数字信号实验-用DFT分析自己语音频谱实验.doc
- 文档编号:588598
- 上传时间:2023-04-29
- 格式:DOC
- 页数:18
- 大小:575.50KB
数字信号实验-用DFT分析自己语音频谱实验.doc
《数字信号实验-用DFT分析自己语音频谱实验.doc》由会员分享,可在线阅读,更多相关《数字信号实验-用DFT分析自己语音频谱实验.doc(18页珍藏版)》请在冰点文库上搜索。
《数字信号处理》实验报告
实验四用DFT分析自己语音频谱实验
班级:
计科121学号:
1208060135
姓名:
刘国强成绩:
日期:
2014年11月3日地点:
博学楼706
一、实验目的
1.掌握DFT函数的用法。
2.利用DFT进行语音信号检测及谱分析。
3.了解信号截取长度对谱分析的影响。
二、实验内容
A:
先学习和模仿以下7个信号处理程序。
B:
然后,把自己录音wav格式,长度5秒以内,用DFT分析,做出频谱图;
C:
如果是男生,找一个女生录音做对比分析,观察比较两者频谱特征的差异。
如果是女生,找一个男生录音,做同样对比分析。
1.利用DFT计算信号功率谱。
实验程序:
t=0:
0.001:
0.6;
x=sin(2*pi*50*t)+sin(2*pi*120*t)+randn(1,length(t));
Y=dft(x,512);
P=Y.*conj(Y)/512;
f=1000*(0:
255)/512;
plot(f,P(1:
256))
2.进行信号检测。
分析信号频谱所对应频率轴的数字频率和频率之间的关系。
模拟信号,以进行取样,求N点DFT的幅值谱。
实验程序:
subplot(2,2,1)
N=45;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t);
y=dft(x,N);
plot(q,abs(y));title('DFTN=45')
subplot(2,2,2)
N=50;n=0:
N-1;t=0.01*n;q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t);
y=dft(x,N);
plot(q,abs(y));title('DFTN=50')
subplot(2,2,3)
N=55;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t);
y=dft(x,N);
plot(q,abs(y));title('DFTN=55')
subplot(2,2,4)
N=60;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t);
y=dft(x,N);
plot(q,abs(y));title('DFTN=60')
3.对2,进一步增加截取长度和DFT点数,如N加大到256,观察信号频谱的变化,分析产生这一变化的原因。
在截取长度不变的条件下改变采样频率,观察信号频谱的变化,分析产生这一变化的原因。
N加大到256时的程序:
N=256;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t);
y=dft(x,N);
plot(q,abs(y));title('DFTN=256')
分析原因:
在T=0.01s的情况下,第一个序列的周期是100,第二个序列的周期是50,所以当取样点数小于100时,频率分辨率不够,不能够区分出两个信号。
当采样点数足够多(256)时,频率分辨率增加,能够区分出两个频率的信号。
将采样间隔变为T=0.1s时,N仍为45的程序:
N=45;n=0:
N-1;t=0.1*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t);
y=dft(x,N);
plot(q,abs(y));title('DFTN=45')
分析原因:
在T=0.1s的情况下,第一个序列的周期是10,第二个序列的周期是5,所以当取样点数为45时,能够区分出两个信号。
参数同上,N取64,并在信号中加入噪声w(t)。
figure
(2)
subplot(2,1,1)
N=64;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t);y=dft(x,N);
plot(q,abs(y));title('DFTN=64')
subplot(2,1,2)
N=64;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t)+0.8*randn(1,N);y=dft(x,N);
plot(q,abs(y));title('DFTN=64(withnoise)')
由图可以看出这种噪音不影响信号检测。
4.对3,加大噪声到2*randn(1,N)和8*randn(1,N),画出并比较不同噪声下时域波形和频谱。
subplot(2,1,1)
N=64;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t)+2*randn(1,N);y=dft(x,N);
plot(q,abs(y));title('DFTN=64(withnoise2)')
subplot(2,1,2)
N=64;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t)+8*randn(1,N);y=dft(x,N);
plot(q,abs(y));title('DFTN=64(withnoise8)')
subplot(3,2,1)
N=64;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t)+0.8*randn(1,N);
plot(x);title('噪声为0.8*w的信号')
y=dft(x,N);
subplot(3,2,2)
plot(q,abs(y));title('噪声为0.8*w时的频谱')
subplot(3,2,3)
N=64;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t)+2*randn(1,N);
plot(x);title('噪声为2*w时的信号')
y=dft(x,N);
subplot(3,2,4)
plot(q,abs(y));title('噪声为2*w时的频谱')
subplot(3,2,5)
N=64;n=0:
N-1;t=0.01*n;
q=n*2*pi/N;
x=2*sin(4*pi*t)+5*cos(8*pi*t)+8*randn(1,N);
plot(x);title('噪声为8*w时的信号')
y=dft(x,N);
subplot(3,2,6)
plot(q,abs(y));title('噪声为8*w时的频谱')
实验分析:
当噪声较小时,不影响信号的检测,但当噪声较大时,就看不出原信号的频率成分了,可以继续加大噪声,可看到其频谱杂乱无章了。
5.用一个N点DFT计算两个长度为N的实序列N点离散傅里叶变换,并将结果和直接使用两个N点DFT得到的结果进行比较。
x=[123456];
y=[654321];
[a,b]=dft_2(x,y)
a=
Columns1through3
21.0000-3.0000+5.1962i-3.0000+1.7321i
Columns4through6
-3.0000-3.0000-1.7321i-3.0000-5.1962i
b=
Columns1through3
21.00003.0000-5.1962i3.0000-1.7321i
Columns4through6
3.00003.0000+1.7321i3.0000+5.1962i
函数文件如下:
function[y1,y2]=dft_2(a,b)
N=length(a);
x=zeros(1,N);
x=a+j*b;
X=dft(x,N);
X0=conj(fliplr(X));
X0=[X0(N)X0(1:
N-1)];
y1=(X+X0)./2;
y2=(X-X0)./2./j;
直接运行计算:
dft(x)
ans=
Columns1through3
21.0000-3.0000+5.1962i-3.0000+1.7321i
Columns4through6
-3.0000-3.0000-1.7321i-3.0000-5.1962i
dft(y)
ans=
Columns1through3
21.00003.0000-5.1962i3.0000-1.7321i
Columns4through6
3.00003.0000+1.7321i3.0000+5.1962i
6.比较DFT和DFT的运算时间。
(计时函数tic,toc)
N分别取256,512,1024,2048,4096,…
程序如下:
N=256;
N=4096;
x=randn(1,N);
tic
y=dft(x,N);
toc
tic
z=dft(x);
toc
N=256:
Elapsedtimeis0.172000seconds.
Elapsedtimeis0.015000seconds.
N=512:
Elapsedtimeis0.687000seconds.
Elapsedtimeis0.000000seconds.
N=1024:
Elapsedtimeis3.031000seconds.
Elapsedtimeis0.047000seconds.
N=2048:
Elapsedtimeis13.375000seconds.
Elapsedtimeis0.063000seconds.
N=4096:
Elapsedtimeis59.250000seconds.
Elapsedtimeis0.125000seconds.
7.对给定语音信号进行谱分析,写出采样频率,画出语音信号的波形及频谱,并分析语音信号的频率分布特点。
(1)画时域波形并对整个语音序列做DFT
[x,fs]=wavread('C:
\ai1.wav');
subplot(2,1,1)
N=length(x);
n=0:
N-1;
plot(n,x);
xlabel('n');
ylabel('x');
title('时域波形');
subplot(2,1,2);
N=length(x);
n=0:
N-1;
t=0.01*n;
q=n*2*pi/N;
y=dft(x,N);
plot(q,abs(y));
xlabel('n');
ylabel('ai1');
title('DFT');
(2)并分别求出k=300,3500所对应的信号频率(Hz)
[x,fs]=wavread('C:
\ai1.wav')
N=length(x);
n=0:
N-1;
t=n*(1/fs);
q=n*2*pi/N;
n1=300;
q1=n1*2*pi/N;
f1=q1*fs/(2*pi);
n2=3500;
q2=n2*2*pi/N;
f2=q2*fs/(2*pi);
fs=
16000
(3)从语音中截取一段语音(256点)做DFT,得出频谱,画出时域波形及频谱。
分别求出k=5,60时所对应的信号频率(Hz)
程序如下:
[x,fs]=wavread('C:
\ai1.wav');
subplot(2,1,1);
N=256;
n=0:
N-1;
x=x(1:
256);
plot(n,x);
xlabel('n');
ylabel('x');
title('256点时域波形');
subplot(2,1,2);
N=256;
n=0:
N-1;
t=0.01*n;
q=n*2*pi/N;
x=x(1:
256);
y=dft(x,N);
plot(q,abs(y));
xlabel('n');
ylabel('ai1');
title('DFT-256');
三、实验结果
1.利用DFT计算信号功率谱。
2.进行信号检测。
分析信号频谱所对应频率轴的数字频率和频率之间的关系。
模拟信号,以进行取样,求N点DFT的幅值谱。
对2,进一步增加截取长度和DFT点数,如N加大到256,观察信号频谱的变化,分析产生这一变化的原因。
在截取长度不变的条件下改变采样频率,观察信号频谱的变化,分析产生这一变化的原因。
N加大到256时的图片:
在T=0.01s的情况下,第一个序列的周期是100,第二个序列的周期是50,所以当取样点数小于100时,频率分辨率不够,不能够区分出两个信号。
当采样点数足够多(256)时,频率分辨率增加,能够区分出两个频率的信号。
将采样间隔变为T=0.1s时,N仍为45的图片:
在T=0.1s的情况下,第一个序列的周期是10,第二个序列的周期是5,所以当取样点数为45时,能够区分出两个信号。
参数同上,N取64,并在信号中加入噪声w(t)。
由图可以看出这种噪音不影响信号检测。
4.对3,加大噪声到2*randn(1,N)和8*randn(1,N),画出并比较不同噪声下时域波形和频谱。
当噪声较小时,不影响信号的检测,但当噪声较大时,就看不出原信号的频率成分了,可以继续加大噪声,可看到其频谱杂乱无章了。
5.用一个N点DFT计算两个长度为N的实序列N点离散傅里叶变换,并将结果和直接使用两个N点DFT得到的结果进行比较。
fft(x)
fft(y)
6.比较DFT和DFT的运算时间。
(计时函数tic,toc)
N分别取256,512,1024,2048,4096,…
N512
N1024
N2048
N4096
N256
7.对给定语音信号进行谱分析,写出采样频率,画出语音信号的波形及频谱,并分析语音信号的频率分布特点。
(1)画时域波形并对整个语音序列做FFT
a.男生声音图形:
b.女生声音图形:
分析:
男女生说的内容是一样的,但是男生的声音比较雄厚,因此图像比较宽,而女生的声音比较尖细,图像比较窄。
(2)并分别求出k=300,3500所对应的信号频率(Hz)
(3)从语音中截取一段语音(256点)做DFT,得出频谱,画出时域波形及频谱。
分别求出k=5,60时所对应的信号频率(Hz)
男生的:
女生的:
因为截取的录音是在0-256之间,而我所录的声音在这段时间内是没有声音的,因此是两条直线,而当把录音范围扩大后,波形图才会有变化。
将范围改成:
99744-100000图形为:
将范围更改后,发现男生声音和女生声音还是有所不同的。
四、实验感想和建议
通过本次的实验,我学会了如何定义函数,比如说在这次试验里,定义一些工具名词,让主程序更简单,而在这次试验中,是用fft函数对声音信息进行简单的处理,利用fft计算信号功率谱。
同时也了解到改变截取度会产生不同的结果,接下来了解到了dft和fft运算时间的差距,最后通过研究男生和女生的声音波形图,分析男生和女生声音的不同,更改范围后发现还是有所不同的。
总之,本次实验即是初步进行了简单信号的谱分析,加深了对DFT的理解。
同时也认识到了MATLAB接近生活的用途,引起了我的学习兴趣。
18
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字信号 实验 DFT 分析 自己 语音 频谱