云南大学信息学院数字信号处理期末实验报告讲述.doc

数字信号处理期末实验报告 题目:基于MATLAB语音数字信号处理 一、实验目的： 选择一个语音信号对其进行频谱分析。 利用MATLAB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。 设计多种滤波器滤除语言信号中的噪声，分析对比滤波前后信号的时域和频域波形特征。并对不不同滤波器的滤波效果。 二、实验内容： 语音信号的采集 语言信号时域分析 小波去噪 小波去噪原理分析 在噪声模型中，高斯白噪声通常表现为高频信号，而有用信号则表现为低频信号或较平稳的信号，小波去噪就是利用这一特性进行消噪的过程。即对原信号进行小波分解，选择小波并确定分解层次为N，则噪声部分通常包含在高频中；然后对小波分解的高频系数进行门限阈值量化处理；最后根据小波分解的第N层低频系数和经过量化后的1～N层高频系数进行小波重构，达到消除噪声的目的，对信号降噪实质上是抑制信号的噪声，最后在实际信号中恢复真实信号。 小波去噪滤除信号噪声 在本实验中采用固定阈值和启发式阈值两种方法对加噪声的语言信号进行去噪。且分解层次的为6层分解，用软门限阈值处理。 通过Matlab处理，小波去噪前后对比如图【】所示。 由图验证： ①观察图中去噪前后的频谱，可以看出噪声幅值明显降低。所以小波去噪方法能很好地把信号中的有用部分和噪声分离。从而较好地恢复原信号。 ②不同分解层次的去噪效果不同，通常随着小波分解层次的增加去噪效果变好，但是分解层次增加到6层以上后去噪效果改善已经不明显，所以本实验选取6层分解，得到如图所示较好的效果。 ③小波去噪门限阈值可选取软门限阈值和硬门限阀值处理。而通过实验得出，软阈值处理将较小的小波系数置零但对较大的小波系数向零作了收缩，所以一般能够取得更为平滑和理想的波形。 进一步分析对比了两种小波去噪方法的效果，如图【】所示。 由图验证：固定阈值形式（sqtwolog）和启发式阈值形式（heursure）的去噪都比较彻底。而通过进一步分析，可以看出启发式阈值形式滤除噪声效果更好。 3.9小结 通过本次实验设计，我们完成了从信号的提取采样、合成噪声信号到滤除噪声整个过程。提取到信号后，通过FFT变换，得出了信号的频谱图。然后分别给信号加上正弦噪声和随机噪声。在滤波这一部分，采样多种方法进行滤波，实现了预期的滤波效果。但实验中也存在许多的不足，比如经过多次改进滤波器设计参数后，还是不能更彻底地把噪声滤除。总之，通过本次实验，我们更加全面地掌握了MATLAB设计数字滤波器的方法，深刻地理解了整个音频信号处理体系和数字滤波器的工作原理，认识到了音频数字信号处理技术的强大。 结 论 语音信号处理是语音学与数字信号处理技术相结合的交叉学科，课题在这里不讨论语音学，而是将语音当做一种特殊的信号，即一种“复杂向量”来看待。也就是说，课题更多的还是体现了数字信号处理技术。 从课题的中心来看，课题“基于MATLAB的有噪声语音信号处理”是希望将数字信号处理技术应用于某一实际领域，这里就是指对语音及加噪处理。作为存储于计算机中的语音信号，其本身就是离散化了的向量，我们只需将这些离散的量提取出来，就可以对其进行处理了。这一过程的实现，用到了处理数字信号的强有力工具MATLAB。通过MATLAB里几个命令函数的调用，很轻易的在实际语音与数字信号的理论之间搭了一座桥。 课题的特色在于它将语音信号看作一个向量，于是就把语音数字化了。那么，就可以完全利用数字信号处理的知识来解决语音及加噪处理问题。我们可以像给一般信号做频谱分析一样，来对语音信号做频谱分析，也可以较容易的用数字滤波器来对语音进行滤波处理。通过比较加噪前后，语音的频谱和语音回放，能明显的感觉到加入噪声后回放的声音与原始的语音信号有很大的不同,前者随较尖锐的干扰啸叫声。从含噪语音信号的频谱图中可以看出含噪声的语音信号频谱,在整个频域范围内分是布均匀。其实，这正是干扰所造成的。通过滤波前后的对比，低通滤波后效果最好，高通滤波后的效果最差。由此可见，语音信号主要分布在低频段，而噪声主要分布在高频段。 最后，还利用了MATLAB的另一强大功能——GUI界面设计。设计出了一个简易的用户应用界面，可以让人实现界面操作，更加方便的进行语音的频谱分析与加噪滤波处理。 致 谢 本次课程设计选题及进行过程中得到老师等的悉心指导。对报告的书写格式及内容，老师多次帮助我分析思路，开拓视角。在我遇到困难的时候，老师给予我最大的支持和鼓励。指导老师严谨求实的治学态度，踏实坚韧的工作精神，值得我学习。在此，谨向常波、胡荣林老师、刘虎老师和顾相老师平等致以诚挚的谢意。同时还要学感谢我的同，尤其是我们同一课题的几个同学，我们花费课很多的时间和精力。相互之间帮忙协作，上网