语音信号分析：浊音波形与短时频谱图 (窗长256)

本文将使用MATLAB代码分析一段浊音的波形和短时频谱图，并比较使用矩形窗和汉明窗对结果的影响。

代码示例：

% 读取音频文件
[x,fs]=audioread('E:\语音信号分析\abc.wav');

% 分帧，窗长256，帧移128
e=fra(256,128,x);

% 取第20帧
ee=e(20,:);

% 绘制原始语音波形
subplot(2,2,1)
ee1=ee/max(ee);
plot(ee1)
xlabel('样点数')
ylabel('幅度')
title('原始语音')
axis([0,256,-1.5,1.5])

% 加矩形窗时的短时频谱图
% 对第20帧加矩形窗
r=fft(ee,1024); % 进行1024点FFT
r1=abs(r); % 计算幅值
r1=r1/max(r1); % 归一化
yuanlai=20*log10(r1); % 转换为对数幅度谱
signal(1:512)=yuanlai(1:512); % 取前512个点
pinlv=(0:1:511)*8000/1024; % 计算对应频率
subplot(2,2,2)
plot(pinlv,signal);
xlabel('频率/Hz')
ylabel('对数幅度/dB')
title('加矩形窗时语音谱')
axis([0,4000,-80,15])

% 加汉明窗时的短时频谱图
% 对第20帧加汉明窗
f=ee'.*hamming(length(ee)); % 计算汉明窗
f1=f/max(f); % 归一化
subplot(2,2,3)
plot(f1)
axis([0,256,-1.5,1.5])
xlabel('样点数')
ylabel('幅度')
title('窗选语音')

% 加汉明窗时的短时频谱图
% 对第20帧加汉明窗
r=fft(f,1024); % 进行1024点FFT
r1=abs(r); % 计算幅值
r1=r1/max(r1); % 归一化
yuanlai=20*log10(r1); % 转换为对数幅度谱
signal(1:512)=yuanlai(1:512); % 取前512个点
pinlv=(0:1:511)*8000/1024; % 计算对应频率
subplot(2,2,4)
plot(pinlv,signal);
xlabel('频率/Hz')
ylabel('对数幅度/dB')
title('加汉明窗时语音谱')
axis([0,4000,-80,15])

代码解释：

读取音频文件： [x,fs]=audioread('E:\语音信号分析\abc.wav'); 该语句读取名为'abc.wav'的音频文件，并获取语音信号x和采样率fs。
分帧： e=fra(256,128,x); 使用自定义函数fra对语音信号进行分帧，窗长为256，帧移为128。
选择第20帧： ee=e(20,:); 取出第20帧的语音信号。
绘制原始语音波形： subplot(2,2,1); plot(ee1); ... 将原始语音信号进行归一化处理后，绘制波形图。
加矩形窗并计算频谱： r=fft(ee,1024); ... 对第20帧加矩形窗，进行1024点FFT，并计算幅值谱。
转换对数幅度谱： yuanlai=20*log10(r1); ... 将幅值谱转换为对数幅度谱，并绘制短时频谱图。
加汉明窗并计算频谱： f=ee'.*hamming(length(ee)); ... 对第20帧加汉明窗，进行1024点FFT，并计算幅值谱。
绘制汉明窗频谱： 类似步骤6，绘制汉明窗频谱。

结论：

通过比较矩形窗和汉明窗的短时频谱图，我们可以看到汉明窗可以有效地减少频谱泄露，获得更准确的频率信息。

注意：

fra函数是自定义的，需要根据实际情况编写。
代码中的路径'E:\语音信号分析\abc.wav'需要根据实际情况进行修改。
本文仅供参考，实际应用中需要根据具体需求进行调整。