MATLAB在數(shù)字語音課程教學中的應用

羅敏娜, 蔡云鳳

(1. 沈陽師范大學 計算機與數(shù)學基礎教學部, 沈陽 110034; 2. 沈陽師范大學 科信軟件學院, 沈陽 110034)

?

MATLAB在數(shù)字語音課程教學中的應用

羅敏娜1, 蔡云鳳2

(1. 沈陽師范大學 計算機與數(shù)學基礎教學部, 沈陽 110034; 2. 沈陽師范大學 科信軟件學院, 沈陽 110034)

MATLAB在數(shù)字語音處理方面功能強大,利用MATLAB軟件解決數(shù)字語音課程教學中存在的難點,通過對時域、頻域及二者相結合的過程進行分析,構建將理論結果可視化和基本概念直觀化相結合的多媒體課程教學模式。MATLAB在語音課程教學中的實現(xiàn)過程,首先是將數(shù)字語音讀取,查看其波形圖。其次是錄入數(shù)字語音并保存。最后經過對數(shù)字語音的濾波、疊加、預處理等過程,實現(xiàn)對數(shù)字語音的分析和重構。逐步改變了教學方法和教學手段,從而達到培養(yǎng)學生的學習興趣和操作能力的目的。

MATLAB; 數(shù)字語音; 課程教學; GUI工具

0 引 言

MATLAB是由美國math works公司推出的,它在一個視圖窗口中集成了數(shù)值分析、矩陣計算以及非線性動態(tài)系統(tǒng)的仿真和建模等功能。它在許多方面,如控制論、時間序列分析、系統(tǒng)仿真、圖像信號處理等都提供了很好的使用功能[1-6]。

矩陣是MATLAB中的一個基本數(shù)據單位,數(shù)學、工程中一些常用的表達形式與MATLAB中的一些指令表達式都十分相似,所以,用MATLAB解答一些問題要比用C、FORTRAN等語言完成相同的事情要簡單方便很多,并且在MATLAB新版中已經加入了對C、FORTRAN、JAVA、C++的支持,在新版中已經存在一些經典的程序,使用者可以直接調用已存在的一些函數(shù),下載后可直接使用[7-10];也可以根據自己需求編寫程序,導入到MATLAB函數(shù)庫中去,便于以后進行調試使用。

對于數(shù)字語音教學課程的開展,可以使用MATLAB軟件制作的GUI界面工具,通過該軟件將語音輸入進去,然后將語音轉變成波形圖,再將語音形象具體地展現(xiàn)給學習該課程的同學們[11],最后通過進一步的具體分析和比較,確定出不同聲音之間的差別,從而讓學生更加清楚地知道語音之間的差異,以及不同發(fā)生方式產生的不同結果。對于這門數(shù)字語音教學課,可以擴展到很多學科,對于涉及語音學習的課程都可以引入。

1 MATLAB在語音信號處理中的應用

1.1 相關函數(shù)介紹

1.1.1 自相關函數(shù)

對于離散的語音信號x(n),它的自相關函數(shù)定義為[3]:

R(k)=∑x(n)x(n-k)

自相關函數(shù)與信號x(n)具有相同的周期性,且二者的周期一定相同。在自相關函數(shù)中,當一個周期是整數(shù)倍的周期信號時,它的自相關函數(shù)就可以達到最大值。所以,在研究自相關函數(shù)時,可以不考慮它的起始時間,而是通過自相關函數(shù)的第一個最大值的位置,來估計出信號的基音周期[12]。

1.1.2 短時自相關函數(shù)

語音信號不一定是平穩(wěn)的信號,應該使用短時自相關函數(shù)來處理問題。短時自相關函數(shù)的具體使用方法是在信號的第n個樣本點附近,用短時窗截取一段信號[4],再做自相關計算所得的結果

Rm(k)=∑x(n)x(n-k)

其中n表示窗函數(shù)是從第n點開始加入。

1.2 時域及頻域分析

1.2.1 時域分析

作為最直接的信號分析方法是將時間定為自變量進行信號的分析,短時能量、短時平均過零率、短時平均幅度差和短時自相關數(shù)是語音信號典型的時域特征。

對于信號x(n),它的短時能量定義:

圖1 短時能量En輸出過程

式中:h(n)=w2(n);N為窗長;En代表一種短時能量,它是在信號的第n個點開始加窗函數(shù)時產生的。短時能量En可以看成是語音信號的平方經過一個線性濾波器的輸出,該線性濾波器的單位沖激響應為h(n)[13],如圖1所示。

1.2.2 頻域分析

人的聽覺系統(tǒng)能夠進行頻譜分析,感知語音的過程與之密切關聯(lián),因此對語音信號進行頻譜分析是處理語音信號的重要方法。

濾波器組法

使用濾波分析語音信號的頻譜,方法簡單,并且實時性好,濾波器可以用寬(窄)帶帶通濾波器代替。

語音信號x(n)可以通過計算機進行分析和處理。首先將語音信號x(n)輸入帶通濾波器f1,f2,…,fn,通過濾波器輸出具有一定頻帶的中心頻率為f1,f2,…,fn的信號,經過濾波器組輸出的信號,再經過自適應增量調制器變?yōu)槎M制脈沖信號,再經過多路開關,變?yōu)橐贿B串的二進制脈沖信號[14],這就完成了濾波器信號的采集工作。

傅里葉頻譜分析

法國科學家Fourier提出傅立葉頻譜分析方法,它是語音信號頻域分析中最為常用的一種方法,傅立葉變換是傅立葉頻譜分析的基礎,傅立葉譜、自相關函數(shù)、功率譜、倒譜可以利用傅立葉變換及其反變換求得。

信號x的短時傅立葉變換為[6]:

圖2 利用帶通濾波器來理解短時傅里葉變換

式中w(n)為窗口函數(shù)。圖2表示利用帶通濾波器來理解短時傅立葉變換。

Xn(ejw)可以看作是加窗后函數(shù)的傅立葉變換,為了實現(xiàn)反變換,將Xn(ejw)進行頻率采樣,即令wk=2πK/L則有

其中L為頻率采樣點數(shù)。

短時功率譜可以通過短時傅里葉變換幅度來計算,也就是短時傅里葉變換幅度的平方,它是信號x(n)的短時自相關函數(shù)的傅里葉變換,即

式中Rn(k)是自相關函數(shù)。

2 使用GUI工具創(chuàng)建交互界面

GUI是MATLAB提供的圖形用戶界面開發(fā)環(huán)境,可以使用里面的工具創(chuàng)建圖形界面,實現(xiàn)頁面布局等工作的簡化。

MATLAB在GUI設計中有4個模板,分別是Blank GUI、GUI Uicontrols、GUI with Axes and Menu、Modal Qupestion Dialog。

SPTool是MATLAB中的一個窗口,在這個窗口中可以進行交互式信號分析處理,通過這一窗口能夠讓使用者在不完全了解MATLAB的信號處理工具的函數(shù)語法規(guī)則下,就可以進行大部分的信號分析處理。窗口有信號(Signal)、濾波器(Filter)、頻譜(Spectra)3欄,用戶能夠使用鼠標在計算機屏幕上面控制數(shù)字語音信號的觀察、測量和時域分析,觀測濾波器的時域和頻域特性,設計和實現(xiàn)數(shù)字濾波器以及觀察信號的頻譜,分析信號的頻率成分等[15]。

除此之外,MATLAB還能提供其他的工具,如窗函數(shù)設計工具 Wintool、隨機噪聲生成器RANDTool以及數(shù)字濾波器設計分析工具FDAtool等等。

3 實踐處理過程

MATLAB在語音教學課程中的實現(xiàn)過程,主要是將數(shù)字語音讀取,并查看其波形圖;錄入數(shù)字語音并保存;經過對數(shù)字語音的濾波、疊加、預處理等過程,實現(xiàn)對數(shù)字語音的分析和重構。

由于隨著時間的推移和對教學的深入研究,在教學中運用的功能和模塊將會進行更加復雜和龐大的GUI界面集成的編寫。在這里只設置了其中的4個應用方面。

3.1 數(shù)字語音的播放讀取

3.1.1 GUI界面:

進入語音播放讀取的界面,點擊“打開”,將會打開.wav格式的音頻文件,其波形圖會在左邊的第1個曲線繪制框里面描繪出語音文件的原始語音信號,左邊的第2個曲線繪制框將繪制出語音文件的信號頻譜。

其余按鈕(從上至下)的功能依次為:關閉GUI界面、將選擇的音頻文件進行播放、暫停播放、繼續(xù)播放、停止播放等。

3.1.2 實現(xiàn)過程的函數(shù)

表1 實現(xiàn)播放讀取過程的函數(shù)

3.2 數(shù)字語音的錄入

3.2.1 GUI界面

進入語音輸入GUI界面,主要功能有:

【滾動條】: 選擇需要錄入的時間長度(2 s～9 s)。

【記錄】: 該按鈕是開始觸發(fā)系統(tǒng)對輸入的語音進行記錄和采集,按鍵被點擊之后會提示 “開始錄音”的字樣,表示已經進入數(shù)字語音采樣階段。當采樣完成之后,會將其采樣的文件記錄下來,自動繪制出其具體的波形圖。

【播放】: 錄入的語音文件將會播放。

【保存】: 將語音文件保存為后綴名為.wav格式。

【退出】: 退出GUI界面。

3.2.2 實現(xiàn)過程的函數(shù)

表2 實現(xiàn)語音錄入過程的函數(shù)

3.3 數(shù)字語音的分析和重構

MATLAB軟件對數(shù)字語音的分析與重構,重在表現(xiàn)對語音的深入分析,從它的原始信號,頻譜信號,haar分解信號,haar分解頻譜信號以及haar小波4層分解后重構信息化與原始信號的比較等方面對一段語音進行完整的分析。該GUI是由3個獨立界面組合而成的,為了直觀分析和查看到具體信息,采用多個曲線坐標軸來繪制曲線[16-17]。

GUI界面包括:原始語音信號和頻譜信號的坐標軸圖;haar的3種分解信號和頻譜信號。

實現(xiàn)過程:

由于此GUI界面是由3組直觀圖所組成,即存在3個M文件:test.m(主函數(shù)),MallatDec.m(小波分解),MallatRec.m(小波重構),見表3。

表3 GUI界面直觀函數(shù)

3.4 數(shù)字語音的集成處理

在語音教學課程中,難免需要一些綜合型的小系統(tǒng)來處理一些大量的語音文件來提高教學效率。因此在前面的研究和學習中,將一些常用的功能集成在一起,以便能夠更加直觀的了解語音文件的詳細信息。

在研究過程中,通過查找圖書館的相關書籍和文案,并且上網查找了一些資料,將這個小系統(tǒng)集成在一起,雖然實現(xiàn)了大部分的功能,但是在將來更深入的研究之中,需要更加有效的集成更多有用的工具。

在這部分,實現(xiàn)了語音信號從輸入到分析再到顯示的過程,顯示的部分包括數(shù)據和波形圖。

4 結 語

本文對數(shù)字語音信號的處理做了簡略的介紹,將整個實踐過程的圖形和界面進行了展示,給出了相關的函數(shù),由于代碼量相對較大,沒有給出程序代碼。MATLAB軟件功能真的很強大,對于語音教學這部分的應用僅僅是很小的一個部分,這里只是做出一個較為簡略的應用界面,對于語音信號噪聲處理的部分也并沒有涉及。MATLAB對于語音信號的處理實現(xiàn)了從聲音到數(shù)字圖形的轉換,對于語音教學課程的學習將產生很大的幫助,為了更好地與實際相結合,需要更多的實踐作為基礎,這部分有待以后更為具體的研究。

[ 1 ]何強,何英. MATLAB擴展編程[M]. 北京:清華大學出版社, 2002:59-123.

[ 2 ]王洪元. MATLAB語言及其在電子信息工程中的應用[M]. 北京:清華大學出版社, 2004:42-112.

[ 3 ]張德喜,賀勤,張永. MATLAB在工程數(shù)學課程教學中的應用[J]. 許昌學院學報, 2010,29(5):137-140.

[ 4 ]胡冰,李艷方. MATLAB軟件在高等數(shù)學課程教學中的應用[J]. 中國科教創(chuàng)新導刊, 2007,38(9):154-155.

[ 5 ]曹昕燕. 基于MATLA的數(shù)字語音信號處理課程改革[J]. 長春大學學報, 2007,12(4):95-97.

[ 6 ] 程佩青.數(shù)字信號處理教程[M]. 3版. 北京:清華大學出版社, 2007:110-157.

[ 7 ]唐俊波,費秀海,尹國成. MATLAB在數(shù)學教學中的幾類應用[J]. 保山學院學報, 2010,29(5):84-88.

[ 8 ]徐國鈺.基于多小波的基音檢測法及歌聲的客觀評價研究[D].桂林:廣西師范大學, 2006:22-47.

[ 9 ]丁玉美,高西全. 數(shù)字信號處理[M]. 西安:西安電子科技大學出版社, 2006:56-92.

[10]童峰,李霞. MATLAB在“信號與系統(tǒng)”課程教學中的應用[J]. 電氣電子教學報, 2007,29(1):82-84.

[11]田慧. 支持向量機集成及在音樂分類中的應用[D]. 濟南:山東師范大學, 2009:5-26.

[12]鞏萍,趙杰. MATLAB在數(shù)字信號處理中的應用[J]. 長沙大學學報, 2009(9):78-79.

[13] 武麗,姜斌,張海瑞. MATLAB在數(shù)字信號處理教學中的應用[J]. 科技傳播, 2012,3(2):179.

[14]汪冰. 小詞匯非特定人的孤立詞語音識別系統(tǒng)的研究與設計[D]. 廣州:廣東工業(yè)大學, 2008:8-24.

[15]王坤,劉天偉,杜芳芳,等. MATLAB在對圖像進行邊緣檢測方面的應用[J]. 沈陽師范大學學報:自然科學版, 2005,23(2):161-165.

[16]陳貴明. 應用Matlab建模與仿真[M]. 北京: 科學出版社, 2001:20-60.

[17]楊行峻,遲惠生. 語音信號數(shù)字處理[M]. 北京: 國防工業(yè)出版社, 1995:32-74.

Application of MATLAB in digital speech course teaching

LUOMinna1,CAIYunfeng2

(1. Department of Basic Computer and Math, Shenyang Normal University, Shenyang 110034, China;2. Software Cellege, Shenyang Normal University, Shenyang 110034, China)

As a powerful tool in digital speech processing, MATLAB can be used to solve many problems appeared in digital speech course teaching. Through the analysis of time domain, frequency domain and the process of combining both, a multimedia course instruction model is constructed based on the combination of visualizations of both theoretical results and basic concepts. In the course of the digital speech course teaching, the digital speech is read and the waveform graph is checked in the first place. Secondly, the digital speech is input and saved. At last, the analysis and reconstruction of digital speech is realized after the process of the filtering, superposition and pretreatment of the digital speech. Through the improved teaching method and teaching means, the students’ learning interest and operation ability are cultured.

MATLAB; digital speech; course teaching; GUI tool

2015-03-26。

國家自然科學基金青年科學基金資助項目(61104023); 遼寧省教育廳大學生創(chuàng)新創(chuàng)業(yè)項目(201310166059)。

羅敏娜(1965-)女,遼寧錦州人,沈陽師范大學教授。

1673-5862(2015)03-0400-05

TP319

A

10.3969/ j.issn.1673-5862.2015.03.018