使用matlab实时测量语音信号的基频

Question

我想在使用 matlab 录制时显示语音信号的基频。我在这里找到了programming in matlab (how to process in real time) 如何做实时部分。

我了解到，用于确定信号基频的技术之一是自相关法。还找到了一段实现它的代码。

现在我将这段代码添加到上面链接中的代码中，但由于我是该领域的新手，我不确定我所做的是否符合我的要求 - 最后一个情节是否显示每个长度=1秒的信号的基频？

clear all
clc

Fs = 8000;                    %# sampling frequency in Hz
T = 1;                        %# length of one interval signal in sec
t = 0:1/Fs:T-1/Fs;            %# time vector
nfft = 2^nextpow2(Fs);        %# n-point DFT
numUniq = ceil((nfft+1)/2);   %# half point
f = (0:numUniq-1)'*Fs/nfft;   %'# frequency vector (one sided)

%# prepare plots
figure
hAx(1) = subplot(311);
hLine(1) = line('XData',t, 'YData',nan(size(t)), 'Color','b', 'Parent',hAx(1));
xlabel('Time (s)'), ylabel('Amplitude')
hAx(2) = subplot(312);
hLine(2) = line('XData',f, 'YData',nan(size(f)), 'Color','b', 'Parent',hAx(2));
xlabel('Frequency (Hz)'), ylabel('Magnitude (dB)')
set(hAx, 'Box','on', 'XGrid','on', 'YGrid','on')
%#specgram(sig, nfft, Fs);

%# prepare audio recording
recObj = audiorecorder(Fs,8,1);

%# Record for 10 intervals of 1sec each
disp('Start speaking...')
for i=1:10
    recordblocking(recObj, T);

    %# get data and compute FFT
    sig = getaudiodata(recObj);
    %%%%%%%%%%%%%%%%%%%%%%%%%%%
    ms20=Fs/50; % minimum speech Fx at 50Hz 
    r=xcorr(sig,'coeff'); 
    %d=(-ms20:ms20)/Fs; % times of delays 
    subplot(3,1,3); 
    plot(r); 
    legend('Autocorrelation'); 
    xlabel('Delay (s)'); 
    ylabel('Correlation coeff.'); 

    %55555555555555555555555555555555555   
%     R = xcorr (x);
     r = r(160:end);
%     n = 0:159; plot (n, R);

    % some constants
    Lmin = 20; Lmax = 146;
    thr = 0.3; % maximum needs to be at least thr * R[0]
    % detect lag
    [Rmax,ii] = max(r((Lmin+1):(Lmax+1))); % needs to add 1 because of Matlab indexing
    if Rmax >= thr * r(1) % R[0] in Matlab indexing
    L=ii+Lmin-1; % and here needs to remove it again...
    else
    L=0;
    end
    %hold on; plot (L,Rmax,'or'); hold off;

    % show lag in samples
    L
    % in seconds
    T0 = L / 8000
    % and fundamental frequency in Hz
    F0 = 1/T0


    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    fftMag = 20*log10( abs(fft(sig,nfft)) );

    %# update plots
    set(hLine(1), 'YData',sig)
    set(hLine(2), 'YData',fftMag(1:numUniq))
    title(hAx(1), num2str(i,'Interval = %d'))
    drawnow                   %# force MATLAB to flush any queued displays
end
disp('Done.')

根据http://www.fit.vutbr.cz/~grezl/ZRE/comp_labs/03_pitch_codec_en.pdf，我在代码中添加了几行（在%5555555 之间）。问题是它输出相同的基频。为什么会发生这种情况，我该如何解决？

谢谢。

Answer 1

它显示的是自相关，而不是基频，每 1 秒更新一次。代码执行在recordblocking 等待，直到录制完成，然后绘制所有内容，然后再次录制，因此该循环的总时间将超过 10 秒。

如果你有一个清晰的音符，只有一个频率，你会在你的自相关中得到一个很好的那个频率的正弦波。如果有人在说话，那将是一个非常混乱的情节。子图 2 将显示您的频率内容，这可以指示清晰的基本频率。

首先尝试这种方法，输入干净的正弦波，看看如何解释你的图。然后也许尝试从乐器中发出一个音符（将包括许多其他频率）或尝试拿着一个音符唱歌（祝你好运），然后考虑这种方法是否适用于说话。

老实说，一个人说话的基本频率并不容易。也因为单词之间的所有停顿，不同单词中的不同音调等等。你可以通过低通滤波器来消除一些高频混乱。