面积筛选算法与串珠现象再探

语音处理

代码与方法

fs=44100;                  %语音信号采样频率为44100
x1=audioread('a11.wav');
t=(0:length(x1)-1)/fs;
y1=fft(x1,4096);           %对信号做2048点FFT变换
f=fs*(0:2047)/4096;
figure(1)
plot(t,x1)                   %做原始语音信号的时域图形
grid on;axis tight;
title('原始语音信号');
xlabel('time(s)');
ylabel('幅度');
figure(2)
plot(f,abs(y1(1:2048)))       %做原始语音信号的FFT频谱图
grid on;axis tight;
axis([200 5000 0 max(abs(y1(1:2048)))]);
title('原始语音信号FFT频谱')
xlabel('Hz');
ylabel('幅度');
figure(3)
[pks,locs] = findpeaks(abs(y1(1:2048)),'minpeakheight',40);
title('原始语音信号FFT频谱峰值图')
xlabel('Hz');
ylabel('幅度');
plot(f(locs),pks)
axis([200 5000 0 max(abs(y1(1:2048)))]);
[pks2,locs2,widths,proms] = findpeaks(abs(y1(1:2048)),'minpeakheight',40,'SortStr','descend');
s = widths.*pks2;
c = [ locs2, pks2, widths, s]
idx = [1];
Sum =s(1);
for i = 2 : length(s)
    if s(i)/Sum > 0.10   
        Sum = Sum + s(i);
        idx = [idx , i];
    end
end
f2 = f(locs2(idx));
d =  [ locs2(idx), pks2(idx), widths(idx), s(idx), f2.']

这次仍旧是对声纹做fft变换以找出频谱图，但这次调取的样本都是一列串珠，即在之前的声纹样本中找出一列串珠，将其单独截取出来，进行傅里叶分析。如下图所示同时，我们参考昨日的实验，加以对照。同时，对于样本的峰值，我们再利用面积进行筛选，算法见如下代码：

idx = [1];
Sum =s(1);
for i = 2 : length(s)
    if s(i)/Sum > 0.10   
        Sum = Sum + s(i);
        idx = [idx , i];
    end
end
d =  [ locs2(idx), pks2(idx), widths(idx), s(idx)]

这样就帮助我们提取出了真正对于声纹有影响的峰值。

样本1

原样本（0.05s）

对应昨日的样本2（男）

频谱图

相关参数统计

对峰值进行排序（取前10，从大到小），并计算峰值的半锋宽度以及对应的面积。(数据统一乘以10^3| )

上面的数据大致和昨日的实验结果相同。

峰值图（>40）

有效面积筛选

利用上面提到的算法对有效面积进行筛选

串珠截取

声波图

样本对应时间的波形图如下图所示，这也和我们在Adobe Audition中截取样本看到的波形基本一致。

频谱图

FFT变换后得到的频谱图如下，这也和我们在Adobe Audition中截取样本看到的亮度（能级）分布一致，但是很明显顶峰不再是之前的700.

相关参数统计

对筛选出（>10）的峰值进行排序（取前10，从大到小），并计算峰值的半锋宽度以及对应的面积。（单位：10^3）

有效面积筛选

样本2

原样本（0.05s）

对应昨日的样本3（男）

频谱图

相关参数统计

对峰值进行排序（峰值为筛选>40的列表数据)，并计算峰值的半锋宽度以及对应的面积。

上面的数据大致和昨日的实验结果相同。

峰值图（>40）

有效面积筛选

利用上面提到的算法对有效面积进行筛选，此时已经不需要再设定基础峰值，就足以将有效峰值筛选出来。

串珠截取

声波图

样本对应时间的波形图如下图所示，这也和我们在Adobe Audition中截取样本看到的波形基本一致。
此时我们对照0.5s样本的声波图
将串珠中大约的0.006的时间以及串珠图中最后那个标志性的尾锋进行比对，我们发现，下面声波图中大约有8个和串珠声波图中类似的波形，但是下面的8个类似波形都存在细微差别，最明显的也是串珠中的尾锋（第六个锋）。

频谱图

FFT变换后得到的频谱图如下，这也和我们在Adobe Audition中截取样本看到的亮度（能级）分布一致。

相关参数统计

对筛选出（>10）的峰值进行排序，并计算峰值的半锋宽度以及对应的面积。（单位：10^3）

有效面积筛选

此时将峰值的筛选值变为0，对排序后的面积进行筛选算法，可得

样本3

原样本（0.05s）

对应昨日的样本5（男）

频谱图

相关参数统计

对峰值进行排序（峰值为筛选>20的列表数据)，并计算峰值的半锋宽度以及对应的面积。

上面的数据大致和昨日的实验结果相同。

峰值图（>20）

有效面积筛选

利用上面提到的算法对有效面积进行筛选，此时已经不需要再设定基础峰值，就足以将有效峰值筛选出来。

串珠截取

声波图

样本对应时间的波形图如下图所示，这也和我们在Adobe Audition中截取样本看到的波形基本一致。我们也可以在0.5s的样本中寻找一下对应
可以找到相当明显的7个与串珠类似的波形，虽然存在细微的差别。

频谱图

FFT变换后得到的频谱图如下，这也和我们在Adobe Audition中截取样本看到的亮度（能级）分布一致，但是很明显不同于之前的样本.

相关参数统计

对筛选出（>1）的峰值进行排序，并计算峰值的半锋宽度以及对应的面积。（单位：10^3）

有效面积筛选

此时将峰值的筛选值变为0，直接对排序后的峰值采用面积算法，可得下表。

总结

• 面积筛选的算法很有效果，这样就避免了我们再一次次地针对具体声波设定筛选值，同时又避免了只取前几个而将影响不大的刺声包含在内，但是算法中的参数以后或许还可以再进一步调整和优化。
• 一个串珠的区间长度足以使用FFT变化，展示出频谱的分布特征，同时通过串珠样本和0.5s样本的两个对比，我们会发现同一个声音样本中串珠的波形是大致相同的。
• 相比之下，一个串珠的长度远小于0.5s,单独拿出来分析的时候和0.5s的取样差距还是略大。我们的模型最终可能还是要扫描整个音频，这个时候的取样时间更可能是一个小于0.5s但是同样大于串珠长度的区间，或者就依照串珠长度去进行扫描或许也可。