数字信号处理--变声器报告

数字信号处理--变声器报告1项目目标：把自己（男）的声音分别变成小孩的声音、女人的声音和老人的声音。2变声原理:语音科学家将人类发声过程视作一个由声门源输送的气流经以声道、口、鼻腔组成的滤波器调制而成的。人类语音可分为有声语音和无声语音，前者是由声带振动激励的脉冲信号经声腔调制变成不同的音，它是人类语言中元音的基础，声带振动的频率称为基频。无声语音则是声带保持开启状态，禁止振动引发的。一般来说，由声门振动决定的基频跟说话人的性别特征有关，如下表，而无声语音则没有体现这个特征。说话人的个性化音色和语音的另外一个声学参数——共振峰频率的分布有关。儿童由于声道短，其共振峰频率高于成年人，成年女性的声道一般短于成年男性，所以女性的共振峰频率一般高于男性。表男声、女声和童声基频、共振峰频率关系表人群基频分布Hz共振峰频率分布男声[50,180]偏低女声[160,380]中童声[400,1000]偏高由上可知，在进行性别变声时，主要考虑基频和共振峰频率的变化。当基频伸展，共振峰频率也同时伸展时，可由男声变成女声，女声变成童声；反之，基频收缩，共振峰频率也同时收缩时，则由童声变女声，女声变男声。为了获得自然度、真实感较好的变声效果，基频和共振峰频率通常必须各自独立地伸缩变化如图1。共振峰频率基频男声区女声区童声区v1v2V1男声变童声V2男声变女声图1基频和共振峰频率分布的变化共振峰频率的改变是基于重采样实现的，从重采样原理知道，这也同时引发了基频的变化，为保证基频变化和共振峰频率变化的独立、互不相关，在基频移动时必须考虑抵消重采样带来的偏移，理论上只要基频检测足够精确，确实可以保证基频改变和共振峰频率改变间的互不相关。3设计方案：1录入自己（小孩、女人、老人）的一段声音2用MATLAB做fft得到其频谱3做fft频谱分析4搬移和改变基频、语速，实现变声4程序流图5程序清单：元语音信号[s,fs,nbits]=wavread(‘wo.wav’);%载入语音ss=s/max(s);%归一化L=length(s);%读入语音长度S=fft(s,L);pigureubplot(2,1,1);plot(s);title(‘原语音信号波形’);ubplot(2,1,2);plot(abs(S));title(‘原语音信号频谱’);变声：小孩的声音clearall,closeall,clc;%定义常数FL=80;%帧长WL=240;%窗长P=10;%预测系数个数[s,fs,nbits]=wavread('wo.wav');%载入语音ss=s/max(s);%归一化L=length(s);%读入语音长度FN=floor(L/FL)-2;%计算帧长%预测和重建滤波器exc=zeros(L,1);%激励信号zi_pre=zeros(P,1);%预测滤波器的状态s_rec=zeros(L,1);%重建语音zi_rec=zeros(P,1);%变调不变速滤波器exc_syn_t=zeros(L,1);%合成的激励信号s_syn_t=zeros(L,1);%合成语音last_syn_t=0;%存储上一个（或多个）段的最后一个脉冲的下标zi_syn_t=zeros(P,1);%合成滤波器的状态hw=hamming(WL);%汉明窗%依次处理每帧语音forn=3:FN%计算预测系数s_w=s(n*FL-WL+1:n*FL).*hw;%汉明窗加权后的语音[AE]=lpc(s_w,P);%用线性预测法计算P个预测系数%A是预测系数，E会被用来计算合成激励的能量s_f=s((n-1)*FL+1:n*FL);%本帧语音，下面就要对它做处理%(4)用filter函数s_f计算激励，注意保持滤波器状态[exc1,zi_pre]=filter(A,1,s_f,zi_pre);exc((n-1)*FL+1:n*FL)=exc1;%计算得到的激励%(5)用filter函数和exc重建语音，注意保持滤波器状态[s_rec1,zi_rec]=filter(1,A,exc1,zi_rec);s_rec((n-1)*FL+1:n*FL)=s_rec1;%计算得到的重建语音%注意下面只有在得到exc后才会计算正确s_Pitch=exc(n*FL-222:n*FL);PT=findpitch(s_Pitch);%计算基音周期PTG=sqrt(E*PT);%计算合成激励的能量G%(13)将基音周期减小一半，将共振峰频率增加7000Hz，重新合成语音PT1=floor(PT/2);%减小基音周期poles=roots(A);deltaOMG=700*2*pi/8000;forp=1:10%增加共振峰频率，实轴上方的极点逆时针转，下方顺时针转ifimag(poles(p))0poles(p)=poles(p)*exp(j*deltaOMG);elseifimag(poles(p))0poles(p)=poles(p)*exp(-j*deltaOMG);endendA1=poly(poles);tempn_syn_t=[1:n*FL-last_syn_t]';exc_syn1_t=zeros(length(tempn_syn_t),1);exc_syn1_t(mod(tempn_syn_t,PT1)==0)=G;%某一段算出的脉冲exc_syn1_t=exc_syn1_t((n-1)*FL-last_syn_t+1:n*FL-last_syn_t);[s_syn1_t,zi_syn_t]=filter(1,A1,exc_syn1_t,zi_syn_t);exc_syn_t((n-1)*FL+1:n*FL)=exc_syn1_t;%计算得到的合成激励s_syn_t((n-1)*FL+1:n*FL)=s_syn1_t;%计算得到的合成语音last_syn_t=last_syn_t+PT1*floor((n*FL-last_syn_t)/PT1);endS=(s_syn_t,L)%变调不变速figure;subplot(2,1,1),plot(exc_syn_t),xlabel('n(samples)'),ylabel('Amplitude'),title('合成高调激励信号'),XLim([0,length(exc_syn_t)]);subplot(2,1,),plot(abs(S)）),title('合成高调语音信号频谱'),XLim([0,length(s_syn_t)]);sound(s_syn_t);女人的声音把上面程序中的（deltaOMG=700*2*pi/8000;）改为（deltaOMG=100*2*pi/8000;）老人的声音clearall,closeall,clc;%定义常数FL=80;%帧长WL=240;%窗长P=10;%预测系数个数[s,fs,nbits]=wavread('wo.wav');%载入语音ss=s/max(s);%归一化L=length(s);%读入语音长度FN=floor(L/FL)-2;%计算帧数%预测和重建滤波器exc=zeros(L,1);%激励信号zi_pre=zeros(P,1);%预测滤波器的状态s_rec=zeros(L,1);%重建语音zi_rec=zeros(P,1);%变速不变调滤波器v=.38;exc_syn_v=zeros(v\L,1);%合成的激励信号s_syn_v=zeros(v\L,1);%合成语音last_syn_v=0;%存储上一个（或多个）段的最后一个脉冲的下标zi_syn_v=zeros(P,1);%合成滤波器的状态hw=hamming(WL);%汉明窗%依次处理每帧语音forn=3:FN%计算预测系数（不需要掌握）s_w=s(n*FL-WL+1:n*FL).*hw;%汉明窗加权后的语音[AE]=lpc(s_w,P);%用线性预测法计算P个预测系数%A是预测系数，E会被用来计算合成激励的能量s_f=s((n-1)*FL+1:n*FL);%本帧语音，下面就要对它做处理%(4)用filter函数s_f计算激励，注意保持滤波器状态[exc1,zi_pre]=filter(A,1,s_f,zi_pre);exc((n-1)*FL+1:n*FL)=exc1;%计算得到的激励%(5)用filter函数和exc重建语音，注意保持滤波器状态[s_rec1,zi_rec]=filter(1,A,exc1,zi_rec);s_rec((n-1)*FL+1:n*FL)=s_rec1;%计算得到的重建语音%注意下面只有在得到exc后才会计算正确s_Pitch=exc(n*FL-222:n*FL);PT=findpitch(s_Pitch);%计算基音周期PT（不要求掌握）G=sqrt(E*PT);%计算合成激励的能量G（不要求掌握）%(11)不改变基音周期和预测系数，将合成激励的长度增加一倍，再作为filter%的输入得到新的合成语音，听一听是不是速度变慢了，但音调没有变。FL_v=floor(FL/v);tempn_syn_v=[1:n*FL_v-last_syn_v]';exc_syn1_v=zeros(length(tempn_syn_v),1);exc_syn1_v(mod(tempn_syn_v,PT)==0)=G;%某一段算出的脉冲exc_syn1_v=exc_syn1_v((n-1)*FL_v-last_syn_v+1:n*FL_v-last_syn_v);[s_syn1_v,zi_syn_v]=filter(1,A,exc_syn1_v,zi_syn_v);last_syn_v=last_syn_v+PT*floor((n*FL_v-last_syn_v)/PT);exc_syn_v((n-1)*FL_v+1:n*FL_v)=exc_syn1_v;%计算得到的加长合成激励s_syn_v((n-1)*FL_v+1:n*FL_v)=s_syn1_v;%计算得到的加长合成语音endS=fft（s_syn_v,L）;%变速不变调figure;subplot(2,1,1),plot(s_syn_v),xlabel('n(samples)'),ylabel('Amplitude'),title('合成慢速语音信号'),subplot(2,1,2),plot(abs（S）),title('合成慢速语音信号频谱'),sound(s_syn_v);6操作界面操作说明操作界面如上图（1）点击按钮“录音”表示开始录音；“原声”按钮表示播放录入的声音；（2）“小孩的声音”按钮表示把录入的声音变成小孩的声音；（3）“女人的声音”按钮表示把原声变成女人的声音；（4）“老人的声音”按钮表示把原声变成老人的声音。（5）界面上的坐标表示播放当前声音的频谱。7仿真结果录入的声音变成小孩的声音变成女人的声音变成老人的声音8结论1改变频谱可以实现变声；2改变基频可以变声；3共振峰与基频是变声的重点；4MATLAB可以做频谱分析，通过这次作业我更深的理解了MATLAB这个工具。5编程基本可以实现变声。项目目标可以实现！