MATLAB变声器.doc

MATLAB变声器
16
MATLAB变声器
电子工程学院
摘要
语音信号处理中的变声处理已经有了比较成熟的算法，本文阐述了变声算法的基础原理，利用数字滤波器，自相关法，LPC，LPC系数求根法等方与帧长的比值一般取为0～。
帧长
帧长
帧移
第k帧
第k+1帧
在程序中对语音信号加Hamming窗处理，方法是用窗序列沿着语音样点值序列逐帧从左向右移动。
8
计算LPC系数
线性预测编码（LPC）是主要用于音频信号处理与语音处理中根据线性预测模型的信息用压缩形式表示数字语音信号谱包络（en:spectral envelope）的工具。它是最有效的语音分析技术之一，也是低位速下编码方法高质量语音最有用的方法之一，它能够提供非常精确的语音参数预测。
LPC就是根据之前的P个信号构建滤波器，对之后的信号进行预测。
MATLAB中就有LPC函数，其形式为：
[A,E]=lpc(s_w,P);
其中A是LPC预测系数，用来构建滤波器，E是预测误差，在后面会用来计算激励能量，s_w是语音信号，P是预测阶数。
计算原始激励
用得到的LPC系数构建滤波器，对语音信号进行逆滤波就可以得到语音信号的激励，另外应该注意在系数变化的情况下连续滤波，需要维持滤波器的状态不变，要利用filter函数的和参数。
程序如下
[exc1,zi_pre] = filter(A,1,s_f,zi_pre);
exc1就是原始激励，用于计算基音周期。
计算基音周期
程序中用自相关法计算基音周期。
如果s(n)是一个周期为P的信号，则其自相关函数也是周期为P的信号，且在信号周期的整数倍处，自相关函数取最大值。语音的浊音信号具有准周期性，其自相关函数在基音周期的整数倍处取最大值。计算两相邻最大峰值间的距离，就可以估计出基因周期。
其实现代码如下
function PT=findpitch(s)
[B,A]=butter(5,700/4000);
s=filter(B,A,s);
R=zeros(143,1);
for k=1:143
9
R(k)=s(144:223)'*s(144-k:223-k);
end
[R1,T1]=max(R(80:143));
T1=T1+79;
R1=R1/(norm(s(144-T1:223-T1))+1);
[R2,T2]=max(R(40:79));
T2=T2+39;
R2=R2/(norm(s(144-T2:223-T2))+1);
[R3,T3]=max(R(20:39));
T3=T3+19;
R3=R3/(norm(s(144-T3:223-T3))+1);
Top=T1;
Rop=R1;
if R2>=*Rop
Rop=R2;
Top=T2;
end
if R3>*Rop
Rop=R3;
Top=T3;
end
PT=Top;
return
计算激励能量
激励能量G用于构建脉冲序列时当作脉冲序列的振幅，激励能量和线性预测误差E和基音周期PT有关，其公式为
G = sqrt(E*PT);
合成脉冲序列
合成的脉冲序列可根据变声的需要更改原始的基音周期PT，如
PT1 =floor(PT/2);
而后以PT1为周期，G为振幅构建脉冲序列，作为合成语音的激励
更改声道参数
利用LPC求根法以更改共振峰分布。
具体过程为，对由线性预测系数A构成的多项式求根，而共振峰频率F和频谱宽带B和这些根有对应关系。设
11
为一个根，则其共轭值也是一个根，i对应的共振峰频率F和3dB带宽B存在以下关系：

所以

其中T是采样周期。
在程序中，我们只更改共振峰频率，程序如下
poles = roots(A);
deltaOMG =100*2*pi/fs;
for p=1:10
if imag(poles(p))>0
poles(p) = poles(p)*exp(peak*1j*deltaOMG); %peak是变声系数 elseif imag(poles(p))<0
poles(p) = poles(p)*exp(-peak*1j*deltaOMG);
end
end
A1=poly(poles);
A1是更改过声道参数的线性预测系数，用