基于FIR的有噪声语音信号处理课程设计论文

1 课程设计的主要目的和内容及要求

课程设计目的：

1. 通过本次课程设计，综合运用数字信号处理技术课程和其他有关先修课程的理论和生产实际知识去分析和解决具体问题，并使所学知识得到进一步巩固、深化和发展。

2. 初步培养学生对工程设计的独立工作能力，学习设计的一般方法。

3. 通过课程设计树立正确的设计思想，提高学生分析问题、解决问题的能力。

4. 进行设计基本技能的训练，如查阅设计资料和手册、程序的设计、调试等。

本课题设计内容：

1. 利用Windows下的录音机或其他软件，选择Windows系统的“叮······”（ding.wav），并对该信号进行采样；

2. 语音信号的频谱分析，画出采样后语音信号的时域波形和频谱图；

3. 产生噪声信号并加到语音信号中，得到被污染的语音信号，并回放语音信号；

4. 污染信号的频谱分析，画出被污染的语音信号时域波形和频谱；

5. 根据有关的频谱特性，采用Kaiser窗设计FIR数字低通，高通，带通，带阻滤波器并画出4种滤波器的幅频、相频图；

6. 用自己设计的4种滤波器分别对被不同噪声污染的信号进行滤波；

7. 分析得到信号的频谱，画出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比，分析信号的变化；

8. 回放语音信号。

设计要求：

1. 熟悉离散信号和系统的时域特性。

2. 掌握数字信号处理的基本概念，基本理论和基本方法。

3. 掌握序列快速傅里叶变换方法。

4. 学会MA TLAB的使用，掌握MA TLAB的程序设计方法。

5. 掌握利用MA TLAB对语音信号进行频谱分析。

6. 掌握MA TLAB设计FIR数字滤波器的方法和对信号进行滤波的方法。

3 设计的详细原理

设计主要可分为原始信号部分，噪声信号部分，低通滤波部分，高通滤波部分，带阻滤波部分，带通滤波部分等六个部分。

3.1原始信号部分

本次使用的原始信号是windows系统的“叮······”（ding.wav）语音信号，可利用Windows下的录音机（wavread）或其他软件进行获取。利用sound函数进行试听。其中wavread的主要参数有采样频率（Fs），采样信号（x），采样位数（bits），本次设计中Fs＝10000，bits＝16从而可获得时间长为1s的语音信号x。sound函数调用格式为sound(x,Fs,bits) 。对x信号进行采样y=fft(x,m)，其中m=length(x)。最后利用plot 函数分别画出x信号的时域图和频域图subplot(211);plot(t,x);title('原始信号波形');xlabel('time(s)');subplot(212);plot(f,abs(y));title('原始信号频谱');xlabel('frequency(hz)');便可完成原始信号部分的设计。同时通过图像可观察x的特性，其频率在800Hz左右。

3.2噪声信号部分

本次课程设计中主要有四种噪声信号，它们分别是高频噪声信号noise1=0.01*sin(2*pi*6000*t) 低频噪声信号noise2=0.01*sin(2*pi*200*t) 带阻噪声信号noise3=0.01*sin(2*pi*4000*t)+0.01*sin(2*pi*5000*t) 带通噪声信号noise4=0.01*sin(2*pi*5000*t)+0.01*sin(2*pi*200*t) 。其中noise1为一个频率为5000Hz的高频信号可作为低通滤波中x的噪声输入得到X1信号，noise2为频率为200Hz 的低频信号可作为高通滤波中x的噪声输入得到X2信号，noise3为频率分别为4000Hz 和5000Hz的带阻信号可作为带阻滤波中x的噪声输入得到X3信号，noise4为频率分别为200Hz和5000Hz的带通信号可作为带通滤波中x的噪声输入得到X4信号。

3.3低通滤波部分

低通滤波部分可分两小部分：噪声部分和低通滤波器设计部分。

噪声部分

低通滤波的噪声信号为noise1，使X1=x+noise1'获得噪声污染后的信号X1，并利用sound回放信号X1与原始信号x进行比较。然后利用plot函数画X1的时域图和经采样后的频域图，与原信号时域图和频域图进行比较。

低通滤波器设计部分

所谓低通滤波器是当信号频率（w）大于通带边界频率（wp）时将无法通过此滤波器，而当w

频率ws1，3dB通带截止频率wc1。其中wp1＝2*pi*fp1/Fs，ws1＝2*pi*fs1/Fs（其中fp1，fs1为模拟频率）wc1＝(wp1+ws1)/2。本次设计中fp1＝2000，fs1＝3000。选定参数后利用b1=fir1(N,wc1,kaiser(N+1)) ，[hn1 w1]=freqz(b1,1,512)语句实现低通滤波器的设计，其中N为滤波器的阶数，本次设计中假定N=38。在通过x1get=filter(b1,1,X1); 语句进行对X1信号的滤波得到信号x1get，再利用Y1get=fft(x1get,m);语句进行x1get 的采样。同时运用subplot(323);plot(w1/pi,20*log10(abs(hn1)));title('低通滤波器幅频');xlabel('w'); subplot(324);plot(w1/pi,unwrap(angle(hn1)));title('低通滤波器相频');xlabel('w');语句绘出滤波器的幅频和相频图，并同时画出x1get的时域图和频域图与X1信号进行比较。

3.4高通滤波部分

高通滤波部分可分两小部分：噪声部分和高通滤波器设计部分。

噪声部分

高通滤波的噪声信号为noise2，使X2=x+noise1'获得噪声污染后的信号X2，并利用sound回放信号X2与原始信号x进行比较。然后利用plot函数画X2的时域图和经采样后的频域图，与原信号时域图和频域图进行比较。

高通滤波器设计部分

所谓高通滤波器是当信号频率（w）小于通带边界频率（wp）时将无法通过此滤波器，而当w>wp时信号便可通过。高通滤波器设计的主要参数有通带边界频率wp2，阻带截止频率ws2，3dB通带截止频率wc2。其中wp2＝2*pi*fp2/Fs，ws2＝2*pi*fs2/Fs（其中fp2，fs2为模拟频率）wc2＝(wp2+ws2)/2。本次设计中fp2＝500，fs2＝300。选定参数后利用b2=fir1(N,wc2,'high',kaiser(N+1)) ，[hn2 w2]=freqz(b2,1,512)语句实现低通滤波器的设计,其中N为滤波器的阶数，本次设计中假定N=38。在通过x2get=filter(b2,1,X2); 语句进行对X2信号的滤波得到信号x2get，再利用Y2get=fft(x2get,m);语句进行x2get的采样。同时运用subplot(323);plot(w2/pi,20*log10(abs(hn2)));title('高通滤波器幅频');xlabel('w');subplot(324);plot(w2/pi,unwrap(angle(hn2)));title('高通滤波器相频');xlabel('w');语句绘出滤波器的幅频和相频图，并同时画出x2get的时域图和频域图与X2信号进行比较。

3.5带阻滤波部分

带阻滤波部分可分两小部分：噪声部分和带阻滤波器设计部分。

噪声部分

带阻滤波的噪声信号为noise3，使X3=x+noise3'获得噪声污染后的信号X3，并利用sound回放信号X3与原始信号x进行比较。然后利用plot函数画X3的时域图和经采样后的频域图，与原信号时域图和频域图进行比较。

带阻滤波器设计部分

所谓带阻滤波器是当信号频率（w）大于通带边界频率（wpl）小于通带边界频率（wph）时将无法通过此滤波器，而当w>wph或w

3.6带通滤波部分

带通滤波部分可分两小部分：噪声部分和带通滤波器设计部分。

噪声部分

带通滤波的噪声信号为noise4，使X4=x+noise4'获得噪声污染后的信号X4，并利用sound回放信号X4与原始信号x进行比较。然后利用plot函数画X4的时域图和经采样后的频域图，与原信号时域图和频域图进行比较。

带通滤波器设计部分

所谓带通滤波器是当信号频率（w）小于通带边界频率（wpl）大于通带边界频率（wph）时将无法通过此滤波器，而当wpl

wp4=[2*fpl4/Fs 2*fph4/Fs];ws4=[2*fsl4/Fs 2*fsh4/Fs];（其中fp4，fs4为模拟频率）wc4＝(wp4+ws4)/2。本次设计中fpl4＝500，fph4＝2000，fsl4＝700，fsh4＝1800。选定参数后利用b4=fir1(N,wc4,kaiser(N+1))，[hn4 wp4]=freqz(b4,1,512)语句实现低通滤波器的设计,其中N为滤波器的阶数，本次设计中假定N=38。在通过x4get=filter(b4,1,X4); 语句进行对X4信号的滤波得到信号x4get，再利用Y4get=fft(x4get,m);语句进行x4get的采样。同时运用subplot(323);plot(wp4/pi,20*log10(abs(hn4)));title('带通滤波器幅频');xlabel('w');subplot(324);plot(wp4/pi,unwrap(angle(hn4)));title('带通滤波器相频');xlabel('w');语句绘出滤波器的幅频和相频图，并同时画出x4get的时域图和频域图与X4信号进行比较。

4 设计的步骤和过程

本次课程设计的步骤为原始信号部分——噪声信号部分——低通滤波部分——高通滤波部分——带阻滤波部分——带通滤波部分——完成设计并运行

4.1原始信号部分的设计

程序如下：

clf;

%原始音频抽样

Fs=10000;

bits=16;

T=1;ts=1/Fs;

N=38;

[x,Fs,bits]=wavread('ding.wav'); %利用Windows下的录音机，录制一段自己的语音信号，时间为1s

x=x(:,1);

m=length(x);

sound(x,Fs,bits);

y=fft(x,m); %对录制的信号进行傅立叶变换

f=(Fs/m)*[1:m];

t=[1:m]/Fs;

subplot(211);plot(t,x);title('原始信号波形');xlabel('time(s)');

subplot(212);plot(f,abs(y));title('原始信号频谱');xlabel('frequency(hz)');

4.2噪声信号部分的设计

程序如下：

%噪声信号

noise1=0.01*sin(2*pi*5000*t); %高频噪声

noise2=0.01*sin(2*pi*200*t); %低频噪声

noise3=0.01*sin(2*pi*4000*t)+0.01*sin(2*pi*5000*t); %带阻噪声

noise4=0.01*sin(2*pi*5000*t)+0.01*sin(2*pi*200*t); %带通噪声

4.3低通滤波部分的设计

程序如下：

% 低通滤波

fp1=2000;

fs1=3000;

wp1=2*pi*fp1/Fs;

ws1=2*pi*fs1/Fs;

X1=x+noise1';%加了高频噪声的信号

sound(X1,Fs,bits);%回放噪声信号

Y11=fft(X1,m);%对加了高频噪声的信号进行傅立叶变换

figure;

subplot(321);plot(t,X1);title('加了高频噪声的信号时域图');xlabel('time(s)');

subplot(322);plot(f,abs(Y11));title('加了高频噪声的信号频谱图');xlabel('frequency(hz)');

wc1=(wp1+ws1)/2;

b1=fir1(N,wc1,kaiser(N+1));%调用kaiser计算低通FIRDF的b1（n）

[hn1 w1]=freqz(b1,1,512);

subplot(323);plot(w1/pi,20*log10(abs(hn1)));title('低通滤波器幅频');xlabel('w');

subplot(324);plot(w1/pi,unwrap(angle(hn1)));title('低通滤波器相频');xlabel('w');

x1get=filter(b1,1,X1);

Y1get=fft(x1get,m);

sound(x1get,Fs,bits);

subplot(325);plot(t,x1get);title('加了高频噪声的信号滤波后时域图');xlabel('time(s)');

subplot(326);plot(f,abs(Y1get));title('加了高频噪声的信号滤波后频谱图');xlabel('frequency(hz)');

4.4高通滤波部分的设计

程序如下：

%高通滤波

fp2=500;

fs2=300;

wp2=2*fp2/Fs;

ws2=2*fs2/Fs;

X2=x+noise2';%加了低频噪声的信号

sound(X2,Fs,bits);%回放噪声信号

Y21=fft(X2,m);%对加了低频噪声的信号进行傅立叶变换

figure;

subplot(321);plot(t,X2);title('加了低频噪声的信号时域图');xlabel('time(s)');

subplot(322);plot(f,abs(Y21));title('加了低频噪声的信号频谱图');xlabel('frequency(hz)');

wc2=(wp2+ws2)/2;

b2=fir1(N,wc2,'high',kaiser(N+1));%调用kaiser计算高通FIRDF的b2（n）

[hn2 w2]=freqz(b2,1,512);

subplot(323);plot(w2/pi,20*log10(abs(hn2)));title('高通滤波器幅频');xlabel('w');

subplot(324);plot(w2/pi,unwrap(angle(hn2)));title('高通滤波器相频');xlabel('w');

x2get=filter(b2,1,X2);

Y2get=fft(x2get,m);

sound(x2get,Fs,bits);

subplot(325);plot(t,x2get);title('加了低频噪声的信号滤波后时域图');xlabel('time(s)');

subplot(326);plot(f,abs(Y2get));title('加了低频噪声的信号滤波后频谱图');xlabel('frequency(hz)');

4.5带阻滤波部分的设计

程序如下：

%带阻滤波

fpl3=2000;

fph3=8000;

fsl3=3000;

fsh3=7000;

wp3=[2*fpl3/Fs 2*fph3/Fs];

ws3=[2*fsl3/Fs 2*fsh3/Fs];

X3=x+noise3';%加了带阻噪声的信号

sound(X3,Fs,bits);%回放噪声信号

Y31=fft(X3,m);%对加了带阻噪声的信号进行傅立叶变换

figure;

subplot(321);plot(t,X3);title('加了带阻噪声的信号时域图');xlabel('time(s)');

subplot(322);plot(f,abs(Y31));title('加了带阻噪声的信号频谱图');xlabel('frequency(hz)');

wc3=(wp3+ws3)/2;

b3=fir1(N,wc3,'stop',kaiser(N+1));%调用kaiser计算带阻FIRDF的b3（n）

[hn3 wp3]=freqz(b3,1,512);

subplot(323);plot(w2/pi,20*log10(abs(hn3)));title('带阻滤波器幅频');xlabel('w');

subplot(324);plot(w2/pi,unwrap(angle(hn3)));title('带阻滤波器相频');xlabel('w');

x3get=filter(b3,1,X3);

Y3get=fft(x3get,m);

sound(x3get,Fs,bits);

subplot(325);plot(t,x3get);title('加了带阻噪声的信号滤波后时域图');xlabel('time(s)');

subplot(326);plot(f,abs(Y3get));title('加了带阻噪声的信号滤波后频谱图');xlabel('frequency(hz)');

4.6带通滤波部分的设计

程序如下：

%带通滤波

fpl4=500;

fph4=2000;

fsl4=700;

fsh4=1800;

wp4=[2*fpl4/Fs 2*fph4/Fs];

ws4=[2*fsl4/Fs 2*fsh4/Fs];

X4=x+noise4';%加了带通噪声的信号

sound(X4,Fs,bits);%回放噪声信号

Y41=fft(X4,m);%对加了带通噪声的信号进行傅立叶变换

figure;

subplot(321);plot(t,X4);title('加了带通噪声的信号时域图');xlabel('time(s)');

subplot(322);plot(f,abs(Y41));title('加了带通噪声的信号频谱图');xlabel('frequency(hz)');

wc4=(wp4+ws4)/2;

b4=fir1(N,wc4,kaiser(N+1));%调用kaiser计算带通FIRDF的b4（n）

[hn4 wp4]=freqz(b4,1,512);

subplot(323);plot(wp4/pi,20*log10(abs(hn4)));title('带通滤波器幅频');xlabel('w');

subplot(324);plot(wp4/pi,unwrap(angle(hn4)));title('带通滤波器相频');xlabel('w');

x4get=filter(b4,1,X3);

Y4get=fft(x4get,m);

sound(x4get,Fs,bits);

subplot(325);plot(t,x4get);title('加了带通噪声的信号滤波后时域图');xlabel('time(s)');

subplot(326);plot(f,abs(Y4get));title('加了带通噪声的信号滤波后频谱图');xlabel('frequency(hz)');

至此，设计的六个主体部分都基本完成，可完成数字滤波器设计，也完成X1、X2、X3、X4四个有噪声语音信号的滤波过程。

5设计程序的调试及运行结果

5.1设计程序调试

运行程序，观察滤波后的信号频谱中的噪声成分是否去除。若滤波后信号频谱中的噪声成分没有去除干净，则观察程序进行调试，调试后再观察，直至噪声成分完全去除；若滤波后信号频谱中的噪声成分已经去除干净，则记录运行结果并进行结果分析。

5.2程序运行结果

00.10.20.30.4

0.50.60.70.80.91

-0.2

-0.1

0.1

0.2

原始信号波形

time(s)

0.5

1

1.5

2

2.5x 10

4

0100200300400500

600原始信号频谱

frequency(hz)

图1.原始信号的时域图与频域图

由上图观察可知原始信号的频率为800hz 左右，同时又由于周期性的原因，图上才有两个频率成分。

0.2

0.40.60.8

1

-0.2

-0.100.1

0.2加了高频噪声的信号时域图time(s)00.5

1 1.5

2 2.5x 10

4

0200400

600加了高频噪声的信号频谱图

frequency(hz)0

0.2

0.4

0.6

0.8

1

-100

-500

50低通滤波器幅频

w

0.20.40.60.81

-20-15

-10-5

0低通滤波器相频

w

0.2

0.40.60.8

1

-0.2

-0.100.1

0.2加了高频噪声的信号滤波后时域图time(s)

00.5

1 1.5

2 2.5x 10

4

200400

600加了高频噪声的信号滤波后频谱图frequency(hz)

图2.低通滤波部分运行结果图

由噪声信号和滤波后的信号的时域图和频谱图可看出噪声信号中的噪声成分已成功的去除，因而设计成功由滤波器的幅频和相频图可看出滤波器的设计也符合要求。

0.2

0.40.60.8

1

-0.2-0.100.1

0.2加了低频噪声的信号时域图time(s)00.5

1 1.5

2 2.5x 10

4

0200400

600加了低频噪声的信号频谱图

frequency(hz)0

0.2

0.4

0.6

0.8

1

-60-40-200

20高通滤波器幅频

w

0.20.40.60.81

-60-40-200

20高通滤波器相频

w

0.2

0.40.60.8

1

-0.2-0.100.1

0.2加了低频噪声的信号滤波后时域图time(s)

00.5

1 1.5

2 2.5x 10

4

200400

600加了低频噪声的信号滤波后频谱图frequency(hz)

图3.高通滤波部分运行结果图

由噪声信号和滤波后的信号的时域图和频谱图可看出噪声信号中的噪声成分已成功的去除，因而设计成功由滤波器的幅频和相频图可看出滤波器的设计也符合要求。

0.2

0.40.60.8

1

-0.2-0.100.1

0.2加了带阻噪声的信号时域图time(s)

00.5

1 1.5

2 2.5x 10

4

加了带阻噪声的信号频谱图

frequency(hz)

0.2

0.4

0.6

0.8

1

-100

-50050带阻滤波器幅频

w

0.20.40.60.81

带阻滤波器相频

w

0.2

0.40.60.8

1

-0.2

-0.100.10.2加了带阻噪声的信号滤波后时域图time(s)

00.5

1 1.5

2 2.5x 10

4

加了带阻噪声的信号滤波后频谱图frequency(hz)

图4.带阻滤波部分运行结果图

由噪声信号和滤波后的信号的时域图和频谱图可看出噪声信号中的噪声成分已成功的去除，因而设计成功由滤波器的幅频和相频图可看出滤波器的设计也符合要求。

0.2

0.40.60.8

1

-0.2-0.100.1

0.2加了带通噪声的信号时域图time(s)

00.5

1 1.5

2 2.5x 10

4

0200400

600加了带通噪声的信号频谱图

frequency(hz)

00.20.40.60.81-100

-50

带通滤波器幅频

w

00.20.40.60.81

-10

-5

5带通滤波器相频

w

0.2

0.40.60.8

1

-0.2-0.100.1

0.2加了带通噪声的信号滤波后时域图time(s)

0.5

1 1.52

2.5x 10

4

010*******

400加了带通噪声的信号滤波后频谱图frequency(hz)

图5.带通部分运行结果图

由噪声信号和滤波后的信号的时域图和频谱图可看出噪声信号中的噪声成分已成功的去除，因而设计成功由滤波器的幅频和相频图可看出滤波器的设计也符合要求。

5 课程设计心得体会

时间过得很快，是一个说了上百回的句子，可再用上一千回，它还是对的。刚刚接到课程设计的任务，想着长达两周的时间，总以为时间有的是。只等到要交时原来自己还是蒙然未懂，一切的一切又是模糊不清。但在这过程中自己体会到了一些，一点乃至半点，这两周便是有收获。作课程设计已不是第一回了，有了经验但同时也让自己有些懒散。

本次设计的课题时数字滤波器的设计。从第一个周一的选题开始就有些不以为然，感觉做完了实验，对这些滤波器的了解应该比较深。因而也就随便选了一个课题，因为个人觉得所有的课题都差不多。选完题当然就是做了。拿出书，打开电脑，开启MATLAB，接着举手，到最后便无奈的放下手，设计的第一步就让自己感到棘手。原始信号的获得，老师说过可用windows系统下的录音机或软件，可是两个自己都没用过。察书，没有，自己借的书有的只是纯理论上的东西，与实际运用差了十万八千里，没办法最后用了一个最有效但一开始没想到的办法——上网。还真别说，有效啊，确实有效，查到了wavread 和sound两个成对的函数。心里想着，这网络被人说成是毒遍天下，是杀人无形的兵刃，但看来用好了倒也是个百科书林。

原始信号有了，自己也得了教训，便开始计划开来。自己选的课题是运用凯塞窗函数设计一个FIR数字滤波器。于是，翻书看完有关FIR滤波器的相关介绍，重点看了凯塞窗。然后查资料找出与本次设计有关的MATLAB知识。做完这些自然是开始设计，总体框架，具体步骤，都在脑袋瓜里转了几转。动工，这时才深刻体会到“纸上学来终觉浅，用到实际才叫真！”开始设计从噪声选取，到低通，高通，带阻，带通滤波器的设计，其中是错漏百出。当然，作为老手自然不会再去犯什么程序设计上的低级错误，主要还是对滤波器的认知不够深刻。有的只是照抄书本，最后是连自己都为自己所犯的错误惊愕不已。其中许多错误差点让自己从头来过，一度让自己有放弃的打算。最后还是坚持了下来，自己大叹不容易。

作完了，自己心里有些高兴。至于报告，自己还不是手到擒来。可是，到真正开始写报告才发觉，报告才是检验自己掌握程度的真正难关。报告是对理论的理解，这让刚

刚大叹理论的我又开始缩手缩脚。看来自己还是老毛病，理论基础不过关。搅尽脑子，搜肠刮肚，抓耳挠勺，终于让自己掌握的有限的理论知识化为了一篇报告。

设计结束了，自己也再次用到了时间过得很快的措辞。这回是真的感概，不再是少年不知愁滋味，作为一名大三的学生，另一个代名词便是“准大学毕业生”。一谈到毕业，以前总是报之一笑，然后诙谐的挥挥手，嘴里嘟哝“毕业，早着！”一步步的“早着”，毕业也就不早了。通过此次的课程设计让自己意识到自己已可以做些实际东西，有了基础，但是，自己的一系列的错误，一系列的踌躇也让自己清醒的认识到自己已无时间让自己去挥霍了。初浅的理论知识，不再适合今后的就业。作为专业课的数字信号处理的课程设计，是作为对自己专业能力检测的一个重要手段。认真，细心，专业，理论知识，实际应用这些说了无数遍的名词，真真切切的让自己在这次设计中体会到了。

设计的时间过了，但它带来的影响我想是不灭的！要有一个良好的就业前景。拥有扎实的理论知识，认真细致的处事态度，随机应变的实际应用方法，不拘一格的思路都将使得自己能有好的未来。

参考资料

[1] 高西全,丁玉美,阔永红.数字信号处理---原理、实现及应用.[M].北京:电子工业出版社,2006

[2] 张延华,姚林泉,郭玮.数字信号处理---基础与应用. [M].北京:机械工业出版社,2005

[3] 王宏. MATLAB6.5及其在信号处理中的应用.[M]. 北京:清华大学出版社,2004

附录

MATLAB程序：

clf;

%原始音频抽样

Fs=10000;

bits=16;

T=1;ts=1/Fs;

N=38;

[x,Fs,bits]=wavread('ding.wav'); %利用Windows下的录音机，录制一段自己的语音信号，时间为1s

x=x(:,1);

m=length(x);

sound(x,Fs,bits);

y=fft(x,m); %对录制的信号进行傅立叶变换

f=(Fs/m)*[1:m];

t=[1:m]/Fs;

figure;

subplot(211);plot(t,x);title('原始信号波形');xlabel('time(s)');

subplot(212);plot(f,abs(y));title('原始信号频谱');xlabel('frequency(hz)');

%噪声信号

noise1=0.01*sin(2*pi*6000*t); %高频噪声

noise2=0.01*sin(2*pi*200*t); %低频噪声

noise3=0.01*sin(2*pi*4000*t)+0.01*sin(2*pi*5000*t); %带阻噪声

noise4=0.01*sin(2*pi*5000*t)+0.01*sin(2*pi*200*t); %带通噪声

% 低通滤波

fp1=2000;

fs1=3000;

wp1=2*pi*fp1/Fs;

ws1=2*pi*fs1/Fs;

X1=x+noise1';%加了高频噪声的信号

sound(X1,Fs,bits);%回放噪声信号

Y11=fft(X1,m);%对加了高频噪声的信号进行傅立叶变换

figure;

subplot(321);plot(t,X1);title('加了高频噪声的信号时域图');xlabel('time(s)');

subplot(322);plot(f,abs(Y11));title('加了高频噪声的信号频谱图');xlabel('frequency(hz)');

wc1=(wp1+ws1)/2;

b1=fir1(N,wc1,kaiser(N+1));%调用kaiser计算低通FIRDF的b1（n）

[hn1 w1]=freqz(b1,1,512);

subplot(323);plot(w1/pi,20*log10(abs(hn1)));title('低通滤波器幅频');xlabel('w');

subplot(324);plot(w1/pi,unwrap(angle(hn1)));title('低通滤波器相频');xlabel('w');

x1get=filter(b1,1,X1);

Y1get=fft(x1get,m);

sound(x1get,Fs,bits);

subplot(325);plot(t,x1get);title('加了高频噪声的信号滤波后时域图');xlabel('time(s)');

subplot(326);plot(f,abs(Y1get));title('加了高频噪声的信号滤波后频谱图');xlabel('frequency(hz)');

%高通滤波

fp2=500;

fs2=300;

wp2=2*fp2/Fs;

ws2=2*fs2/Fs;

X2=x+noise2';%加了低频噪声的信号

sound(X2,Fs,bits);%回放噪声信号

滤波器语音信号去噪要点

******************* 实践教学 ******************* 兰州理工大学 计算机与通信学院 2013年春季学期 信号处理课程设计 题目：基于MATLAB的FIR滤波器语音信号去噪专业班级：通信工程（1）班 姓名：王兴栋 学号：10250114 指导教师：陈海燕 成绩：

摘要 语音信号在数字信号处理中占有极其重要的地位，因此选择通过对语音信号的研究来巩固和掌握数字信号处理的基本能力十分具有代表性。对数字信号处理离不开滤波器，因此滤波器的设计在信号处理中占有极其重要的地位。而MATLAB 软件工具箱提供了对各种数字滤波器的设计。本论文“在MATLAB平台上实现对语音信号的去噪研究与仿真”综合运用了数字信号处理的各种基本知识，进而对不带噪语音信号进行谱分析以及带噪语音信号进行谱分析和滤波处理。通过理论推导得出相应的结论，再通过利用MATLAB作为编程工具来进行计算机实现比价已验证推导出来的结论。在设计过程中，通过设计FIR数字滤波器和IIR数字滤波器来完成滤波处理。在设计过程中，运用了MATLAB对整个设计中的图形的绘制和一些数据的计算以及仿真。 关键字滤波器；MATLAB；仿真；滤波

前言 语音是语言的声学表现，是人类交流信息最自然、最有效、最方便的手段。随着社会文化的进步和科学技术的发展，人类开始进入了信息化时代，用现代手段研究语音处理技术，使人们能更加有效地产生、传输、存储、和获取语音信息，这对于促进社会的发展具有十分重要的意义，因此，语音信号处理正越来越受到人们的关注和广泛的研究。 语音信号是信息技术处理中最重要的一门科学，是人类社会几步的标志。那么什么是语音？语音是人类特有的功能，也是人类获取外界信息的重要工具，也是人与人交流必不可少的重要手段。那么什么又是信号？那信号是什么呢？信号是传递信息的函数。离散时间信号——序列——可以用图形来表示。 语音信号处理是一门用研究数字信号处理研究信号的科学。它是一新兴的信息科学，同时又是综合多个学科领域的一门交叉科学。语音在我们的日常生活中随时可见，也随处可见，语音很大程度上可以影响我们的生活。所以研究语音信号无论是在科学领域上还是日常生活中都有其广泛而重要的意义。 本论文主要介绍的是的语音信号的简单处理。本论文针对以上问题，运用数字信号学基本原理实现语音信号的处理，在matlab7.0环境下综合运用信号提取，幅频变换以及傅里叶变换、滤波等技术来进行语音信号处理。我所做的工作就是在matlab7.0软件上编写一个处理语音信号的程序，能对语音信号进行采集，并对其进行各种处理，达到简单语音信号处理的目的。 对语音信号的研究，本论文采用了设计两种滤波器的基本研究方法来达到研究语音信号去噪的目的，最终结合图像以及对语音信号的回放，通过对比，得出结论。

语音信号处理与及其MATLAB实现分析

目录 摘要 (2) 第一章绪论 (3) 1.1 语音课设的意义 (3) 1.2 语音课设的目的与要求 (3) 1.3 语音课设的基本步骤 (3) 第二章设计方案论证 (5) 2.1 设计理论依据 (5) 2.1.1 采样定理 (5) 2.1.2 采样频率 (5) 2.1.3 采样位数与采样频率 (5) 2.2 语音信号的分析及处理方法 (6) 2.2.1 语音的录入与打开 (6) 2.2.2 时域信号的FFT分析 (6) 2.2.3 数字滤波器设计原理 (7) 2.2.4 数字滤波器的设计步骤 (7) 2.2.5 IIR滤波器与FIR滤波器的性能比较 (7) 第三章图形用户界面设计 (8) 3.1 图形用户界面概念 (8) 3.2 图形用户界面设计 (8) 3.3 图形用户界面模块调试 (9) 3.3.1 语音信号的读入与打开 (9) 3.3.2 语音信号的定点分析 (9) 3.3.3 N阶高通滤波器 (11) 3.3.4 N阶低通滤波器 (12) 3.3.5 2N阶带通滤波器 (13) 3.3.6 2N阶带阻滤波器 (14) 3.4 图形用户界面制作 (15) 第四章总结 (18) 附录 (19) 参考文献 (24)

摘要 数字信号处理是将信号以数字方式表示并处理的理论和技术。数字信号处理与模拟信号处理是信号处理的子集。 数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。 数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP）和专用集成电路（ASIC）等。数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。 数字信号处理的核心算法是离散傅立叶变换(DFT)，是DFT使信号在数字域和频域都实现了离散化，从而可以用通用计算机处理离散信号。而使数字信号处理从理论走向实用的是快速傅立叶变换(FFT)，FFT的出现大大减少了DFT的运算量，使实时的数字信号处理成为可能、极大促进了该学科的发展。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple 并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。

语音信号处理实验指导书

语音信号处理实验指导书 实验一 语音信号采集与简单处理 一、 实验目的、要求 （1）掌握语音信号采集的方法 （2）掌握一种语音信号基音周期提取方法 （3）掌握短时过零率计算方法 （4）了解Matlab 的编程方法 二、 实验原理 基本概念： （a ）短时过零率： 短时内，信号跨越横轴的情况，对于连续信号，观察语音时域波形通过横轴的情况；对于离散信号，相邻的采样值具有不同的代数符号，也就是样点改变符号的次数。 对于语音信号，是宽带非平稳信号，应考察其短时平均过零率。 其中sgn[.]为符号函数 ?? ?? ?<=>=0 x(n)-1sgn(x(n))0 x(n)1sgn(x(n)) 短时平均过零的作用 1.区分清/浊音： 浊音平均过零率低，集中在低频端； 清音平均过零率高，集中在高频端。 2.从背景噪声中找出是否有语音，以及语音的起点。 （b ）基音周期 基音是发浊音时声带震动所引起的周期性，而基音周期是指声带震动频率的倒数。基音周期是语音信号的重要的参数之一，它描述语音激励源的一个重要特征，基音周期信息在多个领域有着广泛的应用，如语音识别、说话人识别、语音分析与综合以及低码率语音编码，发音系统疾病诊断、听觉残障者的语音指导等。因为汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息，有区别意义的功能，所以，基音的提取和估计对汉语更是一个十分重要的问题。 ∑--= -=1 )]1(sgn[)](sgn[21N m n n n m x m x Z

由于人的声道的易变性及其声道持征的因人而异，而基音周期的范围又很宽，而同—个人在不同情态下发音的基音周期也不同，加之基音周期还受到单词发音音调的影响，因而基音周期的精确检测实际上是一件比较困难的事情。基音提取的主要困难反映在：①声门激励信号并不是一个完全周期的序列，在语音的头、尾部并不具有声带振动那样的周期性，有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。②声道共振峰有时会严重影响激励信号的谐波结构，所以，从语音信号中直接取出仅和声带振动有关的激励信号的信息并不容 易。③语音信号本身是准周期性的(即音调是有变化的)，而且其波形的峰值点或过零点受共振峰的结构、噪声等的影响。④基音周期变化范围大，从老年男性的50Hz 到儿童和女性的450Hz ，接近三个倍频程，给基音检测带来了一定的困难。由于这些困难，所以迄今为止尚未找到一个完善的方法可以对于各类人群(包括男、女、儿童及不向语种)、各类应用领域和各种环境条件情况下都能获得满意的检测结果。 尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT 、谱图法、小波法等等。 三、使用仪器、材料 微机（带声卡）、耳机，话筒。 四、 实验步骤 （1）语音信号的采集 利用Windows 语音采集工具采集语音信号，将数据保存wav 格式。 采集一组浊音信号和一组清音信号，信号的长度大于3s 。 （2）采用短时相关函数计算语音信号浊音基音周期，考虑窗长度对基音周期计算的影响。采用倒谱法求语音信号基音周期。 （3）计算短时过零率，清音和浊音的短时过零率有何区别。 五、实验过程原始记录（数据，图表，计算） 短时过零率 短时相关函数 P j j n s n s j R N j n n n n ,,1) ()()(1 =-=∑-= ∑--=-=10 )]1(sgn[)](sgn[21N m n n n m x m x Z

毕业论文--自适应噪声对消在语音信号处理中的应用研究

本科生毕业论文 （设计） 中文题目自适应噪声对消在语音信号处理中的应用研究 英文题目

摘要 在实际生活中，任何语音信号都不可避免的受到噪声信号的影响，如何有效的抑制和去除噪声，提高语音的可懂度是近年来的热门研究课题，文中介绍了自适应滤波器的基本原理，结构和应用，应用matlab软件，对自适应算法在噪声对消中的应用进行了仿真研究，并完成了语音信号噪声消除实例。 本文对自适应滤波算法在语音信号去噪方面进行了研究，对自适应对消系统进行了深入的学习与研究，在固定步长的基础上，建立了步长因子u与信噪比及噪声幅度之间的一种非线性函数关系，使步长随误差信号e(n)的变化而变化，从而提高了收敛速度，能够有效的滤除实际生活中语音信号中的高斯白噪声，工频干扰，以及其他讲话者的干扰，大幅度提高输出语音信号的信噪比，有效的提高语音的可懂度。通过实验证明，该算法在收敛速度，消噪性能，信噪比提高方面与常规的自适应算法相比均有一定的提高。 关键词：自适应滤波变步长LMS算法语音降噪

Adaptive noise cancellation in speech signal processing research Abstract: In our daily life ，all speech signal will be influenced by noise, How to effectively eliminate the noise is one of hot subjects for years.The paper begins with the principle of adaptive filter,structure and application. Based on the MATLAB platform, simulation is carried out for the applications of adaptive algorithms in noise cancelling，and completed the instance of voice signal noise reduction. This paper discuss about adaptive filtering algorithm in the speech signal denoising aspects of the research on the adaptive cancellation system in-depth study and research and establishes another step factor u and the error signal e (n) between the non-linear function of a new relationship, the algorithm using variable step size, the step with the magnitude of the noise signal to noise ratio and the change, to improve the convergence rate, can effectively filter out in real life speech signal Gaussian white noise, frequency interference, and interference with other speakers. Can greatly enhance the output speech signal to noise ratio, experiments show that the algorithm convergence rate, noise reduction performance, improving signal to noise ratio with the conventional adaptive algorithms have improved to some extent compared. In this paper, the coefficient of the formula

基于Matlab的语音信号处理与分析

系（院）物理与电子工程学院专业电子信息工程题目语音信号的处理与分析 学生姓名 指导教师 班级 学号 完成日期：2013 年5 月 目录 1 绪论 (3) 1.1课题背景及意义 (3) 1.2国内外研究现状 (3) 1.3本课题的研究内容和方法 (4) 1.3.1 研究内容 (4) 1.3.2 开发环境 (4) 2 语音信号处理的总体方案 (4) 2.1 系统基本概述 (4) 2.2 系统基本要求与目的 (4) 2.3 系统框架及实现 (5) 2.3.1 语音信号的采样 (5) 2.3.2 语音信号的频谱分析 (5) 2.3.3 音乐信号的抽取 (5) 2.3.4 音乐信号的AM调制 (5) 2.3.5 AM调制音乐信号的同步解调 (5) 2.4系统设计流程图 (6) 3 语音信号处理基本知识 (6) 3.1语音的录入与打开 (6)

3.2采样位数和采样频率 (6) 3.3时域信号的FFT分析 (7) 3.4切比雪夫滤波器 (7) 3.5数字滤波器设计原理 (8) 4 语音信号实例处理设计 (8) 4.1语音信号的采集 (8) 4.3.1高频调制与低频调制 (10) 4.3.2切比雪夫滤波 (11) 4.3.3 FIR滤波 (11) 5 总结 (12) 参考文献 (13) 语音信号的处理与分析 【摘要】语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴的学科，是目前发展最为迅速的信息科学研究领域的核心技术之一。通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息形式。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用软件，它可以将声音文件变换为离散的数据文件，然后利用其强大的矩阵运算能力处理数据，如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱为语音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便地完成语音信号的处理和分析以及信号的可视化，使人机交互更加便捷。信号处理是Matlab重要应用的领域之一。 本设计针对现在大部分语音处理软件内容繁多、操作不便等问题，采用MATLAB7.0综合运用GUI界面设计、各种函数调用等来实现语音信号的变频、变幅、傅里叶变换及滤波，程序界面简练，操作简便，具有一定的实际应用意义。 最后，本文对语音信号处理的进一步发展方向提出了自己的看法。 【关键词】Matlab 语音信号傅里叶变换低通滤波器

语音信号处理 (第2版)赵力 编著 语音信号处理勾画要点

语音信号处理（第2版）赵力编著 重点考点 第2章语音信号处理的基础知识 1.语音（Speech）是声音（Acoustic）和语言（Language）的组合体。可以这样定义语音：语音是由一连串的音组成语言的声音。 2.人的说话过程可以分为五个阶段：（1）想说阶段（2）说出阶段（3）传送阶段（4）理解阶段（5）接收阶段。 3.语音是人的发声器官发出的一种声波，它具有一定的音色，音调，音强和音长。其中，音色也叫音质，是一种声音区别于另一种声音的基本特征。音调是指声音的高低，它取决于声波的频率。声音的强弱叫音强，它由声波的振动幅度决定。声音的长短叫音长，它取决于发音时间的长短。 4.说话时一次发出的，具有一个响亮的中心，并被明显感觉到的语音片段叫音节（Syllable）。一个音节可以由一个音素（Phoneme）构成，也可以由几个音素构成。音素是语音发音的最小单位。任何语言都有语音的元音（Vowel）和辅音（Consonant）两种音素。 5.元音的另一个重要声学特性是共振峰（Formant）。共振峰参数是区别不同元音的重要参数，它一般包括共振峰频率（Formant Frequency）的位置和频带宽度（Formant Bandwidth）。 6.区分语音是男声还是女声、是成人声音还是儿童声音，更重要的因素是共振峰频率的高低。 7.浊音的声带振动基本频率称基音周期（或基音频率），F0表示。 8.人的听觉系统有两个重要特性，一个是耳蜗对于声信号的时频分析特性；另一个是人耳听觉掩蔽效应。 9.掩蔽效应分为同时掩蔽和短时掩蔽。 10.激励模型：一般分成浊音激励和清音激励。浊音激励波是一个以基音周期为周期的斜三角脉冲串。 11.声道模型：一是把声道视为由多个等长的不同截面积的管子串联而成的系统。按此观点推导出的叫“声管模型”。另一个是把声道视为一个谐振腔，按此推导出的叫“共振峰模型”。 12.完整的语音信号的数字模型可以用三个子模型：激励模型、声道模型和辐射模型的串联来表示。 13.语谱图：人们致力于研究语音的时频分析特性，把和时序相关的傅立叶分析的显示图形。 第三章语音信号分析 1.贯穿于语音分析全过程的是“短时分析技术”。 2.语音信号的数字化一般包括放大及增益控制、反混叠滤波、采样、A/D变换及编码（一般就是PCM码）；预处理一般包括预加重、加窗和分帧等。 3.预滤波的目的有两个：

通信中的语音信号处理复习大纲

《通信中的语音信号处理》复习大纲 北科大版 1、了解语音信号处理的目的、实质和发展历史； 实质：是研究用数字信号处理技术对语音信号进行处理的一门学科 目的：通过处理得到一些反映语音信号重要特征的语音参数以便高效地传输或储存语音信号所包含的信息。 通过对语音信号进行某种运算以达到某种要求。 发展历史：1876年电话的发明，贝尔（Bell）； 1939年声码器的研制成功—声源＋声道； 1947年贝尔实验室发明语谱图仪—语音识别研究的开始； 50年代第一台口授打字机和英语单词语音识别器； 60年代出现了第一台以数字计算机为基础的孤立词语音识别器和有限连续语音识别器； 70年代动态规划技术、隐马尔可夫模型、线性预测技术和矢量量化码书生成方法用于语音编码和识别； 80、90年代语音处理技术产品化—IBM Tangora-5和Tangora-20英语听写机，Dragon Dictate 词汇翻译系统(70000)，汉语听写机。 CMU语音组研制成功SPHINX系统（997，95.8%); 国内，清华大学、中科院声学所和中科院自动化所在汉语听写机研究方面有一定成果。 （除了属于这种LPC[线性预测分析法]的方法外，还开发了各种数字语音处理方法。到目前为止，相继实现了语音编码、语音分析、语音合成、语音修正、语音识别、说话者识别等各种具体应用系统。） 2、理解和掌握语音信号的表示和处理方法，常用的语音编码的采样率和相应的数字语音信号的速率； 1.语音表示方法的选择：要保存语音信号中的消息内容；表示形式要便于传输和存储、变换和处理，不至于严重损害消息的内容， 有用信息更易于被提取； 2. 语音信号数字表示的优点： 数字技术能完成许多很复杂的信号处理工作； 语音可以看成是音素的组合，具有离散的性质，特别适合于数字处理； 数字系统具有高可靠性、价廉、紧凑、快速等特点，很容易完成实时处理任务； 数字语音适于在强干扰信道中传输，易于和数据一起在通信网中传输，也易于进行加密传输。 3. 语音信号的数字表示方法：波形表示—采样和量化，保持波形；参数表示—激励源和模型参数（第二章） 语音信号的特点—短时平稳性 4. 处理方法：短时时域处理方法—短时能量、短时平均过零率以及短时自相关函数计算 短时频域分析—短时傅立叶分析 线性预测技术—本质上属于时域分析方法，但其结果可以是频域参数 倒谱和同态分析、矢量量化和隐马尔可夫模型 5. PCM编码：采样率：8000次/second，均匀量化：采样率12bps信号速率96kbps，非均匀量化：采样率8bps信号速率64kbps ADPCM：采样率：8khz速率：32kbps 3、理解语音信号的产生过程、发生机理和语音信号的声学特性； 产生过程：语音是说话人和听者之间相互传递的信号，传递的媒介是声波，说话人的发音器官做出发声动作，接着空气振动形成声波，声波传到听者的耳朵里，立刻引起听者的听觉反应 发生机理： 声学特性：频率：与音高有关；振幅：与响度有关。 4、理解和掌握语音信号浊音的基音频率、共振峰，及共振峰的计算方法； 浊音的基音频率(F0)：由声带的尺寸、特性和声带所受张力决定，其值等于声带张开和闭合一次的时间的倒数。人类基音频率的范围在60Hz至450Hz左右。 共振峰（formant)：声道是一个谐振腔，当激励的频率达到至声道的固有频率，则声道会以最大的振幅振荡，此时的频率称之为共振峰或共振峰频率。声道具有的一组共振峰，声道的频谱特性主要反映出这些共振峰的不同位置以及各个峰的频带宽度。共振峰及其带宽取决于声道某一瞬间的形状和尺寸，因而不同的语音对应于一组不同的共振峰参数。实际应用中，头三个共振峰最重要。

语音信号处理实验报告

通信与信息工程学院 信息处理综合实验报告 班级：电子信息工程1502班 指导教师： 设计时间：2018/10/22-2018/11/23 评语： 通信与信息工程学院 二〇一八年 实验题目：语音信号分析与处理 一、实验内容 1. 设计内容 利用MATLAB对采集的原始语音信号及加入人为干扰后的信号进行频谱分析，使用窗函数法设计滤波器滤除噪声、并恢复信号。 2．设计任务与要求 1. 基本部分

（1）录制语音信号并对其进行采样；画出采样后语音信号的时域波形和频谱图。 （2）对所录制的语音信号加入干扰噪声，并对加入噪声的信号进行频谱分析；画出加噪后信号的时域波形和频谱图。 （3）分别利用矩形窗、三角形窗、Hanning窗、Hamming窗及Blackman 窗几种函数设计数字滤波器滤除噪声，并画出各种函数所设计的滤波器的频率响应。 （4）画出使用几种滤波器滤波后信号时域波形和频谱，对滤波前后的信号、几种滤波器滤波后的信号进行对比，分析信号处理前后及使用不同滤波器的变化；回放语音信号。 2. 提高部分 （5）录制一段音乐信号并对其进行采样；画出采样后语音信号的时域波形和频谱图。 （6）利用MATLAB产生一个不同于以上频段的信号；画出信号频谱图。 （7）将上述两段信号叠加，并加入干扰噪声，尝试多次逐渐加大噪声功率，对加入噪声的信号进行频谱分析；画出加噪后信号的时域波形和频谱图。 （8）选用一种合适的窗函数设计数字滤波器，画出滤波后音乐信号时域波形和频谱，对滤波前后的信号进行对比，回放音乐信号。 二、实验原理 1.设计原理分析 本设计主要是对语音信号的时频进行分析，并对语音信号加噪后设计滤波器对其进行滤波处理，对语音信号加噪声前后的频谱进行比较分析，对合成语音信号滤波前后进行频谱的分析比较。 首先用PC机WINDOWS下的录音机录制一段语音信号，并保存入MATLAB软件的根目录下，再运行MATLAB仿真软件把录制好的语音信号用audioread函数加载入MATLAB仿真软件的工作环境中，输入命令对语音信号进行时域，频谱变换。 对该段合成的语音信号，分别用矩形窗、三角形窗、Hanning窗、Hamming窗及Blackman窗几种函数在MATLAB中设计滤波器对其进行滤波处理，滤波后用命令可以绘制出其频谱图，回放语音信号。对原始语音信号、合成的语音信号和经过滤波器处理的语音信号进行频谱的比较分析。 2.语音信号的时域频域分析 在Matlab软件平台下可以利用函数audioread对语音信号进行采样,得到了声音数据变量y,同时把y的采样频率Fs=44100Hz放进了MATALB的工作空间。

数字语音信号处理实验报告

语音信号处理实验报告 专业班级电子信息1203 学生姓名钟英爽 指导教师覃爱娜 完成日期2015年4月28日 电子信息工程系 信息科学与工程学院

实验一语音波形文件的分析和读取 一、实验学时：2 学时 二、实验的任务、性质与目的： 本实验是选修《语音信号处理》课的电子信息类专业学生的基础实验。通过实验 （1）掌握语音信号的基本特性理论：随机性，时变特性，短时平稳性，相关性等； （2）掌握语音信号的录入方式和*.WAV音波文件的存储结构； （3）使学生初步掌握语音信号处理的一般实验方法。 三、实验原理和步骤： WAV 文件格式简介 WAV 文件是多媒体中使用了声波文件的格式之一，它是以RIFF格式为标准。每个WAV 文件的头四个字节就是“RIFF”。WAV 文件由文件头和数据体两大部分组成，其中文件头又分为RIFF/WAV 文件标识段和声音数据格式说明段两部分。常见的WAV 声音文件有两种，分别对应于单声道（11.025KHz 采样率、8Bit 的采样值）和双声道（44.1KHz 采样率、16Bit 的采样值）。采样率是指声音信号在“模拟→数字”转换过程中，单位时间内采样的次数；采样值是指每一次采样周期内声音模拟信号的积分值。对于单声道声音文件，采样数据为8 位的短整数（short int 00H-FFH）；而对于双声道立体声声音文件，每次采样数据为一个16 位的整数（int），高八位和低八位分别代表左右两个声道。WAV 文件数据块包含以脉冲编码调制（PCM）格式表示的样本。在单声道WAV 文件中，道0 代表左声道，声道1 代表右声道；在多声道WAV 文件中，样本是交替出现的。WAV 文件的格式 表1 wav文件格式说明表

语音识别论文

语音信号的分析与处理 摘要：本文针对语音信号时域、频域参数进行了系统详尽的分析，并在MATLAB环境下实现了基于DTW算法的特定人孤立词语音信号的识别。 关键词：语音信号；短时傅里叶；MFCC；动态时间规整 引言 语音信号参数分析是语音信号处理的前提和基础。语音信号处理包括语音通信、语音增强、语音合成、语音识别和说话人识别等方面。只有通过语音信号的分析才能获得语音本质特性的参数，才能利用这些参数进行高效的语音通信，才能建立语音合成的语音库，也才可能建立用于语音识别的模板和知识库。此外，语音合成音质的好坏、语音识别率的高低，都取决于语音信号参数分析的准确性和精度。因此，语音信号参数分析是语音信号处理研究中一项非常有意义的工作[1]。 近年来，语音识别已经成为一个非常活跃的研究领域。在不远的将来，语音识别技术有可能作为一种重要的人机交互手段，辅助甚至取代传统的键盘、鼠标等输入设备，在个人计算机上进行文字录入和操作控制。而在手持式PDA、智能家电、工业现场控制等应用场合，语音识别技术则有更为广阔的发展前景[2]。 在特定人孤立词语音识别中，最为简单有效的方法是采用DTW(Dynamic Time Warping,动态时间规整)算法，该算法基于动态规划(DP)的思想,解决了发音长短不一的模板匹配问题，是语音识别中出现最早、较为经典的一种算法[3]。 MATLAB是一种功能强大、效率高、交互性好的数值计算和可视化计算机高级语言，它将数值分析、信号处理和图形显示有机地融合为一体，形成了一个极其方便、用户界面友好的操作环境。本文就是在MA TLAB基础上来进行语音信号参数的分析与语音信号的识别的。 一、语音信号的分析 1参数分析 语音信号是一种典型的非平稳信号。但是，由于语音的形成过程是与发音器官的运动密切相关的，这种物理运动比起声音振动速度来讲要缓慢得多，因此语音信号常常可被假定为短时平稳的，即在10一20ms这样的时间段内，其频谱特性和某些物理特征参量可被近似地看作不变。这样，我们就可以采用平稳过程的分析处理方法来处理，一般而言语音信号处理的方法都是基于这种短时平稳的假设的。根据语音信号所分析参数的不同，语音信号参数分析可以分为时域、频域、倒谱域分析等[4]。本文仅涉及时域及频域参数分析。 2时域分析 进行语音信号最为直观的分析方法就是时域分析。语音信号本身就是时域信号，因而时域分析是最早使用，也是应用最广泛的一种方法，这种方法直接利用语音信号的时域波形。时域分析通常用于最基本的参数分析以及语音的分割、预处理和大分类等。时域分析方法的特点是：第一，表示语音信号比较直观，物理意义明确；第二，实现起来比较简单，运算量少；第三，可以得到语音的一些重要参数；第四，采用示波器等通用设备，使用简单[5]。 2.1短时能量分析 短时能量分析用途：第一，可以区分清音段和浊音段，因为浊音时的短时平均能量值比清音时大得多；第二，可以用来区分声母与韵母的分界、无声与有声的分界、连字的分界等。如对于高信

语音信号处理复习纲要

Ch1 绪论 §1.1 语音信号处理概述 一、语音、语音信号处理的名词解释 1、语音：是语言的声学表现，是声音和意义的结合体，是相互传递信息的重要手段，是人类最重要、最有效、最常用和最方便的交换信息的形式。 2、语音信号处理：是研究用数字信号处理技术对语音信号进行处理的一门学科，它是一门新兴的学科，同时又是综合性的多学科领域和涉及很广的交叉学科。 二、语音处理技术的应用领域 语音处理技术的应用领域包括：工业、军事、交通、医学、民用等。 三、语音信号采用数字处理的原因（数字语音的优点） 语音信号均采用数字处理，是因为数字处理与模拟处理相比具有许多优点： 1、数字技术能够完成许多很复杂的信号处理工作； 2、通过语音进行交换的信息本质上具有离散的性质，语音可以看做是音素的组合，适合数字处理； 3、数字系统具有高可靠性、廉价、快速等优点，容易完成实时处理任务； 4、数字语音适合在强干扰信道中传输，也易于加密传输。 四、语音学的名词解释 语音学：是研究言语过程的一门科学，它包括三个研究内容：发音器官在发音过程中的运动和语音的音位特性；语音的物理特性；以及听觉和语言感知。 §1.2 语音信号处理的发展概况 一、语音信号处理的发展史 1、1874年：电话的发明时现代语音通信的开端； 2、1939年：通道声码器技术； 3、40年代后期：语谱仪； 4、50年代初：第一台口授打字机和英语单词语音识别器； 5、60年代：Fant发表《语音产生的声学理论》； 6、70年代初：Flanagan著作《语音分析、合成和感知》； 7、90年代以来：语音识别的研究由实验室走向实用化。 二、语音编码、语音合成、语音识别名词解释 1、语音编码：语音编码技术是伴随着语音信号的数字化而产生的，目前主要应用在数字语音通信领域。 2、语音合成：语音合成的目的是使计算机能像人一样说话，它是一种人机语音通信技术，应用领域广泛。 3、语音识别：语音识别是使计算机判断出所说的话得内容，和语音合成一样也是一种人机语音通信技术。 为了实现人机语音通信，必须具备语音识别和语音理解两种功能 Ch2 基础知识 §2.2 语音产生的过程 一、现代语音学发展的三个分支：发音语音学、声学语音学、听觉语音学。 二、语音、清音、浊音的名词解释及语音的产生过程（名词解释、简答，集中备课） 1、语音：声音是一种波，能被人耳听到，振动频率在20Hz-20kHz之间。语音室声音的一种，它是由人的发音器官发出的、具有一定语法和意义的声音。语音的振动频率最高可达15kHz左右。 2、人类生成语音过程的第一阶段包括神经核肌肉的生理学阶段和产生语音波、传递语音波的物理阶段。 3、语音由声带振动或不经声带振动来产生，其中由声带振动产生的音统称为浊音，而不由声带振动产生的音统称为清音。浊音中包括所有的元音和一些辅音，清音包括另一部分辅音。

大学本科语音信号处理实验讲义8学时

语音信号处理实验讲义 时间：2011-12

目录 实验一语音信号生成模型分析 (3) 实验二语音信号时域特征分析 (7) 实验三语音信号频域特征分析 (12) 实验四语音信号的同态处理和倒谱分析 (16)

实验一 语音信号生成模型分析 一、实验目的 1、了解语音信号的生成机理，了解由声门产生的激励函数、由声道产生的调制函数和由嘴唇产生的辐射函数。 2、编程实现声门激励波函数波形及频谱，与理论值进行比较。 3、编程实现已知语音信号的语谱图，区分浊音信号和清音信号在语谱图上的差别。 二、实验原理 语音生成系统包含三部分：由声门产生的激励函数()G z 、由声道产生的调制函数()V z 和由嘴唇产生的辐射函数()R z 。语音生成系统的传递函数由这三个函数级联而成，即 ()()()()H z G z V z R z = 1、激励模型 发浊音时，由于声门不断开启和关闭，产生间隙的脉冲。经仪器测试它类似于斜三角波的脉冲。也就是说，这时的激励波是一个以基音周期为周期的斜三角脉冲串。单个斜三角波的频谱表现出一个低通滤波器的特性。可以把它表示成z 变换的全极点形式 12 1()(1) cT G z e z --= -? 这里c 是一个常数，T 是脉冲持续时间。周期的三角波脉冲还得跟单位脉冲串的z 变换相乘： 112 1 ()()()1(1)v cT A U z E z G z z e z ---=?= ?--? 这就是整个激励模型，v A 是一个幅值因子。 2、声道模型 当声波通过声道时，受到声腔共振的影响，在某些频率附近形成谐振。反映在信号频谱图上，在谐振频率处其谱线包络产生峰值，把它称为共振峰。 一个二阶谐振器的传输函数可以写成 12 ()1i i i i A V z B z C z --= -- 实践表明，用前3个共振峰代表一个元音足够了。对于较复杂的辅音或鼻音共振峰要到5个以上。多个()i V z 叠加可以得到声道的共振峰模型 12 1 11 ()()11R r r M M i r i N k i i i i k k b z A V z V z B z C z a z -=---======---∑∑∑ ∑ 3、辐射模型 从声道模型输出的是速度波，而语音信号是声压波。二者倒比称为辐射阻抗，它表征了

语音信号处理答案

二、问答题（每题分，共分） 、语音信号处理主要研究哪几方面的内容？ 语音信号处理是研究用数字信号处理技术对语言信号进行处理的一门学科，语音信号处理的理论和研究包括紧密结合的两个方面：一方面，从语言的产生和感知来对其进行研究，这一研究与语言、语言学、认知科学、心理、生理等学科密不可分；另一方面，是将语音作为一 种信号来进行处理，包括传统的数字信号处理技术以及一些新的应用于语音信号的处理方法 和技术。 、语音识别的研究目标和计算机自动语音识别的任务是什么？ 语音识别技术，也被称为自动语音识别，()，其目标是将人类的语音中的词汇内容转换为 计算机可读的输入，例如按键、二进制编码或者字符序列。 计算机自动语音识别的任务就是让机器通过识别和理解过程把语音信号转变为相应的文本 或命令的高技术。 、语音合成模型关键技术有哪些？ 语音合成是实现人机语音通信，建立一个有听和讲能力的口语系统所需的两项关键技术，该系统主要由三部分组成：文本分析模块、韵律生成模块和声学模块。.如何取样以精确地抽取人类发信的主要特征，.寻求什么样的网络特征以综合声道的频率响应，.输出合成声音的质量如何保证。 、语音压缩技术有哪些国际标准？ 二、名词解释（每题分，共分） 端点检测：就从包含语音的一段信号中，准确的确定语音的起始点和终止点，区分语音信号和非语音信号。 共振峰：当准周期脉冲激励进入声道时会引起共振特性，产生一组共振频率，称为共振峰频率或简称共振峰。 语谱图：是一种三维频谱，它是表示语音频谱随时间变化的图形，其纵轴为频率，横轴为时间，任一给定的频率成分在给定时刻的强弱用相应点的灰度或色调的浓淡来表示。 码本设计：就是从大量信号样本中训练出好的码本，从实际效果出发寻找好的失真测度定义 公示，用最少的搜素和计算失真的运算量。 语音增强：语音质量的改善和提高，目的去掉语音信号中的噪声和干扰，改善它的质量 三、简答题（每题分，共分） 、简述如何利用听觉掩蔽效应。 一个较弱的声音(被掩蔽音)的听觉感受被另一个较强的声音(掩蔽音)影响的现象称为人耳的“掩蔽效应”。人耳的掩蔽效应一个较弱的声音(被掩蔽音)的听觉感受被另一个较强的声 音(掩蔽音)影响的现象称为人耳的“掩蔽效应”。被掩蔽音单独存在时的听阈分贝值，或者 说在安静环境中能被人耳听到的纯音的最小值称为绝对闻阈。实验表明，—绝对闻阈值最小，即人耳对它的微弱声音最敏感；而在低频和高频区绝对闻阈值要大得多。在范围内闻阈随频率变化最不显著，即在这个范围内语言可储度最高。在掩蔽情况下，提高被掩蔽弱音的强度， 使人耳能够听见时的闻阈称为掩蔽闻阈(或称掩蔽门限)，被掩蔽弱音必须提高的分贝值称为 掩蔽量(或称阈移)。 、简述时间窗长与频率分辨率的关系。 采样周期、窗口长度和频率分辨率△之间存在下列关系：△(*) 可见，采样周期一定时，△随窗口宽度的增加而减少，即频率分辨率相应得到提高，但同时时间分辨率降低；如果窗口取短，频率分辨率下降，而时间分辨率提高，因而二者是矛盾的。 、简述时域分析的技术（最少三项）及其在基因检测中的应用。（）

基于MATLAB的有噪声语音信号处理毕设

大学本科毕业设计论文 基于MATLAB的有噪声语音信号处理

摘要 滤波器设计在数字信号处理中占有极其重要的地位,FIR数字滤波器和IＩR 滤波器是滤波器设计的重要组成部分。Matｌａｂ功能强大、简单易学、编程效率高,深受广大科技工作者的欢迎。特别是Matlab还具有信号分析工具箱,不需具备很强的编程能力,就可以很方便地进行信号分析、处理和设计。利用ＭATＬＡＢ信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MAＴLAB 有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪声语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论,再利用MＡTLAB作为编程工具进行计算机实现。在设计实现的过程中，使用窗函数法来设计FＩR数字滤波器，用巴特沃斯、切比雪夫和双线性变法设计IIＲ数字滤波器，并利用MATLＡB作为辅助工具完成设计中的计算与图形的绘制。通过对对所设计滤波器的仿真和频率特性分析，可知利用ＭＡＴLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器，过程简单方便，结果的各项性能指标均达到指定要求。 关键词?数字滤波器；MATＬＡB；窗函数法；巴特沃斯; 切比雪夫; 双线性变换

Abｓtｒａｃt ?Filｔeｒdesiｇｎin ｄｉgｉtal sｉgnal proｃeｓsiｎｇplａysａn eｘtre ｍeｌｙiｍportａnt rｏle, FIR digital filtｅrs ａｎd IIR filter is an importａn ｔpaｒt of filter design.Matlab is ｐowｅrful,easy to ｌｅaｒn,pｒｏgｒａmming eｆfiｃieｎcｙ，which wａs wｅlcomｅd bｙthｅmajority oｆsc ｉentistｓ. Matlab alsｏhaｓ a particuｌar signaｌaｎalysis tｏolbｏx，it need notｈaｖe stronｇprｏgraｍminｇｓkiｌls can be easily signal anａlyｓiｓ, proｃesｓｉng aｎd design. Usｉng MATＬAB Signal Ｐroｃessing Toolbｏx can ｑｕickly anｄeｆficieｎtly design ａｖariｅtｙof digｉtaｌｆiltｅrs. ＭＡTLAB ｂaseｄon the noｉse issｕｅｓｐeech sｉｇnal processing deｓｉgn and ｉｍｐlｅmｅｎtation of digｉtal sｉgｎaｌprocessｉｎg inｔegrated use of ｔhe thｅoｒｅｔical knｏwlｅdge oｆtｈe ｓｐeecｈsｉｇｎal pｌus noiｓe, tｉme domaiｎ, frequencｙｄoｍaiｎanalysis ａnｄfiltering. Theｃorreｓponｄinｇresｕlts ｏbtａineｄthrougｈtheｏｒeticaｌｄerｉｖatｉon, ａnd thｅn use MATＬAB as a pｒogramｍing tooｌfor compuｔer iｍｐlementation．Iｍpleｍenｔｅd iｎthe desｉgn process，usinｇtｈｅｗindｏw function methoｄｔｏｄesiｇn FIR digiｔal fｉｌteｒs wｉｔh Butｔｅｒwortｈ, Chebyshev anｄbilinear Reｆｏｒm IIR dｉgｉtal filter dｅｓign ａｎd use ｏｆMATLAB ａs ａｓupplemenｔary tｏｏl to cｏｍｐｌete thｅcalculation and graphｉc dｅsiｇn Ｄrａwiｎg. Throughｔｈｅsimulａtion of ｔｈｅdesigned filter aｎd the fｒｅｑuenｃy anａlysis shoｗs thaｔuｓｉｎｇMatｌabＳｉｇnal Processing Toolbox can qｕickly and easily dｅsign digiｔal fｉlters FIR anｄIIR，the ｐroceｓｓis sｉｍple aｎd coｎvenｉent, the reｓuｌts of the perfｏrmaｎce iｎdｉcａtｏrs to ｍｅｅｔｔhe spｅｃｉfieｄrｅqｕirｅｍents. ? Kｅywｏrｄs: diｇiｔａl filｔer; ＭAＴLAB；Chebysｈev；Buttｅrｗｏrth；