MATLAB变声器代码

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系数求根法等方法在MATLAB上改变语音信号的基频和共振峰以实现变声，并总结了现有变声算法的缺陷，对用不同的变换域能否改进变声算法做了粗略分析。

关键词：变声算法，LPC，变换域

目录

研究背景................................................................................................................................... 3 变声原理................................................................................................................................... 3

语音基本概念 ..........................................................................

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系数求根法等方法在MATLAB上改变语音信号的基频和共振峰以实现变声，并总结了现有变声算法的缺陷，对用不同的变换域能否改进变声算法做了粗略分析。

关键词：变声算法，LPC，变换域

目录

研究背景................................................................................................................................... 3 变声原理................................................................................................................................... 3

语音基本概念 ..........................................................................

数字变声器

河北北方学院宣化教学部 吕路广

摘要 为了实现由男声变换到女声，在语音信号参数分析过程采用短时自相关法提取语音信号的基音周期，同时用LPC倒谱分析法分析共振峰的范围，通过matlab编写程序修改语音参数并接近于女声的范围，构置GUI界面。在实验中，输入一段语音信号，输出时即实现了由男声到女声的变换效果。因此对于语音信号参数的修改能够实现男女声音之间的变换。

关键词 短时自相关法 LPC倒谱 语音信号 matlab GUI

前言

为了锻炼自己数字信号处理的实践能力，也为了更好的完成老师布置的作业，

本设计通过编写matlab程序，修改相关声音参数，使其频率发生相应的变化，在输出时达到变声。

1 / 25

目录

数字变声器 ...................................................................................................................................... 1 第1章 采样.............................................................

数字变声器

河北北方学院宣化教学部 吕路广

摘要 为了实现由男声变换到女声，在语音信号参数分析过程采用短时自相关法提取语音信号的基音周期，同时用LPC倒谱分析法分析共振峰的范围，通过matlab编写程序修改语音参数并接近于女声的范围，构置GUI界面。在实验中，输入一段语音信号，输出时即实现了由男声到女声的变换效果。因此对于语音信号参数的修改能够实现男女声音之间的变换。

关键词 短时自相关法 LPC倒谱 语音信号 matlab GUI

前言

为了锻炼自己数字信号处理的实践能力，也为了更好的完成老师布置的作业，

本设计通过编写matlab程序，修改相关声音参数，使其频率发生相应的变化，在输出时达到变声。

1 / 25

目录

数字变声器 ...................................................................................................................................... 1 第1章 采样.............................................................

基于MATLAB算法的数字变声器

【摘要】变声器的原理是通过改变输入声音频率，进行改变声音的音色、音调，使输出声音在感官上与原声音不同。变声器是借助对声音音色和音调的双重复合改变，实现输出声音的改变。通过自己发声，共振峰频率的改变是基于重采样实现的。同时用LPC倒谱分析法分析共振峰的范围，通过MATLAB编写程序并构置GUI界面。实验中通过MATLAB软件对采集来的语言信号进行频谱分析，讨论不同人之间的噪音源参数和共振峰参数，通过对不同人语言信号频率和幅度的改变来实现不同人之间的语音转换。

【关键词】短时自相关法； LPC倒谱； 语音信号； matlab GUI； 1引言

随着生活水平的提高，科技的不断进步，很多人为了娱乐，从而希望改变自己的声音；还有如今的许多的访问节目为了保护被访问者，都对声音进行了相应的处理。本设计通过编写matlab程序，借助对声音音色和音调的双重复合改变，实现输出声音的改变。共振峰频率的改变是基于重采样实现的，从重采样原理知道，这也同时印发了基频的变化，为保证基频变化和共振峰频率变化的独立、互不相关，在基频移动时必须考虑抵消重采样带来的偏移，理论上只要基频检测足够精确，确实可以保证基频改变和共振峰频率改变间的互不

基于Matlab模糊控制器HDL代码的自动生成

诸葛俊贵

（上海师范大学精密机电系统与控制工程研究室，上海201418）

摘

要

以水箱液位控制为例，提出了一种基于Matlab的模糊控制器HDL代码自动生成方法，生成的代码可以

移植到FPGA控制系统上。该方法分4个步骤：（1）利用Matlab的FuzzyLogic工具箱设计模糊控制器。（2）将模糊控制器转换为LookupTable的形式。（3）将制作好的控制器查找表用状态机实现。（4）用HDLCoder将状态机实现的模糊控制器翻译成HDL代码。

关键词

FPGA；Matlab；Simulink；模糊控制器；LookupTable；状态机；HDLCoder

TP273+.4

文献标识码

A

文章编号1007－7820（2012）01－042－04

中图分类号

FuzzyControllerHDLCodeAutomaticallyGeneratedBasedonMatlab

ZHUGEJungui

（LabofPrecisionMechano-electronicsSystemsandControlEngineering，ShanghaiNormalUniversity，Shanghai201418，China）

Abstrac

[matlab图像处理] 阈值分割

%迭代式阈值分割 otsu阈值分割 二值化 close all;%关闭所有窗口 clear;%清除变量的状态数据 clc;%清除命令行 I=imread('rice.png'); subplot(2,2,1); imshow(I);

title('1 rice的原图'); %迭代式阈值分割

zmax=max(max(I));%取出最大灰度值 zmin=min(min(I));%取出最小灰度值 tk=(zmax+zmin)/2; bcal=1; [m,n]=size(I); while(bcal)

%定义前景和背景数 iforeground=0; ibackground=0;

%定义前景和背景灰度总和 foregroundsum=0; backgroundsum=0; for i=1:m

for j=1:n

tmp=I(i,j); if(tmp>=tk)

%前景灰度值

iforeground=iforeground+1;

多元线性回归和BP神经网络及决策向量机之间的比较，个人理解：

多元线性回归：就是多个属性的线性组合，在组合时，通过不断调节每个属性的权重来使多元线性回归函数更多的适用于多个样本。

BP神经网络：通过使用最快速下降法，通过反向传播来不断调整网络中的权值和阈值，使网络的误差平方和最小。 决策向量机：它仍是对每个样本操作，使得所有样本距离最终生成的拟合曲线的间隔最小化。 算法比较：

pmm1BP目标函数： J?(?j)22j?1j

?yd权值调整：

k?1?wij????Jk?1?wij决策向量机目标函数：min1/2w^2

支持向量机(Support vector machines，SVM)与神经网络类似，都是学习型的机制，但与神经网络不同的是SVM使用的是数学方法和优化技术。

学习效率的比较：

导入数据： File->import data

参数优化常用方法：

[train_pca,test_pca] = pcaForSVM(train_data,test_data,97);//主元分析

[bestCVmse,bestc,bestg,ga_option]=gaSVMcgForRegress(train_label,train_pca);

多元线性回归和BP神经网络及决策向量机之间的比较，个人理解：

多元线性回归：就是多个属性的线性组合，在组合时，通过不断调节每个属性的权重来使多元线性回归函数更多的适用于多个样本。

BP神经网络：通过使用最快速下降法，通过反向传播来不断调整网络中的权值和阈值，使网络的误差平方和最小。 决策向量机：它仍是对每个样本操作，使得所有样本距离最终生成的拟合曲线的间隔最小化。 算法比较：

pmm1BP目标函数： J?(?j)22j?1j

?yd权值调整：

k?1?wij????Jk?1?wij决策向量机目标函数：min1/2w^2

支持向量机(Support vector machines，SVM)与神经网络类似，都是学习型的机制，但与神经网络不同的是SVM使用的是数学方法和优化技术。

学习效率的比较：

导入数据： File->import data

参数优化常用方法：

[train_pca,test_pca] = pcaForSVM(train_data,test_data,97);//主元分析

[bestCVmse,bestc,bestg,ga_option]=gaSVMcgForRegress(train_label,train_pca);

[matlab图像处理] 阈值分割

%迭代式阈值分割 otsu阈值分割 二值化 close all;%关闭所有窗口 clear;%清除变量的状态数据 clc;%清除命令行 I=imread('rice.png'); subplot(2,2,1); imshow(I);

title('1 rice的原图'); %迭代式阈值分割

zmax=max(max(I));%取出最大灰度值 zmin=min(min(I));%取出最小灰度值 tk=(zmax+zmin)/2; bcal=1; [m,n]=size(I); while(bcal)

%定义前景和背景数 iforeground=0; ibackground=0;

%定义前景和背景灰度总和 foregroundsum=0; backgroundsum=0; for i=1:m

for j=1:n

tmp=I(i,j); if(tmp>=tk)

%前景灰度值

iforeground=iforeground+1;