《应用Matlab对含噪声的语音信号进行频谱分析及滤波》由会员分享，可在线阅读，更多相关《应用Matlab对含噪声的语音信号进行频谱分析及滤波（6页珍藏版）》请在金锄头文库上搜索。
1、1应用 Matlab 对含噪声的语音信号进行频谱分析及滤波实验目的1. 巩固所学的数字信号处理理论知识，理解信号的采集、处理、传输、显示和存储过程；2. 综合运用专业及基础知识，解决实际工程技术问题的能力；3. 学习资料的收集与整理，学会撰写课程设计报告。实验环境1. 微型电子计算机（PC） ；2. 安装 Windows 10 操作系统，MATLAB7.0，FormatFactory 等开发工具。实验原理：在 MATLAB 环境中，有关声音（wave ）录制、播放、存储和读取的函数有： y=wavrecord(N,fs,Dtype)利用系统音频输入设备录音，以 fs 为采样频率，默认值为 11
2、025，即以11025Hz 进行采样。 Dtype 为采样数据的存储格式，用字符串指定，可以是：double、 single、 int16、 int8其中只有 int8 是采用 8 位精度进行采样，其它三种都是 16 位采样结果转换为指定的 MATLAB 数据； wavplay(y,fs)利用系统音频输出设备播放，以 fs 为播放频率，播放语音信号 y； wavwrite(y,fs,wavfile)创建音频文件； wavread()读取 wav 格式的音频文件。例如：x,fs,bits=wavread(myrecordsound.wav)x=x(:,1); %假设声音是双声道，只取单声道作分析
3、上述语句表示读入存放在当前工作目录下的声音文件 myrecordsound.wav，并以 fs为采样频率进行采样后存储在数组 x 中。其中 nbit 是采样精度，比如 16 就是指 16位精度的采样。取单声道后，得到的数值 x 是一个列向量。 sound()；该函数的输入参量是音频数据向量、采样频率和转换位数。例如：sound(sin(2*pi*25*(1:4000)/100);2响两声就是：sound(sin(2*pi*25*(1:4000)/100);sleep(1);sound(sin(2*pi*25*(1:4000)/100);实验内容和任务要求1采集语音信号并进行频谱分析2对加入噪声
4、的语音信号进行频谱分析3. 设计数字滤波器对加入噪声的语音信号进行滤波问题分析本实验要求设计 IIR 和 FIR 两种形式的滤波器对带有噪音的信号进行滤波。对于任务 1，我们采用张学友的一段歌曲作为原始音频，利用 FormatFactory软件对该音频进行截取转换最终得到一段时长 22s,采样频率为 11025Hz,转换位数为 16bits 的双声道音频信号，保存在 Matlab 软件 work 文件夹下。实验中利用wavread（）函数读取音频并取双声道中的第一声道作为信号，病利用 FFT 对信号进行频谱分析；对于任务 2，我们加入两个高频正弦信号至原始信号中，模仿声音被污染，然后利用 FF
5、T 进行频谱分析；对于任务 3，我们设计出了巴特沃斯低通滤波器和采用了 Hamming 窗的 FIR低通滤波器并对其相关参数进行了分析，最后利用这两种滤波器对带噪信号进行滤波，然后对滤波后的信号分别利用 FFT 进行频谱分析。Matlab 代码clear all;%提取原始视音频信号并对其进行傅里叶变换x,fs,bits=wavread(zxy.wav);%读取音频文件x=x(:,1);%取双声道中的第一声道N=length(x);%计算信号序列长度T=1/fs;n=0:N-1;Xf=fftshift(fft(x);%快速傅里叶变换并作中心对称变换3f=(n/N-1/2)*fs; %坐标变换%
6、生成带有噪声的音频信号并对其进行傅里叶变换fz1=4256;fz2=4627; %两个高频噪音xz=0.01*sin(2*pi*fz1*n*T)+0.015*sin(2*pi*fz2*n*T);%噪声序列x1=x+xz;%带有噪声的音频序列Xf1=fftshift(fft(x1);%设计 IIR 低通滤波器wp=2500*2/fs;ws=3000*2/fs;Rp=3;Rs=15;%通带截止频率 2500Hz,阻带截止频率3000Hz,通带衰减 3dB,阻带衰减 15dBNm,Wc=buttord(wp,ws,Rp,Rs);%计算满足指标的最小阶数以及 3dB 截止频率b,a=butter(Nm
7、,Wc); %计算滤波器的分子分母系数%IIR 滤波器相关性能指标分析H=freqz(b,a,f*2*pi/fs);%计算滤波器频率响应mag=abs(H);pha=angle(H);%幅度响应和相位响应mag1=20*log10(mag); %将幅频响应转化为 dB 的形式%用 IIR 滤波器对带有噪声的信号进行滤波x2=filter(b,a,x1);%用 IIR 进行滤波Xf2=fftshift(fft(x2);%设计 FIR 低通滤波器wc=2800*2/fs; %3dB 截止频率 2800Hzfx=0 wc wc 1;m=1 1 0 0;b1=fir2(40,fx,m);%计算 FIR
8、 滤波器多项式系数（不声明窗默认为 Hamming 窗）%FIR 滤波器相关性能指标分析H1=freqz(b1,1,f*2*pi/fs);%计算滤波器频率响应4mag2=abs(H1);pha1=angle(H1);%幅度响应和相位响应mag3=20*log10(mag2); %将幅频响应转化为 dB 的形式%用 FIR 滤波器对带有噪声的信号进行滤波x3=filter(b1,1,x1);%用 FIR 进行滤波Xf3=fftshift(fft(x3);%绘制图像figure(1);subplot(4,2,1);plot(n*T,x);grid;title(原始时域信号);xlabel(t/s)
9、;ylabel(xt);subplot(4,2,2);plot(f,abs(Xf)*2/N);grid;title(原始信号幅度谱);xlabel(f/Hz);ylabel(幅度);subplot(4,2,3);plot(n*T,x1);grid;title(带噪音的时域信号 );xlabel(t/s);ylabel(xt);subplot(4,2,4);plot(f,abs(Xf1)*2/N);grid;title(带噪音的信号幅度谱);xlabel(f/Hz);ylabel(幅度);subplot(4,2,5);plot(n*T,x2);grid;title(IIR 滤波器滤波后的时域信号
10、);xlabel(t/s);ylabel(xt);subplot(4,2,6);plot(f,abs(Xf2)*2/N);grid;title(IIR 滤波器滤波后的信号幅度谱);xlabel(f/Hz);ylabel(幅度);subplot(4,2,7);plot(n*T,x3);grid;title(FIR 滤波器滤波后的时域信号);xlabel(t/s);ylabel(xt);subplot(4,2,8);plot(f,abs(Xf3)*2/N);grid;title(FIR 滤波器滤波后的信号幅度谱);xlabel(f/Hz);ylabel(幅度);figure(2);subplot(
11、3,2,1);plot(f,mag);grid;title(IIR 滤波器幅度响应 );xlabel(f/Hz);ylabel(幅度);subplot(3,2,2);plot(f,mag2);grid;title(FIR 滤波器幅度响应 );xlabel(f/Hz);ylabel(幅度);subplot(3,2,3);plot(f,pha);grid;title(IIR 滤波器相位响应);xlabel(f/Hz);ylabel(相位);subplot(3,2,4);plot(f,pha1);grid;title(FIR 滤波器相位响应);xlabel(f/Hz);ylabel(相位);subp
12、lot(3,2,5);plot(f,mag1);grid;title(IIR 滤波器幅度响应 (dB);xlabel(f/Hz);ylabel(幅5度/dB);subplot(3,2,6);plot(f,mag3);grid;title(FIR 滤波器幅度响应 (dB);xlabel(f/Hz);ylabel(幅度/dB);%相关音频sound(x,x1,x2,x3,fs);实验运行结果以及分析6从实验结果来看，滤波效果还是相当不错的（虽然损失掉了原音频的部分高频信号） 。在满足相同的指标情况下 FIR 滤波器所需要的阶数远高于 IIR 滤波器，但是 FIR 滤波器的相位响应是线性的，滤波器通
13、带群延时是常数，而 IIR 滤波器是非线性的，滤波器通带群延时非常数。对于语音系统，対相位要求不是主要的，因此，选用 IIR 滤波器较为合适，可以充分发挥其经济和高效的特点。 （图像信号和数据传输等以波形携带信息的系统对线性相位要求较高，因此采用 FIR 滤波器较好）实验总结通过本次实验，加深了我们对信号频谱分析和数字滤波器设计的知识的理解，并对滤波器有了更进一步的认识，掌握了利用滤波器处理音频的方法，理解了设计指标的工程概念，认识到了不同类型滤波器的特性和适用范围。实验中，我们对Matlab 中一些函数的用法还不清楚，后面经过查资料以及尝试后均得到了解决。总的来说，本次实验基本上达到了预期的实验效果，是一次比较成功的实验。
