语音信号处理_new重点解读.doc

数字信号处理 语音信号处理 任务要求 选择一个语音信号作为分析的对象，或录制一段各人自己的语音信号，对其进行频谱分析；利用MATLAB中的随机函数产生噪声加入到语音信号中，模仿语音信号被污染，并对其进行频谱分析；设计FIR和IIR数字滤波器， 并对被噪声污染的语音信号进行滤波， 分析滤波后信号的时域和频域特征，回放语音信号。 语音信号处理总流程 图1 语音信号处理总流程 原始信号采集及频谱分析 语音信号的读入与打开 在MATLAB中，[y,fs,bits]=wavread( E:\dwje.wav );用于读取语音，采样值放在向量y中，fs表示采样频率(Hz)，bits表示采样位数。 可以使用sound(y,fs,bits)，用于对声音的回放。向量y则就代表了一个信号，也即一个复杂的“函数表达式”，也可以说像处理一个信号的表达式一样处理这个声音信号。 语音信号的频频分析 利用fft对语音信号进行快速傅里叶变换，就可以得到信号的频谱特性。 图2 原始信号时域和频域分析 对语音信号进行FFT变换就是为了得到它的频域的图形，便于从图中观察出信号的幅度等特性，从图中可以看出语音信号的截止频率为5000Hz。 语音信号加噪与频谱分析 在Matlab中人为设计一个固定频率6000Hz的余弦序列噪声干扰信号d=[0.05*cos(2*pi*6000*t)]。然后将噪声与原始语音信号叠加Y=y+d，叠加两信号的维数必须相同，否则无法叠加。对噪音信号进行频谱变换得到其频谱图,从图中可以看出干扰信号，在6000Hz频点处有一高峰,其中5500Hz 正是本设计所要利用的。 图3 叠加后信号时域和频域分析 设计IIR滤波器对加噪语音滤波 利用模拟滤波器设计IIR数字低通滤波器的设计流程如图4所示： 图4 IIR滤波器设计流程 滤波器参数选取 由图3观察可得，通带截止频率Wp=5000Hz，阻带截止频率Ws=5500Hz，一般情况下通带最大衰减Rp=0.1，Rs=40。 图5 IIR低通滤波器 滤波前后波形分析 图6 原始信号与滤波后信号波形比较 图7 原始信号与滤波后信号频谱比较 由图6和图7可以看出滤波前后语音信号的波形和频谱几乎一样，所以该滤波器设计合格。 设计FIR滤波器对加噪语音滤波 利用窗函数设计FIR数字低通滤波器的设计流程如图8所示： 图8 FIR滤波器设计流程 窗函数类型选取 常用的窗函数一共有矩形窗、汉宁窗、海明窗、凯泽窗。这几种窗函数的基本参数比较如表1所示，根据实际阻带最小衰减选择合适的窗函数设计FIR滤波器。 表1 几种窗函数的基本参数比较 最小阻带衰减只由窗形决定，不受N的影响，而过渡带宽则随N的增加而减小。 窗长度N的确定 通过求得的过渡带宽以及matlab所提供的ceil()函数，可以很方便的求得窗口长度N，N=ceil(6.6*pi/Tr_width)。 通过Matlab中设计的函数ideallp()求得理想冲激响应，即hd=ideallp(Wc,N)。H,w]=freqz(h,1,512)。 图9 FIR滤波器 滤波前后语音信号对比分析 滤波前后原始语音信号波形的波形和频谱比较如图10和图11所示，所以该波器设计符合题目要求。 图10 FIR滤波后语音和原语音信号波形比较 图11 FIR滤波后语音和原语音信号频谱比较 附录：（源程序代码） clc; clear; fs=22050,bits=1024; [y,fs,bits]=wavread(E:\dwje.wav); %y:语音数据；fs:采样频率；bits:采样点数 % sound(y,fs,bits); %话音回放 figure(1); %建立 subplot(2,1,1); %对图形窗口进行分割 plot(y); xlabel(time n);ylabel(amplitude);title(原始信号波形); y1=fft(y,1024); %fft就是把时域上的曲线变成频域上的曲线，所以fft变换后横坐标是频率 fx=fs*(0:511)/1024; %将横轴变为频率轴 fy=abs(y1(1:512)); %将纵轴变为频率幅度轴 subplot(2,1,2); plot(fx,fy); xlabel(频率Hz);ylabel(幅度);title(原始信号频谱); t=(0:length(y)-1)/fs; d=[0.05*cos(2*pi*6000*t)]; Y=y+d; % sound(Y,fs,bits); figure(2); subplot(2,1,1); plot(Y); xlabel(time n);ylabel(a