【信号处理】基于短期能量STE和过零率ZCR算法将语音帧分割为清音帧和浊帧附Matlab代码

✅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。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

语音信号的核心特征之一是时变特性，其发音过程可分为浊音（Voiced）、清音（Unvoiced）和静音（Silence）三类。其中，浊音（如 /a/、/o/、/u/）和清音（如 /s/、/f/、/k/）是语音内容的主要组成部分，二者的物理产生机制差异显著，直接导致短期能量（Short-Time Energy, STE）和过零率（Zero Crossing Rate, ZCR）呈现明显区分度 —— 这是两种算法联合实现清浊分割的核心依据。

一、语音信号清浊音的物理本质与核心差异

要理解分割原理，首先需明确浊音和清音的产生机制及信号特征：

特征维度	浊音（Voiced）	清音（Unvoiced）
产生机制	声带振动（周期性振动），气流平稳	声带不振动，气流通过声道狭窄处产生湍流（无周期性）
信号波形	周期性强，波形规则（类似正弦波）	无周期性，波形不规则（类似白噪声）
能量水平	高（声带振动带动气流能量集中）	低（湍流气流能量分散）
频率特性	存在基频（Fundamental Frequency, F0，50~500Hz），高频分量弱	无基频，频率分布均匀（高频分量丰富）
核心区分指标	短期能量（STE）高，过零率（ZCR）低	短期能量（STE）低，过零率（ZCR）高

分割目标：通过 STE 和 ZCR 的联合判决，将连续语音帧分类为 “浊音帧” 或 “清音帧”，为后续语音识别、编码、增强等处理提供基础（如浊音需提取基频，清音需重点保留高频细节）。

二、短期分析基础：分帧与加窗

语音信号是时变非平稳信号，但在10~30ms 的短时间窗口内可近似为平稳信号 —— 这是 STE 和 ZCR 能有效提取特征的前提。因此，分割前需先对语音信号进行 “分帧加窗” 预处理：

⛳️ 运行结果

📣 部分代码

clear all; close all;

%file phone_F1.wav

figure('name',' phone_F1.wav');

chuan1 = [0.00 0.53 1.14 1.21 1.35 1.45 1.60 1.83 2.20 2.28 2.35 2.40 2.52 2.66 2.73 2.75 3.23];

UVDis('THHL/phone_F1.wav', chuan1);

%file phone_M1.wav

figure('name', 'phone_M1.wav');

chuan2 = [0.00 0.46 1.39 1.50 1.69 1.79 2.78 2.86 2.93 3.10 3.29 3.45 3.52 4.15];

UVDis('THHL/phone_M1.wav', chuan2);

%file studio_M1.wav

figure('name', 'studio_M1.wav');

chuan3 = [0.00 0.87 0.94 1.26 1.33 1.59 1.66 1.78 1.82 2.06 2.73];

UVDis('THHL/studio_M1.wav', chuan3);

%file studio_F1.wav

figure('name', 'studio_F1.wav');

chuan4 = [0.00 0.68 0.70 1.10 1.13 1.22 1.27 1.65 1.70 1.76 1.79 1.86 1.92 2.15 2.86];

UVDis('THHL/studio_F1.wav', chuan4);

🔗 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 

🏆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、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 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、公交车时间调度、水库调度优化、多式联运优化

🌟 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、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 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

👇

5 往期回顾扫扫下方二维码