语音信号的采集与能量计算的简单介绍

声发射传感器的分类

超声波传感器的种类有超声波距离传感器后超声波压力传感器等。工作频率工作频率就是压电晶片的共振频率。当加到它两端的交流电压的频率和晶片的共振频率相等时，输出的能量最大，灵敏度也最高。

传感器类型声发射传感器一般是压电陶瓷材料制造成的，选择时主要考虑其谐振频率、灵敏度、温度范围、结构形式、信号接口等因素。传感器的谐振频率应满足待测设备、材质、耦合介质等的需求。

按照仪器分类：光电/光敏传感器。电磁/磁敏传感器。霍尔/电流（压）传感器。超声波/声敏传感器。光纤/激光传感器。测距/距离传感器。视觉/图像传感器。光栅/光幕传感器。

传感器种类如下：按用途可分为压力敏和力敏传感器、位置传感器、液位传感器、能耗传感器、速度传感器、加速度传感器、射线辐射传感器、热敏传感器。

首先打开matlab，在命令行输入syms x， sym的作用是将字符或者数字转换为字符。如下图所示。

可以用wenergy计算各频带占总信号中能量的比重，总信号能量值为100，其他的就是百分比的数值了，这叫能量值。如果是要计算功率的那种绝对能量，就平方除点数好了。

先说第一段 k 是从WAV文件读取出来的一段语音信号，其实就是一个h点的行向量，h是k的长度。设置了一个门限值th=0.035。

直接法：直接法又称周期图法，它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计。

1、数据量（字节/秒）= (采样频率（Hz）*采样位数（bit）*声道数)/ 8 声卡对声音的处理质量可以用三个基本参数来衡量，即采样频率、采样位数和声道数。采样频率是指单位时间内的采样次数。

2、不经过压缩，声音数据量的计算公式为：数据量（字节/秒）=（采样频率（Hz）×采样位数（bit）×声道数）/8。

3、该是答案有误了！选A（取样频率为41kHz，表示每秒钟取样44100次）采样率41K，乘以每个样本的bit数16，双声道再乘以2，10分钟就是60秒。再把bit换算成Byte的话，要除以8，即(41×16×2×60)/8=10MB 。

4、kHZ的采样频率就是每秒采22050个数据，8bit量化数就是每个数据用8位的二进制数表示，一分钟，双声道，计算方式就是22050x8x60x2=21168000bit。

5、声强级是把需要测量的声强的每平方米的功率值，除以人耳刚刚能听到的声音的每平方米的功率值（这个值是10-12 w/m2），将这个比值取对数，再乘以10，就是声强级的分贝数。

6、立体声地效果要好，但相应地数据量要比单声道地数据量加倍。不经过压缩声音数据量地计算公式为：数据量（字节/秒）= (采样频率（Hz）*采样位数（bit）*？声道数)/ 8 其中，单声道地声道数为1，立体声地声道数为2。

1、由于语音信号的时变特性，特征提取必须在一小段语音信号上进行，也即进行短时分析。这一段被认为是平稳的分析区间称之为帧，帧与帧之间的偏移通常取帧长的1/2或1/3。

2、也是一个信号解卷过程，目的是使模式划分器能更好地划分。由于语音信号的时变特性，特征提取必须在一小段语音信号上进行，也即进行短时分析。

3、短时相关分析：自相关用于研究信号本身，如信号波形的同步性、周期性等。

4、使学生具有一定综合分析问题和解决问题的能力。语音信号分析是语音信号处理的前提和基础，只有分析出可表示语音信号本质特征的参数才有可能利用这些参数进行高效的语音通信、语音合成和语音识别等处理。

5、假设语音信号在10~30ms内是平稳的，后面所有的分析都是在这个假设下进行的。为了得到短时的语音信号，要对语音信号进行加窗的操作，窗函数平滑的在语音信号上滑动，将语音信号分成帧。

6、首先，短时傅里叶变换短时傅里叶分析（ShortTimeFourierAnalysis，STFA）适用于分析缓慢时变信号的频谱分析。

傅里叶变换简单的说，就是把信号从时域变化的频域分析。传统的傅里叶变换在数字信号处理中使用的并不多，因为傅里叶变换是一般用于连续信号的分析。

面向低功耗、手持设备、无线终端的应用主要有：手机、PDA、GPS、数传电台等。在频域中描述信号特性的一种分析方法，不仅可用于确定性信号，也可用于随机性信号。

(2)对一个有限长序列进行DFT等价于将该序列周期延拓后进行DFS展开，因为DFS也只是取其中一个周期来运算，所以FFT在一定条件下也可以用以分析周期信号序列。

一般来说，语音识别的方法有三种：基于声道模型和语音知识的方法、模板匹配的方法以及利用人工神经网络的方法。

语音识别一般要经过以下几个步骤：①语音预处理，包括对语音的幅度标称化、频响校正、分帧、加窗和始末端点检测等内容。②语音声学参数分析，包括对语音共振峰频率、幅度等参数，以及对语音的线性预测参数、倒谱参数等的分析。

语音识别过程主要包括语音信号的预处理、特征提取、模式匹配几个部分。预处理包括预滤波、采样和量化、加窗、端点检测、预加重等过程。语音信号识别最重要的一环就是特征参数提取。