基于matlab的語音信號濾波處理——數字信號處理課程設計-資料下載頁

　　

【正文】 .2三、課程設計平臺.............................3四、設計原理與計算方法.......................3 ..............................3 采樣定理..............................3五、設計內容.................................4 ....4 ..............4 ......................6 語音信號和噪聲信號相加...........8 ........................9 ...................11 ...............12 六：總結....................................14語音信號處理一、設計目的學會MATLAB的使用，掌握MATLAB程序設計方法；掌握在Windows環境下語言信號采集的方法；掌握數字信號處理的基本概念、基本理論和基本方法；掌握MATLAB設計IIR數字濾波器的方法；學會用MATLAB對信號進行分析和處理；二、設計要求及任務 語音信號的采集本設計利用計算機Windows下的錄音機錄入一句語音信號，然后在Matlab軟件平臺下，利用函數waveread對語音信號進行采樣，記住采樣頻率和采樣點數。 語音信號的頻譜分析；在Matlab中，可以利用函數FFT對信號進行快速傅里葉變換，得到信號的頻譜特性，然后加入一干擾信號，要求畫出語音信號干擾前后的時域波形，并對其頻譜進行分析。設計數字濾波器，給出性能指標（參考指標）；（1）低通濾波器的性能指標：fp=1000Hz,fs=1200Hz,As=100dB,Ap=1dB（2）高通濾波器的性能指標：fs=4800Hz,fp=5000Hz,As=100dB,Ap=1dB（3）帶通濾波器的性能指標：fp1=1200Hz,fp2=3000Hz,fs1=1000Hz, fps2=3200Hz,As=100dB,Ap=1dB；采用雙線性變換法設計上面一種類型的數字濾波器，要求使用切比雪夫II型濾波器。用濾波器對信號進行濾波語音信號處理畫出濾波后信號的時域波形及頻譜，并對濾波前后的信號進行對比，分析信號的變化。回放語音信號，分析濾波前后的語音變化。在熟悉數字信號處理課程理論的基礎上，通過MATLAB仿真實現語音信號的采集與處理，進一步加深對數字信號處理理論和技術的掌握。三、課程設計平臺計算機、四、設計原理與計算方法卷積和乘積運算在頻域和時域是一一對應的，兩個信號在時域的卷積可以轉化為求兩者在頻域的乘積后再反變換，同理在頻域的卷積等時域的乘積。而信號的頻域求解有快速傅里葉FFT算法。卷積與傅里葉變換有著密切的關系。利用這一點性質，即兩函數的傅里葉變換的乘積等于它們卷積后的傅里葉變換，能使傅里葉分析中許多問題的處理得到簡化。由卷積得到的函數f*g 一般要比f 和g 都光滑。特別當g 為具有緊支集的光滑函數，f 為局部可積時，它們的卷積f * g 也是光滑函數。利用這一性質，對于任意的可積函數f，都可以簡單地構造出一列逼近于f 的光滑函數列，這種方法稱為函數的光滑化或正則化。卷積的概念還可以推廣到數列、測度以及廣義函數上去。 采樣定理采樣定理，又稱香農采樣定理，奈奎斯特采樣定理，是信息論，特別是通訊與信號處理學科中的一個重要基本結論。(1915年發表的統計理論), 3語音信號處理克勞德香農與Harry Nyquist都對它作出了重要貢獻。另外。采樣是將一個信號（即時間或空間上的連續函數）轉換成一個數值序列（即時間或空間上的離散函數）。采樣定理指出，如果信號是帶限的，并且采樣頻率高于信號帶寬的兩倍，那么，原來的連續信號可以從采樣樣本中完全重建出來。帶限信號變換的快慢受到它的最高頻率分量的限制，也就是說它的離散時刻采樣表現信號細節的能力是有限的。采樣定理是指，如果信號帶寬不到采樣頻率的一半（即奈奎斯特頻率），那么此時這些離散的采樣點能夠完全表示原信號。高于或處于奈奎斯特頻率的頻率分量會導致混疊現象。大多數應用都要求避免混疊，混疊問題的嚴重程度與這些混疊頻率分量的相對強度有關。五、設計內容用電腦所帶的錄音工具錄制一段錄音，并將聲音保存，因為錄入的聲音不是wav格式，因此用格式工廠軟件將其進行轉換位wav格式。利用Matlab對語音信號進行FFT分析，并畫出源語音信號的時域波形和頻域波形。實驗代碼：[x,fs]=wavread(39。39。)。%利用wavread函數對語音信號進行提取 figure(1)subplot(2,1,1)。N=length(x)。T=1/fs。t=0:T:(N1)*T。%時間間隔plot(t,x)%以時間為橫軸，x為縱軸畫圖 title(39。原語音信號時域分析39。)%圖形命名 xlabel(39。t(s)39。)ylabel(39。x39。)以上為時域分析，接下來為頻域分析語音信號處理f=(0:N1)*fs/N。X=fft(x)。subplot(2,1,2)plot(f,abs(X))axis([0 25000 0 60])。title(39。原語音信號頻域分析39。)xlabel(39。f(Hz)39。)ylabel(39。X39。)語音信號圖形：語音信號處理在此選擇余弦函數作為噪聲信號，因為正弦和余弦函數的頻域為兩條豎直的線，便于濾波實驗代碼：y=*sin(50000*t)。y1=[y39。 y39。]。%對噪音信號進行轉換，便于信號相加（見下圖有說明）Y=fft(y)。figure(2)subplot(2,1,1)plot(t,y)title(39。干擾信號時域波形39。)xlabel(39。t(s)39。)ylabel(39。y=*sin(50000*t)39。)Y=fft(y)。subplot(2,1,2)plot(f,abs(Y))axis([0 25000 0 60])。%取在語音信號范圍內的噪聲信號 title(39。干擾信號頻域波形39。)xlabel(39。f(Hz)39。)ylabel(39。Y39。)語音信號處理通過圖中劃線的部分可以看出，通過y1=[y39。 y39。]此句可以將x和y這兩個變量類型統一，以便噪聲與語音信號的相加語音信號處理噪聲信號圖形： 語音信號和噪聲信號相加實驗代碼：x1=wavread(39。39。)。x2=x1+y1。figure(3)subplot(2,1,1)plot(t,x2)title(39。加入噪聲信號時域波形39。)xlabel(39。t(s)39。)ylabel(39。x39。)X2=fft(x2)。subplot(2,1,2)plot(f,abs(X2))axis([0 25000 0 60])。title(39。加入噪聲信號頻域波形39。)語音信號處理xlabel(39。f(Hz)39。)ylabel(39。Y39。)兩信號相加圖形：fp1=*10^4。fp2=4*10^4。fs1=*10^4。fs2=*10^4。Rp=1。As=100。Fs=80000。wp11=2*pi*fp1/Fs。wp22=2*pi*fp2/Fs。ws11=2*pi*fs1/Fs。語音信號處理ws22=2*pi*fs2/Fs。OmegaP11=2*Fs*tan(wp11/2)。OmegaP22=2*Fs*tan(wp22/2)。OmegaS11=2*Fs*tan(ws11/2)。OmegaS22=2*Fs*tan(ws22/2)。OmegaP=[OmegaP11,OmegaP22]。OmegaS=[OmegaS11,OmegaS22]。%預畸變化[N,OmegaC]=cheb2ord(OmegaP,OmegaS,Rp,As,39。s39。)。[b,a]=cheby2(N,As,OmegaS,39。stop39。,39。s39。)。[bz,az]=bilinear(b,a,Fs)。%AD轉換 [H,w]=freqz(bz,az)。db=20*log10(abs(H))。figure(4)plot(w/pi,db)title(39。帶阻濾波器39。)xlabel(39。w/pi39。)ylabel(39。Db39。)濾波器圖形：語音信號處理實驗代碼：H=filter(bz,az,x2)。figure(5)subplot(211)plot(t,H)title(39。濾波后時域39。)xlabel(39。t(s)39。)ylabel(39。x39。)subplot(212)H1=fft(H)。plot(f,abs(H1))。axis([0 25000 0 60])。title(39。濾波后頻域39。)xlabel(39。f(Hz)39。)語音信號處理ylabel(39。Y39。)濾波后圖形：對比原圖源信號已經被濾出來了 前三步和上面帶阻濾波器一樣便不再重復敘述，從低通濾波器的設計開始 低通濾波器實驗代碼： fp1=*10^4。fs1=*10^4。Rp=1。As=100。Fs=30000。wp11=2*pi*fp1/Fs。ws11=2*pi*fs1/Fs。OmegaP=2*Fs*tan(wp11/2)。OmegaS=2*Fs*tan(ws11/2)。%頻率預畸語音信號處理[N,OmegaC]=cheb2ord(OmegaP,OmegaS,Rp,As,39。s39。)。%為了得到N C [z0,p0,k0]=Cheb2ap(N,As)。%歸一化原型低通濾波器零極點 a0=real(poly(p0))。b0=k0*real(poly(z0))。[b,a]=lp2lp(b0,a0,OmegaC)。%將歸一化原型低通轉換成低通濾波器[bz,az]=bilinear(b,a,Fs)。%雙線性變換AF到DF [H,w]=freqz(bz,az)。db=20*log10(abs(H))。figure(4)plot(w/pi,db)title(39。低通濾波器39。)xlabel(39。w/pi39。)ylabel(39。Db39。)此處設計低通濾波器時與上面方法不同，此處先求出了歸一化原型低通濾波器，在利用歸一化原型低通濾波器轉換成低通濾波器 低通濾波器圖形：語音信號處理濾波后圖形：從圖中可以看出，利用低通濾波器也還原出了源語音信號，并且比帶阻的效果稍好一點六、總結這次課程設計雖然遇到了很多問題，很多困難，但是也學到了很多東西。不僅學到了書本上的東西，而且學到了很多課本上沒有的東西，很多程序里的東西，特別是程序語法，總是有錯誤，但是總是不知道錯在哪里，在細心的檢查下，終于找出了錯誤和警告，排除困難后，程序編譯就通過了，心里終于舒了一口氣。還有各種各樣問題，通過查網絡和請教同學來弄明白，這個過程是痛苦的，有時候有些問題不能馬上解決，感到很頭痛，真想放棄這個問題，但是堅持下來，并且解決這些問題的時候，真的有種苦盡甘來的感覺。應用MATLAB進行語音信號的處理是與我們所學課程及專業緊密相連的，有著很強的實踐性。做這個課程設計的時候，并不是非常的順利，我也有遇到很多困難。剛開始，我用自己的mp3錄制的一個音頻文件做語音信號處理，程序始終現實如下錯誤提示：語音信號處理??? Error using == wavread Error using == wavread Data pression format(IMA ADPCM)is not ，在網上也查閱相關信息，最后發現只有WAV格式的音頻信號才能被wavread函數識別，這只是其中的一個小困難，當然后來也出現了許多錯誤，不過在我們的精心調試下，代碼終于運行成功 通過這次設計，進一步加深了對數子信號處理的了解，讓我對它有了更加濃厚的興趣。通過這次課設使我懂得，平時的理論知識只有通過自己動手做一個課題，從做這個課題的過程中發現問題，解決問題，這個學習的過程，會比我們平時在課堂上聽到的知識更加的生動立體，更能讓人記憶深刻。總的來說，通過這次的課程設計我對語音信號有了全面的認識，對數字信號處理又有了深刻的理解，讓我們感受到只有在充分理解課本知識的前提下，才更更好的應用這個工具。同時我相信，matlab會對我以后的學習中起到更大的幫助參考文獻[1] 高西全、丁玉美編著，數字信號處理。西安：西安電子科技大學出版社，2008.[2]丁玉美、高西全編著，數字信號處理學習指導。西安：西安電子科技大學出版社，2001.[3]鄭君里等編，信號與系統。北京：高等教育出版社，2000.[4]劉樹棠譯，數字信號處理——使用MATLAB。西安：西安交通大學出版社，2002.[5]導向科技編著，MATLAB程序設計與實例應用。北京：中國鐵道出版社，2001.[6]羅軍輝等編著。北京：機械工程出版社，2005.[7]陳懷琛等編著，MATLAB及在電子信息課中的應用。北京：電子工業出版社，2002.[8]胡廣書編組，數字信號處理——理論、算法與實現。北京：清華大學出版社，2002.[9]梁虹等編，信號與線性系統分析——機遇MATLAB的方法與實現。北京：高等教育出版社，[10]劉衛國主編，MATLAB程序設計與應用（第二版）。北京：高等教育出版社，2006.