基于FFT算法的数字变声器

【摘要】本数字变声器是实现男声变女声和女声变男声以及变成童声的系统。设计本数字变声器的目的是锻炼自己的学习实践能力。通过matlab编写程序修改语音参数来实现男声女声之间的变换。

【关键词】变音算法数字滤波器语音信号数字滤波器频谱分析 MATLAB

1 引言

变声器在现实生活中应用广泛，变声器是通过改变输入音频的音色、音调，并将变声后的音频输出的工具。根据变声器材质不同，变声器分为变声器硬件和变声器软件。变声器硬件，即通过硬件实现变声的工具；变声器软件，即通过软件实现变声的工具，软件类变声器，运行平台皆为电脑系统。无论是硬件变声器，还是软件变声器，其原理都是，通过改变输入声音频率，进而改变声音的音色、音调，使输出声音在感官上与原声音不同。我们每个人的声音不同，源于我们的每个人的音色和音调不同，我们所说的男中音、男高音，就是音调的不同，而即便音调一致，我们依然能区分出两个不同人的声音，或不同乐器的声音，这就是音色的不同。变声器，正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。我们这里的变声器就是matlab来实现变声。

2 数字变声器的原理和算法

发音方法，发音时，喉头、口腔、鼻腔节制气流的方式和状态，包括发音时构成阻碍和克服阻碍的方式，气流强弱的情况及声带是否振动等几个方面。人类语音可分为有380声语音和无声语音，前者是由声带振动激励的脉冲信号经声腔调制变成不同的音，它是人类语言中元音的基础，声带振动的频率称为基频。无声语音则是声带保持开启状态，禁止振动引发的。一般来说，由声门振动决定的基频跟说话人的性别特征有关，如下表，而无声语音则没有体现这个特征。说话人的个性化音色和语音的另外一个声学参数——共振峰频率的分布有关。儿童由于声道短，其共振峰频率高于成年人，成年女性的声道一般短于成年男性，所以女性的共振峰频率一般高于男性。本实验是基于男生录制的声音进行相关参数提取，修改接近于女声、童声、老人声，并实现了音调的高低与速度的快慢1.变声原理在进行性别变声时，主要考虑基音周期、基频和共振峰频率的变化。基音周期改变时，基频、共振峰同时变化，若伸展既有男变女、女变童，反之亦可。本实验是基于男生录制的声音进行相关参数提取，修改接近于女声，实现男声到女声的变换。

●音段特征：描述的是语音的音色特征。特征参数主要包括基音频率、

共振峰位置、共振峰带宽、基音频率、能量等。

●超音段特征：描述的是语音的韵律特征。特征参数主要包括因素的时

长、基音频率的变化（音调）、能量等

●语言特征：包括习惯用语、方言、口音等。基音是指发浊音时声带振

动所引起的周期性，而基音周期是指声带振动频率的倒数。基音周期是语音信号最重要的参数之一，它描述了语音激励源的一个重要特征。不同的人以及同一个人在不同的年龄时期有不同的基音周期。人唱歌时，其基音频率范围大约是：童声高音频率范围为260-880Hz ，低音频率范围为 196-700Hz ，女声高音频率范围为 220-1.1KHz, 低音频率范围为 200-700Hz ，男声高音频率范围为 160-523Hz 低音频率范围为 80-358Hz 。此外，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息。先就如何实时地通过基音频率的变化来实现语声变声，进行讨论， Matlab实现算法。

男声基频分布（hz）：50~180 共振峰频率分布：偏低

人群

女声基频分布（hz）：160~380 共振峰频率分布：中提取参数

（1 ）语音时变傅里叶变换为：∑∞

-∞

=-

=

n jwn

jw e

n

x

e

X)

(

)

(

在低通滤波时，采用巴特沃斯滤波器。

（2）构建巴特沃斯低通滤波器

根据人的说话特征设定相应指标参数，对本段语音设计算出巴特沃斯模拟滤波器的阶数，截止频率，归一化低通原型系统函数。

本段语音设计算出巴特沃斯模拟滤波器的阶数N为5，3dB截止频率,

,算出为0.175，归一化低通原型系统函数为：

其中

将带人中，得到低通滤波器，

各种理想数字滤波器的幅度频率响应

流程图

3 数字变声器的软件实现与仿真结果

代码部分

选择音频文件

[filename,pathname]=uigetfile({'*.wav','ALL FILES'},'select voice file');

if isequal([filename pathname],[0,0]) return;

end

str=[pathname filename];

[temp,Fs]=audioread(str);

temp1=resample(temp,80,441);

handles.y1=temp;

handles.y=temp1;

handles.Fs=Fs;

guidata(hObject,handles);

原音播放

c=handles.Fs;

sound(handles.y1,c);

plot(handles.axes1,handles.y1)

title(handles.axes1,'时域图');

ysize=size(handles.y1);

y1=fft(handles.y,length(handles.y1)); ysize=size(y1);

plot(handles.axes2,abs(y1(1:ysize/2))); xlabel(handles.axes2,'频率');

ylabel(handles.axes2,'幅度');

title(handles.axes2,'频率特性');

男声变女声

FL=80;

WL=240;

P=10;

x1=handles.y;

fs=handles.Fs;

x1=resample(x1(:,1),8000,fs);

fs=8000;

x1=x1+0.000001*randn(length(x1),1);

x1=x1/max(x1);

L=length(x1);

FN=floor(L/FL)-2;

exc=zeros(L,1);

zi_pre=zeros(P,1);

x1_rec=zeros(L,1);

zi_rec=zeros(P,1);

exc_syn=zeros(L,1);

x1_syn=zeros(L,1);

last_syn=0;

zi_syn=zeros(P,1);

exc_syn_t=zeros(L,1);

x1_syn_t=zeros(L,1);

last_syn_t=0;

zi_syn_t=zeros(P,1);

hw=hamming(WL);

for n=3:FN

x1_w=x1(n*FL-WL+1:n*FL).*hw;

[A E]=lpc(x1_w,P);

x1_f=x1((n-1)*FL+1:n*FL);

[exc1,zi_pre]=filter(A,1,x1_f,zi_pre);

exc((n-1)*FL+1:n*FL)=exc1;

[x1_rec1,zi_rec]=filter(1,A,exc1,zi_rec);

x1_rec((n-1)*FL+1:n*FL)=x1_rec1;

x1_Pitch=exc(n*FL-222:n*FL);

PT=findpitch(x1_Pitch);

G=sqrt(E*PT);

PT1=floor(PT/2);

poles=roots(A);

deltaOMG=190*2*pi/8000;

for p=1:10

if imag(poles(p))>0 poles(p)=poles(p)*exp(j*deltaOMG);

elseif imag(poles(p))<0 poles(p)=poles(p)*exp(-j*deltaOMG); end

end

A1=poly(poles);

tempn_syn_t=[1:n*FL-last_syn_t]';

exc_syn1_t=zeros(length(tempn_syn_t),1);

exc_syn1_t(mod(tempn_syn_t,PT1)==0)=G;

exc_syn1_t=exc_syn1_t((n-1)*FL-last_syn_t+1:n*FL-last_syn_t); [x1_syn1_t,zi_syn_t]=filter(1,A1,exc_syn1_t,zi_syn_t);

exc_syn_t((n-1)*FL+1:n*FL)=exc_syn1_t;

x1_syn_t((n-1)*FL+1:n*FL)=x1_syn1_t;

last_syn_t=last_syn_t+PT1*floor((n*FL-last_syn_t)/PT1);

end

sound(x1_syn_t,fs)

plot(handles.axes1,x1_syn_t);

title(handles.axes1,'时域图');

grid on;

ysize=size(x1_syn_t);

y=fft(x1_syn_t,length(x1_syn_t));

ysize=size(y);

plot(handles.axes2,abs(y(1:ysize)))

xlabel(handles.axes2,'频率 ');

ylabel(handles.axes2,'幅度');

title(handles.axes2,'频率特征');

女声变男声

FL = 80; %帧长

WL = 240; % 窗长

P = 10; % 预测系数个数

c=handles.Fs;

Fs=c;

s=handles.y;

s = resample(s(:,1),8000,Fs);

Fs = 8000;

s = s + 0.000001*randn(length(s),1);

s = s/max(s); %归一化¯

L = length(s); % 读入语音长度

FN = floor(L/FL)-2; %计算帧数

% 预测和重建滤波器

exc = zeros(L,1); %激励信号

zi_pre = zeros(P,1); % 预测滤波器状态¬

s_rec = zeros(L,1); % 重建语音

zi_rec = zeros(P,1);

% 变调不变速滤波器

exc_syn_t = zeros(L,1); % 合成的激励信号

s_syn_t = zeros(L,1); % 合成语音

last_syn_t = 0; %储存上一个或多个段的最后一个脉冲的下标

zi_syn_t = zeros(P,1); % 合成滤波器状态

hw = hamming(WL); %依次处理语音

for n = 3:FN

%计算预测系数

s_w = s(n*FL-WL+1:n*FL).*hw; %汉明窗加权后的语音

[A, E] = lpc(s_w, P);

s_f = s((n-1)*FL+1:n*FL); % 本帧语音

% 计算激励

[exc1,zi_pre] = filter(A,1,s_f,zi_pre);

exc((n-1)*FL+1:n*FL) = exc1; %计算得到的重建语音

[s_rec1,zi_rec] = filter(1,A,exc1,zi_rec);

s_rec((n-1)*FL+1:n*FL) = s_rec1;

·s_Pitch = exc(n*FL-222:n*FL);

PT = findpitch(s_Pitch); % 计算基音周期pt

G = sqrt(E*PT); % 计算合成激励的能量

PT1 =floor(PT/0.50);

poles = roots(A);

deltaOMG = 80*2*pi/8000;

for p=1:10 if imag(poles(p))>0 ,poles(p) = poles(p)*exp(1i*deltaOMG);

elseif imag(poles(p))<0 ,poles(p) = poles(p)*exp(-1i*deltaOMG); end

end

A1=poly(poles);

tempn_syn_t = (1:n*FL-last_syn_t)';

exc_syn1_t = zeros(length(tempn_syn_t),1);

exc_syn1_t(mod(tempn_syn_t,PT1)==0) = G; %算出脉冲

exc_syn1_t = exc_syn1_t((n-1)*FL-last_syn_t+1:n*FL-last_syn_t);

[s_syn1_t,zi_syn_t] = filter(1,A1,exc_syn1_t,zi_syn_t);

exc_syn_t((n-1)*FL+1:n*FL) = exc_syn1_t; %计算得到的合成激励

s_syn_t((n-1)*FL+1:n*FL) = s_syn1_t; %计算得到的合成语音

last_syn_t = last_syn_t+PT1*floor((n*FL-last_syn_t)/PT1);

end

sound(s_syn_t,Fs);

plot(handles.axes1,s_syn_t)

title (handles.axes1,'时域');

ysize=size(s_syn_t);

y=fft(s_syn_t,length(s_syn_t));

ysize=size(y);

plot(handles.axes2,abs(y));

xlabel(handles.axes2,'频率');

ylabel(handles.axes2,'振幅');

title(handles.axes2,'频域');

仿真图形

（1）男原声播放

女原声播放

（2）男声变女声

（3）女声变男声

4结束语

经过对数字变声器的设计，我收获很多。自己也感觉到数字信号处理的应用和matlab的强大，同时网络是学习的重要工具，能在网络上获得好多资料。在这里非常感谢曹老师给我的这次机会，也感谢老师和同学们的热心的帮助。

参考文献

[1] 程佩青.数字信号处理教程。清华大学出版社，2007.2

[2] 张威 MATLAB基础与编程入门（第二版）西安电子科技大学出版社，2008.1

[3] 陈垚光等.精通MATLAB GUI设计.北京：电子工业出版社，2011.1

[4] 高西全,丁玉美.数字信号处理(第三版)[M].西安电子科技大学出版社,2011.

[5]陈生潭,郭宝龙,李学武,高建宁.信号与系统(第三版)[M].西安电子科技大学出版社,2008.

[6] 张雪英.数字语音处理及MATLAB仿真.北京：电子工业出版社，2010.7

[7] 郑阿奇.MATLAB实用教程。北京：电子工业出版社，2007.8