1、D双音多频的拨号键盘是44的矩阵，每一行代表一个低频，每一列代表一个高频。用户每按一个键就发送一个高频和低频的正弦信号组合。2.电话按键音识别MATLAB中audioread函数可以实现多种音频信号的读取，调用形式为y,fs=audioread（filename）其中y为所读取的音频数据；而fs为采样频率；调用的filename为指定载入的音频文件名称。用fft频谱分析公式 （1） （2）由公式（1）和（2）可得： （3）四实验内容本实验要实现电话拨号音（DTMF）信号的检测的识别，可以通过直接计算傅里叶变换时的输入信号组成的频率。这里采用FFT算法对信号进行解码分析。首先对接收到的数字信号作
2、FFT分析。计算出其频幅谱，继而得到功率谱，组成输入信号的频率必定对应功率谱的峰值。对于连续的双音多频（DTMF）信号。需要把有效的数字拨号信号从静音间隔中分割提取出来，然后再用FFT算法对信号进行解码分析，得出电话拨号码。五、实验过程与分析1.读取音频文件利用MATLAB中audioread读取x,fs=audioread（电话按键音.m4a）;2.声道提取电话按键音是双声道，本实验提取声道1进行分析：x=x（:,1）；3.端点提取该按键音为一段连续的11位数字拨号音，分析时需要对它们分别进行处理，而这11位数字间的时间间隔一般情况是没有规律的，无法直接用for循环控制截取，而要是手动一段一
3、段地进行截取，换一个音频信号就得再次重新截取，因此考虑到可能存在噪音的情况，基于短时能量和短时平均过零率来进行端点检测，实现端点的提取，对于不同的音频信号，只需要修改部分可变参数便可以适用。4.分析根据音频实际情况设置对应参数：framelen= floor（fs*40/1000）;%floor向下取整，帧长frameinc= floor（fs*10/1000）;%帧移% 进行分帧，每帧长framelength，voice_min_len =15;% 最短语音长度150ms%语音段的最短长度，若语音段长度小于此值（如果语音段中的静音帧数未超过此值，），则认为其为一段噪音unvoice_min_
4、len = 5;%结束段最小持续50msn3=0.05;%过零率下限参数0.05检测结果见图1结果： 将11个检测到的号码音频左右端点提取出来 对信号进行fft变换后，得到的频谱是呈现对称的，在此截取前部分进行观察，得到频谱图如图2所示。程序运行最终结果为： 图1 端点检测结果图 图2 电话按键音fft频谱图5.可靠性检验自己录制一段拨号音，检验程序的可靠性，这里为了（.mp3格式）参数设置同上图3 端点检测结果图 图4 电话按键音的fft频谱图程序运行结果：图5 端点检测结果图 图6 电话按键音的fft频谱图（2）1234567890（.ogg格式）该音频录制时，有的按键音持续时间较短，需要
5、对检测初始参数进行修改修改参数：voice_min_len =6;% 最短语音长度60msn3=0.02;%过零率下限参数0.02The telephone number is: 1234567890经验证，该程序可行。六、小结1.原本想着，进行端点检测时考虑了噪声的影响进行滤波或许就不必要了，但是将滤波器加进程序后发现，对于不同的音频信号，程序有更好的适应性，端点检测结果的精确度居然也有所提高，不用再反复修改设置参数，然后就将滤波器加入程中了。2.实验过程中，首先是手动截取11段数字音频验证号码可检测出来后，在进行端点检测的构思，最后考虑滤波。3.通过本次实验，发现自己在MATLAB函数的应
6、用与程序设计中仍有很大的进步空间。4.有效的端点检测技术不仅能在语音识别系统中减少数据的采集量，节约处理时间，还能排除无声段或噪声段的干扰。对于端点检测的程序，其原理经查阅资料明白一些，但不多，查阅到语音端点检测参考程序之后，对其进行了步骤增加、减少等操作，使其适合本实验，考虑到一些参数对于不同的音频需要做不同的改变，便将其提取到主程序中，方便修改。5.在引用的端点检测代码原理不很了解情况下，结合本实验对其进行部分修改比较困难。6.对于待检测信号的第一个数字滤波效果不好，未达到理想的效果。7.先设计滤波器对信号进行滤波，滤去部分噪声，再设计考虑噪声的端点检测函数，相当于信号进行了双重滤波处理，
7、是结果能够更加准确。七、实验程序（1）主程序：%待检测数据%x,fs=audioread（11_11_1.ogg%检验号码1234567890,1）;%提取声道1x=lv_bo_1（x,fs）;sound（x,fs）;%播放滤波后的音频% 调整各参数% 最短语音长度60ms ,150ms%过零率下限参数0.02，0.05% endfan_wei=vad（framelen,frameinc,x,fs,voice_min_len,unvoice_min_len,n3）;%引用时注意修改函数vad中的最短语音长度number= ;figurefor i=1:length（fan_wei） y=x（f
8、an_wei（i,1）:fan_wei（i,2）; n=0:length（y）-1;%建立一个信号等长的序列; %=频域图像= N=length（y）;%取信号矩阵的长度 FFT=fft（y,N）;%N点傅里叶变换 mag=abs（FFT）/（N/2）;%还原真实幅值 f=n*fs/N;%频率序列 % f=f（1:fix（N/2）;mag=mag（1:% subplot（3,4,i）%图2：频谱图 %取l/2作图 plot（f,mag）;axis（600 1700 min（mag） max（mag）; title（fft频谱图%标题： xlabel（频率/Hz%标注横坐标 ylabel（幅度%
9、标注纵坐标 grid on;%打开网格线 %数字判断 a1=（697+770）/2;a2=（770+852）/2;a3=（852+941）/2; a4=（1209+1336）/2;a5=（1336+1477）/2;a6=（1477+1633）/2; if（f（mag=max（mag（f=1000）1100）a5） tel=2;a6） tel=3; else tel=A end elseif（f（mag=max（mag（fa2） tel=4; tel=5; tel=6;Ba3） tel=7; tel=8; tel=9;C* tel=0;#D number=number,num2str（tel）;
10、enddisp（,number）（2）滤波器function f1 = lv_bo_1（ x,fs ）% 双线性变换法设计Butterworth滤波器t=0:1/fs:（size（x）-1）/fs;Au=0.03;d=（Au*cos（2*pi*10000*t）x2=x+d;%数字滤波器指标fp=3Hz,fr=4Hz,Rp=1db,As=20db,fs=10Hzwp=0.25*pi;%通带边界频率（归一化）：wp=fp*2*pi/fsws=0.3*pi;%阻带边界频率（归一化）：ws=fr*2*pi/fsRp=1;%通带波纹Rs=15;%将模拟指标转换成数字指标Fs=fs;Ts=1/Fs;%时域
11、最小间隔，即时域分辨率wp1=2/Ts*tan（wp/2）;%模拟低通原型滤波器通带频率 ws1=2/Ts*tan（ws/2）; %模拟低通原型滤波器阻带频率N,Wn=buttord（wp1,ws1,Rp,Rs,s%选择滤波器的最小阶数Z,P,K=buttap（N）; %创建butterworth模拟滤波器Bap,Aap=zp2tf（Z,P,K）;b,a=lp2lp（Bap,Aap,Wn）;%双线性变换得到分子和分母的系数向量bz,azbz,az=bilinear（b,a,Fs）;%用双线性变换法实现模拟滤波器到数字滤波器的转换f1=filter（bz,az,x2）;%进行滤波处理（3）端点检
12、测function fan_wei=vad（a1,a2,x,fs,n1,n2,n3）%归一化x=double（x）;x=x/max（abs（x）;framelen= a1;frameinc= a2;y=enframe（x,hanning（framelen）,frameinc）;%分帧%计算短时间能量amp=sum（abs（y）,2）;%amp = sum（abs（enframe（filter（1 -0.9375, 1, x）, framelen, frameinc）.2, 2）;%计算过零率tmp1=enframe（x（1:length（x）-1）,framelen,frameinc）;tmp
13、2=enframe（x（2:length（x）,framelen,frameinc）;signs=（tmp1.*tmp2）n3;zcr=sum（signs.*diffs,2）;zcr=zcr;zcr（end）;zcr_yu=0.2*mean（zcr）;yuzhi=0.2*mean（amp）;N=length（amp）;for n=1:N if amp（n）yuzhi|（zcr（n）=yuzhi2&zcr（i）=zcr_yu1）&bstart_state） %find start bstart_state=1; if（st_candicate） st_candicate=i; segment =
14、segment + 1; elseif（amp（i）=yuzhi2|zcr（i）bstart_state）% if（unvoice=unvoice_min_len） % st = st; st_candicate; en_candicate = en_candicate + unvoice_min_len - 1; en = en; en_candicate; bend_state = 1; unvoice = 0; segment = 0; st_candicate = 0; else segment = segment + 1; elseif（amp（i）yuzhi2&zcr（i）=voi
15、ce_min_len % unvoice = unvoice + 1; if bend_state % en_candicate = i; else % bstart_state = 0; bend_state = 0;bstart_state） % if st_candicate st_candicate = i; else% end if（unvoice=unvoice_min_len ）% （en_candicate + unvoice_min_len -1）;if（ segment = voice_min_len） % N;figure（1）;subplot（3,1,1）,plot（x
16、）; %原始语音波形axis（1,length（x）,-1,1）;ylabel（speechxlabel（样本点for k=1:length（st） line（st（k）*frameinc,st（k）*frameinc,-1,1,linestyle,:colorblueLineWidth,2）; line（en（k）*frameinc,en（k）*frameinc,-1,1,redsubplot（3,1,2）,plot（amp）;%原始语音能量axis（1,length（amp）,0,max（amp）,ylabel（energy,xlabel（帧数line（1,N,yuzhi1,yuzhi1,
17、yellow%由语音能量line（1,N,yuzhi2,yuzhi2,%由噪声平均能量和语音能量比较而得length（st）line（st（k）,st（k）,min（amp）,max（amp）,line（en（k）,en（k）,min（amp）,max（amp）,subplot（3,1,3）,plot（zcr）;%原始语音过零率axis（1,length（zcr）,0,max（zcr）,ylabel（zcrline（1,N,zcr_yu1,zcr_yu1,line（1,N,zcr_yu2,zcr_yu2,%语音加噪音line（st（k）,st（k）,min（zcr）,max（zcr）,line（en（k）,en（k）,min（zcr）,max（zcr）,fan_wei=st,en*frameinc;
