜索：基于能量低门限向核心段两端扩展，捕捉能量较低的语音边缘。
• 第三级搜索：利用过零率门限进一步修正，确保高频率、低能量的清音部分不被误判为静音段。

5. 基音周期估计 (ACF)

针对被判定为语音且具有一定能量密度的帧，系统执行以下操作：

• 频率限制：将基音搜索范围限制在 60Hz 至 400Hz 之间，符合人类发声的生理极限。
• 自相关计算：计算帧信号的自相关函数，通过寻找在指定延迟范围（Lag）内的最大峰值来确定周期。
• 浊音判定：设定相关系数阈值（0.3），若峰值超过该阈值则认为该帧为浊音并计算基音频率，否则判定为清音或噪声。

6. 结果平滑与结果展示

系统使用 5 点中值滤波器对提取的基音轨迹进行平滑，减少因计算误差产生的频率跳变。最后，打印实验分析报告（包括采样率、总帧数、平均基音频率等），并绘制完整的时域全景图。

关键算法说明

• 自相关函数法 (ACF)：这是估算基音周期的经典时域方法。通过对比信号与其自身移动一定时间后的相似度，能够捕捉到浊音的准周期特性。
• 中值滤波：一种非线性平滑技术，在去除基音轨迹中的单一错误预测值（野点）时表现优异，且能很好地保留信号的阶跃特征。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 所需工具箱：Signal Processing Toolbox（辅助完成自相关计算与平滑滤波）。
• 硬件环境：支持标准的音频回放与图形显示。