數(shù)信課設(shè)報告

1、數(shù)字信號處理課程設(shè)計 數(shù)字信號處理課程設(shè)計報告設(shè)計題目：語音信號去噪處理 專業(yè)班級 學(xué) 號 學(xué)生姓名 指導(dǎo)教師 教師評分 目錄摘 要1一、設(shè)計目的與要求11.1設(shè)計目的11.2設(shè)計任務(wù)1二、設(shè)計流程框圖流1三、設(shè)計原理、結(jié)果與分析23.1 去噪原理23.1.1 采樣定理23.1.2 采樣頻率23.2頻譜與仿真分析33.2.1 原始語音信號頻譜分析及仿真33.2.2加噪語音信號頻譜分析及仿真6四、去噪及仿真94.1 FIR濾波器法去噪94.2 IIR濾波器法去噪10五、 數(shù)據(jù)分析11六、總結(jié)11七、收獲與體會12參考文獻(xiàn)13附錄14摘 要此次數(shù)字信號處理課程設(shè)計是利用MATLAB對語音信號進(jìn)行分

2、析和處理，首先采集語音信號后，在MATLAB軟件平臺進(jìn)行頻譜分析；并對所采集的語音信號加入干擾噪聲，對加入噪聲的信號進(jìn)行頻譜分析，設(shè)計合適的濾波器濾除噪聲，恢復(fù)原信號，并對其中的信號進(jìn)行繪圖和分析。其中涉及采樣頻率、采樣位數(shù)的概念，采樣定理； 時域信號的FFT分析；數(shù)字濾波器設(shè)計原理和方法，各種不同類型濾波器的性能比較等設(shè)計原理。關(guān)鍵詞：MATLAB；語音信號；噪聲；數(shù)字信號處理；濾波器；頻譜分析第 1 頁一、設(shè)計目的與要求1.1設(shè)計目的（1）鞏固所學(xué)的數(shù)字信號處理理論知識， 理解信號的采集、處理、加噪、去噪過程；（2）綜合運(yùn)用專業(yè)及基礎(chǔ)知識，解決實(shí)際工程技術(shù)問題的能力；（3）學(xué)習(xí)資料的收集與

3、整理，學(xué)會撰寫課程設(shè)計報告。1.2設(shè)計任務(wù)（1）.在Windows環(huán)境下利用錄音機(jī)或其他軟件，錄制一段自己的語音信號，時間控制在1秒左右，并對所錄制的語音信號進(jìn)行采樣處理；（2）.對語音信號做頻譜分析，即畫出采樣后語音信號的時域波形和頻域圖；在語音信號中加入噪聲信號（至少兩種不同噪聲信號），畫出加噪語音信號的時域波形和頻域圖；（3）.根據(jù)上步加噪語音信號頻譜分析結(jié)果，確定數(shù)字濾波器的技術(shù)指標(biāo)，設(shè)計合適的數(shù)字濾波器濾除噪聲信號，并畫出濾波器的頻率響應(yīng)曲線；（4）.用所設(shè)計的數(shù)字濾波器對加噪語音信號進(jìn)行濾波，并畫出濾波后語音信號的時域波形和頻域圖，對濾波前后的語音信號進(jìn)行對比，分析信號的變化；（5

4、）.利用MATLAB軟件中的sound(x)函數(shù)實(shí)現(xiàn)對去噪語音信號的回放，驗(yàn)證設(shè)計效果。二、設(shè)計流程框圖流圖2-1 流程框圖三、設(shè)計原理、結(jié)果與分析3.1 去噪原理3.1.1 采樣定理在進(jìn)行模擬/數(shù)字信號的轉(zhuǎn)換過程中，當(dāng)采樣頻率fs.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(shí)際應(yīng)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(dǎo)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

5、想低通信道的帶寬,N是電平強(qiáng)度)為什么把采樣頻率設(shè)為8kHz?在數(shù)字通信中，根據(jù)采樣定理, 最小采樣頻率為語音信號最高頻率的2倍頻帶為F的連續(xù)信號 f(t)可用一系列離散的采樣值f(t1),f(t1±t)，f(t1±2t)，.來表示,只要這些采樣點(diǎn)的時間間隔t1/2F，便可根據(jù)各采樣值完全恢復(fù)原來的信號f(t)。 這是時域采樣定理的一種表述方式。 時域采樣定理的另一種表述方式是：當(dāng)時間信號函數(shù)f(t)的最高頻率分量為fM時,f(t)的值可由一系列采樣間隔小于或等于1/2fM的采樣值來確定,即采樣點(diǎn)的重復(fù)頻率f2fM。圖為模擬信號和采樣樣本的示意圖。 時域采樣定理是采樣誤差理

6、論、隨機(jī)變量采樣理論和多變量采樣理論的基礎(chǔ)。對于時間上受限制的連續(xù)信號f(t)（即當(dāng)t>T時,f(t)=0,這里T=T2-T1是信號的持續(xù)時間），若其頻譜為F（）,則可在頻域上用一系列離散的采樣值   （2-1）采樣值來表示,只要這些采樣點(diǎn)的頻率間隔   （2-2）3.1.2 采樣頻率采樣頻率，也稱為采樣速度或者采樣率，定義了每秒從連續(xù)信號中提取并組成離散信號的采樣個數(shù)，它用赫茲（Hz）來表示。采樣頻率的倒數(shù)是采樣周期或者叫作采樣時間，它是采樣之間的時間間隔。通俗的講采樣頻率是指計算機(jī)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、

7、聲音文件的質(zhì)量標(biāo)準(zhǔn)。采樣頻率只能用于周期性采樣的采樣器，對于非周期性采樣的采樣器沒有規(guī)則限制。 采樣頻率的常用的表示符號是 fs。 通俗的講采樣頻率是指計算機(jī)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(biāo)準(zhǔn)。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(jī)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(guān)系，根據(jù)采樣定理，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(biāo)準(zhǔn)。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(biāo)

8、，也是選擇音頻接口的兩個重要標(biāo)準(zhǔn)。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(dāng)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。對于采樣率來說你可以想象它類似于一個照相機(jī)，44.1kHz意味著音頻流進(jìn)入計算機(jī)時計算機(jī)每秒會對其拍照達(dá)441000次。顯然采樣率越高，計算機(jī)攝取的圖片越多，對于原始音頻的還原也越加精確. 3.2頻譜與仿真分析 3.2.1 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(jìn)行FFT變換實(shí)現(xiàn)頻譜分析，再依據(jù)實(shí)際情況對它進(jìn)行濾

9、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命令來對語音信號進(jìn)行回放，以便在聽覺上來感受聲音的變化。選擇設(shè)計此方案，是對數(shù)字信號處理的一次實(shí)踐。在數(shù)字信號處理的課程學(xué)習(xí)過程中，我們過多的是理論學(xué)習(xí)，幾乎沒有進(jìn)行實(shí)踐方面的運(yùn)用。這個課題正好是對數(shù)字語音處理的一次有利實(shí)踐，而且語音處理也可以說是信號處理在實(shí)際應(yīng)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(shè)計過程也是一次數(shù)字信號處理在MATLAB中應(yīng)用的學(xué)習(xí)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

10、信號有關(guān)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（也即一個復(fù)雜的“函數(shù)表達(dá)式”）也就是說可以像處理一個信號表達(dá)式一樣處理這個聲音信號。FFT的MATLAB實(shí)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(jìn)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

11、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，x，y意義同前，N為正整數(shù)。函數(shù)執(zhí)行N點(diǎn)的FFT。若x為向量且長度小于N，則函數(shù)將x補(bǔ)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(jìn)行處理。經(jīng)函數(shù)fft求得的序列y一般是復(fù)序列，通常要求其幅值和相位。MATLAB提供求復(fù)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(fù)向量x的幅值，函數(shù)angle(x)用于計算復(fù)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

12、 ,當(dāng)相位角絕對變化超過 時，函數(shù)把它擴(kuò)展至 。用MATLAB工具箱函數(shù)fft進(jìn)行頻譜分析時需注意：（1）函數(shù)fft返回值y的數(shù)據(jù)結(jié)構(gòu)對稱性一般而言，對于N點(diǎn)的x(n)序列的FFT是N點(diǎn)的復(fù)數(shù)序列，其點(diǎn)n=N/2+1對應(yīng)Nyquist頻率，作頻譜分析時僅取序列X(k)的前一半，即前N/2點(diǎn)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(diǎn)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(diǎn)序列，即X(k)(k=0,1,2,N-1)，則第k點(diǎn)所對應(yīng)實(shí)際頻率值為f=k*f /N.（3）作FFT分析時，幅值大小與FFT選擇點(diǎn)數(shù)有關(guān)，但不影響分析結(jié)果。下面的

13、一段程序是語音信號在MATLAB中的最簡單表現(xiàn)，它實(shí)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,fs,bits=wavread('C:UsersAdministratorDesktop數(shù)字信號處理課程設(shè)計1.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(&#

14、39;原始信號幅值');subplot(224);plot(angX);title('原始信號相位');程序運(yùn)行可以聽到聲音，得到的圖形為：（圖31 原始語音波形、幅值、相位以及采樣后頻譜圖3.2.2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(guān)知識，那么我們怎么在沒沒ATLAB平臺上實(shí)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。程序見附錄1 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MATLA

15、B中調(diào)用和回放語音信號命令來實(shí)現(xiàn)對原始語音信號的調(diào)用和回放，程序如下：y,fs,bits=wavread('C:UsersAdministratorDesktop數(shù)字信號處理課程設(shè)計1.wav');sound(y,fs) 由于在MATLAB中，如要實(shí)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(diǎn)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(yīng)點(diǎn)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32）圖32 原始語音信號采樣后

16、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，語句y_z=y+noise實(shí)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33）圖3-3 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(jī)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(jī)數(shù)或矩陣的函數(shù) 產(chǎn)生均值為0，方差 2 = 1，標(biāo)準(zhǔn)差 = 1的正態(tài)分

17、布的隨機(jī)數(shù)或矩陣的函數(shù)。用法： Y = randn(n) 返回一個n*n的隨機(jī)項的矩陣。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(jī)項矩陣。Y = randn(m,n,p,.) 或 Y = randn(m n p.)產(chǎn)生隨機(jī)數(shù)組。 Y = randn(size(A) 返回一個和A有同樣維數(shù)大小的隨機(jī)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(jī)噪音信號加入原始語音信號的信號處理過程：見附錄2語句 L=length(y) noise=0.1*randn(L,2) y_z=y+no

18、ise;sound(y_z,fs)加噪后語音信號的時域波形、頻譜圖（圖34）圖3-4 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。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。四、去噪及仿真4.1 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(shè)計低通濾波器進(jìn)行濾波處

19、理。接下來我們要用設(shè)計的FIR低通濾波器對上一節(jié)中加噪語音信號進(jìn)行濾波處理。用自己設(shè)計的FIR數(shù)字低通濾波器對加噪的語音信號進(jìn)行濾波時，在Matlab中，F(xiàn)IR濾波器利用函數(shù)fftfilt對信號進(jìn)行濾波。函數(shù)fftfilt用的是重疊相加法實(shí)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(yīng)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(rèn)的輸入向量的重長度M=512。用設(shè)計好的FIR數(shù)字低通濾波器對加噪語音信號的濾波程序：見附錄3得到的圖像如下：（圖45）圖4-1 FIR濾波前和濾波后波形及頻譜分析：從以

20、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(diǎn)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(qiáng)烈，但是聲音依然沒有原始語音信號那么清晰脆耳。4.2 IIR

21、濾波器法去噪同樣，也設(shè)計一個IIR低通濾波器對加噪語音信號進(jìn)行內(nèi)部處理。程序見附錄4得到下面的圖形：如（圖4-6）圖4-2 IIR濾波前和濾波后波形及頻譜五、 數(shù)據(jù)分析IIR數(shù)字濾波器采用遞歸型結(jié)構(gòu)，即結(jié)構(gòu)上帶有反饋環(huán)路。IIR濾波器運(yùn)算結(jié)構(gòu)通常由延時、乘以系數(shù)和相加等基本運(yùn)算組成，可以組合成直接型、正準(zhǔn)型、級聯(lián)型、并聯(lián)型四種結(jié)構(gòu)形式，都具有反饋回路。由于運(yùn)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(zhǔn)網(wǎng)絡(luò)。FIR濾波器則要求較低。（2）IIR濾波器運(yùn)算誤差大，有可能出現(xiàn)極限環(huán)振蕩，F(xiàn)IR相比之下運(yùn)算誤差較小

22、，不會出現(xiàn)極限環(huán)振蕩。（3）IIR幅頻特性精度很高，不是線性相位的，可以應(yīng)用于對相位信息不敏感的音頻信號上； （4）與FIR濾波器的設(shè)計不同，IIR濾波器設(shè)計時的階數(shù)不是由設(shè)計者指定，而是根據(jù)設(shè)計者輸入的各個濾波器參數(shù)（截止頻率、通帶濾紋、阻帶衰減等），由軟件設(shè)計出滿足這些參數(shù)的最低濾波器階數(shù)。在MATLAB下設(shè)計不同類型IIR濾波器均有與之對應(yīng)的函數(shù)用于階數(shù)的選擇。 （5）IIR單位響應(yīng)為無限脈沖序列FIR單位響應(yīng)為有限的 （6）FIR幅頻特性精度較之于iir低，但是線性相位，就是不同頻率分量的信號經(jīng)過FIR濾波器后他們的時間差不變。這是很好的性質(zhì)。 （7）IIR濾波器有噪聲反饋，而且噪聲較

23、大，F(xiàn)IR濾波器噪聲較小。FIR幅頻特性精度較之于iir低，但是線性相位，就是不同頻率分量的信號經(jīng)過FIR濾波器后他們的時間差不變。這是很好的性質(zhì)。六、總結(jié)語音信號處理是語音學(xué)與數(shù)字信號處理技術(shù)相結(jié)合的交叉學(xué)科，課題在這里不討論語音學(xué)，而是將語音當(dāng)做一種特殊的信號，即一種“復(fù)雜向量”來看待。也就是說，課題更多的還是體現(xiàn)了數(shù)字信號處理技術(shù)。從課題的中心來看，課題“基于MATLAB的有噪聲語音信號處理”是希望將數(shù)字信號處理技術(shù)應(yīng)用于某一實(shí)際領(lǐng)域，這里就是指對語音及加噪處理。作為存儲于計算機(jī)中的語音信號，其本身就是離散化了的向量，我們只需將這些離散的量提取出來，就可以對其進(jìn)行處理了。這一過程的實(shí)現(xiàn)，

24、用到了處理數(shù)字信號的強(qiáng)有力工具M(jìn)ATLAB。通過MATLAB里幾個命令函數(shù)的調(diào)用，很輕易的在實(shí)際語音與數(shù)字信號的理論之間搭了一座橋。課題的特色在于它將語音信號看作一個向量，于是就把語音數(shù)字化了。那么，就可以完全利用數(shù)字信號處理的知識來解決語音及加噪處理問題。我們可以像給一般信號做頻譜分析一樣，來對語音信號做頻譜分析，也可以較容易的用數(shù)字濾波器來對語音進(jìn)行濾波處理。通過比較加噪前后，語音的頻譜和語音回放，能明顯的感覺到加入噪聲后回放的聲音與原始的語音信號有很大的不同,前者隨較尖銳的干擾嘯叫聲。從含噪語音信號的頻譜圖中可以看出含噪聲的語音信號頻譜,在整個頻域范圍內(nèi)分是布均勻。其實(shí)，這正是干擾所造成

25、的。通過濾波前后的對比，低通濾波后效果最好，高通濾波后的效果最差。由此可見，語音信號主要分布在低頻段，而噪聲主要分布在高頻段。七、收獲與體會本次課程設(shè)計選題及進(jìn)行過程中得到符茂勝、金星老師等的悉心指導(dǎo)。對報告的書寫格式及內(nèi)容，老師多次幫助我分析思路，開拓視角。在我遇到困難的時候，老師給予我最大的支持和鼓勵。指導(dǎo)老師嚴(yán)謹(jǐn)求實(shí)的治學(xué)態(tài)度，踏實(shí)堅韌的工作精神，值得我學(xué)習(xí)。在此，謹(jǐn)向符茂勝、金星老師等致以誠摯的謝意。同時還要感謝我的同學(xué)，尤其是我們同一課題的搭檔，我們花費(fèi)課很多的時間和精力。相互之間幫忙協(xié)作，上網(wǎng)搜索相關(guān)資料，到圖書館查閱相關(guān)文獻(xiàn)，遇到難題，共同商討。解決不了的問題，我們就像老師和其他

26、同學(xué)虛心請教。最終，我們一起解決了一個又一個難題，雖然，我們有過爭吵，但是在真理面前，我們的行動是一致的。在二周的課程設(shè)計過程中， 學(xué)院的機(jī)房工作人員給我們提供的便利的條件，天氣寒冷，實(shí)驗(yàn)室空調(diào)一直開放，我們覺得很溫暖，在此，表達(dá)對工作人員的謝意。在遇到課題技術(shù)難題時，我和同組的同學(xué)到圖書館廣泛查閱相關(guān)資料，圖書館也熱情地老師幫助，在此，向他們表示致謝。當(dāng)然，我們也要感謝信息工程學(xué)院，感謝他們給我們提供這次實(shí)習(xí)的機(jī)會。我院采取把理論知識與實(shí)踐相結(jié)合教學(xué)模式，讓學(xué)生的知識源于課堂而走出課堂，真正做到了“為了學(xué)生的一切，一切為了學(xué)生”。 最后，再次感謝所有幫助過我們的老師和同學(xué)！參考文獻(xiàn)1樓順天，

27、余衛(wèi).基于MATLAB的系統(tǒng)與設(shè)計控制系統(tǒng)M.西安.西安電子科技大學(xué)出版社.2云舟工作室.MATLAB教學(xué)建?；A(chǔ)教程M.北京：人民郵電出版社，2001,73高西全，丁玉美.數(shù)字信號處理（第三版）.西安：西安電子科技大學(xué)出版社4張志涌，精通MATLAB6.5， 北京北航電子版，2002.125孫家廣，楊長貴.，計算機(jī)圖形學(xué)， 清華大學(xué)出版社，1995.56閆敬文，數(shù)字圖像處理MATLAB版，國防工業(yè)出版社，2007.2 附錄附錄1y,fs,bits=wavread('C:UsersAdministratorDesktop數(shù)字信號處理課程設(shè)計1.wav');sound(y,fs)

28、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;so

29、und(y_z,fs)L=length(y_z);y_zp=fft(y_z,L);f=fs*(0:L/2-1)/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');附錄2y,fs,bits=wavread('

30、C:UsersAdministratorDesktop數(shù)字信號處理課程設(shè)計1.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(chǔ)')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');yl

31、abel('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(chǔ)')subplot(2,1,2);plot(f,abs(y_zp(1:n/2);title('加噪語音信號頻譜圖');xlabel(&

32、#39;頻率Hz');ylabel('頻率幅值');附錄3y,fs,bits=wavread(C:UsersAdministratorDesktop數(shù)字信號處理課程設(shè)計1.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(chǔ)')subplot(2,1,2);plot(f,abs(y_p(1:n/

33、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_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(chǔ)')subplot(2,1,2)

34、;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');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);ti