【语音分析】基于matlab的语音信号语谱图分析（窄带和宽带）

 ✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知，求助可私信。

🔥 内容介绍

作业要求：

用matlab实现对一段语音数据的语谱图（窄带和宽带）的画图分析。要求：

1，有读取语音文件和实现语谱图的代码及注释；

2，针对单音节的分析：元音、辅音；

3，针对连续语音的分析；

4，分析出VOT、过渡音征等指标；

5，有原语音波形图和语谱图的列举。

实验原理及实验结果：

语音在宽带语图上的表现， 可分为几种模式：①短脉冲直条（又称冲直条），②无规则乱纹，③阔横杠。在分析辅音的发音方法上，冲直条表示塞音或塞擦音的除阻段；乱纹表示清辅音的摩擦段或送气段。横杠表示一切浊音，包括元音和浊辅音的基频和共振峰。这3种模式的单独出现或组合就构成一切语音的模式,它代表了一切语音的音色。在频率坐标上，共振峰横杠的分布位置代表某种元音或浊辅音，而冲直条和乱纹的分布区域（中心频率和下限频率）可用来辨认辅音的发音部位。

语谱图可以分为宽带和窄带，根据所需要的信息不同，采用不同的分析窗长，获得不同的结果。宽带谱图主要是用来获得共振峰等信息，窄带谱图主要可以获得基频等信息。

一、辅音：b，清音 

1、宽带语图

 

辅音在语图上都只是由横杠（共振峰）、竖条（冲直条）和乱纹三种最基本纹样的单独出现或共同出现所组成的。

图中与垂直频率轴平行的线条，在时间上持续时间很短，在频率轴上集中区位置随不同的辅音而不同。

 

辅音b的宽带语谱图

2、窄带语音图

 

二、元音：a，为浊音

 

1、宽带语图

图中与水平时间轴平行的较宽的黑杠为共振峰，不同元音的共振峰位置不同，通常根据宽带语谱图上各横杠的位置可以区分不同的元音，不同人发音的第一共振峰位置会不同，但其分布结构是相似的。

 

2、窄带语音图

 

在此窄带语谱图上，滤波器的带宽能在浊音区分辨出每个谐波。语谱的谐波形式的结构在频率方向清晰可见，并能看到基音频率的时变过程。

3、连续语音：小兔轻轻跳

 

从cool edit中截取的语谱图

辅音与元音在一个音节中的交替，是由一个音位滑移到另一音位，有一个渐变的过程，这个过程或者连续不断，或者略断即连，视不同辅音而异。

在一个音节中,清辅音中的塞音连上后面元音时,由于清塞音声源是肺气流，而元音是声带音，塞音除阻后，声带音虽立即跟上，但还有很短的一段无声间隙，这一段的时长称为嗓音起始时间（简称VOT），VOT的长短不同和闭塞辅音音色在听辨上有决定性作用。此外，辅音与元音或元音与辅音结合，中间那段过渡因在听感上是辨别辅音的征兆，称为过渡音征，在语图上表现为在元音共振峰横杠前部或后部有弯曲形状，一般以第二共振峰最具有过渡音征的特点。音征的长短和弯曲的走势(或升、或降、或不弯而平)反映了这个辅音的发音部位。因此，嗓音起始时间与过渡音征都是听辨辅音的重要参量。如下图为‘小兔轻轻跳’的语谱图中tu的放大部分，可清楚看到上述特征。

📣 部分代码

frame_num=ceil((x_num-N)/T)+1;        %确定帧的数目 

%对最后一帧进行处理 

if x_num==N+(frame_num-1)*T                                                %数据正好可以分为整数帧的情况 

     x=x; 

else                                                                       %如果不为整数帧，需要补0操作 

    zero_num=N+(frame_num-1)*T-x_num;                                      %确定补0的数目 

    z=zeros(1,zero_num);

    x=x';

    x=[(x) (z)]; 

    x=x';

end  

for i=1:frame_num 

    xn(:,i)=x(T*(i-1)+1:T*(i-1)+N); 

end 

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

👇 关注我领取海量matlab电子书和数学建模资料

🎁  私信完整代码和数据获取及论文数模仿真定制

🌿 往期回顾可以关注主页，点击搜索

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇