数字信号处理matlab语音变速变调程序

[已答复]个人改动后的语音变速变调的程序[复制链接]213入门219麦片财富积分50500134主题842帖子34最佳答案发消息关注者：1电梯直达跳转到指定楼层1#发表于2014-1-1508:47:12|只看该作者回帖奖励原帖地址:://个人改动后的变速变调的程序。希望大家批评指点“该程序中可以把语音处理后语速加快和变慢，也可以在语速不变下，改变音调(基音)，男声变为女声”ct123.zip(20.41KB,下载次数:65)ct1是原始程序，仅改动绘图的错误。ct2是对ct1的略微改动（个人觉得更易理解）。ct3是对ct1的较大改动。分享到:QQ好友和群QQ好友和群腾讯微博腾讯微博QQ空间QQ空间微信微信收藏收藏分享分享回复主题支持举报213入门219麦片财富积分50500134主题842帖子34最佳答案发消息关注者：12#楼主|发表于2014-1-1508:49:17|只看该作者本帖最后由213于2014-1-1508:54编辑functionct2%定义常数FL=80;%帧长WL=240;%窗长P=10;%预测系数个数hw=hamming(WL);%汉明窗%%%%%%[s,Fs]=wavread('sunday_2.wav');%载入语音sload('mtlb.mat');s=mtlb;s=buffer(s,FL);[~,FN]=size(s);%计算帧数%预测和重建滤波器exc=zeros(FL,FN);%激励信号（预测误差）s_rec=exc;%重建语音zi_pre=zeros(P,1);%预测滤波器的状态zi_rec=zeros(P,1);%重建滤波器的状态%合成滤波器exc_syn=exc;%合成的激励信号（脉冲串）s_syn=exc;%合成语音last_syn=0;%存储上一个帧的最后一个脉冲在下一帧结束的位置zi_syn=zeros(P,1);%合成滤波器的状态%变速不变调滤波器FL_v=2*FL;%假设速度减慢一倍exc_syn_v=zeros(FL_v,FN);%合成的激励信号s_syn_v=exc_syn_v;%合成语音last_syn_v=0;zi_syn_v=zeros(P,1);%合成滤波器的状态%变调不变速滤波器exc_syn_t=zeros(FL,FN);s_syn_t=exc_syn_t;last_syn_t=0;zi_syn_t=zeros(P,1);%记录中间参数A_c=zeros(P+1,FN);%记录每帧提取的预测系数PT_c=zeros(1,FN);%记录每帧提取的基音周期%依次处理每帧语音forn=2:FN-1%计算预测系数（建立声道的系统模型）s_w=s(:,n-1:n+1);%汉明窗加权后的语音[AE]=lpc(s_w(:).*hw,P);%用线性预测法计算P个预测系数E=E*WL/sum(hw);%A是预测系数，E会被用来计算合成激励的能量A_c(:,n)=A;%-----------------------%提取激励，并用激励重建语音[exc(:,n),zi_pre]=filter(A,1,s(:,n),zi_pre);%计算激励[s_rec(:,n),zi_rec]=filter(1,A,exc(:,n),zi_rec);%重建语音%提取基音周期，用于人工合成激励%s_Pitch=exc(:,n-1:n+1);PT=findpitch(s_w(:))-1;%计算基音周期PT（不要求掌握）PT_c(:,n)=PT;%-------------------------G=sqrt(E*PT);%计算合成激励的能量G（不要求掌握）%合成语音tmpind=last_syn+1:PT:FL;exc_syn(tmpind,n)=G;%人工生成本帧激励last_syn=mod(PT+tmpind(end)-FL,FL);[s_syn(:,n),zi_syn]=filter(1,A,exc_syn(:,n),zi_syn);%通过人造激励合成语音%合成速度慢，但音调不变的语音。tmpind=last_syn_v+1:PT:FL_v;%（不改变基音周期和预测系数，将合成激励的长度增加一倍）exc_syn_v(tmpind,n)=G;%人工生成本帧激励last_syn_v=mod(PT+tmpind(end)-FL_v,FL_v);[s_syn_v(:,n),zi_syn_v]=filter(1,A,exc_syn_v(:,n),zi_syn_v);%合成变调不变速的语音poles=roots(A);deltaOMG=150*2*pi/8000;%将共振峰频率增加150HzA1=poly(poles.*exp(sign(imag(poles))*1j*deltaOMG));%生成新的声道模型PT1=floor(PT/2);%将基音周期减小一半tmpind=last_syn_t+1:PT1:FL;exc_syn_t(tmpind,n)=G;%人工生成本帧激励last_syn_t=mod(PT1+tmpind(end)-FL,FL);[s_syn_t(:,n),zi_syn_t]=filter(1,A1,exc_syn_t(:,n),zi_syn_t);end%returnxx=reshape(1:FL*FN,FL,FN);splot(s,exc,s_rec,xx,'重建',Fs)splot(s,exc_syn,s_syn,xx,'合成',Fs)xx2=reshape(1:FL_v*FN,FL_v,FN);splot(s,exc_syn_v,s_syn_v,xx2,'合成慢速',Fs)splot(s,exc_syn_t,s_syn_t,xx,'合成高调',Fs)functionsplot(s,ex,re,x,str,Fs)figure;ax(3)=subplot(3,1,1);plot(s(:));title('原语音信号')ax(2)=subplot(3,1,2);plot(x,ex);title([str,'激励信号'])ax(1)=subplot(3,1,3);plot(re(:));title([str,'语音信号'])linkaxes(ax,'xy')sound(s(:),Fs);sound(ex(:),Fs);sound(re(:),Fs);复制代码9，10两行可以注释掉。将变换为处理附件里的sunday_2.wav。这个程序我做了简化，加了些注释，觉得较原始程序更容易看懂。只是在提取基音周期时，由从激励信号中提取变为从当前帧的信号中提取（原始程序不建议这样做）。回复此楼支持举报213入门219麦片财富积分50500134主题842帖子34最佳答案发消息关注者：13#楼主|发表于2014-1-1508:54:58|只看该作者本帖最后由213于2014-1-1508:56编辑functionct3%定义常数FL=80;%帧长WL=240;%窗长P=10;%预测系数个数hw=hamming(WL);%汉明窗%%%%%%[sl,Fs]=wavread('sunday_2.wav');%载入语音sload('mtlb.mat');sl=mtlb;s=buffer(sl,FL);[~,FN]=size(s);%计算帧数%预测和重建滤波器exc=zeros(FL,FN);%激励信号（预测误差）s_rec=exc;%重建语音zi_pre=zeros(P,1);%预测滤波器的状态zi_rec=zeros(P,1);%重建滤波器的状态%合成滤波器exc_syn=exc;%合成的激励信号（脉冲串）s_syn=exc;%合成语音last_syn=[];%存储上一个帧的最后一个脉冲在下一帧结束的位置zi_syn=zeros(P,1);%合成滤波器的状态%变速不变调滤波器FL_v=2*FL;%假设速度减慢一倍exc_syn_v=zeros(FL_v,FN);%合成的激励信号s_syn_v=exc_syn_v;%合成语音last_syn_v=[];zi_syn_v=zeros(P,1);%合成滤波器的状态%变调不变速滤波器exc_syn_t=zeros(FL,FN);s_syn_t=exc_syn_t;last_syn_t=[];zi_syn_t=zeros(P,1);%记录中间参数A=zeros(P+1,FN);%记录每帧提取的预测系数E=zeros(1,FN);PT_sf=zeros(1,FN);PT_rf=zeros(1,FN);%记录每帧提取的基音周期%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%[S,F,T,Psd]=spectrogram(sl,240,160,2048,1);Pe=pow2db(abs(Psd));figure;surf(T,F*2048,Pe,'edgecolor','none')%figure;surf(T,F(1:200)*2048,Pe(1:200,:),'edgecolor','none')axistight;view(0,90);xlabel('Time');ylabel('sample');[w,ind]=max(bsxfun(@minus,Pe(1:200,:),1.03.^(1:200)'));PT_sf=round(2048./ind);pind=wmax(w)-25;%能量衰减20分贝的帧PT_sf(pind)=FL-1;%基音周期置为帧长figure;holdon;plot(PT_sf,'r')%依次处理每帧语音forn=2:FN-1%计算预测系数（建立声道的系统模型）s_f=s(:,n-1:n+1);%汉明窗加权后的语音[A(:,n)Et]=lpc(s_f(:).*hw,P);%用线性预测法计算P个预测系数E(n)=Et*WL/sum(hw);%A是预测系数，E会被用来计算合成激励的能量%提取激励，并用激励重建语音[exc(:,n),zi_pre]=filter(A(:,n),1,s(:,n),zi_pre);%计算激励[s_rec(:,n),zi_rec]=filter(1,A(:,n),exc(:,n),zi_rec);%重建语音endforn=2:FN-1ex_f=exc(:,n-1:n+1);ex_f=ex_f(:);%提取基音周期，用于人工合成激励R=xcorr(ex_f,1.5*FL);Rh=filter(hamming(16),1,R(1.5*FL+1:end));[~,PT]=findpeaks(Rh(9:end),'s','descend','n',1);PT_rf(:,n)=PT;G=sqrt(E(n)*PT);%计算合成激励的能量G（不要求掌握）[~,m]=findpeaks(ex_f(81:160),'s','descend','n',1);ifisempty(m),m=121;endm=80+m;a=ceil(PT/2)-1;b=floor(PT/2);excf=[ex_f(m-b:m+a)];excfh=excf(1+mod(b,2):2:end);%合成语音%nkt=ceil((FL-length(last_syn))/PT);GG=[last_syn;repmat(excf,kt,1)];exc_syn(:,n)=GG(1:80);%人工生成本帧激励last_syn=GG(81:end);%iflength(exc_syn)80,n,end[s_syn(:,n),zi_syn]=filter(1,A(:,n),exc_syn(:,n),zi_syn);%通过人造激励合成语音%合成速度慢，但音调不变的语音。kt=ceil((FL_v-length(last_syn_v))/PT);%（不改变基音周期