基于MATLAB的語音信號的分析與處理

1、基于MATLAB的語音信號分析與處理 摘要語音信號的處理是一門非常重要的學科，如今普遍應用在電話通信、助聽器等方面。本次設計主要是為了在MATLAB軟件的幫助下處理一段加噪的聲音信號，該過程會涉及到采樣定理，傅立葉變換等理論和算法在設計過程中的實際應用。在本次設計中，我們關注的是在驅(qū)除噪聲污染是所需要的濾波器的選擇，充分比較各種優(yōu)缺點后，再利用濾波器來驅(qū)除雜音。通過濾波前后的聲音的頻譜圖的比較，來了解濾波器的特性和作用，并得到本次設計的結果。關鍵詞:語音信號；MATLAB；傅立葉變換；濾波器目 錄摘要1 緒論11.1 課題的研究背景及意義11.1 設計任務12 語音信號處理的基本理論知識12.

2、1 采樣頻率和采樣位數(shù)12.2 采樣定理12.3 IIR數(shù)字濾波器22.4 FIR數(shù)字濾波器22.5 IIR數(shù)字濾波器和FIR數(shù)字濾波器的比較32.6 倒譜33 語音信號處理和理論方案33.1 語音信號的采集33.2 語音信號的處理43.3 系統(tǒng)框圖44 語音信號處理的實例分析.54.1語音文件在MATLAB平臺上的錄入與打開54.2原始語音信號頻譜分析及仿真54.3加噪語音信號頻譜分析及仿真84.4去噪及仿真134.5 語音信號的回放184.6結合去噪后的頻譜圖對比兩種方式濾波的優(yōu)缺點185 總結.196 致謝.19參考文獻201緒論1.1課題的研究背景及意義語言是我們?nèi)祟愃赜械墓δ埽?/p>

3、傳承和記載人類幾千年文明史，沒有語言就沒有我們今天人類的文明。語音是語言最基本的表現(xiàn)形式，是相互傳遞信息最重要的手段，是人類最重要、最有效、最常用和最方便的交換信息的形式。語音信號處理屬于信息科學的一個重要分支，大規(guī)模集成技術的高度發(fā)展和計算機技術的飛速前進，推動了這一技術的發(fā)展；它是研究用數(shù)字信號處理技術對語音信號進行處理的一門新興學科，同時又是綜合性的多學科領域和涉及面很廣的交叉學科，因此我們進行語言信號處理具有時代的意義。1.2設計任務本設計先完成語音信號的采集，然后設計低通，帶通等濾波器對采集到的語音信號進行濾波處理，分析語音信號各頻率段的特性。并對所采集的語音信號加入不同的干擾噪聲，

4、對加入噪聲的信號進行頻譜分析，針對受干擾語音信號的特點設計不同的濾波器，對加噪信號進行濾波，恢復原信號。把原始語音信號、加噪語音信號和濾波后的信號進行時域變換和頻域變換，畫出它們的時域波形和頻域波形圖，從視覺角度比較分析濾波的效果。2語音信號處理的基本理論知識2.1采樣頻率和采樣位數(shù)采樣頻率是指計算機每秒鐘采集多少個聲音樣本，是描述聲音文件的音質(zhì)、音調(diào)，衡量聲卡、聲音文件的質(zhì)量標準。采樣頻率越高，即采樣的間隔時間越短，則在單位時間內(nèi)計算機得到的聲音樣本數(shù)據(jù)就越多，對聲音波形的表示也越精確。采樣頻率與聲音頻率之間有一定的關系，根據(jù)奎斯特理論，只有采樣頻率高于聲音信號最高頻率的兩倍時，才能把數(shù)字信

5、號表示的聲音還原成為原來的聲音。這就是說采樣頻率是衡量聲卡采集、記錄和還原聲音文件的質(zhì)量標準。采樣位數(shù)即采樣值或取樣值，用來衡量聲音波動變化的參數(shù)，是指聲卡在采集和播放聲音文件時所使用數(shù)字聲音信號的二進制位數(shù)。采樣頻率是指錄音設備在一秒鐘內(nèi)對聲音信號的采樣次數(shù)，采樣頻率越高聲音的還原就越真實越自然。采樣位數(shù)和采樣率對于音頻接口來說是最為重要的兩個指標，也是選擇音頻接口的兩個重要標準。無論采樣頻率如何，理論上來說采樣的位數(shù)決定了音頻數(shù)據(jù)最大的力度范圍。每增加一個采樣位數(shù)相當于力度范圍增加了6dB。采樣位數(shù)越多則捕捉到的信號越精確。2.2 采樣定理在進行模擬/數(shù)字信號的轉換過程中，當采樣頻率fs.

6、max大于信號中，最高頻率fmax的2倍時，即：fs.max>=2fmax,則采樣之后的數(shù)字信號完整地保留了原始信號中的信息，一般實際應用中保證采樣頻率為信號最高頻率的510倍；采樣定理又稱奈奎斯特定理。 1924年奈奎斯特(Nyquist)就推導出在理想低通信道的最高大碼元傳輸速率的公式:理想低通信道的最高大碼元傳輸速率=2W*log2 N (其中W是理想低通信道的帶寬,N是電平強度)2.3 IIR數(shù)字濾波器IIR(Infinite Impulse Response)數(shù)字濾波器，又名“無限脈沖響應數(shù)字濾波器”，或“遞歸濾波器”。遞歸濾波器，也就是IIR數(shù)字濾波器，顧名思義，具有反饋，一

7、般認為具有無限的脈沖響應。IIR濾波器有以下幾個特點：（1）封閉函數(shù)：IIR數(shù)字濾波器的系統(tǒng)函數(shù)可以寫成封閉函數(shù)的形式。 （2）IIR數(shù)字濾波器采用遞歸型結構：IIR數(shù)字濾波器采用遞歸型結構，即結構上帶有反饋環(huán)路。IIR濾波器運算結構通常由延時、乘以系數(shù)和相加等基本運算組成，可以組合成直接型、正準型、級聯(lián)型、并聯(lián)型四種結構形式，都具有反饋回路。由于運算中的舍入處理，使誤差不斷累積，有時會產(chǎn)生微弱的寄生振蕩。 （3）借助成熟的模擬濾波器的成果：IIR數(shù)字濾波器在設計上可以借助成熟的模擬濾波器的成果，如巴特沃斯、契比雪夫和橢圓濾波器等，有現(xiàn)成的設計數(shù)據(jù)或圖表可查，其設計工作量比較小，對計算工具的要

8、求不高。在設計一個IIR數(shù)字濾波器時，我們根據(jù)指標先寫出模擬濾波器的公式，再通過一定的變換，將模擬濾波器的公式轉換成數(shù)字濾波器的公式。（4）需加相位校準網(wǎng)絡：IIR數(shù)字濾波器的相位特性不好控制，對相位要求較高時，需加相位校準網(wǎng)絡。2.4 FIR數(shù)字濾波器FIR數(shù)字濾波器（finite impulse response filter）又名“有限脈沖響應數(shù)字濾波器”，這類濾波器對于脈沖輸入信號的響應最終趨向于0，因此而得名。有限脈沖響應濾波器（FIR filter）的優(yōu)點：（1） 脈沖響應（impulse response）為有限長：造成當輸入數(shù)位訊號為有限長的時候，輸出數(shù)位訊號也為有限長。（2）

9、 比無限脈沖響應濾波器（IIR filter）較容易最佳化（optimize）。（3） 線性相位（linear phase）：造成h(n),是偶對稱（even）或奇對稱（odd）且有限長。（4）一定是穩(wěn)定的（stable）：因為Z轉換（Z transform）后所有的極點（pole）都在單位圓內(nèi)2.5 IIR數(shù)字濾波器和FIR數(shù)字濾波器的比較 不論是IIR濾波器還是FIR濾波器的設計都包括三個步驟：(1)按照實際任務的要求，確定濾波器的性能指標。(2)用一個因果、穩(wěn)定的離散線性時不變系統(tǒng)的系統(tǒng)函數(shù)去逼近這一性能指標。根據(jù)不同的要求可以用IIR系統(tǒng)函數(shù)，也可以用FIR系統(tǒng)函數(shù)去逼近。(3)利用有

10、限精度算法實現(xiàn)系統(tǒng)函數(shù)，包括結構選擇、字長選擇等。但IIR濾波器和FIR濾波器的設計方法完全不同。IIR濾波器設計方法有間接法和直接法，間接法是借助于模擬濾波器的設計進行的。其設計步驟是：先設計過渡模擬濾波器得到系統(tǒng)函數(shù)H（s），然后將H（s）按某種方法轉換成數(shù)字濾波器的系統(tǒng)函數(shù)H(z)。FIR濾波器比鞥采用間接法，常用的方法有窗函數(shù)法、頻率采樣發(fā)和切比雪夫等波紋逼近法。對于線性相位濾波器，經(jīng)常采用FIR濾波器。2.6 倒譜定義：倒譜定義為信號短時振幅譜的對數(shù)傅里葉反變換。特點：具有可近似地分離并能提取出頻譜包絡信息和細微結構信息的特點用途：提取聲道特征信息：提取頻譜包絡特征，以此作為描述音韻

11、的特征參數(shù)而應用于語音識別。提取音源信息：提取基音特征，以此作為描述音韻特征的輔助參數(shù)而應用于語音識別。求法：DPTLogIDPT樣值檢測DPT時間窗時間窗(lifter)ABCDEFX(n)A：短時信號；B：短時頻譜；C：對數(shù)頻譜； D：倒譜系數(shù)；E：對數(shù)頻譜包絡； F：基本周期圖2-1倒譜框圖3 語音信號處理和理論方案3.1 語音信號的采集利用PC機上的聲卡和WINDOWS操作系統(tǒng)可以進行數(shù)字信號的采集。將話筒輸入計算機的語音輸入插口上,啟動錄音機。按下錄音按鈕,接著對話筒說話“課程設計”,說完后停止錄音,屏幕左側將顯示所錄聲音的長度。點擊放音按鈕,可以實現(xiàn)所錄音的重現(xiàn)。以文件名“kech

12、engsheji.wav”保存入F : 中?？梢钥吹?文件存儲器的后綴默認為. wav ,這是WINDOWS操作系統(tǒng)規(guī)定的聲音文件存的標準。為了方便比較，需要在安靜、無噪音、干擾小的環(huán)境下錄。3.2 語音信號的處理語言信號的處理包括信號的采集和提取，信號的調(diào)整，信號的變換，信號的濾波。語音信號是一個隨時會變化的隨機信號，它的變化是不具備規(guī)律性的。語音信號的時域分析：語音信號的變化有一個過程，在一個較短的時間內(nèi)語音信號的特征基本保持不變，即語音的短時平穩(wěn)性。因而出現(xiàn)了短時分析技術，就是把語音信號分成一段一段來處理，這個一段所包含的的時間比較短，一般是20ms，在這么短的時間內(nèi)，信號的特征一般不會

13、變化。所以可以把語音信號當做一個平穩(wěn)過程來分析和處理語音信號。通過短時的能量分析手段，可以知道信號的能量分布，區(qū)分信號信號中的濁音短和清音短段。（1）提?。和ㄟ^MATLAB軟件中的wavread函數(shù)提取下載來的聲音信號，完成該音頻信號的頻率，幅度等信息的提取，并得到該語音信號的波形圖。（2）調(diào)整：對原始語音信號添加一個隨機函數(shù)，以此作為噪音，達到語音信號的加噪。語音信號的頻域分析：研究語音信號的頻率，可以明白頻率與聲音的關系，一般來說，聲音的高低與頻率的大小有直接的關系，當然，這只是從粗淺的方面來看。頻域分析不只是研究聲音與信號的頻率。還研究頻率與信號功率之間的關系，這就是功率譜估計。通過語音

14、信號的功率譜，可以看出功率與聲音信號的關系，具體應用到雷達方面的話，可以預判出分級的航行軌跡。頻域分析的方法一般有三種，其中利用傅里葉函數(shù)來研究是最常用的的方法，對一個語音信號進行快速傅立葉變換，就能得到頻譜圖，對信號的頻譜取對數(shù)后再進行傅里葉逆變換，就能得到倒譜圖。通過對倒譜圖的研究，可以解決語音識別技術中的語速變化識別的問題。通過對語音信號頻域的研究，可以充分了解信號的各種特征，知道頻率與聲音的聯(lián)系。（1）變換：在MATLAB軟件中，對語音信號進行傅立葉變換，得到信號的頻譜圖。（2）濾波：我們可以采用低通濾波、高通濾波器、帶通濾波和帶阻濾波的方式，來濾除語音信號中的噪聲部分，并比較各種濾波

15、之后的效果。最后，通過用戶圖形界面，把濾波后的信號進行播放，進行觀察，并比較前后的圖形，得出結論。3.3程序框圖語音信號處理的流程如圖3-1所示。信號采集效果顯示信號濾波信號加噪信號變換信號提取圖3-1程序框圖我們先進行信號的采集，采集來的信號進行四步處理，即信號提取，信號調(diào)整，信號交換，信號濾波，最后將效果顯示出來。4 語音信號分析處理和濾波4.1語音文件在MATLAB平臺上的錄入與打開單擊自己的電腦開始程序，選擇所有程序，接著選擇附件，再選擇娛樂，最后選擇錄音。自己錄入“課程設計”語音信號，然后保存在MATLAB文件夾里面，命名為“kechengsheji.wav”。利用MATLAB中的w

16、avread命令來讀入（采集）語音信號，將它賦值給某一向量。y,fs,bits=wavread(' N1 N2);用于讀取語音，采樣值放在向量y中，fs表示采樣頻率(Hz)，bits表示采樣位數(shù)。N1 N2表示讀取從N1點到N2點的值（若只有一個N的點則表示讀取前N點的采樣值）。4.2 原始語音信號頻譜分析及仿真利用MATLAB中的wavread命令來讀入（采集）語音信號，將它賦值給某一向量。再將該向量看作一個普通的信號，對其進行FFT變換實現(xiàn)頻譜分析，再依據(jù)實際情況對它進行濾波。對于波形圖與頻譜圖（包括濾波前后的對比圖）都可以用 MATLAB畫出。我們還可以通過sound命令來對語音

17、信號進行回放，以便在聽覺上來感受聲音的變化。選擇設計此方案，是對數(shù)字信號處理的一次實踐。在數(shù)字信號處理的課程學習過程中，我們過多的是理論學習，幾乎沒有進行實踐方面的運用。這個課題正好是對數(shù)字語音處理的一次有利實踐，而且語音處理也可以說是信號處理在實際應用中很大眾化的一方面。這個方案用到的軟件也是在數(shù)字信號處理中非常通用的一個軟件MATLAB軟件。所以這個課題的設計過程也是一次數(shù)字信號處理在MATLAB中應用的學習過程。課題用到了較多的MATLAB語句，而由于課題研究范圍所限，真正與數(shù)字信號有關的命令函數(shù)卻并不多。sound(x,fs,bits); 用于對聲音的回放。向量y則就代表了一個信號（也

18、即一個復雜的“函數(shù)表達式”）也就是說可以像處理一個信號表達式一樣處理這個聲音信號。FFT的MATLAB實現(xiàn)：在MATLAB的信號處理工具箱中函數(shù)FFT和IFFT用于快速傅立葉變換和逆變換。下面介紹這些函數(shù)。函數(shù)FFT用于序列快速傅立葉變換。函數(shù)的一種調(diào)用格式為 y=fft(x)其中，x是序列，y是序列的FFT，x可以為一向量或矩陣，若x為一向量，y是x的FFT。且和x相同長度。若x為一矩陣，則y是對矩陣的每一列向量進行FFT。如果x長度是2的冪次方，函數(shù)fft執(zhí)行高速基2FFT算法；否則fft執(zhí)行一種混合基的離散傅立葉變換算法，計算速度較慢。函數(shù)FFT的另一種調(diào)用格式為y=fft(x,N)式中

19、，x，y意義同前，N為正整數(shù)。函數(shù)執(zhí)行N點的FFT。若x為向量且長度小于N，則函數(shù)將x補零至長度N。若向量x的長度大于N，則函數(shù)截短x使之長度為N。若x 為矩陣，按相同方法對x進行處理。經(jīng)函數(shù)fft求得的序列y一般是復序列，通常要求其幅值和相位。MATLAB提供求復數(shù)的幅值和相位函數(shù)：abs，angle，這些函數(shù)一般和 FFT同時使用。函數(shù)abs(x)用于計算復向量x的幅值，函數(shù)angle(x)用于計算復向量的相角，介于 和 之間，以弧度表示。函數(shù)unwrap(p)用于展開弧度相位角p ,當相位角絕對變化超過 時，函數(shù)把它擴展至 。用MATLAB工具箱函數(shù)fft進行頻譜分析時需注意：（1）函數(shù)

20、fft返回值y的數(shù)據(jù)結構對稱性一般而言，對于N點的x(n)序列的FFT是N點的復數(shù)序列，其點n=N/2+1對應Nyquist頻率，作頻譜分析時僅取序列X(k)的前一半，即前N/2點即可。X(k)的后一半序列和前一半序列時對稱的。（2）頻率計算 若N點序列x(n)(n=0,1,N-1)是在采樣頻率 下獲得的。它的FFT也是N點序列，即X(k)(k=0,1,2,N-1)，則第k點所對應實際頻率值為f=k*f /N.（3）作FFT分析時，幅值大小與FFT選擇點數(shù)有關，但不影響分析結果。下面的一段程序是語音信號在MATLAB中的最簡單表現(xiàn)，它實現(xiàn)了語音的讀入打開，以及繪出了語音信號的波形頻譜圖。x,f

21、s,bits=wavread('wangqingtian.wav);sound(x,fs,bits);X=fft(x,4096);magX=abs(X);angX=angle(X);subplot(221);plot(x);title('原始信號波形');subplot(222);plot(X); title('原始語音信號采樣后的頻譜圖)subplot(223);plot(magX);title('原始信號幅值');subplot(224);plot(angX);title('原始信號相位');程序運行可以聽到聲音，得到的圖形為

22、：（圖4-1、圖4-2、圖4-3、圖4-4）圖4-1 原始信號波形圖4-2 原始語音信號采樣后頻譜圖圖4-3 原始信號幅值圖4-4 原始信號相位4.3 加噪語音信號頻譜分析及仿真(1)正弦波信號加入原始語音信號前面已經(jīng)介紹了MATLAB軟件相關知識，那么我們怎么在NATLAB平臺上實現(xiàn)對一段原始語音信號加入一個正弦波信號呢？ 下面一段程序?qū)崿F(xiàn)了在原始語音信號加入正弦波信號。 y,fs,bits=wavread('wangqingtian.wav');sound(y,fs)n=length(y)y_p=fft(y,n);f=fs*(0:n/2-1)/n;figure(1)subp

23、lot(2,1,1);plot(y);title('原始語音信號采樣后時域波形');xlabel('時間軸')ylabel('幅值 A')subplot(2,1,2);plot(f,abs(y_p(1:n/2);title('原始語音信號采樣后的頻譜圖');xlabel('頻率Hz');ylabel('頻率幅值');noise=1*sin(2*pi*3000*n);y_z=y+noise;sound(y_z,fs)L=length(y_z);y_zp=fft(y_z,L);f=fs*(0:L/2-1

24、)/L;figure(2)subplot(2,1,1);plot(y_z);title('加噪語音信號時域波形');xlabel('時間軸')ylabel('幅值 A')subplot(2,1,2);plot(f,abs(y_zp(1:L/2);title('加噪語音信號頻譜圖');xlabel('頻率Hz');ylabel('頻率幅值'); 分析此段程序可知，此程序是先對原始語音信號做時域波形分析和頻譜分析，然后再對加噪的語音信號做時域波形分析和頻譜分析。首先通過MATLAB中調(diào)用和回放語音信號命

25、令來實現(xiàn)對原始語音信號的調(diào)用和回放，程序如下：y,fs,bits=wavread('wangqingtian.wav');sound(y,fs)由于在MATLAB中，如要實現(xiàn)兩個信號的相加減，那么兩個信號的長度和維度都要一樣才能相加減。程序中：n=length(y) 用于計算信號的長度和選取變換的點數(shù)。然后用傅里葉變換到頻域：y_p=fft(y,n);通過函數(shù) f=fs*(0:n/2-1)/n;計算出對應點的頻率，然后繪制出原始語音信號的時域波形和頻譜圖。圖形如下：（圖45）圖45 原始語音信號采樣后時域波形和頻譜圖上段程序中，函數(shù)noise是頻率為3000Hz的正弦波信號噪音

26、，語句y_z=y+noise實現(xiàn)了兩個信號的相加，然后繪制加噪后的語音信號時域波形和頻譜圖并回放加噪后的語音信號。加噪后的時域波形和頻譜圖如下：（圖46）圖4-6 加噪語音信號時域波形和頻譜圖如上所示，通過對加噪前和加噪后語音信號的圖像的對比和對語音信號回放的人耳感知可以知道，加入正弦波信號后頻譜圖和時域波形并沒有什么明顯的變化，而人耳聽到的聲音也幾乎沒有什么變化。（2）隨機噪音信號加入原始語音信號matlab函數(shù)randn：產(chǎn)生正態(tài)分布的隨機數(shù)或矩陣的函數(shù) 產(chǎn)生均值為0，方差 2 = 1，標準差 = 1的正態(tài)分布的隨機數(shù)或矩陣的函數(shù)。用法： Y = randn(n) 返回一個n*n的隨機項的

27、矩陣。如果n不是個數(shù)量，將返回錯誤信息。Y = randn(m,n) 或 Y = randn(m n) 返回一個m*n的隨機項矩陣。Y = randn(m,n,p,.) 或 Y = randn(m n p.)產(chǎn)生隨機數(shù)組。 Y = randn(size(A) 返回一個和A有同樣維數(shù)大小的隨機數(shù)組。 randn返回一個每次都變化的數(shù)量。下面一段程序?qū)崿F(xiàn)了利用randn函數(shù)把一段隨機噪音信號加入原始語音信號的信號處理過程：y,fs,bits=wavread('wangqingtian.wav');sound(y,fs)n=length(y)y_p=fft(y,n);f=fs*(0:

28、n/2-1)/n;figure(1)subplot(2,1,1);plot(y);title('原始語音信號采樣后的時域波形');xlabel('時間軸')ylabel('幅值A')subplot(2,1,2);plot(f,abs(y_p(1:n/2);title('原始語音信號采樣后的頻譜圖');xlabel('頻率Hz');ylabel('頻率幅值');L=length(y)noise=0.1*randn(L,2);y_z=y+noise;sound(y_z,fs)n=length(y);y_

29、zp=fft(y_z,n);f=fs*(0:n/2-1)/n;figure(2)subplot(2,1,1);plot(y_z);title('加噪語音信號時域波形');xlabel('時間軸')ylabel('幅值A')subplot(2,1,2);plot(f,abs(y_zp(1:n/2);title('加噪語音信號頻譜圖');xlabel('頻率Hz');ylabel('頻率幅值');語句 L=length(y) noise=0.1*randn(L,2) y_z=y+noise;sound(

30、y_z,fs)加噪后語音信號的時域波形、頻譜圖（圖47）圖4-7 加噪語音信號時域波形和頻譜圖通過對兩張圖片的對比，很明顯可以看加噪后的語音信號時域波形比原始語音信號渾濁了許多，在時間軸上可以明顯看出00.5S的幅值增大了；通過對原始語音信號的頻譜圖與加噪后的語音信號頻譜圖的對比，也可以看出在頻率5000Hz以后的頻率幅值發(fā)生了明顯的增加。再通過對原始語音信號的回放效果與加噪后的語音信號回放的效果的對比，人耳可以明顯辨別出兩種語音信號不一樣了，加噪后的語音信號在聽覺上比原始語音信號要渾濁很多，而且還有吱吱嘎嘎的混雜音。4.4 去噪及仿真（1）FIR濾波器法去噪通過對上一節(jié)中加噪語音信號和原始語

31、音信號頻譜圖對比可以知道，噪音大部分是Hz大于5000的部分，故設計低通濾波器進行濾波處理。接下來我們要用設計的FIR低通濾波器對上一節(jié)中加噪語音信號進行濾波處理。用自己設計的FIR數(shù)字低通濾波器對加噪的語音信號進行濾波時，在Matlab中，F(xiàn)IR濾波器利用函數(shù)fftfilt對信號進行濾波。函數(shù)fftfilt用的是重疊相加法實現(xiàn)線性卷積的計算。調(diào)用格式為：y=fftfilter(h,x,M)。其中，h是系統(tǒng)單位沖擊響應向量；x是輸入序列向量；y是系統(tǒng)的輸出序列向量；M是有用戶選擇的輸入序列的分段長度，缺省時，默認的輸入向量的重長度M=512。用設計好的FIR數(shù)字低通濾波器對加噪語音信號的濾波程

32、序：y,fs,bits=wavread('wangqingtian.wav');sound(y,fs)n=length(y)y_p=fft(y,n);f=fs*(0:n/2-1)/n;figure(1)subplot(2,1,1);plot(y);title('原始語音信號采樣后的時域波形');xlabel('時間軸')ylabel('幅值A')subplot(2,1,2);plot(f,abs(y_p(1:n/2);title('原始語音信號采樣后的頻譜圖');xlabel('頻率Hz');yla

33、bel('頻率幅值');L=length(y)noise=0.1*randn(L,2);y_z=y+noise;sound(y_z,fs)n=length(y);y_zp=fft(y_z,n);f=fs*(0:n/2-1)/n;figure(2)subplot(2,1,1);plot(y_z);title('加噪語音信號時域波形');xlabel('時間軸')ylabel('幅值A')subplot(2,1,2);plot(f,abs(y_zp(1:n/2);title('加噪語音信號頻譜圖');xlabel(&#

34、39;頻率Hz');ylabel('頻率幅值');Ft=5000;Fp=1000;Fs=1200;wp=2*Fp/Ft;ws=2*Fs/Ft;rp=1;rs=50;p=1-10.(-rp/20);s=10.(-rs/20);fpts=wp ws;mag=1 0;dev=p s;n21,wn21,beta,ftype=kaiserord(fpts,mag,dev);b21=fir1(n21,wn21,Kaiser(n21+1,beta);h,w=freqz(b21,1);plot(w/pi,abs(h);title('FIR低通濾波器');x=fftfil

35、t(b21,y_z);X=fft(x,n);figure(4);subplot(2,2,1);plot(f,abs(y_zp(1:n/2);title('濾波前信號的頻譜');subplot(2,2,2);plot(f,abs(X(1:n/2);title('濾波后信號的頻譜');subplot(2,2,3);plot(y_z);title('濾波前信號的時域波形')subplot(2,2,4);plot(x);title('濾波后信號的時域波形')sound(x,fs,bits)得到的圖像如下：（圖48）圖4-8 FIR濾波前和

36、濾波后波形及頻譜分析：從以上四圖可以很明顯和直觀的看出原始語音信號和加噪語音信號時域波形和頻譜圖的區(qū)別。加噪后的語音信號的時域波形比原始語音信號要模糊得多，頻譜圖則是在頻率5000Hz以后出現(xiàn)了明顯的變化。再通過濾波前的信號波形和頻譜圖的對比，可以明顯看出濾波后的波形開始變得清晰了，有點接近原始信號的波形圖了。濾波后信號的頻譜圖也在5000Hz以后開始逐漸接近原始語音信號的頻譜圖。再從對語音信號的回放，人耳可以明顯辨別出加噪后的語音信號比較渾濁，還有很明顯嘎吱嘎吱的雜音在里面。濾波后，語音信號較加噪后的信號有了明顯的改善，基本可以聽清楚了，而且雜音也沒有那么強烈，但是聲音依然沒有原始語音信號那

37、么清晰脆耳。（2）IIR濾波器法去噪同樣，也設計一個IIR低通濾波器對加噪語音信號進行內(nèi)部處理。Ft=8000;Fp=1000;Fs=1200;wp=2*pi*Fp/Ft;ws=2*pi*Fs/Ft;fp=2*Ft*tan(wp/2);fs=2*Fs*tan(wp/2);n11,wn11=buttord(wp,ws,1,50,'s'); %求低通濾波器的階數(shù)和截止頻率b11,a11=butter(n11,wn11,'s'); %求S域的頻率響應的參數(shù)num11,den11=bilinear(b11,a11,0.5); %雙線性變換實現(xiàn)S域到Z域的變換h,w=fr

38、eqz(num11,den11); %根據(jù)參數(shù)求出頻率響應plot(w*8000*0.5/pi,abs(h);legend('用butter設計');grid;y,fs,nbits=wavread ('BYSJ.wav');n = length (y) ; %求出語音信號的長度noise=0.01*randn(n,2); %隨機函數(shù)產(chǎn)生噪聲s=y+noise; %語音信號加入噪聲S=fft(s); %傅里葉變換z11=filter(num11,den11,s);sound(z11);m11=fft(z11); %求濾波后的信號subplot(2,2,1);plo

39、t(abs(S),'g');title('濾波前信號的頻譜');grid;subplot(2,2,2);plot(abs(m11),'r');title('濾波后信號的頻譜');grid;subplot(2,2,3);plot(s);title('濾波前信號的波形');grid;subplot(2,2,4);plot(z11);title('濾波后的信號波形');得到下面的圖形：如（圖4-9）圖4-9 IIR濾波前和濾波后波形及頻譜4.5語音信號的回放將經(jīng)過處理的語音信號放到MATLAB軟件中進行回放，對比濾波后的聲音與原始的聲音的不同。4.6 結合去噪后的頻譜圖對比兩種方式濾波的優(yōu)缺點IIR數(shù)字濾波器采用遞歸型結構，即結構上帶有反饋環(huán)路。IIR濾波器運算結構通常由延時、乘以系數(shù)和相加等基本運算組成，可以組合成直接型、正準型、級聯(lián)型、并聯(lián)型四種結構形式，都具有反饋回路。由于運算中的舍入處理，使誤差不斷累積，有時會產(chǎn)生微弱的寄生振蕩。 （1）IIR數(shù)字濾波器的相位特性不好控制，對相位要求較高時，需加相位校準網(wǎng)絡。FIR濾波器則要求較低。（2）IIR濾波器運算誤差大，有可能出現(xiàn)極限環(huán)振蕩，F(xiàn)IR相比之下運算誤差較小，不會出現(xiàn)極限