频域分析基础和语谱图

一、实验目的

用matlab完成对语音的语谱图分析，要求：

1，分析对象为CV结构的字或词，辅音要有塞音、塞擦音和擦音三种；

2，语谱图要有窄带和宽带语谱图两种，分别分析其特有表征。窄带语谱图上的基频和各次谐波；宽带语谱图上的元音共振峰横杠，塞音的冲直条或者擦音的摩擦乱纹。

3，要用灰度图，而不是彩色图。

二、实验原理

（一）短时频域分析

语音信号的频谱的语言学意义：获取某些重要的语音特征如共振峰、带宽等。

在频域上研究语音信号，可以使信号在时域上无法表现出来的某些特征变得十分明显。

语音信号的短时频域分析，常用基本方法有两种：短时离散傅里叶分析（STFT）和滤波器组分析。其中，STFT是最常用的。

当n=n0时，是将窗函数起点移到n0处截取长度为N的信号x(n)所得到序列的标准傅里叶变换。适用于分帧的短时分析。

（二）STFT的典型应用—语谱图

语谱图横坐标是时间，纵坐标是频率，坐标点值为语音数据能量。语谱图就是显示时变频谱幅度特征的图形，表达式就是离散时间STFT的模的平方，可以被理解为二维的能量密度。

由于是采用二维平面表达三维信息，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。

语谱图可以根据带通滤波器的宽窄分为宽带语谱图和窄带语谱图。

宽带语谱图

带语谱图带宽约为300-400Hz，具有良好的时间分辨率2-5ms，但是频率分辨率较差；宽带语谱图可以用较窄的时间间隔来观察时域的波动。

宽带语图典型谱型

宽横杠（Bar）：代表元音的共振峰位置，表现为图中与水平时间轴平行的较宽的黑杠，不同元音的共振峰位置不同，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。

冲直条（spike）：代表塞音（b,d,g,p,t,k）或塞擦音（z,zh,j,c,ch,q）的除阻段，表现为图中与垂直频率轴平行的较宽的黑条，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。

摩擦乱纹（fill）：代表摩擦音（s,sh,x,f,h）或者送气音的摩擦段或者送气部分，表现为图中无规则的乱纹。

窄带语谱图

窄带语谱图带宽约为45-100Hz，具有良好的频率分辨率，但是时间分辨率(>10ms)较差。不同的语谱图上所表现的语音特征也不同；窄带语谱图可以用较窄的频率间隔观察频域上的正弦波成分

窄带语图典型谱型

窄横条：代表元音的基音频率及各次谐波，表现为与水平轴平行的线条，窄横条在频率轴的位置对应了音高频率值，随时间轴的曲折、升降变化代表了音高变化的模式。

无声间隙段：对应于语音的停顿间隙，在图中表现为空白区，在两种语谱图中都存在。

三、实验准备

1、实验语音信号，采样率为16000Hz，16位，单声道。

表3.1CV结构发音词表
塞音	b	p
发音词表	八（ba）	破（po）
擦音	s	f
发音词表	色（se）	服（fu）
塞擦音	z	zh
发音词表	足（zu）	折（zhe）

2、测量分析

由于用16000Hz采样频率进行采样，根据宽带语图和窄带语图概念，做宽带语图时窗长N取50，dt=50/16000=3.125ms，df=16000/50=320Hz；做窄带语图时，窗长N取256，dt=256/16000=16ms，df=16000/256=62.5Hz。

四、实验程序和结果图

clear;

clc;

close all;

[x,fs] = audioread('ba.wav');%读出信号

wlen = 50;                 % 帧长

inc = 25;                   % 帧移

win = hanning(wlen);        % 窗类型

nfft = wlen;                % nfft的点数

N = length(x);

time = (0: N -1)/fs;

subplot(2,1,1); %做原始语音信号

plot(time,x, 'k')

xlim([0 max(time)]);

xlabel('时间/s');

ylabel('幅值');

title('语音信号波形');

subplot(2,1,2); %做原始语音信号

colormap(flipud(gray));

spectrogram(x,win,inc,nfft,fs,'yaxis');%绘制语谱图 'yaxis'代表频率轴在Y轴

xlabel('Time(s)');

ylabel('Frequency(Hz)')

title('语谱图')