语音合成变调变声MATlab程序

% ct1
clear allclose all clc;

    % 定义常数
    FL = 80;                % 帧长
    WL = 240;               % 窗长
    P = 10;                 % 预测系数个数
    [sfs] = wavread（‘sunday.wav‘）;             % 载入语音s
	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（L1）;       % 激励信号（预测误差）
    zi_pre = zeros（P1）;    % 预测滤波器的状态
    s_rec = zeros（L1）;     % 重建语音
    zi_rec = zeros（P1）;
    
	% 合成滤波器
    exc_syn = zeros（L1）;   % 合成的激励信号（脉冲串）
    s_syn = zeros（L1）;     % 合成语音
	last_syn = 0;   %存储上一个（或多个）段的最后一个脉冲的下标
	zi_syn = zeros（P1）;   % 合成滤波器的状态
    
	% 变调不变速滤波器
    exc_syn_t = zeros（L1）;   % 合成的激励信号（脉冲串）
    s_syn_t = zeros（L1）;     % 合成语音
	last_syn_t = 0;   %存储上一个（或多个）段的最后一个脉冲的下标
	zi_syn_t = zeros（P1）;   % 合成滤波器的状态
    
	% 变速不变调滤波器（假设速度减慢一倍）
	v=.5;
    exc_syn_v = zeros（v\L1）;   % 合成的激励信号（脉冲串）
    s_syn_v = zeros（v\L1）;     % 合成语音
	last_syn_v = 0;   %存储上一个（或多个）段的最后一个脉冲的下标
	zi_syn_v = zeros（P1）;   % 合成滤波器的状态
	
    hw = hamming（WL）;       % 汉明窗
    
    % 依次处理每帧语音
    for n = 3:FN

        % 计算预测系数（不需要掌握）
        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）;            %用线性预测法计算P个预测系数
                                   % A是预测系数，E会被用来计算合成激励的能量

        if n == 27
        % （3） 观察预测系统的零极点图
            zplane（1A）;
        end
        
        s_f = s（（n-1）*FL+1:n*FL）;       % 本帧语音，下面就要对它做处理

        % （4） 用filter函数s_f计算激励，注意保持滤波器状态
		[exc1zi_pre] = filter（A1s_fzi_pre）;%最终值zi_pre保留下来提供给下一组数据运算，就能维持输出数据的连续性。exc1为激励
        
        exc（（n-1）*FL+1:n*FL） = exc1; %计算得到的激励

        % （5） 用filter函数和exc重建语音，注意保持滤波器状态
		[s_rec1zi_rec] = filter（1Aexc1zi_rec）;
        
        s_rec（（n-1）*FL+1:n*FL） = s_rec1; %计算得到的重建语音

        % 注意下面只有在得到exc后才会计算正确
        s_Pitch = exc（n*FL-222:n*FL）;
        PT = findpitch（s_Pitch）;    % 计算基音周期PT（不要求掌握）
        G = sqrt（E*PT）;           % 计算合成激励的能量G（不要求掌握）

        		
		%方法3：本段激励只能修改本段长度
		tempn_syn = [1:n*FL-last_syn]‘;
		exc_syn1 = zeros（length（tempn_syn）1）;
		exc_syn1（mod（tempn_synPT）==0） = G; %某一段算出的脉冲
		exc_syn1 = exc_syn1（（n-1）*FL-last_syn+1:n*FL-last_syn）;
		[s_syn1zi_syn] = filter（1Aexc_syn1zi_syn）;
		exc_syn（（n-1）*FL+1:n*FL） =  exc_syn1;   %计算得到的合成激励
		s_syn（（n-1）*FL+1:n*FL） = s_syn1;   %计算得到的合成语音
		last_syn = last_syn+PT*floor（（n*FL-last_syn）/PT）;
 		
        % （11） 不改变基音周期和预测系数，将合成激励的长度增加一倍，再作为filter
        % 的输入得到新的合成语音，听一听是不是速度变慢了，但音调没有变。
		FL_v = floor（FL/v）;
		tempn_syn_v = [1:n*FL_v-last_syn_v]‘;
		exc_syn1_v = zeros（length（tempn_syn_v）1）;
		exc_syn1_v（mod（tempn_syn_vPT）==0） = G; %某一段算出的脉冲
		exc_syn1_v = exc_syn1_v（（n-1）*FL_v-last_syn_v+1:n*FL_v-last_syn_v）;
		[s_syn1_vzi_syn_v] = filter（1Aexc_syn1_vzi_syn_v）;		
     	last_syn_v = last_syn_v+PT*floor（（n*FL_v-last_syn_v）/PT）;   
        exc_syn_v（（n-1）*FL_v+1:n*FL_v） =exc_syn1_v;  %计算得到的