Изучение спектра сигналов с помощью средств LabView, страница 2

Рис. 5. Результат работы ВИ.

Из рисунка видно, что спектр сигнала полученного с микрофона, соответствует сигналу генератора с незначительными низкочастотными помехами, результат фильтрования показан для ФНЧ с частотой отсечки 50 Гц.

Вывод: среда разработки LabView имеет широкий выбор готовых инструментов и функций для работы с звуковыми устройствами ввода/вывода, на основе которых был сознал прибор принимающий звуковой сигнал через микрофон. Помехи, полученные в результате передачи сигнала, могут быть связаны с фоновым шумом в помещении, низким качеством динамиков компьютера и микрофона. С помощью готовых виртуальных приборов цифровой фильтрации помехи можно с свести к незначительному уровню по сравнению с сигналом.

Дополнительная часть программы.

Краткая теоретическая информация.

С точки зрения акустики, речевые звуки представляют собой колебания упругой среды (сначала речевого аппарата, потом воздуха, в конце - барабанных перепонок), обладающие определённым спектром, интенсивностью и диапазоном.

Спектр речевого звука можно разложить на тоновую (периодическую) и шумовую (непериодическую) составляющие. Тоновые звуки образуются при участии голосовых связок, шумовые — препятствиями в полости рта. По наличию этих составляющих можно провести первую классификацию речевых звуков:

§  Гласные — тоновые

§  Глухие согласные — шумовые

§  Сонорные согласные — тоновые со слабой примесью шума

§  Звонкие согласные — шумовые с участием тона

Рассмотрим спектры некоторых речевых звуков.

Рис. 6. Спектр звука «а».

Рис. 7. Спектр звука «и».

Рис. 8. Спектр звука «с».

Анализируя полученные результаты можно заключить, что звук «а» явно относится к тоновому речевому звуку с наличием обертонов (старшие гармоники колебаний), кратные основному тону (самая низкочастотная гармоника), стоит отметить неравномерность распределения амплитуды по гармоникам звука. При различной интенсивности напряжения голосовых связок, пик амплитуды приходится на различные гармоники.

Рис. 9. Различные варианты звука «а».

Левая часть рисунка соответствует более «звонкому» варианту звука «а».

Звук «и» также можно определить как тоновый речевой звук, с явным преобладанием амплитуды на частоте 2ой гармоники.

Звук «с» можно определить как шумовой, в действительности в полученном спектре невозможно выделить какие-либо гармоники, что позволяет сделать вывод о не периодичности колебаний звука «с».

Основываясь на полученные результаты, можно программно с помощью микрофона, различить эти звуки друг от друга.

Рассмотрим третий «кадр» блок-схемы программы.

Рис. 10. Часть программы для распознавания звуков.

В этой части программы вызывается файл, в который был записан сигнал еще в первой части. Далее он пропускается через три различных фильтра:

 ФНЧ f=100 Гц;

ППФ f = 120 – 250 Гц

ППФ f = 700 – 900 Гц.

Далее в  каждом диапазоне частот находится максимальное значение амплитуды спектра, из этих максимальных значений формируется массив, для того чтобы связать значения этого массива с соответствующими диапазонами частот, увеличиваем максимальные значения спектра на 5 порядков складываем с значениями часто отсечки фильтров (они характеризуют выбранные диапазоны частот), затем находим максимум из полученного массива и вычитаем из соответствующий максимум сигнала. В конечном счете, мы получим некоторую постоянную метку частоты, на которой наблюдается максимум сигнала, эта метка поступает на вход CaseStructureи там ей сопоставляется полученные речевой звук из трех вариантов: «а», «и», «с».