基于Matlab的对语音信号采集处理及滤波器的设计Word格式文档下载.docx
《基于Matlab的对语音信号采集处理及滤波器的设计Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《基于Matlab的对语音信号采集处理及滤波器的设计Word格式文档下载.docx（15页珍藏版）》请在冰豆网上搜索。
理解与掌握课程中的基本概念、基本原理、基本分析方法，用Matlab进行数字语音信号处理，并阐述了课程设计的具体方法、步骤和内容。
综合运用本课程的理论知识进行频谱分析以及滤波器设计，通过理论推导得出相应结论，并利用MATLAB作为工具进行实现，从而复习巩固课堂所学的理论知识，提高对所学知识的综合应用能力，并从实践上初步实现对数字信号的处理。
关键词：
MATLAB工具信号语音采集滤波器
1课程设计实现
1.1整体设计思路
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,信号处理是Matlab重要应用的领域之一。
本文是用Matlab对含噪的的语音信号同时在时域和频域进行滤波处理和分析。
整个设计思路的设计原理示意图如图1所示：
1.2整体实现过程
1.2.1信号的采样
采样器的作用是把连续信号变为脉冲或数字序列。
图中示出了一个连续信号f（t）经采样器采样后变为离散信号的过程
图2连续信号f（t）经采样器采样后变为离散信号
图中f（t）为被采样的连续信号，S（t）为周期性窄脉冲信号，fs（t）为采样后的离散信号，它用下式来表征：
fs（t）=f（t）s（t）
采样信号的频率特性为：
如果｜F*（jω）｜中各个波形不重复搭接，相互间有一定的距离（频率）即若
即采样定理可叙述如下：
如果采样周期满足下列条件，即：
式中ωmax为连续信号f（t）的最高次谐波的角频率。
则采样信号f*（t）
就可以无失真地再恢复为原连续信号f（t）。
需要指出的是，采样定理只是在理论上给出了信号准确复现的条件。
我们可以利用windows自带的录音机录制语音文件，进行数字信号的采集。
（开始—程序—附件—娱乐—录音机，文件—属性—立即转换—8000KHz，8位，单声道）或其他软件，将话筒输入计算机的语音输入插口上,启动录音机，录制一段自己的话音。
然后在MATLAB软件平台下，利用函数wavread对语音信号进行采样，记住采样频率和采样点数。
通过wavread函数的使用进一步理解采样频率、采样位数等概念。
图2是基于PC机的语音信号采集过程:
声音
图3语音采集过程
1.2.2语音信号的读取
在matlab软件平台下，利用wavread函数对语音信号进行采样，记住采样频率和采样点数。
通过使用wavread函数，理解采样频率、采样位数等概念。
wavread函数调用格式
y=wavread（file），读取file所规定的wav文件，返回采样值放在向量y中。
[y,fs,nbits]=wavread（file），采样值放在向量y中，fs表示采样频率（hz），nbits表示采样位数。
y=wavread（file，N），读取钱N点的采样值放在向量y中。
y=wavread（file，[N1,N2]），读取从N1到N2点的采样值放在向量y中。
对语音信号“zx.wav”进行采样其程序如下：
[y,fs,nbits]=wavread（'
zx.wav'
）
结果如下：
可知该语音信号的采样频率fs=8000Hz,数据位nbits=16Bit。
1.2.3语音信号的频谱分析
首先画出语音信号的时域波形，然后对语音信号进行频谱分析。
在Matlab中可以利用函数fft对信号行快速傅里叶变换,得到信号的频谱特性，从而加深对频谱特性的理解。
其程序如下：
[y,fs,nbits]=wavread（'
yuyin.wav'
）;
%把语音信号进行加载入Matlab仿真软件平台中
sound（y,fs,nbits）;
%回放语音信号
n=length（y）;
%求出语音信号的长度
Y=fft（y,n）;
%快速傅里叶变换
subplot（2,1,1）;
plot（y）;
title（'
原始信号波形'
subplot（2,1,2）;
plot（abs（Y））;
原始信号频谱'
程序结果如下图3：
图4语音信号的频谱
1.2.4噪声信号的构建
利用MATLAB中的随机函数（randn）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。
程序如下：
N=length（y）;
noise=rand（N,2）/20;
%噪声信号的函数
z=fft（noise）;
subplot（2,1,1）,plot（noise）;
噪声信号波形'
subplot（2,1,2）,plot（abs（z））;
噪声信号频谱'
axis（[0,250000,0,100]）;
图5噪声信号的频谱
1.2.5加入噪声的语音信号的频谱
matlab程序如下：
y=wavread（'
yuyin.wav'
s=y+noise;
%噪声信号的叠加
Subplot（2,1,1）;
plot（s）;
title（'
滤波前的时域波形'
S=fft（s）;
Subplot（2,1,2）;
plot（abs（S））;
滤波前的频域波形'
axis（[0,45000,0,200]）;
图6加噪语音信号的频谱
2数字滤波器的设计
2.1滤波器的设计原理
设计数字滤波器的任务就是寻求一个因果稳定的线性时不变系统，并使系统函数H（z）具有指定的频率特性。
数字滤波器根据其冲激响应函数的时域特性，可分为两种，即无限长冲激响应（IIR）滤波器和有限长冲激响应（FIR）滤波器。
IIR滤波器的特征是，具有无限持续时间冲激响应。
这种滤波器一般需要用递归模型来实现，因而有时也称之为递归滤波器。
FIR滤波器的冲激响应只能延续一定时间，在工程实际中可以采用递归的方式实现，也可以采用非递归的方式实现。
2.2滤波器的性能指标
在设计一个滤波器之前，必须首先根据工程实际的需要确定滤波器的技术指标。
在很多实际应用中，数字滤波器常常被用来实现选频操作。
因此，指标的形式一般在频域中给出幅度和相位响应。
幅度指标主要以两种方式给出。
第一种是绝对指标。
它提供对幅度响应函数的要求，一般应用于FIR滤波器的设计。
第二种指标是相对指标。
它以分贝值的形式给出要求。
在工程实际中，这种指标最受欢迎。
对于相位响应指标形式，通常希望系统在通频带中人有线性相位。
运用线性相位响应指标进行滤波器设计具有如下优点：
①只包含实数算法，不涉及复数运算；
②不存在延迟失真，只有固定数量的延迟；
③长度为N的滤波器（阶数为N-1），计算量为N/2数量级。
下面给出了有关滤波器的性能指标
1、低通滤波器的性能指标：
Fp=1000Hz，Fs=1200Hz，As=50dB，Ap=1dB；
2、高通滤波器的性能指标：
Fp=4000Hz，Fs=3500Hz，As=50dB，Ap=1dB；
3、带通滤波器的性能指标：
Fp1=1200Hz，Fp2=3000HZ，Fs1=1000Hz，
Fs2=3200Hz，As=50dB，Ap=1dB；
2.3IIR数字滤波器设计
IIR数字滤波器是一种离散时间系统，其系统函数为
（1-3）
假设M≤N，当M＞N时,系统函数可以看作一个IIR的子系统和一个（M-N）的FIR子系统的级联。
IIR数字滤波器的设计实际上是求解滤波器的系数
和
，它是数学上的一种逼近问题，即在规定意义上（通常采用最小均方误差准则）去逼近系统的特性。
如果在S平面上去逼近，就得到模拟滤波器；
如果在z平面上去逼近，就得到数字滤波器。
设计流程如图所示：
频域指标双线性变换法
脉冲响应不变法
图7IIR滤波器的间接法设计
IIR低通滤波器：
Ft=8000;
Fp=1000;
Fs=1200;
wp=2*pi*Fp/Ft;
ws=2*pi*Fs/Ft;
fp=2*Ft*tan（wp/2）;
fs=2*Ft*tan（ws/2）;
[N,wc]=buttord（wp,ws,1,50,'
s'
[b,a]=butter（N,wc,'
[bz,az]=bilinear（b,a,0.5）;
[h,w]=freqz（bz,az）;
plot（w*8000*0.5/pi,abs（h））;
Legend（'
用butter设计'
IIR低通滤波器'
grid;
图8
2.4FIR数字滤波器设计
IIR滤波器设计只能保证其幅频响应满足性能指标，相位特性无法考虑且往往非线性。
FIR滤波器的突出优点是，在保证满足滤波器幅频响应要求的同时，还可以获得严格的线性相位特性，这对于高保真的信号处理。
如语音处理、数据处理和测试等是十分重要的。
它的主要缺点是，达到相同性能指标所需滤波器阶数要高得多，延迟也比较大
FIR低通滤波器：
wp=2*Fp/Ft;
ws=2*Fs/Ft;
Ap=1;
As=50;
p=1-10.^（-Ap/20）;
s=10.^（-As/20）;
fpts=[wpws];
mag=[10];
dev=[ps];
[N,wc,beta,ftype]=kaiserord（fpts,mag,dev）;
b=fir1（N,wc,kaiser（N+1,beta））;
[h,w]=freqz（b,1）;
plot（w/pi,abs（h））;
FIR低通滤波器'
图9
2.5滤波器对信号滤波
用设计好的数字滤波器对含噪语音信号进行滤波,在Matlab中FIR滤波器利用函数fftfilt对信号进行滤波,IIR滤波器利用函数filter对信号进行滤波，在一个窗口同时画出滤波前后的波形及频谱如图。
IIR低通滤波：
k=y+noise;
Subplot（2,2,1）;
plot（k）;
K=fft（k）;
Subplot（2,2,2）;
plot（abs（K））;
axis（[0,50000,0,300]）;
z11=filter（bz,az,k）;
m11=fft（z11）;
subplot（2,2,3）;
plot（z11,'
g'
滤波后的时域波形'
subplot（2,2,4）;
plot（abs（m11）,'
r'
sound（z11）;
图10IIR低通滤波
FIR低通滤波：
yuyin.wav'
z21=fftfilt（b,k）;
m21=fft（z21）;
plot（z21,'
plot（abs（m21）,'
图11FIR低通滤波
2.6语音信号回放
以上几种滤波，我们都可以从信号滤波前后的波形图以及频谱图上看出变化。
我们可以用sound（）函数来播放滤波后的语音，从听觉上直接感受语音信号的变化，但由于人耳听力的限制，有些情况下我们是很难听出异同的。
在matlab中,函数sound可以对声音进行回放,其调用格式为:
sound（x,fs,nbits）。
通过回放可以发现滤波前后的声音有变化。
3心得体会
通过这次的课程设计我们可以学的到很多的东西，不仅可以巩固以前所学过的知识，还可以学到很多在书本上所没有学到过的知识。
进一步加深了对数字信号处理的了解，让我对它有了更加浓厚的兴趣。
因为
升级会员 