数字信号处理实验报告--含噪语音信号的分析

合集下载

毕业设计_含噪声的语音信号分析与处理设计课程设计说明

毕业设计_含噪声的语音信号分析与处理设计课程设计说明

课程设计任务书学生姓名:专业班级:电信1204 指导教师:工作单位:信息工程学院题目: 程控宽带放大器的设计初始条件:程控宽带放大器是电子电路中常用模块,在智能仪器设备及嵌入式系统中有广泛的应用。

因此对于电子信息专业的技术人员来说,熟练掌握该项技术很有必要。

要求完成的主要任务:(包括课程设计工作量及其技术要求,以及说明书撰写等具体要求)(1)输入阻抗>1KΩ,单端输入,单端输出,放大器负载电阻为600Ω;(2)3dB通频带10kHz~6MHz,在20kHz~5MHz频带内增益起伏<1dB。

(3)增益调节范围10 dB~40 dB,(通过键盘操作调节)。

(4)发挥部分:当输入频率或输出负载发生变化时,通过微处理器自动调节,保持放大器增益不变。

(5)电路通过仿真即可。

时间安排:1. 任务书下达,查阅资料 1天2. 制图规范、设计说明书讲解 2天3. 设计计算说明书的书写 5天4. 绘制图纸 1天5. 答辩 1天指导教师签名:年月日系主任(或责任教师)签名:年月日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 IIR滤波器 FIR滤波器1 绪论 (1)2 课程设计内容 (2)3 课程设计的具体实现 (2)3.1 语音信号的采集 (2)3.2 语音信号的时频分析 (2)3.3 语音信号加噪与频谱分析 (4)3.4 设计FIR和IIR数字滤波器 (5)3.5 用滤波器对加噪语音信号进行滤波 (7)3.6 实验现象记录及分析 (9)3.7调试过程遇到的问题及解决办法 (10)4总结 (12)参考文献 (13)含噪声的语音信号分析与处理设计1 绪论数字语音处理的重要基础是数字信号处理。

数字信号实验报告材料 (全)

数字信号实验报告材料 (全)

数字信号处理实验报告实验一:用 FFT 做谱分析 一、 实验目的1、进一步加深 DFT 算法原理和基本性质的理解。

2、熟悉 FFT 算法原理和 FFT 子程序的应用。

3、学习用FFT 对连续信号和时域离散信号进行谱分析的方法,了解可能出现的分析误差及其原因,以便在实际中正确应用 FFT 。

二、实验原理用FFT 对信号作频谱分析是学习数字信号处理的重要内容。

经常需要进行谱分析的信号是模拟信号和时域离散信号。

对信号进行谱分析的重要问题是频谱分辨率D 和分析误差。

频谱分辨率直接和FFT 的变换区间N 有关,因为FFT 能够实现的频率分辨率是2π/N ≤D 。

可以根据此时选择FFT 的变换区间N 。

误差主要来自于用FFT 作频谱分析时,得到的是离散谱,而信号(周期信号除外)是连续谱,只有当N 较大时离散谱的包络才能逼近于连续谱,因此N 要适当选择大一些。

周期信号的频谱是离散谱,只有用整数倍周期的长度作FFT ,得到的离散谱才能代表周期信号的频谱。

如果不知道信号周期,可以尽量选择信号的观察时间长一些。

对模拟信号的频谱时,首先要按照采样定理将其变成时域离散信号。

如果是模拟周期信号,也应该选取整数倍周期的长度,经过采样后形成周期序列,按照周期序列的谱分析进行。

三、实验内容和步骤对以下典型信号进行谱分析:⎪⎩⎪⎨⎧≤≤-≤≤-=⎪⎩⎪⎨⎧≤≤-≤≤+==其它nn n n n n x 其它nn n n n n x n R n x ,074,330,4)(,074,830,1)()()(32414()cos4x n n π=5()cos(/4)cos(/8)x n n n ππ=+6()cos8cos16cos20x t t t t πππ=++对于以上信号,x1(n)~x5(n) 选择FFT 的变换区间N 为8和16 两种情况进行频谱分析。

分别打印其幅频特性曲线。

并进行对比、分析和讨论;;x6(t)为模拟周期信号,选择 采样频率Hz F s 64=,变换区间N=16,32,64 三种情况进行谱分析。

数字信号处理实验(民航无线电监测关键技术研究)

数字信号处理实验(民航无线电监测关键技术研究)

《数字信号处理》实验报告实验名称数字信号处理实验(民航无线电监测关键技术研究)实验时间一、实验目的:通过实验,理解和掌握民航无线电监测关键技术中调制解调、FIR 数字滤波器、多采样率数字信号处理、FFT、语音数字信号处理、静噪等技术,培养学生对数字信号处理技术的兴趣,并提高学生基于数字信号处理技术的工程应用能力。

二、实验环境:Matlab三、实验原理、内容与分析(包括实验内容、MATLAB程序、实验结果与分析)实验总体框图如上图所示,主要实现民航无线电监测关键技术中调制解调、FIR 数字滤波器、多采样率数字信号处理、FFT、语音数字信号处理、静噪等技术。

1.有限长单位脉冲(FIR)滤波器的设计FIR 数字滤波器是一种非递归系统,其冲激响应h(n)是有限长序列,其差分方程表达式为:系统传递函数可表达为:N-1 为FIR 滤波器的阶数。

在数字信号处理应用中往往需要设计线性相位的滤波器,FIR 滤波器在保证幅度特性满足技术要求的同时,很容易做到严格的线性相位特性。

为了使滤波器满足线性相位条件,要求其单位脉冲响应h(n)为实序列,且满足偶对称或奇对称条件,即h(n)=h(N-1-n)或h(n)=-h(N-1-n)。

这样,当N 为偶数时,偶对称线性相位FIR 滤波器的差分方程表达式为:由上可见FIR 滤波器不断地对输入样本x(n)延时后,再做乘法累加算法,将滤波器结果y(n)输出,因此,FIR 实际上是一种乘法累加运算。

而对于线性相位FIR 而言,利用线性相位FIR 滤波器系数的对称特性,可以采用结构精简的FIR 结构将乘法器数目减少一半。

2.AM 调制解调AM 调制解调过程如下:3.多采样率数字信号处理一般认为,在满足采样定理的前提下,首先将以采样率F1 采集的数字信号进行D/A 转换, 变成模拟信号,再按采样率F2 进行A/D 变换,从而实现从F1 到F2 的采样率转换。

但这样较麻烦,且易使信号受到损伤,所以实际上改变采样率是在数字域实现的。

数字信号处理实训课程学习总结音频降噪算法的实验验证与分析

数字信号处理实训课程学习总结音频降噪算法的实验验证与分析

数字信号处理实训课程学习总结音频降噪算法的实验验证与分析在数字信号处理实训课程中,我学习了音频降噪算法的实验验证与分析。

本文将对我所学内容进行总结,并分享我在实验过程中的观察和分析结果。

一、引言随着数字音频的广泛应用,人们对音频质量的要求也越来越高。

然而,由于环境噪声等原因,音频中常常会存在各种干扰音,降低了音频的质量和清晰度。

因此,音频降噪算法的研究和应用变得非常重要。

二、理论基础音频降噪算法是通过对音频信号进行处理,减少或消除噪声干扰,提高音频质量。

其中,数字滤波技术是一种常用的降噪方法。

常见的数字滤波器有FIR滤波器和IIR滤波器。

三、实验步骤1. 音频信号采集:使用麦克风或其他音频设备录制包含噪声的音频片段。

2. 噪声样本采集:在相同环境下,关闭音频输入设备,记录环境噪声。

3. 实验设备与软件搭建:使用MATLAB等工具,搭建数字信号处理实验环境。

4. 预处理:对采集到的音频信号进行预处理,如采样率转换、噪声抑制。

5. 实验验证与分析:分别采用FIR滤波器和IIR滤波器进行音频降噪处理,观察并分析降噪效果。

6. 结果评估:通过主观评价和客观指标对降噪效果进行评估。

四、实验结果与分析通过实验验证与分析,我观察到以下现象和结果:1. FIR滤波器在音频降噪中具有较好的效果,能够有效滤除某些频率段的噪声。

2. IIR滤波器也能够实现音频降噪的效果,但相较于FIR滤波器,其对频率响应的影响更为复杂。

3. 不同降噪算法在处理不同种类音频时效果有所差异,需要根据实际应用场景选择合适的算法。

4. 主观评价与客观指标的评估结果存在一定差异,综合考虑可以更准确地评估降噪效果。

五、总结与展望通过本次实验,我对音频降噪算法有了更深入的了解。

同时,我也意识到降噪算法的效果与信号特点、滤波器类型等因素密切相关。

未来,我将进一步深入学习数字信号处理的相关知识,并探索更优化的音频降噪算法。

六、参考文献[1] Smith S. W. Digital Signal Processing[M]. California: California Technical Publishing, 1999.[2] Proakis J. G., Manolakis D. G. Digital Signal Processing: Principles, Algorithms, and Applications[M]. New Jersey: Prentice Hall, 2006.以上是我对数字信号处理实训课程学习总结音频降噪算法的实验验证与分析的内容总结,通过实验验证和分析,我对音频降噪算法有了更深入的了解,同时也加深了对数字信号处理的理论与实践应用的认识。

数字信号实验-用DFT分析自己语音频谱实验

数字信号实验-用DFT分析自己语音频谱实验

《数字信号处理》实验报告实验四用DFT分析自己语音频谱实验班级:计科121 学号:1208060135 姓名:刘国强成绩:日期:2014年11月3日地点:博学楼706一、实验目的1.掌握DFT函数的用法。

2. 利用DFT进行语音信号检测及谱分析。

3.了解信号截取长度对谱分析的影响。

二、实验内容A: 先学习和模仿以下7个信号处理程序。

B: 然后,把自己录音wav格式,长度5秒以内,用DFT分析,做出频谱图; C: 如果是男生,找一个女生录音做对比分析,观察比较两者频谱特征的差异。

如果是女生,找一个男生录音,做同样对比分析。

1.利用DFT计算信号功率谱。

实验程序:t=0:0.001:0.6;x=sin(2*pi*50*t)+sin(2*pi*120*t)+randn(1,length(t));Y=dft(x,512);P=Y.*conj(Y)/512;f=1000*(0:255)/512;plot(f,P(1:256))2. 进行信号检测。

分析信号频谱所对应频率轴的数字频率和频率之间的关系。

模拟信号)8cos(5)4sin(*2)(t t t x ππ+=,以n t 01.0= 10-≤≤N n 进行取样,求N 点DFT 的幅值谱。

实验程序: subplot(2,2,1)N=45;n=0:N-1;t=0.01*n; q=n*2*pi/N;x=2*sin(4*pi*t)+5*cos(8*pi*t); y=dft(x,N);plot(q,abs(y));title('DFT N=45') subplot(2,2,2)N=50;n=0:N-1;t=0.01*n; q=n*2*pi/N; x=2*sin(4*pi*t)+5*cos(8*pi*t); y=dft(x,N);plot(q,abs(y));title('DFT N=50') subplot(2,2,3)N=55;n=0:N-1;t=0.01*n; q=n*2*pi/N;x=2*sin(4*pi*t)+5*cos(8*pi*t); y=dft(x,N);plot(q,abs(y));title('DFT N=55') subplot(2,2,4)N=60;n=0:N-1;t=0.01*n; q=n*2*pi/N;x=2*sin(4*pi*t)+5*cos(8*pi*t); y=dft(x,N);plot(q,abs(y));title('DFT N=60')3. 对2,进一步增加截取长度和DFT 点数,如N 加大到256,观察信号频谱的变化,分析产生这一变化的原因。

北科大数字信号处理实验报告

北科大数字信号处理实验报告

程序流程1、录制采样率为44kHz的wav格式音频文件,利用matlab内置的wavread()函数将音频信号读取到工作空间中,并对读取到的语音信号进行时域和频域分析,利用fft()函数进行快速傅里叶变换;2、对所采集的语音信号加入干扰噪声,对加入噪声的信号进行频谱分析;3、设计合适的滤波器滤除噪声;4、恢复原信号并作对比。

Matlab程序代码及结果1、语音信号时域波形及频域波形如下图所示:语音信号时域和频谱图由于音频文件内容为五个字“”,所以时域信号上明显看出除开始录音噪声段外的六个音节,经过FFT变换后得到的频率集中在两个波段,一个是人声音所处的波段,另一个应该是噪声所处的波段。

程序如下:x1=wavread('E:\matlab\bin\matlab\sen.wav');sound(x1,44100);figure;subplot(211);plot(x1);title('原始语音信号');xlabel('time n');ylabel('fuzhi n');y=fft(x1,8000);subplot(212);plot(abs(y));title('原始语音频率');xlabel('Hz');ylabel('fuzhi');2、对原来的语音信号进行添加噪声,给原始的语音信号加上一个正弦噪声,频率为500Hz。

画出加噪后的语音信号时域和频谱如图所示:加噪后的语音信号时域和频谱图(幅值0.03)程序如下:fs=8000;x1=wavread('E:\matlab\bin\matlab\sen.wav');f=fs*(0:511)/1024;t=0:1/8000:(size(x1)-1)/8000;noise =[0.03*sin(2*pi*500*t)]';X = x1(:,2) + noise;sound(X,44100);figure;subplot(211);plot(X);title('加噪声的语音信号');xlabel('time n');ylabel('fuzhi n');Y=fft(X,8000);subplot(212);plot(abs(Y));title('FFT变换');xlabel('Hz');ylabel('fuzhi');加噪后的语音信号时域和频谱图(幅值0.001)程序如下:fs=8000;x1=wavread('E:\matlab\bin\matlab\sen.wav');f=fs*(0:511)/1024;t=0:1/8000:(size(x1)-1)/8000;noise =[0.001*sin(2*pi*500*t)]';X = x1(:,2) + noise;sound(X,44100);figure;subplot(211);plot(X);title('加噪声的语音信号');xlabel('time n');ylabel('fuzhi n');Y=fft(X,8000);subplot(212);plot(abs(Y));title('FFT变换');xlabel('Hz');ylabel('fuzhi');说明:在原来语音信号基础上添加频率为500Hz的正弦噪声,得到的时域图可以明显看出,该频率比原语音信号频率稍低,在下面的频谱图中看出噪声的能量高过原信号能量,所以在播放的时候听到的噪声大于原语音信号。

信号处理实例_实验报告

信号处理实例_实验报告

一、实验目的1. 理解数字信号处理的基本原理和算法;2. 掌握语音降噪技术的应用;3. 分析语音信号和噪声信号的特点,并设计相应的降噪算法;4. 通过实验验证降噪算法的有效性。

二、实验原理语音降噪是信号处理领域的一个重要分支,其主要目的是在保留语音信号的同时,去除噪声干扰。

常见的语音降噪方法有:谱减法、自适应噪声消除法、维纳滤波法等。

本实验采用谱减法进行语音降噪。

谱减法的基本思想是:首先对语音信号和噪声信号进行傅里叶变换,得到它们的频谱;然后对噪声信号的频谱进行估计,得到噪声功率谱;最后将语音信号的频谱与噪声功率谱相减,得到降噪后的频谱;最后对降噪后的频谱进行逆傅里叶变换,得到降噪后的语音信号。

三、实验设备与材料1. 实验平台:计算机、Matlab软件;2. 实验数据:一段含噪声的语音信号。

四、实验步骤1. 加载语音信号和噪声信号:首先,在Matlab中加载含噪声的语音信号和噪声信号,分别存储为y(n)和v(n)。

2. 语音信号和噪声信号的预处理:对语音信号和噪声信号进行预处理,包括去噪、去静音、归一化等操作。

3. 语音信号和噪声信号的傅里叶变换:对预处理后的语音信号和噪声信号进行傅里叶变换,得到它们的频谱Y(k)和V(k)。

4. 噪声功率谱估计:根据噪声信号的频谱V(k),估计噪声功率谱Pn(k)。

5. 语音信号的频谱处理:将语音信号的频谱Y(k)与噪声功率谱Pn(k)相减,得到降噪后的频谱Y'(k)。

6. 降噪后的语音信号逆傅里叶变换:对降噪后的频谱Y'(k)进行逆傅里叶变换,得到降噪后的语音信号y'(n)。

7. 语音信号和噪声信号的对比分析:将降噪后的语音信号y'(n)与原始语音信号y(n)进行对比分析,评估降噪效果。

五、实验结果与分析1. 实验结果通过实验,得到降噪后的语音信号y'(n)。

以下是降噪前后语音信号的对比图:```y(n)||| __| / \| / \| / \| / \| / \| / \| / \| / \| / \|/ \| \|_______________________|y'(n)```从对比图中可以看出,降噪后的语音信号y'(n)相比于原始语音信号y(n)具有更低的噪声干扰。

数字信号处理实验-音频信号处理

数字信号处理实验-音频信号处理

图1 任务一程序流程图1、音频信号采集道,只取第一个声道进行处理,接着使用sound函数以fs频率进行音频回放。

2、音频信号频域分析以采样间隔T划分时域并绘制出signal信号的时域波形;调用fft函数,对signal 进行快速傅里叶变换,用abs函数取傅里叶变换后结果的幅值进行幅频分析,绘制出频谱图。

在绘制频谱图时由于考虑到快速傅里叶变换的对称性,只取序列的前半部分进行观察分析。

3、音频信号分解为了实现音频信号的分解及合成,先对原信号的频谱图进行观察分析,发现原信号的主要能量集中在三个主要频率上,于是考虑用这三频率的正弦信号合成原信号。

为了求得这三个频率,先调用findpeaks函数找到频谱图上的各个局部极大值peak及其对应的位置locs,然后用sort对峰值点进行排序,找到最大的三个值,接着用find 函数找到这三个最大值在locs中的位置,也就知道了对应的频率。

这里有一个问题就是最小的峰值频率并不是在sort排序后的第三位而是在第四位,需要有一个调整;确定了主要谱线后,使用text函数进行峰值标注;4、音频信号合成接着将这三个谱线还原回时域正弦信号,幅度的比例等于对应频率上的幅度比例然后然后叠加,得到合成后的信号,绘制出时域波形,与原信号波形进行比较,接着对两个正弦信号进行fft,绘制出他们的频谱,然后对合成的信号进行fft,做出频谱图和原信号的频谱图进行比较.5、音频信号回放用sound函数进行原信号和合成信号的回放,比较差异。

实验内容二:任意音频信号的时域和频域分析及数字滤波器设计通过对任务具体内容的分析,可以建立出任务二程序框图如下,之后将对编程思想及思路进行介绍:图2任务二程序流程图1、音频信号采样自己录音频并另存为”ding.wav”后,先用audioread函数读取音频信号得到采样序列signal及对应采样频率fs,由于获取的音频信号是双声道,只取第一个声道进行处理。

2、时域采样使用audioread函数得到的采样序列signal及采样频率fs为过采样状态,此时我们对signal再进行等间隔采样,达到减少采样点数和降低采样频率的效果,进而实现合理采样状态signal2、fs2和欠采样状态signal1、fs1;使用sound函数分别对这两种采样状态进行回放。

数字信号处理综合报告--数字音频信号的分析与处理

数字信号处理综合报告--数字音频信号的分析与处理

数字信号处理综合报告--数字音频信号的分析与处理级联系统的系统函数为宁可瑞滤波器(Linkwitz-Riley ),由两个巴特沃斯滤波器级联而成。

N 阶巴特沃夫滤波器等效宁可瑞滤波器的设计为了使设计的IIR 滤波器方便在DSP 上实现,常将滤波器转换为二阶节级联的形式。

设计好分频器后,为验证分频后的信号是否正121212l 212()()()()()()()()()B=conv(B ,B )A=conv(A ,A )B z B z B z H z H z Hz A z A z A z ===⇒⎧⇒⎨⎩确,可用白噪声信号作为输入信号,然后对分频后的信号进行频谱分析。

三、仪器设备1.硬件:计算机一台,耳机。

2.软件:MATLAB R2010b四、实验步骤任意选择两种类型的IIR数字滤波器,设计一个二分频的数字分频器,已知系统的采样率为48000Hz。

(1)分频点为2000Hz;(2)要求给出类似图8.3的幅频特性图,分频器的幅频响应平坦,在分频点处最多不能超过3dB的偏差;(3)滤波器必须是二阶节形式;(4)给出相位特性图;(5)用频谱分析的方法验证设计好的分频器;(6)对选用的两种类型的滤波器效果进行对比。

滤波器设计的基本步骤:根据分频点要求初始化参数(截止调用MATLAB函数设计滤波器评估滤波器性能五、数据记录我选择要设计的合成滤波器为ButterWorth IIR滤波器和Linkwitz-Riley IIR 滤波器。

1.设计程序设计程序如下:(以4阶巴特沃斯滤波器、宁可瑞滤波器设计的分频器程序为例(分频器阶数为8阶))%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%设计分频器clear;clc;fs = 48000;%采样频率为48000Hzfc = 2000;%分频点为2000Hzwc = 2 * fc / fs;N = 4; %滤波器阶数,分频器阶数为2*N[BL,AL] = butter(N,wc); %计算巴特沃思低通滤波器系统函数B,A系数[BH,AH] = butter(N,wc,'high'); %计算巴特沃思高通滤波器系统函数B,A系数[magHH,w]=freqz(BH,AH);%计算巴特沃思高通滤波器幅频特性magHH=20*log10(abs(magHH));f=w*fs/(2*pi);%把数字频率w转换为模拟频率f[BL1,AL1] = butter(N/2,wc);[BH1,AH1] = butter(N/2,wc,'high');BL1=conv(BL1,BL1); %计算宁可瑞低通滤波器系统函数B,A系数AL1 = conv(AL1,AL1);BH1=conv(BH1,BH1);%计算宁可瑞高通滤波器系统函数B,A系数AH1 = conv(AH1,AH1);[magHH1,w1]=freqz(BH1,AH1);%计算宁可瑞高通滤波器幅频特性magHH1=20*log10(abs(magHH1));f1=w1*fs/(2*pi);semilogx(f,magHH,'-.r',f1,magHH1,'b');hold on;[magHL,w]=freqz(BL,AL);%计算巴特沃思低通滤波器幅频特性magHL=20*log10(abs(magHL));f=w*fs/(2*pi);[magHL1,w1]=freqz(BL1,AL1);%计算宁可瑞低通滤波器幅频特性magHL1=20*log10(abs(magHL1));f1=w1*fs/(2*pi);semilogx(f,magHL,'-.r',f1,magHL1,'b');hold on;B=conv(BL,AH)+conv(BH,AL); %计算巴特沃思滤波器并联系统的系统函数A=conv(AL,AH);[magH,w]=freqz(B,A); %计算巴特沃思滤波器并联系统幅频特性magH=20*log10(abs(magH));f=w*fs/(2*pi);B1=conv(BL1,AH1)+conv(BH1,AL1); %计算宁可瑞滤波器并联系统的系统函数A1=conv(AL1,AH1);[magH1,w1]=freqz(B1,A1); %计算宁可瑞滤波器并联系统幅频特性magH1=20*log10(abs(magH1));f1=w1*fs/(2*pi);semilogx(f,magH,'-.r',f1,magH1,'b');legend('巴特沃斯滤波器','宁可瑞滤波器');title('IIR分频器的幅度特性');axis([100 20000 -40 10]);hold ongrid on %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %分析巴特沃斯滤波器及其设计的分频器的幅频特性、零极点分布%巴特沃斯低通subplot(2,2,1);zplane(BL,AL);title('巴特沃斯低通滤波器的零极点分布')[HL,wL]=freqz(BL,AL);subplot(2,2,2);plot(wL/pi,abs(HL));title('巴特沃斯低通滤波器的幅度特性')xlabel('\omega/\pi');ylabel('|H(e^j^\omega)|');subplot(2,2,4);plot(wL/pi,angle(HL));xlabel('\omega/\pi');ylabel('\phi(\omega)');title('巴特沃斯低通滤波器的相频特性')%巴特沃斯高通subplot(2,2,1);zplane(BH,AH);title('巴特沃斯高通滤波器的零极点分布')[HH,wH]=freqz(BH,AH);subplot(2,2,2);plot(wH/pi,abs(HH));title('巴特沃斯高通滤波器的幅度特性')xlabel('\omega/\pi');ylabel('|H(e^j^\omega)|');subplot(2,2,4);plot(wH/pi,angle(HH));xlabel('\omega/\pi');ylabel('\phi(\omega)');title('巴特沃斯高通滤波器的相频特性')%设计的分频器subplot(2,2,1);zplane(B,A);title('分频器的零极点分布')[H,w]=freqz(B,A);subplot(2,2,2);plot(w/pi,abs(H));xlabel('\omega/\pi');ylabel('|H(e^j^\omega)|');title('分频器的幅度特性')subplot(2,2,4);plot(w/pi,angle(H));xlabel('\omega/\pi');ylabel('\phi(\omega)');title('分频器的相频特性') %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %分析宁可瑞滤波器及其设计的分频器的幅频特性、零极点分布%宁可瑞低通subplot(2,2,1);zplane(BL1,AL1);title('宁可瑞低通滤波器的零极点分布')[HL1,wL1]=freqz(BL1,AL1);subplot(2,2,2);plot(wL1/pi,abs(HL1));title('宁可瑞低通滤波器的幅度特性')xlabel('\omega/\pi');ylabel('|H(e^j^\omega)|');subplot(2,2,4);plot(wL1/pi,angle(HL));xlabel('\omega/\pi');ylabel('\phi(\omega)');title('宁可瑞低通滤波器的相频特性')%宁可瑞高通subplot(2,2,1);zplane(BH1,AH1);title('宁可瑞高通滤波器的零极点分布')[HH1,wH1]=freqz(BH1,AH1);subplot(2,2,2);plot(wH1/pi,abs(HH1));title('宁可瑞高通滤波器的幅度特性')xlabel('\omega/\pi');ylabel('|H(e^j^\omega)|');subplot(2,2,4);plot(wH1/pi,angle(HH1));xlabel('\omega/\pi');ylabel('\phi(\omega)');title('宁可瑞高通滤波器的相频特性')%设计的分频器subplot(2,2,1);zplane(B1,A1);title('分频器的零极点分布')[H1,w1]=freqz(B1,A1);subplot(2,2,2);plot(w1/pi,abs(H1));xlabel('\omega/\pi');ylabel('|H(e^j^\omega)|');title('分频器的幅度特性')subplot(2,2,4);plot(w1/pi,angle(H));xlabel('\omega/\pi');ylabel('\phi(\omega)');title('分频器的相频特性') %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %滤波效果验证%巴特沃斯设计的分频器滤波效果[hB,g]=tf2sos(B,A) %调用函数tf2sos,将巴特沃斯滤波器设计的分频器转换成二阶节形式[xB,fs,bits]=wavread('E:\white.wav');X=fft(xB,1024);for i=1:size(hB)xB=filter(hB(i,1:3),hB(i,4:6),xB);%二阶节级联形式对白噪声进行滤波处理endwavwrite(xB,fs,bits,'e:\巴特沃斯设计的分频器滤波后信号.wav')%将滤波后的噪声保存YB=fft(xB,1024);k=0:1023;N=1024;wk=2*k/N;subplot(211);plot(wk,abs(X));xlabel('\omega/\pi'); title('原始白噪声信号频谱')subplot(212);plot(wk,abs(YB));xlabel('\omega/\pi');title('巴特沃斯设计的分频器滤波后信号频谱') %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% [hL,gL=tf2sos(B1,A1) %调用函数tf2sos,将宁可瑞滤波器设计的分频器转换成二阶节形式[xL,fs,bits]=wavread('E:\white.wav');X=fft(xL,1024);for i=1:size(hL)xL=filter(hL(i,1:3),hL(i,4:6),xL); %二阶节级联形式对白噪声进行滤波处理endwavwrite(xL,fs,bits,'e:\宁可瑞设计的分频器滤波后信号.wav')%将滤波后的噪声保存YL=fft(xL,1024);k=0:1023;N=1024;wk=2*k/N;subplot(211);plot(wk,abs(X));xlabel('\omega/\pi'); title('原始白噪声信号频谱')subplot(212);plot(wk,abs(YL));xlabel('\omega/\pi');title('宁可瑞设计的分频器滤波后信号频谱') %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2.图形记录[figure1]两种滤波器设计的分频器的幅度特性曲线:101010-40-35-30-25-20-15-10-50510IIR 分频器的幅度特性巴特沃斯滤波器宁可瑞滤波器[figure2]巴特沃思低通滤波器的零极点分布和幅频特性:-1-0.500.514Real PartI m a g i n a r y P a r t巴特沃斯低通滤波器的零极点分布0.5100.511.5巴特沃斯低通滤波器的幅度特性ω/π|H (e j ω)|0.51-4-2024ω/πφ(ω)巴特沃斯低通滤波器的相频特性[figure3]巴特沃思高通滤波器的零极点分布和幅频特性:-1-0.500.514Real PartI m a g i n a r y P a r t巴特沃斯高通滤波器的零极点分布0.5100.511.5巴特沃斯高通滤波器的幅度特性ω/π|H (e j ω)|0.51-4-2024ω/πφ(ω)巴特沃斯高通滤波器的相频特性[figure4]巴特沃思滤波器设计的分频器的零极点分布和幅频特性:-112222Real PartI m a g i n a r y P a r t分频器的零极点分布00.5111.21.41.61.8ω/π|H (e j ω)|分频器的幅度特性0.51-4-2024ω/πφ(ω)分频器的相频特性[figure5]宁可瑞低通滤波器的零极点分布和幅频特性:-1-0.500.51422Real Part I m a g i n a r y P a r t宁可瑞低通滤波器的零极点分布00.5100.51宁可瑞低通滤波器的幅度特性ω/π|H (e j ω)|0.51-4-2024ω/πφ(ω)宁可瑞低通滤波器的相频特性[figure6]宁可瑞高通滤波器的零极点分布和幅频特性:-1-0.500.51422Real PartI m a g i n a r y P a r t宁可瑞高通滤波器的零极点分布00.5100.51宁可瑞高通滤波器的幅度特性ω/π|H (e j ω)|0.51-4-2024ω/πφ(ω)宁可瑞高通滤波器的相频特性[figure7]宁可瑞滤波器设计的分频器的零极点分布和幅频特性:-1133Real PartI m a g i n a r y P a r t分频器的零极点分布00.511111ω/π|H (e j ω)|分频器的幅度特性0.51-4-2024ω/πφ(ω)分频器的相频特性[figure8]巴特沃思滤波器设计的分频器的滤波效果的频谱分析:00.20.40.60.81 1.2 1.4 1.6 1.8251015ω/π原始白噪声信号频谱00.20.40.60.81 1.2 1.4 1.6 1.8251015ω/π巴特沃斯设计的分频器滤波后信号频谱[figure9]宁可瑞滤波器设计的分频器的滤波效果的频谱分析:00.20.40.60.81 1.2 1.4 1.6 1.8251015ω/π原始白噪声信号频谱00.20.40.60.81 1.2 1.4 1.6 1.8251015ω/π宁可瑞设计的分频器滤波后信号频谱[figure10]将白噪声音频文件通过分频器处理后保存为wav 文件:3.数据记录[hB,g]=tf2sos(B,A) %将巴特沃斯滤波器设计的分频器转换成二阶节形式得到数据:1.0000-2.3646 1.4480 1.0000-1.55900.61401.0000-1.55910.6141 1.0000-1.55910.6141h g = 0.70971.0000-1.63300.6906 1.0000-1.75770.81981.0000-1.75780.8198 1.0000-1.75780.8198B ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦[hL,gL]=tf2sos(B1,A1) %将宁可瑞滤波器设计的分频器转换成二阶节形式 得到数据:1.0000-2.3646 1.4480 1.0000-1.63060.68861.0000-1.63290.6905 1.0000-1.63330.69050.69061.0000-1.63290.6906 1.0000-1.63270.69071.0000-1.63310.6907 1.0000-1.63540.6926hL gL ⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎣⎦六、实验结果讨论1.对巴特沃思滤波器设计的分频器及滤波效果进行讨论根据调用tf2sos 函数得到的数据可以得出二阶节级联形式的分频器的系统函数:1212121212121212(1 2.3646 1.448z )(1 1.55910.6141z )(1-1.6330+0.6906z )(1-1.7578+0.8198z )(z)0.7097(1-1.5590+0.6140z )(1-1.5591+0.6141z )(1-1.7577+0.8198z )(1-1.7578+0.8198z )z z z z H z z z z -----------------+-+=从[figure1]分频器的幅度特性曲线可以看出巴特沃思滤波器设计的分频器整体较为平整,高低通并联而成的分频器系统在分频点2000hz 的地方有3dB 左右的偏差。

数字信号处理实验内容音频信号分析与处理

数字信号处理实验内容音频信号分析与处理

数字信号处理实验内容音频信号分析与处理数字信号处理实验内容——音频信号采集、分析及处理一、实验目的1.以音频信号为例,熟悉模拟信号数字处理过程,进一步理解数字信号处理概念。

2.掌握运用Matlab实现对音频信号的时频分析方法;3.初步掌握数字音频信号合成的方法。

4.掌握运用Matlab设计IIR和FIR滤波系统的方法;5.掌握运用Matlab实现对加噪的音频信号进行去噪滤波的方法。

锻炼学生运用所学知识独立分析问题解决问题的能力,培养学生创新能力。

二、实验性质综合分析、设计性实验三、实验任务实验内容一:windows系统中的“ding”音频信号的采集、分析、合成1.音频信号的采集编写Matlab程序,采集windows系统中的“ding”声,得到*.wav音频文件,而后实现音频信号回放。

2.音频信号的频谱分析运用Matlab软件实现对音频信号的时域分析和频域分析,并打印相应的图形,完成在实验报告中。

注意:此音频信号的频谱包含两条主要谱线,在进行频谱分析时,注意频谱的完整性,利用MATLAB实现对两条主要谱线的定位并计算谱线所对应的模拟频率。

3.音频信号的分解和合成运用Matlab软件实现音频信号的分解与合成,将音频信号的频谱中两部分频谱成分进行分解,分别绘制出分解后的两个信号的频谱图;然后将分解后的两个信号再合成为一个新的信号,将合成后的新信号的时域、频域图与原来的信号时域、频域图相比较,绘制出对比效果图。

4.音频信号的回放运用Matlab软件实现音频信号的回放,将合成后的新信号和原音频信号分别进行回放,对比两个信号的声音效果。

5.音频信号分段傅里叶分析(选作)分析对一般音频.wav信号进行一次性傅里叶分析时存在的主要问题,利用分段傅里叶变换对该音频信号重新分析并合成。

对比一次傅里叶分析结果并进行总结。

实验内容二:任意音频信号的时域和频域分析及数字滤波器设计1.音频信号的采集音频信号的采集可以通过Windows自带的录音机也可以用专用的录制软件录制一段音频信号(尽量保证无噪音、干扰小),也可以直接复制一段音频信号(时间为1s),但必须保证音频信号保存为.wav 的文件。

语音信号处理实验报告

语音信号处理实验报告

语⾳信号处理实验报告语⾳信号处理实验报告⼀、原理 1.端点检测语⾳信号⼀般可分为⽆声段、清⾳段和浊⾳段。

⽆声段是背景噪声段, 平均能量最低,波形变化缓慢,过零率最低; 浊⾳段为声带振动发出对应的语⾳信号段, 平均能量最⾼; 清⾳段是空⽓在⼝腔中的摩擦、冲击或爆破⽽发出的语⾳信号段, 平均能量居于前两者之间,波形上幅度变化剧烈, 过零率最⼤。

端点检测就是⾸先判断有声还是⽆声, 如果有声,则还要判断是清⾳还是浊⾳。

为正确地实现端点检测, ⼀般综合利⽤短时能量和过零率两个特征,采⽤/双门限检测法。

①语⾳信号x(n)进⾏分帧处理,每⼀帧记为Si (n ),n=1,2,…,N ,n 为离散语⾳信号时间序列,N 为帧长,i 表⽰帧数。

②短时能量:③过零率:2.基⾳检测能量有限的语⾳信号}{()s n 的短时⾃相关函数定义为: 10()[()()][()()]N n m R s n m w m s n m w m ττττ--==++++∑ 其中,τ为移位距离,()w m 是偶对称的窗函数。

短时⾃相关函数有以下重要性质:①如果}{()s n 是周期信号,周期是P ,则()R τ也是周期信号,且周期相同,即()()R R P ττ=+。

②当τ=0时,⾃相关函数具有最⼤值;当0,,2,3P P P τ=+++…处周期信号的⾃相关函数达到极⼤值。

③⾃相关函数是偶函数,即()()R R ττ=-。

短时⾃相关函数法基⾳检测的主要原理是利⽤短时⾃相关函数的第⼆条性质,通过⽐较原始信号和它移位后的信号之间的类似性来确定基⾳周期,如果移位距离等于基⾳周期,那么,两个信号具有最⼤类似性。

在实际采⽤短时⾃相关函数法进⾏基⾳检测时,使⽤⼀个窗函数,窗不动,语⾳信号移动,这是经典的短时⾃相关函数法。

3.⾃相关法解线性预测⽅程组⾃相关⽅法a.Levinson-durbin 递推算法()21N i n Ei s n ==∑()()1sgn sgn 1N i i n Zi s n s n ==--∑pj a a k k R E E k Ep j i p i i n p i i i j ...,3,2,1,1||,)1()0(,)1()(12)()1(2)(==≤-=-=∧=-∏ ki 称为反射系数,也称PARCOR 系数b.E(p)是预测残差能量在起始端,为了预测x(0),需要⽤到x(-1),x(-2),……,x(-p).但是这些值均为0,这样预测会带来误差。

数字信号处理期末实验-语音信号分析与处理

数字信号处理期末实验-语音信号分析与处理

数字信号处理期末实验-语⾳信号分析与处理语⾳信号分析与处理摘要⽤MATLAB对语⾳信号进⾏分析与处理,采集语⾳信号后,在MATLAB软件平台进⾏频谱分析;并对所采集的语⾳信号加⼊⼲扰噪声,对加⼊噪声的信号进⾏频谱分析,设计合适的滤波器滤除噪声,恢复原信号。

数字滤波器是数字信号处理的基础,⽤来对信号进⾏过滤、检测和参数估计等处理。

IIR数字滤波器最⼤的优点是给定⼀组指标时,它的阶数要⽐相同组的FIR滤波器的低的多。

信号处理中和频谱分析最为密切的理论基础是傅⽴叶变换(FT)。

离散傅⽴叶变换(DFT)和数字滤波是数字信号处理的最基本内容。

关键词:MATLAB;语⾳信号;加⼊噪声;滤波器;滤波1. 设计⽬的与要求(1)待处理的语⾳信号是⼀个在20Hz~20kHz频段的低频信号。

(2)要求MATLAB对语⾳信号进⾏分析和处理,采集语⾳信号后,在MATLAB平台进⾏频谱分析;并对所采集的语⾳信号加⼊⼲扰噪声,对加⼊噪声的信号进⾏频谱分析,设计合适的滤波器进⾏滤除噪声,恢复原信号。

2. 设计步骤(1)选择⼀个语⾳信号或者⾃⼰录制⼀段语⾳⽂件作为分析对象;(2)对语⾳信号进⾏采样,并对语⾳信号进⾏FFT频谱分析,画出信号的时域波形图和频谱图;(3)利⽤MATLAB⾃带的随机函数产⽣噪声加⼊到语⾳信号中,对语⾳信号进⾏回放,对其进⾏FFT频谱分析;(4)设计合适滤波器,对带有噪声的语⾳信号进⾏滤波,画出滤波前后的时域波形图和频谱图,⽐较加噪前后的语⾳信号,分析发⽣的变化;(5)对语⾳信号进⾏回放,感觉声⾳变化。

3. 设计原理及内容3.1 理论依据(1)采样频率:采样频率(也称采样速度或者采样率)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,它⽤赫兹(Hz)来表⽰。

采样频率只能⽤于周期性采样的采样器,对于⾮周期采样的采样器没有规则限制。

通俗的讲,采样频率是指计算机每秒钟采集多少个声⾳样本,是描述声⾳⽂件的⾳质、⾳调,衡量声卡、声⾳⽂件的质量标准。

数字信号处理语音处理课程设计实验报告

数字信号处理语音处理课程设计实验报告

实验报告(1)语音采样和观察clear,clc;[y,fs]=audioread('E:\大学课程\大三上\数字信号处理\201400121184吴蔓.mp3'); %语音信号的采集,把采样值放在y中subplot(3,1,1)plot(y);title('时域波形');sound(y,fs); %语音信号的播放n=length(y) %计算语音信号的长度Y=fft(y) ; %快速傅里叶变换subplot(3,1,2)plot(abs(Y)); %绘出频域波形title('幅频特性');subplot(3,1,3)plot(angle(Y));title('相频特性');plot(angle(Y1)); title('延时后相频特性');0.511.522.533.544.5x 105-0.500.5延时后时域波形0.511.522.533.544.5x 10505001000延时后幅频特性0.511.522.533.544.5x 105-505延时后相频特性我延时了和原信号一样长的点数,可以看出来延时后的信号要后播放一小段时间并且幅频相频差别不大。

(3)混响: clear,clc;[y,fs]=audioread('E:\大学课程\大三上\数字信号处理\201400121184吴蔓.mp3'); %语音信号的采集一,加一撇表示转置。

如右图二,语音信号真的大多数是在3.4khz以内的,由下面三图对比可以发现,实际人的声音只在一段频率范围内,并且主要集中在3400hz以内。

但录制的语音还有一些少许的幅度很低的高频信号达到了100khz,那都是人耳听不见的声音。

也可以看出声音占得频谱很宽,并且是在数字域的pi也就是模拟域的FS以内,audioread函数读取Mp3格式的采样率大约是44100hz。

也可以看出采样时大致满足奈奎斯特定理,fs约等于2fh.(5)多重回声(回声数量有限):clear,clc;[y,fs]=audioread('E:\大学课程\大三上\数字信号处理\201400121184吴蔓.mp3') ; %语音信号的采集,从命令行窗口的输出可以看出%采样后的信号矩阵是多行一列的,下面n=length(y0)语句计算出来有220032个采样数据,有的数据为0,大多数数据是复数y0= y (:,1);%冒号代表“所有的”,这里指的是把y的所有行的第一列给y0,实际上y0和y 一样的,这句指令用来取单声道信号N=3; %三重回声y1=filter(1,[1,zeros(1,80000/(N+1)),0.5],y');%这里的y'指的是y的转置矩阵,故是一行多列的,y'作为filter函数的输入矩阵%[1,zeros(1,30000),0.5]是分母矩阵,1是分子,就相当于这是个无限长的信号,求其差分方程,y1是输出矩阵,这里filter函数相当于是个IIR滤波器,系统函数%相当于H(Z)=1/(1-0.5Z.^(-30001)).sound(10*y1,fs); %回放三重回声信号,这里乘以10以加强信号,便于听取,因为如果衰减系数太大则回声难以听见n=length(y0) ;Y0=fft(y0) ;Y=fft(y1) ;figure(1);subplot(2,1,1)plot(y);title('原音时域波形');axis([0 225000 -0.4 0.6]);subplot(2,1,2)plot(y1);title('多重回声时域波形');。

数字信号处理实验报告--含噪语音信号的分析

数字信号处理实验报告--含噪语音信号的分析

大连理工大学实验报告学院(系):专业:班级:姓名:学号:组:___实验时间:实验室:实验台:指导教师签字:成绩:实验五含噪语音信号的分析一、实验目的和要求二、实验原理和内容三、实验结果与分析第一部分:产生含噪的语音信号首先分析原始的语音信号的波形和频谱:[x,fs,bits]=wavread('009.wav');%sound(x,fs,bits);X=fft(x);t1=(0:length(x)-1)*fs/length(x)-fs/2;figure(1);subplot(2,1,1);plot(x);axis([0,400000,-2,2]);title('原始语音信号时域波形');subplot(2,1,2);plot(t1,fftshift(abs(X)));title('原始语音信号的频谱');%添加噪声N=length(x);noise=0.3*randn(size(x));x1=x+noise;X1=fft(x1);t2=(0:length(x1)-1)*fs/length(x1)-fs/2;%sound(x1,fs,bits);figure(2);subplot(2,1,1);plot(x1);title('加噪语音信号时域波形');subplot(2,1,2);plot(t2,fftshift(abs(X1)));title('加噪语音信号的频谱');0.511.522.533.54x 105-2-1012原始语音信号时域波形-2.5-2-1.5-1-0.500.51 1.52 2.5x 104050001000015000原始语音信号的频谱0.511.522.533.54x 105-2-1012加噪语音信号时域波形-2.5-2-1.5-1-0.500.51 1.52 2.5x 104050001000015000加噪语音信号的频谱利用MATLAB 命令生成含噪语音信号:wavwrite(x1,fs,16,'x1.wav'); 将生成的x1.wav 文件作为后续的GUI 图形界面中用于分析的语音信号。

数字语音信号处理实验报告

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(1)选取WINDOWS 下MEDIA 中的任一WAV 文件,采用播放器进行播放,观察其播放波形,定性描述其特征;(2)录入并存储本人姓名语音文件(姓名.wav),根据WAV 文件的储格式,利用MATLAB 或C 语言,分析并读取文件头和数据信息;(3)将文件的通道数、采样频率、样本位数和第一个数据读取并示出来。

语音信号处理实验报告

语音信号处理实验报告

语音信号处理实验报告 The Standardization Office was revised on the afternoon of December 13, 2020语音信号处理实验报告——语音信号分析实验一.实验目的及原理语音信号分析是语音信号处理的前提和基础,只有分析出可表示语音信号本质特征的参数,才有可能利用这些参数进行高效的语音通信、语音合成和语音识别等处理,并且语音合成的音质好坏和语音识别率的高低,都取决于对语音信号分析的准确性和精确性。

贯穿语音分析全过程的是“短时分析技术”。

因为从整体来看,语音信号的特性及表征其本质特征的参数均是随时间变化的,所以它是一个非平稳态过程,但是在一个短时间范围内(一般认为在10~30ms的时间内),其特性基本保持不变,即相对稳定,可将其看做一个准稳态过程,即语音信号具有短时平稳性。

所以要将语音信号分帧来分析其特征参数,帧长一般取为10ms~30ms。

二.实验过程男声及女声(蓝色为时域信号,红色为每一帧的能量,绿色为每一帧的过零率)某一帧的自相关函数3.频域分析①一帧信号的倒谱分析和FFT及LPC分析②男声和女声的倒谱分析对应的倒谱系数:,,……对应的LPC预测系数:1,,,,,……原语音波形一帧语音波形一帧语音的倒谱③浊音和清音的倒谱分析④浊音和清音的FFT分析和LPC分析(红色为FFT图像,绿色为LPC图像)三.实验结果分析1.时域分析实验中采用的是汉明窗,窗的长度对能否由短时能量反应语音信号的变化起着决定性影响。

这里窗长合适,En能够反应语音信号幅度变化。

同时,从图像可以看出,En可以作为区分浊音和清音的特征参数。

短时过零率表示一帧语音中语音信号波形穿过横轴(零电平)的次数。

从图中可以看出,短时能量和过零率可以近似为互补的情况,短时能量大的地方过零率小,短时能量小的地方过零率较大。

从浊音和清音的时域分析可以看出,清音过零率高,浊音过零率低。

从男声女声的时域信号对比图中可以看出,女音信号在高频率分布得更多,女声信号在高频段的能量分布更多,并且女声有较高的过零率,这是因为语音信号中的高频段有较高的过零率。

语音信号谱分析及去噪处理

语音信号谱分析及去噪处理

实验三:语音信号谱分析及去噪处理1、实验目的(1)通过对实际采集的语音信号进行分析和处理,获得数字信号处理实际应用的认识。

(2)掌握数字信号谱分析的知识。

(3)掌握数字滤波器设计的知识,并通过对语音信号的去噪处理,获得数字滤波器实际应用的知识。

2、实验内容(1)用麦克风自行采集两段语音信号[高频噪声、人声+高频噪声](.wav格式)。

(2)通过Matlab读入采集信号,观察其采样频率,并绘图采样信号。

(3)通过Matlab对语音信号进行谱分析,分析出噪声的频带。

(4)设计一滤波器,对叠加入噪声的语音信号进行去噪处理。

绘图并发声去噪后的信号。

3、实验步骤(1)利用麦克风采集一段5s以内的语音信号。

利用格式工厂软件对语音信号进行预处理。

通常语音信号为单声道,采样频率为8000Hz,语音信号为.wav格式。

(2)通过Matlab读入语音信号及其采样频率(使用Matlab库函数wavread),在Matlab软件的workspace工作平台上观察读入的语音信号,在Matlab中,对入的语音信号为一维矩阵。

应注意,库函数wavread自动将语音信号幅度归一化[-1,1]区间范围。

使用Matlab库函数plot 绘图语音信号,并使用库函数sound发音语音信号。

(3)分析噪声的频谱。

在这里进行谱分析的目的,是了解噪声信号的频谱特性,为去噪滤波器的技术指标提供依据。

(4)通过Matlab对语音信号进行谱分析。

应注意,对信号进行谱分析,在实验一中已经详细介绍过。

在这里进行谱分析的目的,是了解本段语音信号的频谱特性,为去噪滤波器的技术指标提供依据。

(5)根据语音信号及噪声信号的频谱特性,自行设计一滤波器,对叠加入噪声的语音信号进行去噪处理。

最后绘图并发声去噪后的信号。

应注意,数字滤波器的实际应考虑实际需求,合理制定滤波器的技术指标。

4、实验原理用麦克风采集一段语音信号,绘制波形并观察其频谱,添加一段随机信号,给定相应的滤波器指标,用脉冲响应不变法设计的一个满足指标的巴特沃斯IIR滤波器,对该语音信号进行滤波去噪处理,比较滤波前后的波形和频谱并进行分析。

信号处理综合实验报告(3篇)

信号处理综合实验报告(3篇)

第1篇一、实验目的1. 深入理解信号处理的基本原理和方法。

2. 掌握信号处理在各个领域的应用,如语音信号处理、图像处理等。

3. 熟悉实验设备的使用,提高实际操作能力。

4. 培养团队协作和问题解决能力。

二、实验内容本次实验主要分为以下几个部分:1. 语音信号处理(1)采集语音信号:使用麦克风采集一段语音信号,并将其转换为数字信号。

(2)频谱分析:对采集到的语音信号进行频谱分析,观察其频谱特性。

(3)噪声消除:设计并实现噪声消除算法,对含噪语音信号进行处理,提高信号质量。

(4)语音增强:设计并实现语音增强算法,提高语音信号的清晰度。

2. 图像处理(1)图像采集:使用摄像头采集一幅图像,并将其转换为数字图像。

(2)图像增强:对采集到的图像进行增强处理,如对比度增强、亮度增强等。

(3)图像滤波:设计并实现图像滤波算法,去除图像中的噪声。

(4)图像分割:设计并实现图像分割算法,将图像中的不同区域分离出来。

3. 信号处理算法实现(1)傅里叶变换:实现离散傅里叶变换(DFT)和快速傅里叶变换(FFT)算法,对信号进行频谱分析。

(2)小波变换:实现离散小波变换(DWT)算法,对信号进行时频分析。

(3)滤波器设计:设计并实现低通滤波器、高通滤波器、带通滤波器等,对信号进行滤波处理。

三、实验原理1. 语音信号处理(1)语音信号采集:通过麦克风将声音信号转换为电信号,再通过模数转换器(ADC)转换为数字信号。

(2)频谱分析:利用傅里叶变换将时域信号转换为频域信号,分析信号的频谱特性。

(3)噪声消除:采用噪声消除算法,如维纳滤波、谱减法等,去除信号中的噪声。

(4)语音增强:利用语音增强算法,如谱峰增强、长时能量增强等,提高语音信号的清晰度。

2. 图像处理(1)图像采集:通过摄像头将光信号转换为电信号,再通过模数转换器(ADC)转换为数字图像。

(2)图像增强:通过调整图像的亮度、对比度等参数,提高图像的可视效果。

(3)图像滤波:利用滤波器去除图像中的噪声,如均值滤波、中值滤波、高斯滤波等。

  1. 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. 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. 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)。

大连理工大学实验报告
实验四含噪语音信号的分析
一实验代码及程序
利用callback在.m文件中对各个模块进行代码的编辑(下面列出主要部分):1、输入音频信号部分:
[filename,filepath]=uigetfile('.wav','选择音频文件');
if(filename==0)
return;
end
audeofile= strcat(filepath,filename);
[handles.tdata,fs,handles.NBITS]=wavread(audeofile);
%绘制时域波形图
t = [0:1/fs:(length(handles.tdata)-1)/fs];%信号的时域长度
subplot(handles.fig1);
plot(t, handles.tdata);
%绘制频谱图
N = length(t);
fftdata = fft(handles.tdata,N);
fdata = abs(fftdata);
df = fs / N;
f = [0 : df : df * (N - 1)] - fs / 2;%求频率
subplot(handles.fig2);
plot(f, fftshift(fdata) );
guidata(hObject, handles);
2、设置低通部分:
function pushbutton4_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton4 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDA TA)
fp=str2num(get(handles.edit1,'string'));
fr=str2num(get(handles.edit2,'string'));
Ap=str2num(get(handles.edit3,'string'));
Ar=str2num(get(handles.edit4,'string'));
wp=2*pi*fp/1000;
wr=2*pi*fr/1000;
%Ap=3;
%Ar=20;
Ts=1/1000;
Op=2/Ts*tan(wp/2);
Os=2/Ts*tan(wr/2)
[N,Wn]=buttord(Op,Os,Ap,Ar,'s');
[z,p,k]=buttap(N)
[b,a]=zp2tf(z,p,k);
[B,A]=lp2lp(b,a,Wn);
[Bz,Az]=bilinear(B,A,1000);
[f,w]=freqz(Bz,Az);
f_mag=abs(f);
f_ang=angle(f);
%subplot(2,1,1); plot(w/pi,abs(f_mag));
%subplot(2,1,2); plot(w/pi,20*log(abs(f_mag)));
%N = length(t);
%fftdata = fft(handles.tdata,N);
%fdata = abs(w);
%df = fs / N;
%f = [0 : df : df * (N - 1)] - fs / 2;%求频率
subplot(handles.fig3);
plot(w/pi, f_mag );
guidata(hObject, handles);
y = filtfilt(Bz,Az,handles.tdata);
handles.tdata=y;
%绘制时域波形图
fs=1000;
t = [0:1/fs:(length(handles.tdata)-1)/fs];%信号的时域长度
subplot(handles.fig4);
plot(t,handles.tdata);
%绘制频谱图
N = length(t);
fftdata = fft(handles.tdata,N);
fdata = abs(fftdata);
df = fs / N;
f = [0 : df : df * (N - 1)] - fs / 2;%求频率
subplot(handles.fig5);
plot(f, fftshift(fdata) );
guidata(hObject, handles);
3 设置高通部分
function pushbutton6_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton6 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDA TA) fp=str2num(get(handles.edit1,'string'));
fr=str2num(get(handles.edit2,'string'));
Ap=str2num(get(handles.edit3,'string'));
Ar=str2num(get(handles.edit4,'string'));
Ts=1/1000;
wp=2*pi*fp*Ts;
wr=2*pi*fr*Ts;
%Ap=3;
%Ar=20;
[N,Wn]=buttord(wp/pi,wr/pi,Ap,Ar);
[b,a]=butter(N,Wn,'high');
[f,w]=freqz(b,a);
f_mag=abs(f);
f_ang=angle(f);
%subplot(2,1,1); plot(w/pi,abs(f_mag));
%subplot(2,1,2); plot(w/pi,20*log(abs(f_mag)));
%N = length(t);
%fftdata = fft(handles.tdata,N);
%fdata = abs(w);
%df = fs / N;
%f = [0 : df : df * (N - 1)] - fs / 2;%求频率
subplot(handles.fig3);
plot(w/pi, f_mag );
guidata(hObject, handles);
y = filtfilt(b,a,handles.tdata);
handles.tdata=y;
%绘制时域波形图
fs=1000;
t = [0:1/fs:(length(handles.tdata)-1)/fs];%信号的时域长度subplot(handles.fig4);
plot(t,handles.tdata);
%绘制频谱图
N = length(t);
fftdata = fft(handles.tdata,N);
fdata = abs(fftdata);
df = fs / N;
f = [0 : df : df * (N - 1)] - fs / 2;%求频率
subplot(handles.fig5);
plot(f, fftshift(fdata) );
guidata(hObject, handles);
GUI界面
初始界面
低通滤波
高通滤波
二、实验建议与体会
本次实验的题目是含噪语音信号分析。

在实验过程中,排版出现了一定的问题,导致结果无法显示。

经过排查之后,程序结果可以顺利求
出。

最重要的是在实验过程中明确了设置截止频率的重要性,如果不设置,会导致程序无法运行。

相关文档
最新文档