根据给出的浊音信号，分别画出浊音信号的时域波形、加矩形窗和加汉明窗后计算短时自相关归一化后的结果。语音的抽样频率为8kHz，窗长为320。

好的，根据您的要求，我来逐步解释一下如何画出浊音信号的时域波形、加矩形窗和加汉明窗后计算短时自相关归一化后的结果。

1. 读取浊音信号

首先，我们需要读取浊音信号，假设该信号的文件名为"voiced.wav"，可以使用MATLAB自带的audioread函数读取：

[x, Fs] = audioread('voiced.wav');

其中，x是浊音信号，Fs是抽样频率。

2. 画出浊音信号的时域波形

可以使用MATLAB的plot函数画出浊音信号的时域波形：

t = (0:length(x)-1)/Fs; % 时间轴
plot(t, x); xlabel('时间/s'); ylabel('幅度');

3. 加矩形窗

加矩形窗可以使信号在帧内平滑过渡，避免产生频谱泄露。可以使用MATLAB的rectwin函数生成矩形窗：

win = rectwin(320);

其中，320是窗长。

4. 加汉明窗

加汉明窗也是为了平滑过渡，同时还能减小帧边缘的振荡。可以使用MATLAB的hamming函数生成汉明窗：

win = hamming(320);

5. 分帧并进行短时自相关归一化

接下来，我们需要将信号分成若干帧，并在每一帧上计算短时自相关函数并归一化。可以使用MATLAB的buffer函数分帧，使用xcorr函数计算自相关函数，使用norm函数归一化：

frameLen = 320; % 帧长
frameShift = 160; % 帧移
frames = buffer(x, frameLen, frameLen-frameShift, 'nodelay'); % 分帧
frames = frames .* repmat(win, 1, size(frames,2)); % 加窗
acf = zeros(frameLen*2-1, size(frames,2)); % 自相关函数
for i = 1:size(frames,2)
    acf(:,i) = xcorr(frames(:,i), 'biased');
    acf(:,i) = acf(:,i) ./ norm(frames(:,i))^2;
end

其中，acf是自相关函数矩阵，每一列是一帧的自相关函数。

6. 可视化

可以使用MATLAB的subplot函数将时域波形、加矩形窗和加汉明窗后计算短时自相关归一化后的结果可视化：

subplot(2,2,1); plot(t, x); xlabel('时间/s'); ylabel('幅度'); title('时域波形');
subplot(2,2,2); plot(win); xlabel('样本序号'); ylabel('窗函数值'); title('加窗');
subplot(2,2,3); imagesc(acf); xlabel('帧序号'); ylabel('延迟'); title('自相关归一化');

这样就可以画出浊音信号的时域波形、加矩形窗和加汉明窗后计算短时自相关归一化后的结果了。需要注意的是，由于我们使用的是8kHz的抽样频率，所以每一帧的长度应该是320而不是256。