数字信号课程设计 语音信号的处理与滤波
语音信号处理课程设计报告python
语音信号处理课程设计报告python一、引言语音信号处理是数字信号处理中的一个重要分支，它主要涉及到语音信号的获取、预处理、特征提取、分类识别等方面。
在本次课程设计中，我们将使用Python语言对语音信号进行处理，并实现一个简单的语音识别系统。
二、问题描述本次课程设计的主要任务是实现一个基于MFCC特征提取和GMM-HMM模型的语音识别系统。
具体来说，我们需要完成以下任务：1. 对输入的语音信号进行预处理，包括去噪、分帧、加窗等；2. 提取MFCC特征；3. 使用GMM-HMM模型对不同的语音进行分类识别。
三、方法实现1. 语音信号预处理在对语音信号进行MFCC特征提取之前，需要对其进行预处理。
我们需要去除信号中的噪声。
常见的去噪方法包括基于阈值的方法和基于滤波器的方法。
在本次课程设计中，我们将使用基于阈值的方法对信号进行去噪。
我们需要将原始信号分帧，并对每一帧应用窗函数以减少频谱泄漏效应。
常见的窗函数包括汉明窗、海宁窗等。
2. MFCC特征提取MFCC是一种常用的语音特征提取方法，它可以将语音信号转换为一组包含语音信息的系数。
MFCC特征提取包括以下几个步骤：1. 对预处理后的语音信号进行快速傅里叶变换（FFT）；2. 将频谱图转换为梅尔频率倒谱系数（MFCC）；3. 对MFCC系数进行离散余弦变换（DCT）。
3. GMM-HMM模型GMM-HMM模型是一种常见的语音识别模型，它将每个单词表示为一个由高斯混合模型（GMM）和隐马尔可夫模型（HMM）组成的序列。
在本次课程设计中，我们将使用GMM-HMM模型对不同的语音进行分类识别。
四、程序实现1. 语音信号预处理我们使用Python中的librosa库对语音信号进行预处理。
具体来说，我们使用librosa.load()函数加载.wav格式的文件，并使用librosa.effects.trim()函数去除静默段。
我们对剩余部分进行分帧和加窗操作，并使用librosa.feature.mfcc()函数提取MFCC特征。
DSP课程设计--基于IIR的语音信号滤波
1设计的总体方案本题目通过DSP 处理器控制TLC320AD50采集音频信号，在CCS 软件中分析音频信号的频谱图，使用Matlab 设计相应的IIR 数字滤波器（低通、带通或带阻等滤波器中的一种）并得到滤波器H(z)的系数，然后根据这些系数，编写DSP 程序（C 语言或汇编）对已采集信号进行处理，最后在CCS 软件中得到处理后音频信号的频谱图，比较滤波前后信号的频谱图。
其中语音信号的采集与回放是采用TLC320AD50芯片对语音信号进行A/D 以及D/A 转换，从而实现对语音信号的数字处理和语音回放；DSP 芯片主要是将转化成数字信号的语音信号用DSP 算法对其进行处理，并将处理后的信号送到输出端，图1.1为本题目设计的总体方案图。
图1.1 总体方案设计图对滤波后的语音信号进行D/A 转换语音信号的采集输入语音信号的回放设计IIR 滤波器并编写DSP 程序对语音信号进行A/D 转换DSP 信号处理器2设计原理2.1 DSP信号处理器与TLC320AD50接口电路的原理图图2.1给出了一种基于TMS320C54X数字信号处理芯片和TLC320AD50C模拟接口电路的语音处理系统方案, 这个系统可用于多种语音处理场合,通过修改程序可达到不同的语音处理效果,具有良好的扩展性、灵活性和适应性等。
图2.1 DSP信号处理器与TLC320AD50接口电路的原理图2.2 IIR滤波器的基本结构IIR滤波器与FIR滤波器相比，具有相位性差的特点，但它的结构简单、运算量小、具有经济、高效的特点，并且可以用较小的阶数获得很高的选择性。
因此，也得到了较为广泛的应用。
IIR滤波器的差分方程的一般表达式为y(n)=∑b i x(n-i)-∑a i y(n-i)式中，x(n)为输入序列；y（n）为输出序列；a i和b i为滤波器系数。
若所有的系数a i等于零，则为FIR滤波器。
IIR滤波器具有无限长的单位脉冲响应，在结构上存在反馈回路，具有递归性，即IIR滤波器的输出不仅与输入有关，而且与过去的输出有关。
语音信号的数字滤波处理十一——椭圆函数(hanning窗)滤波器
语音信号的数字滤波处理十一——椭圆函数（hanning窗）滤波器数字信号处理课程设计语音信号的数字滤波处理(十一)题目：——椭圆函数（hanning窗）滤波器学生姓名：学号：班级:专业：指导教师：实习起止时间: 2015年6月29日至2015年7月3日题目数字信号处理——语音信号的数字滤波处理(十一)学生姓名：学号：班级：所在院(系):指导教师：摘要本次设计的内容为切比雪夫及hanning低通、高通、带通滤波器，并利用MATLAB平台进行设计。
首先通过声音处理语句得到声音信号的时域数据，利用FFT变换可得到频域数据，以此进行频率分析。
然后对原语音信号进行加噪处理，得到被污染信号。
最后将被污染信号通过设计的滤波器，实现滤波功能，得到滤波后的语音信号。
滤波器分别用切比雪夫II型和hanning窗设计，间接法设计IIR滤波器采用双线性变换法，滤波器设计指标由频谱分析得到。
通过声音播放语句进行语音播放，可观察声音的变化；通过图形处理语句和FFT得到时域图和频谱图，可分析得到滤波器对频率的滤波功能。
关键词：切比雪夫；声音处理；hanning；MATLAB；FFT目录1 绪论 (2)1.1 课题背景 (2)1.2 课题目的 (2)2 课程设计预习与原理 (3)2.1 课程设计预习 (3)2.1.1 卷积运算的演示 (3)2.2.2 采样定理的演示 (9)2.2 课程设计原理 (11)2.2.1 频谱分析原理 (11)2.2.2 IIR设计原理 (12)2.2.3 FIR设计原理 (12)3 课程设计步骤和过程 (15)3.1 IIR设计步骤和过程 (15)3.2 FIR设计步骤和过程 (15)4 设计程序的调试和运行结果 (16)4.1切比雪夫低通滤波器程序的调试和运行结果 (16)4.2切比雪夫高通滤波器程序的调试和运行结果 (18)4.3切比雪夫带通滤波器程序的调试和运行结果 (20)4.4 hamming滤波器程序的调试和运行结果 (23)5 总结 (25)参考文献 (27)附录 (28)附录 A (28)附录 B (33)1 绪论1.1 课题背景随着软硬件技术的发展，仪器的智能化与虚拟化已成为未来实验室及研究机构的发展方向。
数字信号处理课程设计
数字信号处理课程设计报告题目3运用matlab的数字音效处理系统设计系（院）：电子信息工程学院专业：通信工程班级：13通信学号：xxx姓名：xxx2015年12月19日一、摘要数字信号处理(Digital Signal Processing)技术，从20世纪60年代以来，随着计算机科学和信息科学发展，数字处理技术应运而生并得以快速发展。
语言是人们进行信息沟通的主要方式之一，它具有直接、自然、方便等优点。
语音则是语言的物理层表达方式。
语音处理主要是对语音进行机器处理，以达到传输、自动识别、机器理解等目的。
进行了语音处理过程的滤波、采样、傅立叶变换和谱包络提取的算法实现研究，讨论了在算法的DSP实现方法，Matlab 语言是一种广泛应用于工程计算及数值分析领域的新型高级语言, Matlab 功能强大、简单易学、编程效率高。
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.数字信号处理主要是研究用数字或符号序列表示和处理信号。
处理的目的可以是削弱信号中的多余内容，滤除混杂的噪声和干扰，或者是将信号变换为容易分析和识别的形式，便于估计和选择它的特征参数。
声音信号是一维连续信号,而计算机只能处理离散信号。
为了从离散信号还原连续信号,根据采样定理,可以确定采样频率的最小值。
wav文件是一种数字声音文件格式,本课程设计基于Matlab分析了wav声音文件频谱与声音的关系。
通过采集个人的一段声音进行频谱分析等处理，然后设计数字滤波器处理这个原始声音的wav文件,并比较滤波以后输出声音信号与原声音信号的异同。
基于MATLAB 的语音信号特技处理, 其实质是针对于不同的滤波器性能的分析与比较。
对于滤波器的设计可以使用MATLAB 中自带的工具, 也可以通过编程或直接利用MATLAB中的函数库来实现。
二、课程设计题目描述和要求2.1设计内容1、录制采集一段自己的语音信号；2、设计滤波器，实现单回声、多回声、混响效果和和声效果；2.2设计要求1、熟悉离散信号和系统的时域特性。
数字信号处理(语音处理应用)1
语音信号的数字处理方法
• 声音信号的两个基本参数是幅度和频率。
– 幅度是指声波的振幅，通常用动态范围表示， 一般用分贝（dB）为单位来计量。 – 频率是指声波每秒钟变化的次数，用Hz表示。 – 人们把频率小于20Hz声波信号称为亚音信号 （也称次音信号） – 频率范围为20Hz～20kHz的声波信号称为音频信 号 – 高于20kHz的信号称为超音频信号（也称超声波）
Wavread例
[y, fs]=wavread('welcome.wav');
sound(y, fs); % 播放音频
time=(1:length(y))/fs; % 时间轴的向量
plot(time, y); % 画出时间轴上的波形
显示音频文件的信息
• fileName='welcome.wav'; • [y, fs, nbits]=wavread(fileName); • fprintf('音频文件"%s" 的信息：\n', fileName);
• En的应用：
– 1）区分清音段和浊音段 – 2）区分声母和韵母 – 3）区分无声和有声的分界(信噪比较高的信号) – 4）区分连字的边界 – 5）用于语音识别
短时能量分析
• En的缺点：
– 对高电平过于敏感，给加窗宽度的选择带来了 困难。扩大了振幅不相等的任何两个相邻取样 值(此处的取样值是指某语帧的短时平均能量值) 之间的幅度差别，必须用较宽的窗函数才能平 滑能量幅度的起伏。
wavplay(flipud(y), fs, 'sync');% 播放前后颠倒的音频波形
–
通常在使用 wavplay 播放音讯时，MATLAB 会停止进行 其它动作，直到音讯播放完毕后，才会再进行其它指令 的 运 算 ， 此 种 运 作 方 式 称 为 「 同 步 式 」 （ Synchronous ）。若需要一边播放、一边进行其它运 算，就必须使用「异步式」（Asynchronous）的播放方 式。
语音信号的频谱分析和FIR滤波器的设计要点
目录一．绪论1.课题背景 (2)2.本次课程设计的目的 (2)二．设计原理及实验工具1.设计原理（1）采样频率、位数及采样定理 (3)（2）时域信号的FFT分析 (4)（3）基于窗函数的FIR数字滤波器设计法 (4)2.实验工具 (5)三．仿真程序及频谱分析1.语音信号的频谱分析 (5)2.FFT频谱分析 (7)3.FIR数字低通滤波器的设计 (8)4.FIR数字高通滤波器的设计 (10)5.FIR数字带通滤波器的设计 (13)6.保存滤波后的声音文件 (15)五．设计总结 (15)六．参考文献 (16)一．绪论1.课题背景随着信息时代和数字世界的到来，数字信号处理己成为当今一门极其重要的学科和技术领域，数字信号处理在通信、语音、图像、自动控制、医疗和家用电器等众多领域得到了广泛的应用。
任意一个信号都具有时域与频域特性，信号的频谱完全代表了信号，因而研究信号的频谱就等于研究信号本身。
通常从频域角度对信号进行分析与处理，容易对信号的特性获得深入的了解。
因此，信号的频谱分析是数字信号处理技术中的一种较为重要的工具。
在工程领域中，MATLAB 是一种倍受程序开发人员青睐的语言，对于一些需要做大量数据运算处理的复杂应用以及某些复杂的频谱分析算法MATLAB显得游刃有余。
2.本次课程设计的目的（1）掌握傅里叶变换的物理意义，深刻理解傅里叶变换的内涵（2）了解matlab对声音信号的处理指令（3）聊二级计算机存储信号的方式及语音信号的特点（4）加深对采样定理的理解（5）加深对信号分析工程应用的理解，拓展学生在信号分析领域的综合应用能力（6）掌握用窗函数法设计FIR数字滤波器的原理和方法（7）掌握FIR滤波器的快速卷积实现原理。
（8）学会调用MATLAB函数设计与实现FIR滤波器二．实验原理、工具1.实验原理（1）采样频率、位数及采样定理采样频率：定义了每秒从连续信号中提取并组成离散信号的采样个数，用赫兹（Hz）来表示。
“数字信号处理”课程综合性实验教学探索
“数字信号处理”课程综合性实验教学探索发布时间：2021-03-30T05:51:55.569Z 来源：《科技新时代》2021年1期作者：张湃[导读] 数字信号处理课程为通信及电子信息专业学生解决复杂工程问题提供理论基础，在理论课程结束后，开展综合性实验教学能够促进学生对知识的理解，提高其解决问题能力。
(唐山学院智能与信息工程学院，河北唐山063000 )摘要：数字信号处理课程为通信及电子信息专业学生解决复杂工程问题提供理论基础，在理论课程结束后，开展综合性实验教学能够促进学生对知识的理解，提高其解决问题能力。
本文设计了“数字信号处理”课程综合性实验教学——“语音信号处理与滤波分析”。
该综合性实验通过对语音信号的处理与滤波，将快速傅里叶变换、常用滤波器的设计等理论问题引入到实验中，能够帮助学生通过将理论知识转化为实践，锻炼和培养了学生的工程意识，以及解决综合性工程问题的能力。
关键字：数字信号处理；综合性实验；滤波器前沿：数字信号处理课程是通信及电子信息专业一门重要的专业基础课程。
该课程可为后续课程DSP处理、通信原理、多媒体数字技术等课程打下良好的基础「1-2」。
由于该课程思维新颖，理论难度较大，不少学生在学习中遇到瓶颈，因此该门课程期末考核通过率较低。
为进一步帮助学生加深对“数字信号处理”课程理论知识的掌握，提高其解决实际问题的能力，提出了“数字信号处理”课程综合性实验教学——“语音信号处理与滤波分析”。
采用FIR窗函数法设计滤波器，并对语音信号进行处理，得出不同滤波器下信号对应的频率响应；并对滤波前后的信号进行对比，分析信号的变化；回放语音信号。
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「3」。
一、设计要求：（1）语音信号的采集熟悉并掌握MATLAB中有关声音（wave）录制、播放、存储、和读取的函数，在MATLAB环境中，使用声音相关函数录制6-8秒音乐的声音。
基于matlab的数字音效处理器——数字信号处理课设报告
一：应用背景利用所学习的数字信号处理知识，自己动手制作一个有趣的音效处理系统，看看能不能完成声音的逐渐放大和逐渐衰减、看看能不能让自己的声音发生一些改变（变得尖声尖气或粗声粗气）、看看改变声音播放速度有什么方法等等，你还可以自己想想还有什么有趣的变化，可以通过我们已有的知识让它实现。
作为课程设计，以下要求分为基本必做部分和提高必做部分，在提高部分你可以选择全部内容和部分内容，当然分数值是不一样。
二、基于MATLAB数字音效处理器2.1：实现步骤基本要求描述（40分）1）语音信号的采集（2分）要求利用Windows下的录音机,录制一段自己的话音,时间在5s内，存为*.WA V的文件。
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。
2）语音信号的频谱分析（10分）要求首先画出语音信号的时域波形;然后对语音号进行快速傅里叶变换,得到信号的频谱特性，分析基频。
3）设计数字滤波器和画出其频率响应（10分）给出各滤波器的性能指标：(1)低通滤波器性能指标fb＝1 000 Hz,fc＝1 200 Hz,As＝100 dB,Ap＝1 dB。
(2)高通滤波器性能指标fc＝4 800 Hz,fb＝5 000 Hz As＝100 dB,Ap＝1 dB。
(3)带通滤波器性能指标fb1＝1 200 Hz,fb2＝3 000 Hz,fc1＝1 000 Hz,fc2＝3 200 Hz,As ＝100 dB,Ap＝1 dB。
4）用滤波器对信号进行滤波（5分）要求学生用自己设计的各滤波器分别对采集的信号进行滤波,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。
5）比较滤波前后语音信号的波形及频谱（10分）要求在一个窗口同时画出滤波前后的波形及频谱，做出分析。
6）回放语音信号（1分）在Matlab中,函数sound可以对声音进行回放。
毕业设计122广西工学院语音信号的处理与滤波论文
语音信号的处理与滤波摘要:本文介绍了一种基于语音信号的处理及滤波器的设计和实现，为帮助学生理解与掌握课程中的基本概念、基本原理、基本分析方法，提出了用Matlab 进行数字信号处理课程设计的思路，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 或者ＤＳＰ开发系统作为工具进行实现，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。
此外，系统实现了对语音信号处理的整体过程，并将采集到的数据传输到基于Matlab-GUI 界面设计的滤波器系统中进行分析、处理、频谱分析、显示和储存。
关键字: 语音信号；MATLAB ；信号分析；FIR ；IIR ；图形用户界面（GUI ）一、开发工具说明MATLAB 是MathWorks 公司于1982年推出的一套高性能的数值计算和可视化数学软件，被誉为“巨人肩上的工具”。
MATLAB 的含义是矩阵实验室（MATRIX LABORATORY ）。
经过十几年的完善和扩充，它已发展成为线性代数课程的标准工具。
在美国，MATLAB 是大学生和研究生必修的课程之一。
美国许多大学的实验室都安装有MATLAB ，供学习和研究之用。
它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境。
在这个环境下，对所要求解的问题，用户只需要简单地列出数学表达式，其结果便以数值或图形方式显示出来。
MATLAB 中包括被称作工具箱（TOOLBOX ）的各类应用问题的求解工具。
它可用来求解各类学科的问题，包括信号处理、图像处理、控制系统辨识、神经网络等。
随着MATLAB 版本的不断升级，其所含的工具箱的功能也越来越丰富，因此应用范围也越来越广泛，成为涉及数值分析的各类设计不可或缺的工具。
近年来，随着MATLAB 和SIMULINK 及其相关工具箱的不断晚上和发展，它们已经成为专家学者和工程技术人员不可缺少的助手。
语音信号的滤波与处理
广西工学院数字信号处理课程设计题目：语音信号的处理与滤波(难度系数：0.8)系别：计算机工程学院专业：通信工程班级：通信091学号：200900402037姓名：郑志军指导教师：周坚和日期：2012.01.01目录摘要： ...................................错误!未定义书签。
一．设计内容 .. (5)二．设计目的 (5)三．基本步骤 (5)四、相关原理知识 (6)五、实现过程 (12)1．录制声音 (12)2．分别取8000个和16000个数据进行频谱分析，得到幅度和相位谱，比较二者异同并分析原因 (15)3．滤波器的设计 (17)4．对声音进行滤波 (18)5．把处理后的所有数据存储为声音文件，与原始声音进行比较19六、心得体会 (20)七、参考文献 (21)摘要信号处理是现代信息处理的基本内容，数字信号的处理更是重中之重。
数字信号处理的研究内容主要是语音信号和图像信号，而研究语音信号对于现代语音通信有着积极的意义。
研究语音信号又分为时域和频域两个方面。
（1）语音信号的时域分析处理：一类是进行语音信号分析，另一类是生成和变换各种调制信号，对信号平均累加器的动态范围进行压缩扩张，用门限方法进行噪声的抑制等等。
前一类是属于时域中信号平均累加器的线性处理，主要通过信号的加减、时移、倍乘、卷积、求相关函数等来实现。
而后一类，则属于非线性的变换和处理。
（2）语音信号的频谱分析处理：信号的时域频谱分析通常是要结合在一起进行的。
在数字设计系统中，任何信号处理器件都可以看成是一个滤波器，滤波器设计是数字信号处理的重要内容。
滤波器就是在对信号进行分析的基础上，设计适当的系统，提取有用的信号，抑制噪声信号干扰。
滤波器的设计通常是在频率域进行的[1]。
本设计是用MATLAB仿真软件设计滤波器对受干扰的语音信号进行滤波处理，并对各部分进行频谱分析。
MATLAB工具介绍：MATLAB是MathWorks公司开发的一种跨平台的用于多种仿真的简单高效的数学语言。
语音信号的数字滤波处理
题目:语音信号的FIR滤波器处理组员：班级:指导教师：成绩：摘要：DSP( Digital Signal Processing) 也就是我们常说的数字信号处理,它是利用计算机或专用处理设备, 以数字形式对信号进行采集、变换、滤波、估值、增强、压缩、识别等处理, 以得到符合人们需要的信号形式。
数字滤波是语音信号处理、图像处理、模式识别、频谱分析等应用的基本处理算法。
在数字信号处理中，滤波具有极其重要的作用。
数字滤波是谱分析、通信信号处理等的基本算法，它能够满足滤波器对幅度和相位的严格要求，解决了模拟滤波器所无法克服的电压漂移、温度漂移和噪声等问题，同时用DSP芯片实现数字滤波除了具有稳定性好、精确度高、不受环境影响等优点外，又有很高的可编程性和灵活性。
本文采用数字滤波器的设计基础及用窗函数法设计FIR滤波器的方法，用CCS 2.0进行观察效果。
关键词：FIR滤波 MATLAB 窗函数法 CCS1、设计目的1.1 掌握 FIR 数字滤波器的设计思路及方法步骤，学会设计各种低通、高通、带通滤波器。
1.2 学会利用DSP 技术课程以及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。
1.3 熟悉汇编语言，学会用 DSK/DEC5402 CCS2.0 软件编写C 语言程序和汇编语言程序。
1.4 培养自己对工程设计的独立工作能力。
2、设计要求2.1设计一FIR 低通滤波器，实现对语音信号的滤波。
2.2用语音信号去检验该滤波器，查看滤波效果。
根据老师的要求，我们自己拟定了滤波器的指标：Fs=8000hz ，Wp=1500 Hz ，Ws=2000 Hz ，通带波纹为0.01，阻带波纹为0.1，N=37。
3、课程设计内容通过 DSP 处理器控制 TLC320AD50 采集音频信号，在 CCS 软件中分析音频信号的频谱图，使用 Matlab 设计相应的 FIR 低通数字滤波器得到滤波器H(z)的系数，然后根据这些系数，编写 DSP 程序（C 语言或汇编）对已采集信号进行处理，最后在 CCS 软件中得到处理后音频信号的频谱图，比较滤波前后信号的频谱图。
语音信号处理
2设计原理
2.1卷积运算
卷积和乘积运算在频域和时域是一一对应的，两个信号在时域的卷积可以转化为求两者在频域的乘积后再反变换，同理在频域的卷积等时域的乘积。而信号的频域求解有快速傅里叶FFT算法。
卷积与傅里叶变换有着密切的关系。利用一点性质，即两函数的傅里叶变换的乘积等于它们卷积后的傅里叶变换，能使傅里叶分析中许多问题的处理得到简化。
5.2双线性变换法设计IIR滤波器
5.3窗函数设计FIR滤波器
6心得与体会
7参考文献
1绪论
数字滤波器可以在语音信号分析中对声音进行处理，可以滤出不要的噪声，使声音更加清楚。本设计通过对语音信号进行采集，对语音信号进行时域与频域的分析，然后给语音信号加上噪声，通过切比雪夫滤波器进行高通、低通、带通的滤波。通过汉宁窗对声音进行过滤。然后对声音进行回放，对比前后声音信号的差异。实现滤波功能。理论依据：根据设计要求分析系统功能，掌握设计中所需理论（采样频率、采样位数的概念，采样定理；时域信号的FFT分析；数字滤波器设计原理和方法，各种不同类型滤波器的性能比较），阐明设计原理。信号采集：采集语音信号，并对其进行FFT频谱分析，画出信号的时域波形图和频谱图。构造受干扰信号并对其进行FFT频谱分析：对所采集的语音信号加入干扰噪声，对语音信号进行回放，感觉加噪前后声音的变化，分析原因，得出结论。并对其进行FFT频谱分析，比较加噪前后语音信号的波形及频谱，对所得结果进行分析，阐明原因，得出结论。数字滤波器设计：根据待处理信号特点，设计合适数字滤波器，绘制所设计滤波器的幅频和相频特性。信号处理：用所设计的滤波器对含噪语音信号进行滤波。对滤波后的语音信号进行FFT频谱分析。画出处理过程中所得各种波形及频谱图。对语音信号进行回放，感觉滤波前后声音的变化。比较滤波前后语音信号的波形及频谱，对所得结果和滤波器性能进行频谱分析，阐明原因，得出结论。
数字信号处理课程设计--基于 MATLAB 的语音去噪处理
数字信号处理课程设计课程名称数字信号处理基于MATLAB 的语音去噪处理题目名称专业班级13级通信工程本一学生姓名学号指导教师二○一五年十二月二十七日引言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。
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目录1 绪论 (4)2 课程设计内容 (5)3 课程设计的具体实现 (5)3.1 语音信号的采集 (4)3.2 语音信号的时频分析 (4)3.3 语音信号加噪与频谱分析 (6)3.4 利用双线性变换法设计低通滤波器 (8)3.5 用滤波器对加噪语音信号进行滤波 (9)3.6 分析滤波前后语音信号波形及频谱的变化 (10)3.7回放语音信号 (10)3.8小结 (11)结论 ···········································································错误！未定义书签。
语音信号处理课程设计
目录第一章绪论 (1)第二章系统方案论证 (2)2．1 实验目的 (2)2．2实验原理 (2)第三章 GUI设计实现 (5)3.1原理图及程序 (5)第五章实验心得及体会 (12)附录 (13)参考文献 (14)第一章绪论语音是人类交换信息最方便、最快捷的一种方式，在高度发达的信息社会中，用数字化的方法进行语音的传送、存储、识别、合成和增强等是整个数字化通信网中最重要、最基本的组成部分之一。
数字电话通信、高音质的窄带语音系统、语音学习机、声控打字机、自动翻译机、智能机器人、新一代计算机语音智能终端及许多军事上的应用等，都要用到语音信号处理技术，随着集成电路和微电子技术的飞速发展，语音信号处理系统逐步走向实用化。
语音信号处理是一门新兴的边缘学科，它是语音学和数字信号处理两个学科相结合的产物。
它和认知科学、心理学、语言学、计算机科学、模式识别和人工智能等学科有着紧密的联系。
语音信号处理的发展依赖于这些学科的发展，而语音信号处理技术的进步也会促进这些领域的进步。
语音信号处理的目的是要得到某些语音特征参数以便高效地传输或存储；或者是通过某种处理运算以达到某种用途的要求，例如人工合成语音、辨识出讲话者、识别出讲话者的内容等。
通过MATLAB可以对数字化的语音信号进行时频域分析。
通过MATLAB可以方便的展现语音信号的时域及频域曲线，并且根据语音的特性对语音进行分析。
例如，清浊音的幅度差别、语音信号的端点、信号在频域中的共振频率、加不同窗和不同窗长对信号的影响、LPC分析、频谱分析等。
通过MATLAB可以对数字化的语音信号进行处理。
由于MATLAB是一种面向科学和工程计算的高级语言，允许用数学形式的语言编程，又有大量的库函数，所以编程简单、编程效率高、易学易懂。
我们可以对信号进行加躁和去噪、滤波、截取语音等。
第二章 系统方案论证2．1 实验目的信号的傅立叶表示在信号的分析与处理中起着重要的作用。
因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分析和处理问题。
MATLAB处理语音信号
MATLAB处理语⾳信号⼀、实验项⽬名称语⾳信号的处理⼆、实验⽬的综合运⽤数字信号处理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，并进⾏计算机仿真，从⽽复习巩固了课堂所学的理论知识，提⾼了对所学知识的综合应⽤能⼒。
三、实验内容1. 语⾳信号的采集2. 语⾳信号的频谱分析3. 设计数字滤波器和画出频率响应4. ⽤滤波器对信号进⾏滤波5. ⽐较滤波前后语⾳信号的波形及频谱6. 回放语⾳信号四、实验具体⽅案1.语⾳信号采集录制⼀段语⾳信号并保存为⽂件，长度控制在1秒，并对录制的信号进⾏采样；录制时使⽤Windows⾃带的录⾳机。
采样是将⼀个信号（即时间或空间上的连续函数）转换成⼀个数值序列（即时间或空间上的离散函数）。
采样定理指出，如果信号是带限的，并且采样频率⾼于信号带宽的两倍，那么，原来的连续信号可以从采样样本中完全重建出来。
如果信号带宽不到采样频率的⼀半（即奈奎斯特频率），那么此时这些离散的采样点能够完全表⽰原信号。
⾼于或处于奈奎斯特频率的频率分量会导致混叠现象。
⼤多数应⽤都要求避免混叠，混叠问题的严重程度与这些混叠频率分量的相对强度有关。
⽤Windows⾃带录⾳机录⼊⼀段⾳乐，2秒钟，⽤audioread读取⾳频内容，这⾥不使⽤waveread是因为他要求⾳频⽂件格式为.wav ,并且我进⾏了尝试但没有成功，画出⾳频信号的时域波形图[y1,fs]=audioread('F:\MATLAB\ren.m4a');figure(1);plot( y1 );title('Ô原语⾳信号时域波形图');xlabel('单位');ylabel('幅度');2.语⾳信号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中利⽤fft对信号进⾏快速傅⾥叶变换，得到信号的频谱特性。
Matlab的信号处理⼯具箱中的函数FFT可⽤于对序列的快速傅⾥叶变换分析，其调⽤格式是y=fft(x,N)，其中，x是序列，y是序列的FFT变换结果，N为整数，代表做N点的FFT，若x为向量且长度⼩于N，则函数将x补零⾄长度N；若向量x长度⼤于N，则截断x使之长度为N。
数字信号处理课程设计
数字信号处理 课程设计一、课程目标知识目标：1. 理解数字信号处理的基本概念、原理和方法，掌握其数学表达和物理意义；2. 掌握数字信号处理中的关键算法，如傅里叶变换、快速傅里叶变换、滤波器设计等；3. 了解数字信号处理技术在通信、语音、图像等领域的应用。
技能目标：1. 能够运用所学知识分析数字信号处理问题，提出合理的解决方案；2. 能够运用编程工具（如MATLAB）实现基本的数字信号处理算法，解决实际问题；3. 能够对数字信号处理系统的性能进行分析和优化。
情感态度价值观目标：1. 培养学生对数字信号处理学科的兴趣，激发其探索精神和创新意识；2. 培养学生严谨的科学态度和良好的团队协作精神，提高沟通与表达能力；3. 增强学生对我国在数字信号处理领域取得成就的自豪感，树立为国家和民族发展贡献力量的信心。
课程性质：本课程为专业选修课，旨在使学生掌握数字信号处理的基本理论和方法，培养其解决实际问题的能力。
学生特点：学生具备一定的数学基础和编程能力，对数字信号处理有一定了解，但缺乏系统学习和实践经验。
教学要求：结合学生特点和课程性质，注重理论与实践相结合，采用案例教学、互动讨论等教学方法，提高学生的参与度和实践能力。
通过本课程的学习，使学生能够达到上述课程目标，为后续相关课程和实际工作打下坚实基础。
二、教学内容1. 数字信号处理基础：包括数字信号、离散时间信号与系统、信号的采样与恢复等基本概念，使学生建立数字信号处理的基本理论框架。
教材章节：第一章 数字信号处理概述2. 傅里叶变换及其应用：介绍傅里叶变换的原理、性质和应用，以及快速傅里叶变换算法。
教材章节：第二章 傅里叶变换及其应用3. 数字滤波器设计：讲解数字滤波器的基本原理、设计方法和性能评价，包括IIR和FIR滤波器。
教材章节：第三章 数字滤波器设计4. 数字信号处理应用案例分析：通过通信、语音、图像等领域的实际案例，使学生了解数字信号处理技术的应用。
数字信号处理课程设计
数字信号处理课程设计（综合实验）班级：电子信息工程1202X姓名：X X学号：1207050227指导教师:XXX设计时间：2014.12.22—2015.1。
4成绩:评实验一时域采样与频域采样定理的验证实验一、设计目的1。
时域采样理论与频域采样理论是数字信号处理中的重要理论.要求掌握模拟信号采样前后频谱的变化，以及如何选择采样频率才能使采样后的信号不丢失信息；2. 要求掌握频率域采样会引起时域周期化的概念，以及频率域采样定理及其对频域采样点数选择的指导作用。
二、程序运行结果1。
时域采样定理验证结果:2。
频域采样定理验证结果:三、参数与结果分析1。
时域采样参数与结果分析：对模拟信号()ax t以T进行时域等间隔理想采样，形成的采样信号的频谱会以采样角频率Ωs（Ωs=2π/T)为周期进行周期延拓。
采样频率Ωs必须大于等于模拟信号最高频率的两倍以上，才能使采样信号的频谱不产生频谱混叠。
() ax t的最高截止频率为500HZ，而因为采样频率不同,得到的x1（n)、x2(n）、x3(n）的长度不同。
频谱分布也就不同。
x1(n）、x2（n）、x3(n)分别为采样频率为1000HZ、300HZ、200HZ 时候的采样序列，而进行64点DFT之后通过DFT分析频谱后得实验图中的图，可见在采样频率大于等于1000时采样后的频谱无混叠，采样频率小于1000时频谱出现混叠且在Fs/2处最为严重。
2.频域采样参数与结果分析：对信号x（n）的频谱函数进行N点等间隔采样，进行N 点IDFT[（）NXk］得到的序列就是原序列x(n）以N为周期进行周期延拓后的主值区序列。
对于给定的x（n）三角波序列其长度为27点则由频率域采样定理可知当进行32点采样后进应该无混叠而16点采样后进行IFFT得到的x（n）有混叠,由实验的图形可知频域采样定理的正确性.四、思考题如果序列x（n）的长度为M，希望得到其频谱在[0， 2π］上的N点等间隔采样，当N<M 时，如何用一次最少点数的DFT得到该频谱采样？答：通过实验结果可知，可以先对原序列x(n)以N为周期进行周期延拓后取主值区序列，再计算N点DFT则得到N点频域采样。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
广西科技大学（筹）数字信号处理课程设计设计题目：语音信号的处理与滤波设计过程：1.语音信号的采集利用电脑上的声卡和WINDOWS操作系统可以进行数字信号的采集。
可以直接用电脑自带的录音工具进行录音。
也可以运用MATLAB中的wavrecord()、wavwrite()、wavplay()、wavread()等函数进行语音的录制、播放、存储、读取。
具体采集步骤如下：用MATLAB工具编程录制一段时间为5秒的内容（例如“老师，新年快乐”）的语音，存放在C:\Users\PKL\Desktoptft.wav,并把存放录音文件的文件夹导入MATLAB的work目录中。
录制程序如下：程序：fs=16000;%设计抽样频率channel=1;%设计录音通道t=5;fprintf('按任意键开始%d秒录音:',t);pause;%暂停命令fprintf('正在录音');y=wavrecord(t*fs,fs,channel,'double');%录制语音fprintf('录音结束\n');wavwrite(y,fs,'C:\Users\PKL\Desktop\tft.wav');fprintf('按任意键回放语音');pause;wavplay(y,fs);2.语音信号的时频域分析利用MATLAB中的“wavread”命令来读入已经录制好的语音信号，将它赋值给任意向量，再对其进行采样。
然后可用MATLAB的绘图函数对时域和频域进行绘图分析。
运用下面程序进行采样和绘制时频域图，时域图为附件中的图——1，频域图为附件中的图——2。
程序：[y,fs,nbits]=wavread('tft.wav');%加载语音信号wavplay(y,fs);%回放语音信号N=length(y);%语音信号长度Y=fft(y,N);%用傅里叶变换求频域subplot(2,1,1);plot(y);title('图——1 原始信号时域波形图');subplot(2,1,2);plot(abs(Y));title('图——2 原始信号频谱图');3.采用窗函数法和双线性变换法设计滤波器所需设计的滤波器的性能指标为：（1）低通滤波器性能指标：fb=1000Hz,fc=1200Hz,As=100dB,Ap=1dB。
（2）高通滤波器性能指标：fb=5000Hz,fc=4800Hz,As=100dB,Ap=1dB。
（3）带通滤波器性能指标：fp1=1200Hz,fp2=3000Hz,fsc1=1000Hz,fsc2=3200Hz,As=100dB,Ap=1dB。
(一）用双线性变换法设计滤波器用双线性变换法设计滤波器就是先按低通滤波器的性能指标设计模拟低通滤波器，再转换成相应的过渡模拟滤波器。
然后采用双线性变换法将相应类型的过渡模拟滤波器转换成所需类型的数字滤波器。
这样可以避免产生频谱混叠现象。
在双线性变换法中可用butter,cheby1和ellip设计相应IIR滤波器。
设计程序如下：低通滤波器设计程序：fp=1000;ft=5500;%取抽样频率fs=1200;wp=2*pi*fp/ft;%通带频率ws=2*pi*fs/ft;%截止频率Omgp=2*ft*tan(wp/2);Omgs=2*ft*tan(ws/2);[n,Omgc]=buttord(Omgp,Omgs,1,100,'s');[z,p,k]=buttap(n);B=k*real(poly(z));A=real(poly(p));[b,a]=lp2lp(B,A,Omgc);[ba,aa]=bilinear(b,a,ft);[Ha,w]=freqz(ba,aa);plot(w/pi,abs(Ha));title('图——3 IIR低通滤波器');附件图——3为IIR低通滤波器频谱图。
高通滤波器设计程序：fp=5000;ft=25000;%取抽样频率fs=4800;Rp=1;As=100;wp=2*pi*fp/ft;%通带频率ws=2*pi*fs/ft;%截止频率Omgp=2*ft*tan(wp/2);Omgs=2*ft*tan(ws/2);[n,Omgc]=ellipord(Omgp,Omgs,Rp,As,'s'); %计算阶数n和截止频率[z,p,k]=ellipap(n,Rp,As);B=k*real(poly(z));A=real(poly(p));[b,a]=lp2hp(B,A,Omgc);[ba,aa]=bilinear(b,a,ft);[Ha,w]=freqz(ba,aa);plot(w/pi,abs(Ha));title('图——4 IIR高通滤波器');附件图——4为IIR高通滤波器频谱图。
带通滤波器设计程序：fp1=1200;fp2=3000;fs1=1000;fs2=3200;ft=10000;As=100;Rp=1;wp1=2*pi*fp1/ft;wp2=2*pi*fp2/ft;ws1=2*pi*fs1/ft;ws2=2*pi*fs2/ft;Omgp1=2*ft*tan(wp1/2);Omgp2=2*ft*tan(wp2/2);Omgp=[Omgp1,Omgp2];Omgs1=2*ft*tan(ws1/2);Omgs2=2*ft*tan(ws2/2);Omgs=[Omgs1,Omgs2];bw=Omgp2-Omgp1;w0=sqrt(Omgp1*Omgp2);%通带宽和中心频率[n,Omgn]=cheb1ord(Omgp,Omgs,Rp,As,'s');[z,p,k]=cheb1ap(n,Rp);B=k*real(poly(z));A=real(poly(p));[b,a]=lp2bp(B,A,w0,bw);[ba,aa]=bilinear(b,a,ft);[Ha,w]=freqz(ba,aa);plot(w/pi,abs(Ha));title('图——5IIR带通滤波器');附件图——5为IIR高通滤波器频谱图。
(二）用窗函数法设计滤波器窗函数设计方法主要有矩形窗、巴特列特窗、汉宁窗、海明窗、布拉克曼窗凯泽窗等。
选择合适窗设计FIR滤波器，这里按照设置指标选择凯泽窗和布莱克曼窗进行设计。
FIR低通滤波器设计程序：ft=5500;fpts=[1000 1200];dev=[0.01 0.05];%通带与阻带波动mag=[1 0];[n21,wn21,beta,ftype]=kaiserord(fpts,mag,dev,ft);b21=fir1(n21,wn21,Kaiser(n21+1,beta));[h,w]=freqz(b21,1);plot(w/pi,abs(h));title('图——6 FIR低通滤波器');频率响应图为：图——6FIR高通滤波器设计程序：ft=25000;fpts=[4800 5000];dev=[0.01 0.05];mag=[1 0];[n22,wn22,beta,ftype]=kaiserord(fpts,mag,dev,ft);b22=fir1(n22,wn22,'high',Kaiser(n22+1,beta));[h,w]=freqz(b22,1);plot(w/pi,abs(h));title('图——7 FI高通滤波器');频率响应图为：图——7FIR带通滤波器的设计程序：fp1=1200;fp2=3000;fs1=1000;fs2=3200;ft=10000;ws1=fs1/(ft/2)*pi;ws2=fs2/(ft/2)*pi;wp1=fp1/(ft/2)*pi;wp2=fp2/(ft/2)*pi;wp=[wp1,wp2];ws=[ws1,ws2];deltaw=wp1-ws1;N0=ceil(11*pi/deltaw);N=N0+mod(N0+1,2);windows=(blackman(N))';wc1=(ws1+wp1)/2;wc2=(ws2+wp2)/2;hd=ideallp(wc2,N)-ideallp(wc1,N);b=hd.*windows;[h,w]=freqz(b,1);plot(w/pi,abs(h));title('图——8 FIR带通滤波器');频率响应图为：图——84.对“tft.wav”语音信号进行滤波分别采用设计好的低通，高通，带通滤波器对“tft.wav”语音信号进行滤波，用MATLAB画出滤波后的时频域图，并回放录播后的语音信号。
（1）FIR低通滤波程序：ft=5500;fpts=[1000 1200];dev=[0.01 0.05];mag=[1 0];[n21,wn21,beta,ftype]=kaiserord(fpts,mag,dev,ft);b21=fir1(n21,wn21,Kaiser(n21+1,beta));[h,w]=freqz(b21,1);[y,fs,nbits]=wavread(‘tft.wav');%加载语音信号f=filter(b21,1,y);wavplay(f);f1=fft(f);subplot(2,1,1)plot(f);title('低通滤波后的波形');subplot(2,1,2)plot(abs(f1));title('低通滤波后的频谱图')运行结果图为附件：图——9（2）FIR高通滤波程序：ft=25000;fpts=[4800 5000];dev=[0.01 0.05];mag=[1 0];[n22,wn22,beta,ftype]=kaiserord(fpts,mag,dev,ft);b22=fir1(n22,wn22,'high',Kaiser(n22+1,beta));[h,w]=freqz(b22,1);[y,fs,nbits]=wavread('tft.wav');%加载语音信号f=filter(b22,1,y);wavplay(f);f1=fft(f);subplot(2,1,1)plot(f);title('高通滤波后的波形');subplot(2,1,2)plot(abs(f1));title('高通滤波后的频谱图')运行结果图为附件：图——10（3）FIR带通滤波程序：fp1=1200;fp2=3000;fs1=1000;fs2=3200;ft=10000;ws1=fs1/(ft/2)*pi;ws2=fs2/(ft/2)*pi;wp1=fp1/(ft/2)*pi;wp2=fp2/(ft/2)*pi;wp=[wp1,wp2];ws=[ws1,ws2];deltaw=wp1-ws1;N0=ceil(11*pi/deltaw);N=N0+mod(N0+1,2);windows=(blackman(N))';wc1=(ws1+wp1)/2;wc2=(ws2+wp2)/2;hd=ideallp(wc2,N)-ideallp(wc1,N);b=hd.*windows;[h,w]=freqz(b,1);[y,fs,nbits]=wavread('tft.wav');%加载语音信号 f=filter(b,1,y);wavplay(f);f1=fft(f);subplot(2,1,1)plot(f);title('带通滤波后的波形');subplot(2,1,2)plot(abs(f1));title('带通滤波后的频谱图')运行结果图为附件：图——11（4）IIR低通滤波程序：fp=1000;ft=5500;%取抽样频率fs=1200;wp=2*pi*fp/ft;%通带频率ws=2*pi*fs/ft;%截止频率Omgp=2*ft*tan(wp/2);Omgs=2*ft*tan(ws/2);[n,Omgc]=buttord(Omgp,Omgs,1,100,'s');[z,p,k]=buttap(n);B=k*real(poly(z));A=real(poly(p));[b,a]=lp2lp(B,A,Omgc);[ba,aa]=bilinear(b,a,ft);[Ha,w]=freqz(ba,aa);[y,fs,nbits]=wavread('tft.wav');%加载语音信号f=filter(ba,aa,y);wavplay(f);f1=fft(f);subplot(2,1,1)plot(f);title('低通滤波后的波形');subplot(2,1,2)plot(abs(f1));title('低通滤波后的频谱图')运行结果图为附件：图——9——1（5）IIR高通滤波程序：fp=5000;ft=25000;%取抽样频率fs=4800;Rp=1;As=100;wp=2*pi*fp/ft;%通带频率ws=2*pi*fs/ft;%截止频率Omgp=2*ft*tan(wp/2);Omgs=2*ft*tan(ws/2);[n,Omgc]=ellipord(Omgp,Omgs,Rp,As,'s'); %计算阶数n和截止频率[z,p,k]=ellipap(n,Rp,As);B=k*real(poly(z));A=real(poly(p));[b,a]=lp2hp(B,A,Omgc);[ba,aa]=bilinear(b,a,ft);[Ha,w]=freqz(ba,aa);[y,fs,nbits]=wavread('tft.wav');%加载语音信号f=filter(ba,aa,y);wavplay(f);f1=fft(f);subplot(2,1,1)plot(f);title('IIR高通滤波后的波形');subplot(2,1,2)plot(abs(f1));title('IIR高通滤波后的频谱图')运行结果图为附件：图——10——1（6）IIR带通滤波程序：fp1=1200;fp2=3000;fs1=1000;fs2=3200;ft=10000;As=100;Rp=1;wp1=2*pi*fp1/ft;wp2=2*pi*fp2/ft;ws1=2*pi*fs1/ft;ws2=2*pi*fs2/ft;Omgp1=2*ft*tan(wp1/2);Omgp2=2*ft*tan(wp2/2);Omgp=[Omgp1,Omgp2];Omgs1=2*ft*tan(ws1/2);Omgs2=2*ft*tan(ws2/2);Omgs=[Omgs1,Omgs2];bw=Omgp2-Omgp1;w0=sqrt(Omgp1*Omgp2);%通带宽和中心频率[n,Omgn]=cheb1ord(Omgp,Omgs,Rp,As,'s');[z,p,k]=cheb1ap(n,Rp);B=k*real(poly(z));A=real(poly(p));[b,a]=lp2bp(B,A,w0,bw);[ba,aa]=bilinear(b,a,ft);[Ha,w]=freqz(ba,aa);[y,fs,nbits]=wavread('tft.wav');%加载语音信号f=filter(ba,aa,y);wavplay(f);f1=fft(f);subplot(2,1,1)plot(f);title('IIR带通滤波后的波形');subplot(2,1,2)plot(abs(f1));title('IIR带通滤波后的频谱图')运行结果图为附件：图——11——15.异性语音采集分析运用相关MATLAB函数和所学的相关知识，采集同样内容的异性的语音信号，对它的时频域进行分析处理，比较两种相同内容而不同性别语音信号的特点。