基于MATLAB語(yǔ)音信號(hào)降噪處理

1、目 錄插 圖 清 單II摘 要IIIAbstractIV引 言- 1 -第一章 語(yǔ)音信號(hào)的采集- 2 -1.1 語(yǔ)音信號(hào)產(chǎn)生數(shù)字模型- 2 -1.2 語(yǔ)音信號(hào)的數(shù)字化和預(yù)處理- 2 -第二章 語(yǔ)音信號(hào)的分析- 6 -2.1 語(yǔ)音信號(hào)的時(shí)域分析和頻域分析- 6 -2.1.1 語(yǔ)音信號(hào)的時(shí)域分析- 6 -2.1.2 語(yǔ)音信號(hào)的頻域分析- 6 -2.2 語(yǔ)音信號(hào)處理軟件介紹- 7 -2.3 基于MATLAB的語(yǔ)音信號(hào)處理- 7 -第三章 MATLAB濾波器設(shè)計(jì)- 9 -3.1 模擬濾波器設(shè)計(jì)- 9 -3.2 數(shù)字濾波器設(shè)計(jì)- 9 -第四章 語(yǔ)音信號(hào)降噪處理- 11 -4.1 語(yǔ)音信號(hào)處理調(diào)用函數(shù)介紹

2、- 11 -4.2 語(yǔ)音信號(hào)降噪程序設(shè)計(jì)- 12 -4.2.1 原始語(yǔ)音信號(hào)的獲得- 12 -4.2.2 原始語(yǔ)音信號(hào)加噪處理- 13 -4.2.3 語(yǔ)音信號(hào)濾波處理- 15 -4.3 改進(jìn)型語(yǔ)音降噪技術(shù)- 18 -結(jié) 論- 25 -參考文獻(xiàn)- 26 -致 謝- 27 -插 圖 清 單圖1-1 語(yǔ)音信號(hào)產(chǎn)生模型-2-圖1-2語(yǔ)音信號(hào)時(shí)域波形-3-圖1-3語(yǔ)音信號(hào)頻譜圖-4-圖1-4 時(shí)域波形比較-5-圖2-1 語(yǔ)音信號(hào)降噪流程圖-8-圖 3-1 巴特沃斯濾波器頻率響應(yīng)-10-圖4-1 原始語(yǔ)音信號(hào)時(shí)域波形-13-圖4-2 原始語(yǔ)音信號(hào)頻譜圖-13-圖4-3 加噪語(yǔ)音信號(hào)時(shí)域波形-15-圖 4-

3、4 加噪語(yǔ)音信號(hào)頻譜圖-15-圖 4-5 濾波前后時(shí)域波形比較圖-17-圖 4-6 濾波前后頻譜比較圖-17-圖 4-7 語(yǔ)音激活檢測(cè)框圖-18-圖 4-8 純凈語(yǔ)音信號(hào)時(shí)域波形-23-圖 4-9 帶噪語(yǔ)音信號(hào)時(shí)域波形-23-圖 4-10 增強(qiáng)后語(yǔ)音信號(hào)時(shí)域波形-24-摘 要語(yǔ)音是語(yǔ)言符號(hào)系統(tǒng)載體。由人的發(fā)音器官發(fā)出，帶有一定意義的語(yǔ)言意義。語(yǔ)言通過(guò)語(yǔ)音實(shí)現(xiàn)它的社會(huì)功能。語(yǔ)言的聲音和語(yǔ)言的意義是緊密聯(lián)系著的，但語(yǔ)言和語(yǔ)音又是有著本質(zhì)區(qū)別的。人們通過(guò)語(yǔ)言進(jìn)行交流和社會(huì)活動(dòng)，我們要對(duì)語(yǔ)音進(jìn)行處理分析，優(yōu)化人類(lèi)通信交流。對(duì)于語(yǔ)音信號(hào)的處理，有通過(guò)語(yǔ)音信號(hào)的數(shù)字處理技術(shù)和相關(guān)技術(shù)，研究語(yǔ)音信號(hào)處理是十

4、分有實(shí)際意義的。本次論文制作，選取的是一段wav格式語(yǔ)音信號(hào)，運(yùn)用 MATLAB軟件分析語(yǔ)音信號(hào)的時(shí)域波形和頻域圖形。在對(duì)語(yǔ)音信號(hào)進(jìn)行濾波處理前，先對(duì)原始語(yǔ)音信號(hào)進(jìn)行了加噪處理，此舉目的是為了使濾波前和濾波后的信號(hào)有明顯區(qū)別。加噪后的語(yǔ)音通過(guò)MATLAB繪制出它的時(shí)域波形和頻譜。加噪前后的語(yǔ)音信號(hào)我們可通過(guò)MATLAB軟件中sound函數(shù)播放，明顯感覺(jué)到加入噪聲的效果。濾波處理后進(jìn)行了語(yǔ)音回放。濾波處理在本次設(shè)計(jì)中用到的是巴特沃斯低通濾波器。對(duì)于巴特沃斯低通濾波器的設(shè)計(jì)，在現(xiàn)在已有相當(dāng)成熟的設(shè)計(jì)技術(shù)可供借鑒。濾波器降噪效果不是十分理想，本文還提供了一種改進(jìn)型降噪處理方法。MATLAB軟件功能強(qiáng)

5、大，本次語(yǔ)音信號(hào)處理所用的都是MATLAB軟件中的相關(guān)函數(shù)。關(guān)鍵詞：語(yǔ)音；噪聲；MATLAB；濾波器；信號(hào)處理AbstractThe voice is the carrier of language symbol system. Issued by the human vocal organs, with a certain sense of meaning in language. Its social function of language are closely linked ,but the language and voice is different in nature. Thr

6、ough language, communication and social activities, to the voice processing and analysis and optimization of human communication exchange. For speech signal processing,digital voice signal processing technology and related technologies,speech signal processing is of practical significance.The paper

7、production, the selected perid of wav format voice signal using MATLAB software to analyze the speech signal time-domain waveform and frequence-domain graphics. Filtering the speech signal, the first of the original speech signal plus noise ,the aim was to make before filtering and the filtered sign

8、al. Voice plus noise by MATLAB to map out its time-domain wavefrom and spectrum. The voice signal before and after adding noise,we can pay through the sound function in the MATLAB software, and obviously feel that by adding the effect of noise. Voice playback filtering,filtering used in the design o

9、f the Butterworth low-pass filter. Butterworth low-pass filter design are now quite mature design technology for reference.MATLAB software is powerful, the correlation function of the speech signal processing are used MATLAB software .Kerwords : voice ; noise; of MATLAB; filter; signal processing 引

10、言通過(guò)語(yǔ)音傳遞信息是人類(lèi)最重要、最有效、最常用和最方便的交換信息形式。語(yǔ)音信號(hào)是人們構(gòu)成思想疏通和感情交流的最主要途徑。20世紀(jì)60年代中期語(yǔ)音信號(hào)的采集與分析作為一個(gè)重要的研究領(lǐng)域,形成的一系列數(shù)字信號(hào)處理方法和技術(shù)，如快速博里葉變換(FFT)、數(shù)字濾波器。隨著信息科學(xué)技術(shù)的飛速發(fā)展，語(yǔ)音信號(hào)處理在最近20多年中取得了重大進(jìn)展。在處理方法上，隨著電子計(jì)算機(jī)的飛速發(fā)展，以前以硬件為中心的研究逐漸轉(zhuǎn)化為以軟件處理為主的研究。然而，在語(yǔ)音識(shí)別領(lǐng)域，初期有幾種語(yǔ)音打字機(jī)的研究很活躍，但后來(lái)被全部停了下來(lái)，這說(shuō)明了當(dāng)時(shí)對(duì)話(huà)音識(shí)別難度的認(rèn)識(shí)得到了加深。20世紀(jì)90年代以來(lái)，語(yǔ)音信號(hào)采集和分析通過(guò)科學(xué)家的

11、不斷努力在實(shí)用化方面取得了許多實(shí)質(zhì)性的研究進(jìn)展。其中，語(yǔ)音信號(hào)的識(shí)別技術(shù)和處理技術(shù)逐漸從實(shí)驗(yàn)室走到大眾的現(xiàn)實(shí)生活中，具體體現(xiàn)在移動(dòng)通信的普。另一方面，為了語(yǔ)音識(shí)別實(shí)用化的需要，快速搜索識(shí)別算法、聽(tīng)覺(jué)模型、講者自適應(yīng)以及進(jìn)一步的語(yǔ)言模型的研究等課題倍受關(guān)注。本文基于matlab的基礎(chǔ)進(jìn)行語(yǔ)音信號(hào)的分析和降噪處理。第一章 語(yǔ)音信號(hào)的采集1.1 語(yǔ)音信號(hào)產(chǎn)生數(shù)字模型一般的語(yǔ)音信號(hào)是模擬信號(hào)，模擬信號(hào)的存儲(chǔ)和傳輸都比數(shù)字語(yǔ)音信號(hào)占更大的內(nèi)存和帶寬。所以獲得數(shù)字語(yǔ)音信號(hào)可方便對(duì)語(yǔ)音信號(hào)的后續(xù)處理。語(yǔ)音信號(hào)的數(shù)字模型就是利用數(shù)字模擬技術(shù)模擬連續(xù)語(yǔ)音信號(hào)，或者說(shuō)，利用數(shù)字信號(hào)處理技術(shù)來(lái)實(shí)現(xiàn)發(fā)音器官的模擬。發(fā)

12、音器官能發(fā)出連續(xù)的聲波，那么數(shù)字模型就能產(chǎn)生與此相對(duì)應(yīng)的信號(hào)序列。為了表示取樣的語(yǔ)音信號(hào)，我們采用的是離散時(shí)間模型。雖然已經(jīng)假定了許多不同的模型，但是目前還沒(méi)發(fā)現(xiàn)一種可以詳細(xì)描述人類(lèi)語(yǔ)音中以觀察到的全部特征模型。建立模型的基本準(zhǔn)則是尋求一種可以表達(dá)一定物理狀態(tài)下的數(shù)學(xué)關(guān)系，要使這種關(guān)系不僅具有強(qiáng)大的精確度，而且還要最簡(jiǎn)單。由于語(yǔ)音信號(hào)是一連串的時(shí)變過(guò)程，具有的是非線(xiàn)性時(shí)變特性。然而，作出一些合理的假設(shè)，在較短的時(shí)間間隔內(nèi)表示語(yǔ)音信號(hào)，可以采用線(xiàn)性時(shí)不變模型。圖1-1給出經(jīng)典的語(yǔ)音信號(hào)數(shù)字模型。這里，語(yǔ)音信號(hào)被看成是線(xiàn)性時(shí)不變系統(tǒng)在隨機(jī)噪聲或準(zhǔn)周期脈沖序列下的輸出。沖激序列發(fā)生器隨機(jī)噪聲發(fā)生器聲

13、門(mén)波模型聲道模型振幅Au振幅Av聲道參數(shù)圖1-1 語(yǔ)音信號(hào)產(chǎn)生模型1.2 語(yǔ)音信號(hào)的數(shù)字化和預(yù)處理語(yǔ)音信號(hào)的數(shù)字化處理一般包括反混疊濾波、采樣、放大以及增益控制、A/D轉(zhuǎn)換及PCM編碼。預(yù)處理則包括預(yù)加重、分幀和加窗。在將語(yǔ)音信號(hào)進(jìn)行數(shù)字化前，必須先進(jìn)行防混疊預(yù)濾波，預(yù)濾波的目的有兩個(gè)：（1）抑制輸入信導(dǎo)各頻域分量中頻率超出fs/2的所有分量（fs為采樣頻率），以防止混疊干擾。（2）抑制50Hz的電源工頻干擾。這樣預(yù)濾波器必須是一個(gè)帶通濾波器。語(yǔ)音信號(hào)處理中，為將原始模擬語(yǔ)音信號(hào)變?yōu)閿?shù)字信號(hào)，必須經(jīng)過(guò)采樣和量化兩個(gè)步驟，從而得到時(shí)間和幅度上均為離散的數(shù)字語(yǔ)音信號(hào)。采樣，是信號(hào)在時(shí)間上的離散化，

14、即在模擬信號(hào)x(t)上按照一定時(shí)間間隔逐點(diǎn)采取其瞬時(shí)值。采樣時(shí)必須要注意滿(mǎn)足奈奎斯特定理，即采樣頻率fs必須以高于被測(cè)信號(hào)的最高頻率兩倍以上的速度進(jìn)行采樣，才能正確地重建原始波形，它是通過(guò)采樣脈沖和模擬信號(hào)相乘來(lái)實(shí)現(xiàn)的。 根據(jù)語(yǔ)音信號(hào)時(shí)域波形可知，語(yǔ)音信號(hào)頻率集中于1KHz，而采樣頻率50KHz遠(yuǎn)大于1KHz,因此不會(huì)發(fā)生采樣混疊現(xiàn)象。如果上述語(yǔ)音信號(hào)的采樣頻率變?yōu)?00Hz時(shí)，由于采樣頻率小，所得采樣點(diǎn)少，離散信號(hào)偏離原始信號(hào)，頻譜發(fā)生混疊。一般而言，采樣頻率越高，采樣就越密，所得離散信號(hào)就越逼近原始信號(hào)。但對(duì)于固定長(zhǎng)度的信號(hào)，過(guò)高的采樣頻率并不可取，會(huì)給計(jì)算機(jī)增加不必要的工作量和存儲(chǔ)空間。

15、采樣頻率過(guò)低，采樣點(diǎn)間隔過(guò)遠(yuǎn)，則離散信號(hào)不足以反映原有信號(hào)波形特征，無(wú)法使信號(hào)復(fù)原，造成信號(hào)混淆。根據(jù)采樣定理，當(dāng)采樣頻率大于信號(hào)的兩倍帶寬時(shí)，采樣過(guò)程不會(huì)丟失信息，利用理想濾波器可從采樣信號(hào)中不失真地重構(gòu)原始信號(hào)波形。采樣后的信號(hào)仍然是模擬信號(hào)，需對(duì)其進(jìn)行量化，才可得到數(shù)字信號(hào)。量化是對(duì)幅值進(jìn)行離散化，即將振動(dòng)幅值用二進(jìn)制量化電平來(lái)表示。量化電平按級(jí)數(shù)變化，實(shí)際的振動(dòng)值是連續(xù)的物理量。量化一般有均勻量化和非均勻量化。而均勻量化對(duì)于小輸入信號(hào)很不利，為了克服這個(gè)缺點(diǎn)，改善小信號(hào)時(shí)的信號(hào)量噪比，通常在實(shí)際中用到非均勻量化。非均勻量化間隔是根據(jù)信號(hào)抽樣值的不同而變化的。 語(yǔ)音信號(hào)經(jīng)過(guò)預(yù)濾波和采樣后

16、，由A/D變換器變換為二進(jìn)制數(shù)字碼。這種防混疊濾波與模數(shù)轉(zhuǎn)換器通常做在一個(gè)集成塊內(nèi)，因此到目前來(lái)說(shuō)，語(yǔ)音信號(hào)的數(shù)字化的質(zhì)量還是可靠地。第二章 語(yǔ)音信號(hào)的分析2.1 語(yǔ)音信號(hào)的時(shí)域分析和頻域分析2.1.1 語(yǔ)音信號(hào)的時(shí)域分析語(yǔ)音信號(hào)是一種非平穩(wěn)的時(shí)變信號(hào)，它攜帶著各種信息。在語(yǔ)音識(shí)別、語(yǔ)音增強(qiáng)、語(yǔ)音編碼和語(yǔ)音合成等語(yǔ)音處理中全都需要提取語(yǔ)音中包含的各類(lèi)信息。語(yǔ)音信號(hào)分析的目的就在與方便有效的提取并表示語(yǔ)音信號(hào)所攜帶的信息。語(yǔ)音信號(hào)分析可以分為時(shí)域變換和頻域變換分析方法，其中時(shí)域分析是最簡(jiǎn)單的方法，直接對(duì)語(yǔ)音信號(hào)的時(shí)域波形進(jìn)行分析，提取的特征參數(shù)主要有語(yǔ)音的短時(shí)能量，短時(shí)平均過(guò)零率，短時(shí)自相關(guān)函數(shù)

17、等。（1） 提?。和ㄟ^(guò)圖形用戶(hù)界面上的菜單功能按鍵采集電腦設(shè)備上的一段音頻信號(hào)，完成音頻信號(hào)的頻率，幅度等信息的提取，并得到該語(yǔ)音信號(hào)的波形圖。（2） 調(diào)整：在設(shè)計(jì)的用戶(hù)圖形界面下對(duì)輸入的音頻信號(hào)進(jìn)行各種變化，如變化幅度、改變頻率等操作，以實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)的調(diào)整。2.1.2 語(yǔ)音信號(hào)的頻域分析 分析語(yǔ)音信號(hào)的頻域特征稱(chēng)為語(yǔ)音信號(hào)的頻域分析。語(yǔ)音信號(hào)的頻域分析包括語(yǔ)音信號(hào)的功率譜、頻譜、頻譜包絡(luò)倒頻譜分析。我在本次設(shè)計(jì)中選擇傅里葉變換的方法對(duì)語(yǔ)音信號(hào)的頻譜進(jìn)行分析。之所以選擇這種方法，是由于在本科學(xué)習(xí)期間重點(diǎn)學(xué)習(xí)了傅里葉變換的方法。對(duì)于傅里葉變換，它把一些復(fù)雜的信號(hào)進(jìn)行分解，分解為許多有一定相互關(guān)

18、系的正弦信號(hào)的和。再對(duì)各個(gè)正弦信號(hào)進(jìn)行分析，而得到復(fù)雜信號(hào)的一些特征。傅里葉變換可用下面公式表示：x(t)為信號(hào)的時(shí)域表示，X(f)為信號(hào)的頻域表示，f為頻率。信號(hào)的傅里葉表示在信號(hào)的分析與處理中有著十分重要的作用。因?yàn)閷?duì)于線(xiàn)性系統(tǒng)來(lái)說(shuō)，可以很方便地確定其對(duì)正弦或復(fù)指數(shù)和的響應(yīng)，所以傅里葉分析方法能完善地解決許多信號(hào)分析和處理問(wèn)題。另外，傅里葉表示使信號(hào)的某些特性變得更明顯。 語(yǔ)音信號(hào)是隨著時(shí)間變化的，但通常認(rèn)為，語(yǔ)音是一個(gè)隨機(jī)噪聲源激勵(lì)或受準(zhǔn)周期脈沖的線(xiàn)性系統(tǒng)的輸出，輸出頻譜是聲道系統(tǒng)頻率響應(yīng)與激勵(lì)源頻譜的乘積。然而聲道系統(tǒng)的頻率響應(yīng)及激勵(lì)源都是隨時(shí)間變化的，一般標(biāo)準(zhǔn)的傅里葉表示雖然適用于周

19、期及平穩(wěn)隨機(jī)信號(hào)的表示，但不能直接用于語(yǔ)音信號(hào)。語(yǔ)音信號(hào)我們則可以認(rèn)為在短時(shí)間內(nèi)，近似不變，因而可以采用短時(shí)分析法，減少分析的困難。2.2 基于MATLAB的語(yǔ)音信號(hào)處理Matlab是一個(gè)比較常用的語(yǔ)音處理工具箱。基于DSP和MATLAB的語(yǔ)音數(shù)據(jù)采集和處理系統(tǒng)，該工具包主要應(yīng)用于語(yǔ)音處理中聽(tīng)覺(jué)模型的建立和分析，其中也包含了語(yǔ)音處理的各種基本功能如線(xiàn)性預(yù)測(cè)、語(yǔ)譜圖、識(shí)別和合成等語(yǔ)音信號(hào)的頻域處理。語(yǔ)音雖然是一個(gè)非平穩(wěn)、時(shí)變的隨機(jī)過(guò)程，但在短時(shí)間內(nèi)可近似看作是平穩(wěn)的。如果能從帶噪語(yǔ)音的短時(shí)譜中估計(jì)出“純凈”的語(yǔ)音短時(shí)譜，就可達(dá)到消除噪聲的目的。噪聲也是隨機(jī)過(guò)程，所以這種估計(jì)只能建立在統(tǒng)計(jì)模型基礎(chǔ)

20、上。利用人耳感知對(duì)語(yǔ)音頻譜分量的相位不敏感的特性，這類(lèi)語(yǔ)音增強(qiáng)算法主要針對(duì)短時(shí)譜的幅度估計(jì)。用MATLAB對(duì)語(yǔ)音信號(hào)進(jìn)行處理，綜合運(yùn)用數(shù)字信號(hào)處理的理論知識(shí)對(duì)加噪語(yǔ)音信號(hào)進(jìn)行時(shí)域、頻域分析和濾波。濾波所需的濾波器，可以利用MATLAB工具箱快速有效的設(shè)計(jì)。本次設(shè)計(jì)流程，大致包括對(duì)原始語(yǔ)音加噪、時(shí)域分析和頻域分析，繪制出相關(guān)波形。加噪語(yǔ)音再通過(guò)設(shè)計(jì)的濾波器，得出處理后的頻譜圖形。處理的一系列過(guò)程，都在MATLAB環(huán)境中進(jìn)行。流程圖如圖2-1。錄制語(yǔ)音信 號(hào)有效語(yǔ)音段截取語(yǔ)音信號(hào)加噪處理語(yǔ)音信號(hào)時(shí)域分析和頻域分析語(yǔ)音信號(hào)濾波處理語(yǔ)音回訪(fǎng)圖 2-1 語(yǔ)音信號(hào)降噪處理流程圖第三章 MATLAB濾波器設(shè)

21、計(jì)3.1 模擬濾波器設(shè)計(jì) 模擬濾波器的理論和設(shè)計(jì)方法已相當(dāng)成熟，設(shè)計(jì)時(shí)可以選用已有的典型模擬濾波器，如巴特沃斯濾波器、契比雪夫?yàn)V波器、橢圓濾波器、貝賽爾濾波器等。它們有嚴(yán)格的設(shè)計(jì)公式和現(xiàn)成的曲線(xiàn)圖表可供參考。本次設(shè)計(jì)中選擇巴特沃斯濾波器。巴特沃斯濾波器具有單調(diào)下降的幅頻特性。該濾波器通帶內(nèi)具有最大平坦的幅頻特性，隨頻率的增大，平滑單調(diào)下降。且階數(shù)N越高，響應(yīng)特性越接近矩形，過(guò)度帶越窄。巴特沃斯低通濾波器設(shè)計(jì)：MATLAB信號(hào)處理工具箱函數(shù)buttap,buttord和butter是巴特沃斯濾波器設(shè)計(jì)函數(shù)。Buttord命令的格式是：n,wn=buttord(wp,ws,Rp,Rs)巴特沃斯低通

22、濾波器系數(shù)的計(jì)算公式為：b,a=butter(n,Wn)3.2 數(shù)字濾波器設(shè)計(jì)數(shù)字濾波器按照實(shí)現(xiàn)的網(wǎng)絡(luò)結(jié)構(gòu)或單位抽樣響應(yīng)進(jìn)行分類(lèi),可以分成無(wú)限長(zhǎng)單位沖激響應(yīng)( IIR)數(shù)字濾波器和有限長(zhǎng)單位沖激響應(yīng)( FIR)數(shù)字濾波器。數(shù)字濾波器的四個(gè)重要的通帶、阻帶參數(shù)是：fp：通帶截止頻率（Hz）fs：阻帶起始頻率（Hz）Rp：阻帶內(nèi)波動(dòng)（dB）,即通帶內(nèi)允許的最大衰減Rs：阻帶內(nèi)最小波動(dòng)（dB）設(shè)采樣頻率（即奈奎斯特頻率）為fN,那么可將以上參數(shù)中的頻率參數(shù)轉(zhuǎn)化為歸一化角頻率參數(shù)：Wp:通帶截止角頻率（rad/s）,wp=fp/(fN/2)Ws:通帶起始角頻率（rad/s），ws=fs/(fN/2)通

23、過(guò)這些參數(shù)就可以進(jìn)行數(shù)字濾波器的設(shè)計(jì)。在本次設(shè)計(jì)中用到得是FIR濾波器。FIR濾波器的設(shè)計(jì)方法有窗函數(shù)法、頻率取樣法、最佳等波紋法等。FIR濾波器與IIR濾波器相比，在保證幅頻滿(mǎn)足技術(shù)要求的同時(shí)，更容易做到嚴(yán)格的線(xiàn)性相位。在MATLAB設(shè)計(jì)FIR濾波器的相關(guān)文件buttord.m用來(lái)確定數(shù)字濾波器的階次，其調(diào)用格式為：n,wn=buttord(wp,ws,Rp,Rs)對(duì)于不同類(lèi)型的濾波器，參數(shù)Wp和Ws有一些限制：對(duì)于低通濾波器，Wp<Ws。bilinear 可實(shí)現(xiàn)雙線(xiàn)性變換，即由模擬濾波器H(s)到數(shù)字濾波器H(z)。其調(diào)用格式是bz,az=bilinear(b,a,Fs)式中b,a分

24、別是H(s)的分子、分母多項(xiàng)式的系數(shù)向量；bz,az分別是H(z)的分子、分母多項(xiàng)式的系數(shù)向量，F(xiàn)s是抽樣頻率。本次設(shè)計(jì)中用到的巴特沃斯低通濾波器設(shè)計(jì)程序如下：Fs=50000;Ts=1/Fs;wp1=2/Ts*tan(wp/2);  %將模擬指標(biāo)轉(zhuǎn)換成數(shù)字指標(biāo)ws1=2/Ts*tan(ws/2); N,Wn=buttord(wp1,ws1,Rp,Rs,'s');  %選擇濾波器的最小階數(shù)Z,P,K=buttap(N);  %創(chuàng)建butterworth模擬濾波器Bap,Aap=zp2tf(Z,P,K);b,a=lp2lp(Bap,Aap,Wn);&

25、#160;  bz,az=bilinear(b,a,Fs);  %用雙線(xiàn)性變換法實(shí)現(xiàn)模擬濾波器到數(shù)字濾波器的轉(zhuǎn)換H,W=freqz(bz,az);  %繪制頻率響應(yīng)曲線(xiàn)figure(1);plot(W*Fs/(2*pi)   wp=0.25*pi;ws=0.3*pi;Rp=1;Rs=15;abs(H);grid xlabel('頻率Hz');ylabel('頻率響應(yīng)幅度');title('Butterworth')該低通濾波器的頻率響應(yīng)如圖3-1：圖3-1 巴特沃斯濾波器頻率響應(yīng)第四章 語(yǔ)音信號(hào)降

26、噪處理4.1 語(yǔ)音信號(hào)處理調(diào)用函數(shù)介紹信號(hào)處理中調(diào)用函數(shù)主要有Wavread，還有其他相關(guān)函數(shù)，有fftfilt函數(shù)、sound函數(shù)、filter函數(shù)、randn函數(shù)和FFT函數(shù)。選取一段語(yǔ)音信號(hào)，然后在matlab軟件平臺(tái)下，利用wavread函數(shù)對(duì)語(yǔ)音信號(hào)進(jìn)行采樣，記住采樣頻率和采樣點(diǎn)數(shù)。通過(guò)使用wavread函數(shù)，理解采樣頻率、采樣位數(shù)等概念。wavread函數(shù)調(diào)用格式：y=wavread（file）讀取file所規(guī)定的wav文件，pcm格式的文件才能被讀取。返回采樣值放在向量y中。y,fs,nbits=wavread(file)采樣值放在向y中，表示采樣頻率（），nbits表示采樣位數(shù)

27、。y=wavread（file，N）讀取前N點(diǎn)的采樣值放在向量y中。y=wavread（file，,）讀取從到點(diǎn)的采樣值放在向量y中。對(duì)語(yǔ)音信號(hào)1.wav進(jìn)行采樣其程序如下：y,fs,nbits=wavread(1.wavv)其中：fs =5000；（fs=50000為雙聲道設(shè)置頻率，fs=25000為單聲道設(shè)置頻率）nbits =16；y=wavread（1.wav）另外相關(guān)的函數(shù)fftfilt的調(diào)用格式為y=fftfilt(b,x)該格式是利用FFT的重疊相加法對(duì)數(shù)據(jù)進(jìn)行濾波的，并且這種頻域?yàn)V波技術(shù)只對(duì)FIR濾波器有效。該函數(shù)是通過(guò)向量b描述的濾波器對(duì)x數(shù)據(jù)進(jìn)行濾波。函數(shù)sound可以對(duì)聲

28、音進(jìn)行回放。其調(diào)用格式為:sound(x,fs,bits)函數(shù)filter的調(diào)用格式為y=filter(b,a,x)該格式采用數(shù)字濾波器對(duì)數(shù)據(jù)進(jìn)行濾波，既可以用于IIR濾波器，也可以用于FIR濾波器。其中向量b和a分別表示系統(tǒng)函數(shù)的分子、分母多項(xiàng)式的系數(shù)，若a1，此時(shí)表示FIR濾波器，否則就是IIR濾波器。該函數(shù)是利用給出的向量b和a，對(duì)x中的數(shù)據(jù)進(jìn)行濾波，結(jié)果放入向量y中。rand產(chǎn)生的是0，1上的均勻分布的隨機(jī)序列 ，randn產(chǎn)生均值為0，方差為1的高斯隨機(jī)序列，也就是白噪聲序列；也就是說(shuō)，可以直接使用上面兩個(gè)函數(shù)對(duì)原始信號(hào)添加噪聲，調(diào)用格式：y=x+rand(length(x),1)或

29、者y=x+randn(length(x),1)在MATLAB的信號(hào)處理工具箱中函數(shù)FFT用于序列快速傅立葉變換。FFT函數(shù)的一種調(diào)用格式為其中，x是序列，y是序列的FFT，x可以為一向量或矩陣。FFT函數(shù)的另一種調(diào)用格式為式中，x，y意義同前，N為正整數(shù)4.2 語(yǔ)音信號(hào)降噪程序設(shè)計(jì)4.2.1 原始語(yǔ)音信號(hào)的獲得 在原始語(yǔ)音信號(hào)的得到可用windows的錄音機(jī)錄制一段自己說(shuō)的話(huà)（語(yǔ)音信號(hào)），在本次設(shè)計(jì)中我直接用了一個(gè)wav文件來(lái)當(dāng)作原始語(yǔ)音信號(hào)，再畫(huà)出語(yǔ)音信號(hào)的時(shí)域波形和頻譜圖；在MATLAB中使用Wavread函數(shù),可得出聲音的采樣頻率fs為5KHz, 且聲音是雙聲道的。利用sound函數(shù),

30、可清晰地聽(tīng)到一段音樂(lè)語(yǔ)音。設(shè)計(jì)程序詳見(jiàn)附錄1：得到時(shí)域波形和頻譜圖如圖4-1和圖 4-2：圖4-1 原始語(yǔ)音信號(hào)時(shí)域波形時(shí)域波形中的藍(lán)色波形是選用的語(yǔ)音信號(hào)原來(lái)帶有的噪聲，說(shuō)明原始的聲音包含在少量噪聲。圖4-2原始語(yǔ)音信號(hào)頻譜圖從頻譜圖可以看出，語(yǔ)音信號(hào)的頻譜在0,2是對(duì)稱(chēng)的，主要看0,2.5KHZ之間的頻譜，可以看出這段語(yǔ)音信號(hào)的頻譜主要集中在0,1KHZ之間，高頻部分幾乎為0 。4.2.2 原始語(yǔ)音信號(hào)加噪處理 運(yùn)用MATLAB，給語(yǔ)音信號(hào)加上噪聲，繪出加噪后的語(yǔ)音信號(hào)時(shí)域波形和頻譜。應(yīng)當(dāng)注意加入的單頻噪聲的位置應(yīng)高于原始語(yǔ)音信號(hào)的頻率，噪聲頻率越高，濾波器設(shè)計(jì)的指標(biāo)就會(huì)越寬松，這樣可使噪

31、聲容易被濾除。高斯白噪聲加噪設(shè)計(jì)程序見(jiàn)附錄2：加噪聲后的語(yǔ)音信號(hào)時(shí)域波形和頻譜圖如圖4-3和圖4-4：圖4-3 加噪語(yǔ)音信號(hào)時(shí)域波形從時(shí)域圖中可以看出，聲音信號(hào)的波形基本都被噪聲波形覆蓋。圖4-4 加噪語(yǔ)音信號(hào)頻譜圖對(duì)比圖1-2，可以看出，在高頻部分1KHZ,2.5KHZ間噪聲信號(hào)。4.2.3 語(yǔ)音信號(hào)濾波處理用前面設(shè)計(jì)的濾波器對(duì)語(yǔ)音信號(hào)進(jìn)行濾波，得出濾波后信號(hào)的時(shí)域波形和頻譜圖，并對(duì)濾波前、后的信號(hào)進(jìn)行對(duì)比，畫(huà)出時(shí)域波形差，分析信號(hào)的變化。在MATLAB中，用巴特沃斯數(shù)字低通濾波器，其程序設(shè)計(jì)詳見(jiàn)附錄3：濾波前后語(yǔ)音信號(hào)的時(shí)域波形和頻譜圖對(duì)比如圖4-5和圖4-6：圖4-5 濾波前后時(shí)域波形比

32、較圖圖4-6 濾波前后頻譜對(duì)比圖利用函數(shù)sound函數(shù)，進(jìn)行語(yǔ)音回放，比較下濾波前后的語(yǔ)音效果，會(huì)發(fā)現(xiàn)濾除了絕大部分噪聲，但沒(méi)完全濾除，這是設(shè)計(jì)的濾波器不夠精細(xì)，殘留噪聲的緣故。4.3 改進(jìn)型語(yǔ)音降噪技術(shù)上述語(yǔ)音信號(hào)降噪處理方法稱(chēng)為譜減法。譜減法就是從輸入信號(hào)的幅度譜中減去估計(jì)得來(lái)的噪聲平均的幅度譜，其效果相當(dāng)于在變換域?qū)г胄盘?hào)進(jìn)行了某種均衡化處理。與其它方法相比較，譜相減法引入的約束條件最少，物理意義最直接，運(yùn)算量小，但是在實(shí)際中語(yǔ)音噪聲頻率和信號(hào)頻率很接近，噪聲頻率很難準(zhǔn)確的估計(jì)出來(lái)。因此傳統(tǒng)的譜減法除噪效果并不是十分理想。傳統(tǒng)的譜減法即在頻域?qū)г胝Z(yǔ)音的功率譜減去噪聲的功率譜，得到語(yǔ)音

33、的功率譜估計(jì)，開(kāi)方后就得到語(yǔ)音幅度估計(jì)，將其相位恢復(fù)后再采用逆傅立葉變換恢復(fù)時(shí)域信號(hào)。所以在譜減法中噪聲功率譜的估計(jì)至關(guān)重要，如果噪聲估計(jì)偏差較大的話(huà)，這必將會(huì)影響語(yǔ)音增強(qiáng)質(zhì)量。傳統(tǒng)的噪聲估計(jì)方法是基于最優(yōu)平滑和最小統(tǒng)計(jì)的噪聲估計(jì)，還有一種采用改進(jìn)的算法基于語(yǔ)音活性檢測(cè)的噪聲估計(jì)算法。語(yǔ)音激活檢測(cè)指從一段包含語(yǔ)音信號(hào)中確定出語(yǔ)音的起始點(diǎn)和終點(diǎn)，又稱(chēng)端點(diǎn)檢測(cè)。語(yǔ)音端點(diǎn)檢測(cè)的目的就是從連續(xù)記錄的帶噪語(yǔ)音信號(hào)中分離出有用的語(yǔ)音信號(hào)。語(yǔ)音激活檢測(cè)是各種語(yǔ)音處理中必需的一個(gè)重要環(huán)節(jié)，精確地確定輸入語(yǔ)音的起點(diǎn)和終點(diǎn)將保證語(yǔ)音處理系統(tǒng)良好的性能。對(duì)于語(yǔ)音激活檢測(cè)在語(yǔ)音增強(qiáng)中的應(yīng)用，為了得到更多的關(guān)于背景噪聲

34、特性，語(yǔ)音端點(diǎn)檢測(cè)更注重于如何準(zhǔn)確的檢測(cè)出無(wú)音段。一般的語(yǔ)音激活檢測(cè)是根據(jù)語(yǔ)音幀來(lái)進(jìn)行的，語(yǔ)音幀的長(zhǎng)度在1030ms不等。語(yǔ)音端點(diǎn)檢測(cè)的方法可以綜述為：從輸入信號(hào)中提取一個(gè)或一系列的對(duì)比特征參數(shù)，然后將其和一個(gè)或一系列的門(mén)限閾值進(jìn)行比較，如圖4-7所示。如果超過(guò)門(mén)限則表示當(dāng)前為有音段，否則就表示當(dāng)前為無(wú)音段。帶噪語(yǔ)音加窗分幀特征提取與閥值比較判斷有無(wú)語(yǔ)音圖4-7語(yǔ)音激活檢測(cè)框圖目前語(yǔ)音端點(diǎn)檢測(cè)所采取的方法大體可以分為兩類(lèi)：第一類(lèi)是噪聲環(huán)境下基于 HMM 模型的語(yǔ)音信號(hào)端點(diǎn)檢測(cè)的方法，該方法要求背景噪聲保持平穩(wěn)且信噪比較高。第二類(lèi)方法是基于信號(hào)的短時(shí)能量進(jìn)行檢測(cè)的算法，它通過(guò)對(duì)背景噪聲能量的統(tǒng)計(jì)

35、，定出能量門(mén)限，利用能量門(mén)限來(lái)確定語(yǔ)音信號(hào)起始點(diǎn)。在這里運(yùn)用語(yǔ)音端點(diǎn)檢測(cè)采用了第二類(lèi)方法，即基于信號(hào)的短時(shí)能量進(jìn)行檢測(cè)的算法?；谛盘?hào)的短時(shí)能量檢測(cè)具體算法如下：1) 計(jì)算每一幀的語(yǔ)音能量： (4-1)式中為幀長(zhǎng)，為幀的編號(hào)，m為每一幀中的各點(diǎn)，為幀數(shù)；然而它有一個(gè)缺陷，即它對(duì)高電平非常敏感（信號(hào)的二次方計(jì)算）。為此，定義短時(shí)平均幅度函數(shù)來(lái)表征一幀語(yǔ)音信號(hào)的能量大小，定義： (4-2)2) 計(jì)算前20幀平均噪聲能量；3) 求能量最大值和能量最小值，；4) 根據(jù)式(4-2)確定門(mén)限 (4-3)應(yīng)用譜相減法實(shí)現(xiàn)語(yǔ)音增強(qiáng)基本原理是通過(guò)對(duì)帶噪語(yǔ)音譜減去噪聲譜得到語(yǔ)音譜，因此，語(yǔ)音激活檢測(cè)這一環(huán)節(jié)非常重

36、要，準(zhǔn)確地確定語(yǔ)音的起始點(diǎn)和終止點(diǎn)對(duì)噪聲譜估計(jì)有著重要的作用。改進(jìn)型語(yǔ)音降噪處理運(yùn)用端點(diǎn)檢測(cè)技術(shù)，用MATLAB仿真，可明顯顯示出其優(yōu)越性。用MATLAB仿真的流程如下：1)對(duì)輸入的語(yǔ)音信號(hào)進(jìn)行預(yù)濾波；2)對(duì)濾波后的語(yǔ)音信號(hào)進(jìn)行預(yù)加重；3)將語(yǔ)音信號(hào)按每幀128個(gè)信號(hào)點(diǎn)進(jìn)行分幀,幀移為64；4)對(duì)信號(hào)幀加漢明窗(Haming)；5)對(duì)加窗后的信號(hào)幀進(jìn)行FFT變換；6)對(duì)各幀語(yǔ)音信號(hào)求功率譜；7)根據(jù)前20幀求取平均噪聲功率；8)利用VAD進(jìn)行噪聲估計(jì)檢測(cè)寂靜段，進(jìn)而組合遞歸平滑，更新噪聲譜；9)進(jìn)行譜減運(yùn)算，得到估計(jì)出的語(yǔ)音信號(hào)功率譜；10)插入相位譜，計(jì)算出語(yǔ)音譜；11)進(jìn)行IFFT變換，得

37、到還原的語(yǔ)音幀；12)根據(jù)各個(gè)語(yǔ)音幀組合為語(yǔ)音信號(hào)；13)對(duì)語(yǔ)音信號(hào)進(jìn)行去加重處理，得到最終信號(hào)。本次仿真選用wav格式文件2.wav,仿真程序如下：s=wavread(2.wav);n=randn(length(s),1);x=s+n;Wp=0.025*pi,0.85*pi; %通帶上下截止頻率Ws=0.010*pi,0.95*pi; %阻帶上下截止頻率Ap=10; %通帶內(nèi)衰減As=60; %阻帶內(nèi)衰減N=128; %每幀的信號(hào)個(gè)數(shù)p=0.0005; %白噪聲信號(hào)的方差alpha=0.75; %加重系數(shù)beta=0.90;%去重系數(shù)%產(chǎn)生帶通濾波器wdb,mag,pha,grd,w=ban

38、dpass(Wp,Ws,Ap,As,length(x);%將帶噪語(yǔ)音信號(hào)x通過(guò)帶通濾波器w,得到語(yǔ)音信號(hào)x_bapbap=abs(ifft(w/pi);x_conv=conv(x,bap);x_bap=x_conv(1,1:length(x_conv)/2);%將語(yǔ)音信號(hào)x_bap加重,得到語(yǔ)音信號(hào)yfor j=1:length(x_bap)-1y(j)=x_bap(j)-alpha*x_bap(j+1);endy(length(x_bap)=x_bap(length(x_bap);%將語(yǔ)音信號(hào)y按每幀N個(gè)信號(hào)點(diǎn)進(jìn)行分幀,幀移為N/2,得到信號(hào)幀y_framfor j=1:floor(leng

39、th(y)/(N/2)-1for k=1:Ny_fram(j,k)=y(j-1)*(N/2)+k);%產(chǎn)生漢明窗hamham=hamming(N);%對(duì)信號(hào)幀y_fram加漢明窗ham,得到信號(hào)幀y_hamfor j=1:floor(length(y)/(N/2)-1for k=1:Ny_ham(j,k)=y_fram(j,k)*ham(k);endendy_fft=fft(y_ham',128);y_fft_angle=angle(y_fft);y_w=sum(abs(y_fft);ave=0;for j=1:20ave=ave+y_w(j);endave=ave/20;EMAX=m

40、ax(y_w(1:20);EMIN=min(y_w(1:20);T=min(0.03*(EMAX-EMIN)+ave,4*ave);for j=1:length(y_w)if y_w(j)<Tnoise_w(j)=y_w(j);elsenoise_w(j)=T;%組合平滑更新噪聲譜%采用中值平滑更新噪聲譜noise_w,得到噪聲譜noise_w_midfor j=2:(length(noise_w)-1)array=noise_w(j-1),noise_w(j),noise_w(j+1);array=sort(array);noise_w_mid(j)=array(2);endnoise

41、_w_mid(length(noise_w)=ave;%采用線(xiàn)性平滑更新噪聲譜noise_w_mid,得到噪聲譜noise_w_linenoise_w_line(1)=ave;noise_w_line(2)=ave;for j=3:(length(noise_w_mid)-2)noise_w_line(j)=1/9*noise_w_mid(j-2)+2/9*noise_w_mid(j-1)+3/9*noise_w_mid(j)+2/9*noise_w_mid(j+1)+1/9*noise_w_mid(j+2);endnoise_w_line=noise_w_line,ave,ave;%計(jì)算原噪

42、聲功率譜noise_w與新噪聲功率譜noise_w_line的殘差噪聲譜noise_deltanoise_delta=noise_w-noise_w_line;%采用中值平滑更新殘差噪聲譜noise_delta,得到殘差噪聲譜noise_delta_midfor j=2:(length(noise_delta)-1)array=noise_delta(j-1),noise_delta(j),noise_delta(j+1);array=sort(array);noise_delta_mid(j)=s(2);endnoise_delta_mid(length(noise_delta)=0;for

43、 j=3:(length(noise_delta_mid)-2)noise_delta_line(j)=1/9*noise_delta_mid(j-2)+2/9*noise_delta_mid(j-1)+3/9*noise_delta_mid(j)+2/9*noise_delta_mid(j+1)+1/9*noise_delta_mid(j+2);endnoise_delta_line=noise_delta_line,0,0;noise_w_com=noise_w_line+noise_delta_line;%用平滑之后的噪聲功率譜noise_w_com減去功率譜y_w%如果減譜后的功率小于

44、0,則置為0%得到減譜后的功率譜y_w_decy_w_dec=y_w-noise_w_com;for j=1:length(y_w_dec)if y_w_dec(j)<0y_w_dec(j)=0;%利用相位譜y_fft_angle恢復(fù)減譜后的頻域信號(hào)y_fft_newfor j=1:N for k=1:floor(length(y)/(N/2)-1 y_percent(j,k)=abs(y_fft(j,k)/y_w(k); endendfor k=1:length(y_w_dec) for j=1:N y_fft_new(j,k)=y_w_dec(k)*y_percent(j,k)*ex

45、p(i*y_fft_angle(j,k);y_new_fram=real(ifft(y_fft_new);%根據(jù)信號(hào)幀y_new_fram恢復(fù)語(yǔ)音信號(hào)y_newh=1;for j=1:N/2 y_new(h)=y_new_fram(j,1); h=h+1;endfor j=2:floor(length(y)/(N/2)-1 for k=1:N/2 y_new(h)=y_new_fram(k,j)+y_new_fram(k+N/2,j-1); h=h+1;%對(duì)語(yǔ)音信號(hào)y_new做去加重,得到減譜完畢的語(yǔ)音信號(hào)x_newfor j=1:length(y_new)-1x_new(j)=y_new(j

46、)+beta*y_new(j+1);endx_new(length(y_new)=y_new(length(y_new);wavwrite(x,8000,'noised');wavwrite(x_new,8000,'enhanced');%產(chǎn)生帶通濾波器function db,mag,pha,grd,w=bandpass(Wp,Ws,Ap,As,Length)N,wn=buttord(Wp/pi,Ws/pi,Ap,As);b,a=butter(N,wn,'bandpass');H,w=freqz(b,a,Length);mag=abs(H);db

47、=20*log10(mag/max(mag);pha=angle(H);grd=grpdelay(b,a,w);%plot(w/pi,mag);所得仿真圖如圖4-8、圖4-9和圖4-10：圖4-8 純凈語(yǔ)音信號(hào)時(shí)域波形圖4-9 帶噪語(yǔ)音信號(hào)時(shí)域波形圖4-10 增強(qiáng)后語(yǔ)音信時(shí)域波形結(jié) 論 本文主要是研究語(yǔ)音信號(hào)的降噪處理。并且這次設(shè)計(jì)中主要通過(guò)用MATLAB軟件分析，得到語(yǔ)音信號(hào)的時(shí)域波形和頻域圖形，為后面語(yǔ)音信號(hào)處理提供原始信號(hào)。對(duì)信號(hào)進(jìn)行濾波處理，需要設(shè)計(jì)濾波器。本文中設(shè)計(jì)和用到的濾波器是巴特沃斯低通濾波器。對(duì)于濾波器的設(shè)計(jì)，已經(jīng)有很成熟的技術(shù)。所以本次濾波器設(shè)計(jì)直接借鑒現(xiàn)有的設(shè)計(jì)技術(shù)。為使

48、降噪處理結(jié)果更明顯，我在處理前對(duì)語(yǔ)音信號(hào)進(jìn)行加噪處理，再對(duì)其進(jìn)行濾波。需要指出的是，所加單頻噪聲應(yīng)高于語(yǔ)音信號(hào)的最高頻率，噪聲頻率越高，在設(shè)計(jì)濾波器時(shí)的指標(biāo)就可越寬松，使噪聲更容易被濾除。在對(duì)濾波處理后的語(yǔ)音進(jìn)行回放時(shí)，發(fā)現(xiàn)它和未加噪的語(yǔ)音還是有些不同，這是因?yàn)樵肼曃赐耆珵V除的緣故。在濾波處理時(shí)，噪聲估計(jì)直接由含噪語(yǔ)音信號(hào)的頻域圖形估計(jì)，略顯主觀。尤其當(dāng)噪聲為非單一頻譜噪聲時(shí)，這種估計(jì)更加不精確，會(huì)嚴(yán)重影響濾波器設(shè)計(jì)時(shí)的參數(shù)設(shè)置，使降噪效果不佳。在文中提出的改進(jìn)型語(yǔ)音降噪技術(shù)，采用語(yǔ)音活性檢測(cè)的噪聲估計(jì)算法，更為客觀的估計(jì)了噪聲的頻率，保證了語(yǔ)音信號(hào)處理系統(tǒng)的良好性能。整個(gè)設(shè)計(jì)之中主要用到的是

49、MATLAB軟件，該軟件功能強(qiáng)大。就但對(duì)語(yǔ)音信號(hào)處理這一塊來(lái)說(shuō)，就有專(zhuān)門(mén)的工具箱進(jìn)行處理。為我們的學(xué)習(xí)提供了方便。也激勵(lì)我需要用更多的時(shí)間去學(xué)習(xí)和思考。參考文獻(xiàn)1 胡航 .語(yǔ)音信號(hào)處理 M.哈爾濱工業(yè)大學(xué)出版社.2002.2月.2 張寶鋒. 基于DSP的語(yǔ)音識(shí)別算法研究與實(shí)現(xiàn) J.電子設(shè)計(jì).2011.3 徐明遠(yuǎn) 邵玉斌.MATLAB仿真在通信與電子工程中的應(yīng)用 M.西安電子科技大學(xué)出版社.2005.4 羅軍輝 羅勇江 白義臣等.MATLAB 7.0在數(shù)字信號(hào)處理中的應(yīng)用 M.機(jī)械工業(yè)出版社.2005.5 徐鍵.無(wú)線(xiàn)通信中的聲信號(hào)處理及其DSP實(shí)現(xiàn) J.信號(hào)處理.2000.6 李金寶.抗噪聲語(yǔ)音

50、識(shí)別的前端處理算法研究 J.計(jì)算機(jī)應(yīng)用.2007.7 李海忠 楊艷翔 王娟等.基于改進(jìn)譜減法的語(yǔ)音增強(qiáng)J.電子設(shè)計(jì).2010.4.8 丁玉美.數(shù)字信號(hào)處理M.西安電子科技大學(xué)出版社，20069 周淵.基于MATLAB的噪聲信號(hào)采集和分析系統(tǒng)的設(shè)計(jì)J. 清華大學(xué)出版社.2004.10 徐靖濤 王金根.基于MATLAB語(yǔ)音信號(hào)的分析和處理 J.科學(xué)應(yīng)用.2008.2.11 馮巖 唐普英.基于MATLAB的語(yǔ)音增強(qiáng)系統(tǒng)的設(shè)計(jì) J.通信技術(shù).2010.5.12 (美)奧本海默.信號(hào)與系統(tǒng) M.西安電子科技大學(xué)出版社.第二版 1997.13 Donoho D L. De-noising by Soft-threshold