欢迎来到冰豆网! | 帮助中心 分享价值,成长自我!
冰豆网
全部分类
  • IT计算机>
  • 经管营销>
  • 医药卫生>
  • 自然科学>
  • 农林牧渔>
  • 人文社科>
  • 工程科技>
  • PPT模板>
  • 求职职场>
  • 解决方案>
  • 总结汇报>
  • 党团工作>
  • ImageVerifierCode 换一换
    首页 冰豆网 > 资源分类 > DOCX文档下载
    分享到微信 分享到微博 分享到QQ空间

    DSP语音信号处理课程设计.docx

    • 资源ID:2124956       资源大小:325.28KB        全文页数:23页
    • 资源格式: DOCX        下载积分:12金币
    快捷下载 游客一键下载
    账号登录下载
    微信登录下载
    三方登录下载: 微信开放平台登录 QQ登录
    二维码
    微信扫一扫登录
    下载资源需要12金币
    邮箱/手机:
    温馨提示:
    快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。
    如填写123,账号就是123,密码也是123。
    支付方式: 支付宝    微信支付   
    验证码:   换一换

    加入VIP,免费下载
     
    账号:
    密码:
    验证码:   换一换
      忘记密码?
        
    友情提示
    2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
    3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
    4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。
    5、试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。

    DSP语音信号处理课程设计.docx

    1、DSP语音信号处理课程设计摘要 数字信号处理(Digital Signal Processing)技术,从20世纪60年代以来,随着计算机科学和信息科学、集成芯片制造工艺的飞速发展,数字处理技术应运而生并得以快速发展。 语言是人们进行信息沟通的主要方式之一,它具有直接、自然、方便等优点。语音则是语言的物理层表达方式。语音处理主要是对语音进行机器处理,以达到传输、自动识别、机器理解等目的。本文首先对语音信号处理进行了概述,其中包括各种处理技术、发展及应用。接下来主要介绍了语音识别方面的知识。根据语音识别系统的基本构成模型,介绍了预处理、端点检测到模板匹配各个部分所涉及到的语音数字信号处理原理和方

    2、法。重点研究了孤立词识别系统的原理、构成及各部分的实现算法。论文中首先对语音信号的基本处理问题进行了分析和对比,然后在自己设计的基于TMS320VC5402的DSP实际系统上,进行了语音处理过程的滤波、采样、傅立叶变换和谱包络提取的算法实现研究,讨论了在算法的DSP实现方法,分析了运行实验结果。在此基础上,对GSM系统中的编码、回声抵消、说话人识别和交通车辆内部的噪声抵消应用进行了研究。最后对DSP实现语音信号处理的存在的问题和发展前景进行了展望。第一章绪论1.1 简析数字信号数字信号处理(Digital Signal Processing,简称DSP)是一门涉及多门学科并广泛应用于很多科学与

    3、工程领域的新兴学科。20世纪60年代以来,随着计算机和信息技术的飞速发展,有力地推动和促进了DSP技术的发展进程。在过去的二十多年时间里,DSP技术已经在通信等领域得到了极为广泛的应用。步入2l世纪以后,信息社会已经进入了数字化时代,DSP技术已成为数字化社会最重要的技术之一。DSP可以代表数字信号处理(DigJtal Signal Processing),也可以代表数字信号处理器(Digital Signal Processor),其实两者是不可分割的。前者是理论与计算方法的技术,后者是实现这些技术的通用或专用可编程微处理器:苍:片。随着DSP芯片的快速发展,应用越来越广泛,DSP这一英文缩

    4、写己被大家公认为数字信号处理器的代名词。1.2 课程设计的目标DSP作为专用的微处理器,它主要的目标,尤其是早期诞生的时候,主要是用于数字信号处理,内部结构一丌始采用了和普通的MCU不太一样的哈佛结构,主要特点就是分离数据流和指令流,并且在内部使用乘法累加器的运算内核和流水线结构。在MCU做乘法运算,需要数十个指令周期的时候,DSP一开始就拥有使用单指令的乘法运算能力。所以自从一出现,就被一些运算密集型的嵌入式或者脱机应用所关注。经过这么多年的发展,DSP的内部结构发生了很多的变化llJ,比如说与通用处理器的结合、并行化和专业化。与通用处理器的结合,就是在DSP芯片早面,用DSP的内核做运算密

    5、集型的数字信号处理的运算,在芯片内同时有通用的处理器内核做管理运算,这样形成的新的DSP产品,不仅有强的运算能力,还有好的事务处理能力。Dsp的应用现在已经很广泛了,像汽车、嵌入式的通信系统和安全加密,很多的安全加密产品,实际上加密算法是不占用计算机资源,是用DSP做的一个板子插到计算机里进行加密运算。随着DSP技术的不断发展,DSP处理器的性能也在不断提高。1.3课程设计的内容及要求课程设计内容:根据设计要求分析系统功能,掌握设计中所需理论(采样频率、采样位数的概念,采样定理;时域信号的FFT分析;数字滤波器设计原理和方法,各种不同类型滤波器的性能比较),阐明设计原理。集语音信号,并对其进行

    6、FFT频谱分析,画出信号的时域波形图和频谱图。 对所采集的语音信号加入干扰噪声,对语音信号进行回放,感觉加噪前后声音的变化,分析原因,得出结论。并对其进行FFT频谱分析,比较加噪前后语音信号的波形及频谱,对所得结果进行分析,阐明原因,得出结论。根据待处理信号特点,设计合适数字滤波器,绘制所设计滤波器的幅频和相频特性。用所设计的滤波器对含噪语音信号进行滤波。对滤波后的语音信号进行FFT频谱分析。画出处理过程中所得各种波形及频谱图。对语音信号进行回放,感觉滤波前后声音的变化。比较滤波前后语音信号的波形及频谱,对所得结果和滤波器性能进行频谱分析,阐明原因,得出结论。设计处理系统的用户界面,在所设计的

    7、系统界面上可以选择滤波器的参数,显示滤波器的频率响应,选择信号等。课程设计要求:1.本次课程设计要求利用MATLAB对语音信号进行数字信号处理和分析,要求学生采集语音信号后,在MATLAB软件平台进行频谱分析;并对所采集的语音信号加入干扰噪声,对加入噪声的信号进行频谱分析,设计合适的滤波器滤除噪声,恢复原信号。 2基本教学要求:每组一台电脑(附话筒和耳机), 电脑安装MATLAB7.1版本以上软件。第二章语音信号处理理论基础2.1简述语音信号语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科,它是一门新兴的学科,同时又是综合性的多学科领域和涉及面广的交叉学科。语音信号处理是许多信

    8、息领域应用的核心技术之一,是目前发展速度最快的信息科学技术领域中的一个。2.2基础知识概述在研究分析各种语音信号处理技术集应用之前,必须了解有关语音信号的一些基本特性。为了对语音信号进行数字处理,需要建立一个能够精确描述语音产生过程和语音全部特征的数字模型,即根据语音的长生过程建立一个又实用又便于分析的语音信号模型。发音语音学只要研究语音产生机理,借助仪器观察发音器官,以确定发音部位和发音方法。声音是一种波,能被人耳听到,它的振动频率在2020000hz之间。自然界中包含各种各样的声音,如风声、雷声、雨声等。根据语音信号的产生模型,可以将其豕一个线性非时变系统的输出表示,即看做是声门激励信号和

    9、声道冲激响应的卷积。在语音信号数字处理所涉及的各个领域中,根据语音信号求解声门激励和声道响应具有非常重要的意义。同态称为同态滤波,它实现了将卷积关系变换为求和关系的分享处理。众所周知,为了分离加性组合信号,常用采用线性滤波方法。而为了分离非加性组合信号,常采用同态滤波技术。同态滤波是一咱非线性滤波,但它服从广义叠加原理。加性信号可以用线性系统来处理,这种系统满足叠加性。但是许多信号,其组成各分量不是按加法原则组合起来的。如语音信号、图像信号、地震信号、通信中的衰落信号、调制信号都不是加性信号,而是乘积性信号或卷积性信号。此时不能用线性系统,而必须用满足其相应组合原则的非线性系统来处理。而同态信

    10、号处理就是非线性问题转化为线性问题来处理。按被处理的信号来分类,大体分为乘积同态处理和卷积同态处理和卷积同态处理两种。第三章 系统方案论证31 设计方案分析 信号的傅立叶表示在信号的分析与处理中起着重要的作用。因为对于线性系统来说,可以很方便地确定其对正弦或复指数和的响应,所以傅立叶分析方法能完善地解决许多信号分析和处理问题。另外,傅立叶表示使信号的某些特性变得更明显,因此,它能更深入地说明信号的各项红物理现象。 由于语音信号是随着时间变化的,通常认为,语音是一个受准周期脉冲或随机噪声源激励的线性系统的输出。输出频谱是声道系统频率响应与激励源频谱的乘积。声道系统的频率响应及激励源都是随时间变化

    11、的,因此一般标准的傅立叶表示虽然适用于周期及平稳随机信号的表示,但不能直接用于语音信号。由于语音信号可以认为在短时间内,近似不变,因而可以采用短时分析法。本实验要求掌握傅里叶分析原理,会利用已学的知识,编写程序估计短时谱、倒谱,画出语谱图,并分析实验结果,在此基础上,借助频域分析方法所求得的参数分析语音信号的基音周期或共振峰。32实验原理1、短时傅立叶变换由于语音信号是短时平稳的随机信号,某一语音信号帧的短时傅立叶变换的定义为: (2.1)其中w(n-m)是实窗口函数序列,n表示某一语音信号帧。令n-m=k,则得到 (2.2)于是可以得到 (2.3)假定 (4)则可以得到 (5)同样,不同的窗

    12、口函数,将得到不同的傅立叶变换式的结果。由上式可见,短时傅立叶变换有两个变量:n和,所以它既是时序n的离散函数,又是角频率的连续函数。与离散傅立叶变换逼近傅立叶变换一样,如令=2k/N,则得离散的短时傅立叶吧如下: (6)2、语谱图水平方向是时间轴,垂直方向是频率轴,图上的灰度条纹代表各个时刻的语音短时谱。语谱图反映了语音信号的动态频率特性,在语音分析中具有重要的实用价值。被成为可视语言。语谱图的时间分辨率和频率分辨率是由窗函数的特性决定的。时间分辨率高,可以看出时间波形的每个周期及共振峰随时间的变化,但频率分辨率低,不足以分辨由于激励所形成的细微结构,称为宽带语谱图;而窄带语谱图正好与之相反

    13、。宽带语谱图可以获得较高的时间分辨率,反映频谱的快速时变过程;窄带语谱图可以获得较高的频率分辨率,反映频谱的精细结构。两者相结合,可以提供带两与语音特性相关的信息。语谱图上因其不同的灰度,形成不同的纹路,称之为“声纹”。声纹因人而异,因此可以在司法、安全等场合得到应用。3、复倒谱和倒谱复倒谱是x(n)的Z变换取对数后的逆Z变换,其表达式如下: (7)倒谱c(n)定义为x(n)取Z变换后的幅度对数的逆Z变换,即 (8)在时域上,语音产生模型实际上是一个激励信号与声道冲激响应的卷积。对于浊音,激励信号可以由周期脉冲序列表示;对于清音,激励信号可以由随机噪声序列表示。声道系统相当于参数缓慢变化的零极

    14、点线性滤波器。这样经过同态处理后,语音信号的复倒谱,激励信号的复倒谱,声道系统的复倒谱之间满足下面的关系: (9)由于倒谱对应于复倒谱的偶部,因此倒谱与复倒谱具有同样的特点,很容易知道语音信号的倒谱,激励信号的倒谱以及声道系统的倒谱之间满足下面关系: (10)浊音信号的倒谱中存在着峰值,它的出现位置等于该语音段的基音周期,而清音的倒谱中则不存在峰值。利用这个特点我们可以进行清浊音的判断,并且可以估计浊音的基音周期。第四章 GUI设计实现4.1原理图及程序一 按钮放置function varargout = jy01(varargin)% JY01 M-file for jy01.fig% JY

    15、01, by itself, creates a new JY01 or raises the existing% singleton*.% H = JY01 returns the handle to a new JY01 or the handle to% the existing singleton*.% JY01(CALLBACK,hObject,eventData,handles,.) calls the local% function named CALLBACK in JY01.M with the given input arguments.% JY01(Property,Va

    16、lue,.) creates a new JY01 or raises the% existing singleton*. Starting from the left, property value pairs are% applied to the GUI before jy01_OpeningFcn gets called. An% unrecognized property name or invalid value makes property application% stop. All inputs are passed to jy01_OpeningFcn via varargin.% *


    注意事项

    本文(DSP语音信号处理课程设计.docx)为本站会员主动上传,冰豆网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知冰豆网(点击联系客服),我们立即给予删除!

    温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    copyright@ 2008-2022 冰点文档网站版权所有

    经营许可证编号:鄂ICP备2022015515号-1

    收起
    展开