基于matlab的声音信号处理
Matlab实验——语音信号的录制和处理
基于 MATLAB 的语音信号分析与处理的实验设计1．实验目的综合运用数字信号处理的理论知识进行频谱分析和滤波器设计，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，从而加深对所学知识的理解，建立概念。
2．实验基本要求①学会 MATLAB 的使用，掌握 MATLAB 的程序设计方法。
②掌握在 Windows 环境下语音信号采集的方法。
③掌握数字信号处理的基本概念、基本理论和基本方法。
④掌握 MATLAB 设计 FIR 和 IIR 数字滤波器的方法。
⑤学会用 MATLAB 对信号进行分析和处理。
3．实验内容录制一段自己的语音信号，并对录制的信号进行采样；画出采样后语音信号的时域波形和频谱图；给定滤波器的性能指标，采用窗函数法或双线性变换设计滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对采集的语音信号进行滤波，画出滤波后信号的时域波形和频谱，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；最后，用MATLAB 设计一信号处理系统界面。
4、采集系统说明：MATLAB函数；麦克风输入方式MATLAB中提供了强大的数据采集工具箱(DAQ-Data Acquisition Toolbox),可满足控制声卡进行数据采集的要求：%记录声音 wavrecord(n,fs,ch,dtype)%发送向量信号 waveplay(y,fs)%读取wave文件 wavread(file)%写wave文件 wavwrite(file),文件的后缀名为.wav%sound(y,fs) %向扬声器送出音频信号滤波函数说明：采用Kaiser Window FIR：Sampling Frequency: 8192Type:LowpassFc:956.6Beta:5。
基于MATLAB的语音信号处理与识别系统设计与实现
基于MATLAB的语音信号处理与识别系统设计与实现一、引言语音信号处理与识别是人工智能领域中的重要研究方向之一，随着深度学习和人工智能技术的不断发展，基于MATLAB的语音信号处理与识别系统设计与实现变得越来越受到关注。
本文将介绍如何利用MATLAB进行语音信号处理与识别系统的设计与实现。
二、MATLAB在语音信号处理中的应用MATLAB作为一种强大的科学计算软件，提供了丰富的工具箱和函数库，可以方便地进行语音信号处理。
在语音信号处理中，MATLAB可以用于语音信号的采集、预处理、特征提取、模型训练等各个环节。
通过MATLAB提供的工具，可以高效地对语音信号进行分析和处理。
三、语音信号处理流程1. 语音信号采集在语音信号处理系统中，首先需要对语音信号进行采集。
通过MATLAB可以实现对声音的录制和采集，获取原始的语音信号数据。
2. 语音信号预处理采集到的语音信号数据通常包含噪声和杂音，需要进行预处理以提高后续处理的准确性。
预处理包括去噪、降噪、滤波等操作，可以有效地净化语音信号数据。
3. 特征提取在语音信号处理中，特征提取是一个关键步骤。
通过MATLAB可以提取出语音信号的频谱特征、时域特征等信息，为后续的模式识别和分类打下基础。
4. 模型训练与识别利用MATLAB可以构建各种机器学习模型和深度学习模型，对提取出的特征进行训练和识别。
通过模型训练，可以实现对不同语音信号的自动识别和分类。
四、基于MATLAB的语音信号处理与识别系统设计1. 系统架构设计基于MATLAB的语音信号处理与识别系统通常包括数据采集模块、预处理模块、特征提取模块、模型训练模块和识别模块。
这些模块相互配合，构成一个完整的系统架构。
2. 界面设计为了方便用户使用，可以在MATLAB中设计用户友好的界面，包括数据输入界面、参数设置界面、结果展示界面等。
良好的界面设计可以提升系统的易用性和用户体验。
五、基于MATLAB的语音信号处理与识别系统实现1. 数据准备首先需要准备好用于训练和测试的语音数据集，包括正样本和负样本。
基于matlab的语音信号的基本处理
专题研讨四、信号与系统综合应用确定题目（根据个人兴趣、结合实际确定题目，可从下面参考题目中选择，也可自由确定）：基于matlab的语音信号的基本处理参考题目：题目1：含噪信号滤波题目2：双音多频信号的产生与检测题目3：磁盘驱动系统仿真题目4：卡尔曼滤波器的应用题目5：应用反馈扩大放大器的带宽(以上只是本专题的部分题目)开题报告课题实施过程记录包括仿真程序、仿真结果、结果分析、方案完善等 ○1语音信号的制作及描述 1) 制作语音文件:用windows 录音机录制一小段语音文件"333.wav ”,内容为"信号与信息系统",由一同学播音. 2) 用matlab 播放”333.wav ”仿真程序:3) [y,Fs,bits]=wavread('333.wav'); sound(y,Fs);pause;4) 绘画出语音文件的时域和频域波形: 仿真程序:[y,Fs,bits]=wavread('333.wav'); plot(y);仿真结果:0123456789x 104-0.8-0.6-0.4-0.20.20.40.6结果分析:随着时间变化,声音能量图形 方案完善:1.时间轴有问题,与实际的时间不一样.2.语音信号的频域分析更清楚.仿真程序:[y,Fs,bits]=wavread('333.wav'); y=y(:,1);sLength=length(y); Y = fft(y,sLength);Pyy = Y.* conj(Y) / sLength; halflength=floor(sLength/2); f=Fs*(0:halflength)/sLength; figure;plot(f,Pyy(1:halflength+1));xlabel('Frequency(Hz)'); t=(0:sLength-1)/Fs; figure;plot(t,y);xlabel('Time(s)');仿真结果:0.51 1.52 2.5x 104Frequency(Hz)00.20.40.60.81 1.2 1.4 1.6 1.82-0.8-0.6-0.4-0.20.20.40.6Time(s)结果分析:频域分析是从另一个角度观察信号;语音信号的一般频域范围"200~2000"Hz ○2语音信号抽取及倍插仿真程序:[y,Fs,bits]=wavread('111.wav'); sound(y,Fs/2);pause;[y,Fs,bits]=wavread('111.wav'); sound(y,2*Fs);pause;仿真结果与分析:以Fs/2及2*Fs 播放的语音信号存在失真, 方案完善:需要做出波形,做更直观的观察. ○3语音信号的加噪1)语音信号加高频噪音及播放. 仿真程序:[y,Fs,bits]=wavread('333.wav'); y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.5;d=A*cos(2*pi*f*t)';y=y+d;sound(y,Fs);仿真结果:播放时伴有尖锐的”吱吱”声.结果分析:由于加入高频成分余弦信号,信号叠加后出现了尖锐的噪音.2)加噪后的语音信号的时域和频域波形.仿真程序:[y,Fs,bits]=wavread('333.wav');y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.05;d=A*cos(2*pi*f*t)';y1=y+d;sLength=length(y1);Y = fft(y1,sLength);Pyy = Y.* conj(Y) / sLength;halflength=floor(sLength/2);f=Fs*(0:halflength)/sLength;figure;plot(f,Pyy(1:halflength+1));xlabel('Frequency(Hz)');仿真结果:00.20.40.60.81 1.2 1.4 1.6 1.82-0.8-0.6-0.4-0.20.20.40.6Time(s)0.51 1.522.5x 10405101520253035404550Frequency(Hz)结果分析:时域波形跟加噪前没有什么明显的区别.在频域上我们发现有一个近6000Hz的高频成分,这是产生的噪音的根本所在.方案完善:运用subplot将加噪前和加噪后的时域和频域波形进行对比,效果会更好.○4数字滤波这一部分我们学习了函数BUTTER,进行了最简单的数字滤波.[b,a]=butter(N,wc);代表数字低通滤波器,wc代表归一化频率(0<wc<=1,等于一时为奈奎斯特频率);N为滤波器的阶数.y2=filter(b,a,y1);对信号y1进行巴特滤波,滤波器为[b,a]系统滤波后信号的效果播放.仿真程序:[y,Fs,bits]=wavread('333.wav');y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.05;d=A*cos(2*pi*f*t)';y1=y+d;N=2;wc=[0.01,0.07];[b,a]=butter(N,wc);y2=filter(b,a,y1);sound(y2,Fs);仿真结果:原先的噪声消失,语音信号变回原样.滤波器为低通滤波器,滤去高频成分.方案完善:1.画出滤波后的时域和频域波形2. 对滤波器进行系统分析1.画出滤波后的时域和频域波形仿真程序:[y,Fs,bits]=wavread('333.wav');y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.05;d=A*cos(2*pi*f*t)';y1=y+d;plot(t,y);xlabel('Time(s)');N=2;wc=[0.01,0.07];[b,a]=butter(N,wc);y2=filter(b,a,y1); sLength1=length(y2); Y1 = fft(y2,sLength1);Pyy = Y1.* conj(Y1) / sLength1; halflength1=floor(sLength1/2); f1=Fs*(0:halflength1)/sLength1; figure;plot(f,Pyy(1:halflength+1));xlabel('Frequency(Hz)'); t=(0:sLength-1)/Fs; figure;plot(t,y2);xlabel('Time(s)');仿真结果:00.51 1.52 2.5x 1040.511.522.53Frequency(Hz)00.20.40.60.81 1.2 1.4 1.6 1.82-0.8-0.6-0.4-0.20.20.40.6Time(s)结果分析:基本效果良好,有少许失真. 2. 对滤波器进行系统分析 仿真程序:w=linspace(0,6000,10000); wc=[0.01 0.07]; N=2;[b,a]=butter(N,wc); H=freqz(b,a,w); plot(w,abs(H)); axis([0 2500 0 1.5]);仿真结果:010002000300040005000600000.511.5○3RC 模拟滤波(物理形式熟悉) [y,Fs,bits]=wavread('333.wav');%¶Á³öÐźţ¬²ÉÑùÂʺͲÉÑùλÊý¡£y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.5;d=A*cos(2*pi*f*t)';y1=y+d;RC=0.001;b=1/RC;a=[1,1/RC];sys=tf(b,a);y2=lsim(sys,y1,t);sound(y2,Fs);结果:效果良好,声音恢复.RC 滤波器的波特图RC=0.001;w=linspace(0,2,1024);b=1/RC;a=[1,1/RC];g=tf(b,a);bode(g);xlabel('w');ylabel('H(jw)');-40-30-20-100M a g n i t u d e (d B)101102103104105H (j w ) (d e g )Bode Diagramw (rad/sec)总结报告摘要：利用所学的知识对实际语音信号进行时域,频域分析;体会信号的抽样定理,即信号的抽取和倍插;运用信号叠加对信号进新加噪(高频),并用数字滤波器butter 滤去高频成分去噪;课题原理框图：课题最终仿真程序：○1语音信号的制作及描述; [y,Fs,bits]=wavread('333.wav');sound(y,Fs);pause;[y,Fs,bits]=wavread('333.wav');y=y(:,1);sLength=length(y);Y = fft(y,sLength);Pyy = Y.* conj(Y) / sLength;halflength=floor(sLength/2);f=Fs*(0:halflength)/sLength;figure;plot(f,Pyy(1:halflength+1));xlabel('Frequency(Hz)');t=(0:sLength-1)/Fs;figure;plot(t,y);xlabel('Time(s)');○2语音信号抽取及倍插; [y,Fs,bits]=wavread('111.wav');sound(y,Fs/2);pause;[y,Fs,bits]=wavread('111.wav');sound(y,2*Fs);pause;○3语音信号的加噪;[y,Fs,bits]=wavread('333.wav');y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.05;d=A*cos(2*pi*f*t)';y1=y+d;N=2;wc=[0.01,0.07];[b,a]=butter(N,wc);y2=filter(b,a,y1);sound(y2,Fs);[y,Fs,bits]=wavread('333.wav');y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.05;d=A*cos(2*pi*f*t)';y1=y+d;sLength=length(y1);Y = fft(y1,sLength);Pyy = Y.* conj(Y) / sLength;halflength=floor(sLength/2);f=Fs*(0:halflength)/sLength;figure;plot(f,Pyy(1:halflength+1));xlabel('Frequency(Hz)');○4滤波器.[y,Fs,bits]=wavread('333.wav');y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.05;d=A*cos(2*pi*f*t)';y1=y+d;N=2;wc=[0.01,0.07];[b,a]=butter(N,wc);y2=filter(b,a,y1);sound(y2,Fs);[y,Fs,bits]=wavread('333.wav');y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.05;d=A*cos(2*pi*f*t)';y1=y+d;plot(t,y);xlabel('Time(s)');N=2;wc=[0.01,0.07];[b,a]=butter(N,wc);y2=filter(b,a,y1);sLength1=length(y2);Y1 = fft(y2,sLength1);Pyy = Y1.* conj(Y1) / sLength1;halflength1=floor(sLength1/2);f1=Fs*(0:halflength1)/sLength1;figure;plot(f,Pyy(1:halflength+1));xlabel('Frequency(Hz)');t=(0:sLength-1)/Fs;figure;plot(t,y2);xlabel('Time(s)');w=linspace(0,6000,10000);wc=[0.01 0.07];N=2;[b,a]=butter(N,wc);H=freqz(b,a,w);plot(w,abs(H));axis([0 2500 0 1.5]);[y,Fs,bits]=wavread('333.wav');%¶Á³öÐźţ¬²ÉÑùÂʺͲÉÑùλÊý¡£y=y(:,1);sLength=length(y);t=(0:sLength-1)/Fs;f=50000;A=0.5;d=A*cos(2*pi*f*t)';y1=y+d;RC=0.001;b=1/RC;a=[1,1/RC];sys=tf(b,a);y2=lsim(sys,y1,t);sound(y2,Fs);RC=0.001;w=linspace(0,2,1024);b=1/RC;a=[1,1/RC];g=tf(b,a);bode(g);xlabel('w');ylabel('H(jw)');课题成果：1)了解了语音信号matlab处理的基本过程及思路,重点复习了波形绘制,系统响应;2)体会到理论与实践的结合,语音信号的处理和实际生活接近,趣味性强.本课题还存在哪些问题？1)对matlab的一些函数比较模糊,比如信号的长度估计,butter滤波函数的运用2)对于信号的滤波只是在很理想的高频情形下,过于单一简单,对实际的噪声滤波还有很多需要完善的.研究性学习自我体会与评价通过研究性学习你在哪些方面有所收获?(如学习方法、合作精神、探索精神、创新意识等)。
基于matlab的音乐信号处理
基于matlab的音乐信号处理
音乐信号处理是利用数字信号处理技术来处理音乐的过程。
Matlab是一款优秀的数字信号处理软件，受到广泛的使用，也受到许多音乐室的青睐。
本文主要就用Matlab来音
乐信号处理的方法做一详细介绍。
首先要把声音信号处理成可以解析和处理的数字形式，在Matlab里可以用wavread
函数来实现这一功能，把原始信号转换成由模拟信号采样点和时间组成的双矩阵，这个矩
阵里包括了实部和虚部两部分，可以代表音乐中不同频率的参数。
接下来，要进行频域的处理，可以用fourier变换函数fft2可以除去高频噪声，此外，也可以考虑其他的传输函数。
在来保留各种特征和进行噪声抑制等操作时可以用
filter2函数和resample函数来进行更精准的处理。
当音乐信号已经处理完成后，就要考虑把它恢复成原来的样子，可以用逆傅立叶变换
函数ifft2来进行实现，进而用wavwrite函数来把处理完的音乐信号保存起来。
在Matlab里，可以用语言来进行处理，也可以使用Matlab里的脚本函数来进行处理，这种方式可以使得音乐信号的处理多项式化，减少误差的可能性，大大提升效率。
因此可见，Matlab是一款非常强大的数字信号处理软件，可以有效地进行音乐信号处理，在音乐制作中具有非常重要的作用。
基于matlab的声音信号处理
课程设计任务书基于MATLAB的声音信号处理的初步实现内容摘要:数字滤波器是数字信号处理技术的基础, 用来对信号进行过滤、检测、与参数估计等处理。
任何检测的信号都含有噪声，而滤波是去除噪声的基本手段，因此滤波器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 数字滤波器是滤波器设计的重要组成部分。
随着MATLAB软件及信号处理工具箱的不断完善，MATLAB很快成为应用学科等领域不可或缺的基础软件,它可以快速有效地实现数字滤波器的设计、分析和仿真，极大地减轻了工作量,有利于滤波器设计的最优化。
本设计综合运用了数字信号处理的各种基本知识，对不带噪声音信号以及带噪声音信号进行频谱分析，并利用MATLAB信号处理工具箱有效快捷地设计IIR数字滤波器对带噪声音信号进行滤波处理。
关键词：数字滤波器 MATLAB 滤波仿真The preliminary implementation of voice signalprocessing based on MATLABAbstract： Digital filter is the basis of digital signal processing technology, which used for signal filtering, detecting, and parameter estimation. Any detection signal contains noise, and filtering is a basic means to remove the noise, so filter occupies an extremely important position in digital signal processing.FIR digital filter and IIR digital filter is an important part of the filter design. With MATLAB software and the continuous improvement of the signal processing toolbox, MATLAB application quickly became indispensable to areas such as basic software. It can quickly and efficiently for digital filter design, analysis and simulation, greatly reduce the workload, and it is advantageous to the optimization of filter design. This design is integrated used of all kinds of basic knowledge of digital signal processing to complete the analysis of frequency spectrum about speech noisy signal and speech signal, and it use the MATLAB signal processing toolbox effective shortcut to design IIR digital filter with noise speech signal filter processing. Keywords：Digital Filter MATLAB Filtering Simulation目录前言 (1)1 绪论 (1)1.1 研究的目的和意义 (1)1.2 国内外研究的现状 (1)1.3 本课题研究的内容和方法 (2)2 MATLAB软件介绍 (2)2.1 MATLAB发展历程 (2)2.2 MATLAB组成 (3)2.2.1 MATLAB语言 (3)2.2.2 MATLAB的工作环境 (3)2.2.3 MATLAB数据函数库 (3)2.2.4 MATLAB应用程序接口 (3)2.2.5 图形句柄系统 (4)2.3 MATLAB的特点 (4)3 数字滤波器的设计 (5)3.1 数字滤波器概述 (5)3.2 数字滤波器设计的基本原理 (6)3.3 设计IIR数字滤波器 (6)3.3.1 IIR数字滤波器设计方法 (6)3.3.2 利用模拟滤波器设计IIR数字滤波器的步骤 (6)3.3.3 用双线性法设计IIR低通滤波器 (7)4 去噪和仿真的研究 (7)4.1 语言信号在MATLAB平台上的录入与打开 (7)4.2 原始语言信号频谱分析及仿真 (8)4.3 加噪语音信号频谱分析及仿真 (9)4.4 去噪及仿真 (10)4.5 回放语音信号 (11)5 结束语 (11)附录 (12)附录1：IIR低通滤波器程序 (12)附录2：产生原始语音信号波形、频谱、幅值、相位图程序 (12)附录3：产生原始语音信号和加噪语音信号时域波形、频谱图程序 (13)附录4：产生IIR滤波前和滤波后波形及频谱图程序 (14)参考文献 (16)基于MATLAB的声音信号处理的初步实现前言声音信号的采集与分析处理在工程应用中是经常需要解决的问题,如何实时采集声音信号并对其分析处理,找出声音信号的特征在科学研究中是一项非常有意义的工作。
(完整word版)基于matlab的语音信号分析与处理
基于matlab的语音信号分析与处理摘要: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。
Matlab功能强大、编程效率高, 特别是Matlab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。
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。
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。
关键词：数字滤波器；MATLAB；切比雪夫Abstract:Filter design in digital signal processing plays an extremely important role, FIR digital filters and IIR filter is an important part of filter design. Matlab is powerful, programming efficiency, Matlab also has a particular signal analysis toolbox, it need not have strong programming skills can be easily signal analysis, processing and design. MATLAB based on the noise issue speech signal processing design and implementation of digital signal processing integrated use of the theoretical knowledge of the speech signal plus noise, time domain, frequency domain analysis and filtering. The corresponding results obtained through theoretical derivation, and then use MATLAB as a programming tool for computer implementation.Implemented in the design process, using the windowfunction method to design FIR digital filters with Butterworth, Chebyshev and bilinear Reform IIR digital filter design and use of MATLAB as a supplementary tool to complete the calculation and graphic design Drawing.Keywords：digital filter; MATLAB; Chebyshev语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴的学科，是目前发展最为迅速的信息科学研究领域的核心技术之一。
利用Matlab进行声音信号处理的技术方法
利用Matlab进行声音信号处理的技术方法引言：在现代科技飞速发展的时代，声音信号处理成为一个热门的技术领域。
利用Matlab这一功能强大的软件工具，可以进行各种声音信号处理的研究和应用。
本文将介绍利用Matlab进行声音信号处理的技术方法，包括声音信号采集、预处理、频域分析、音频特征提取、降噪以及语音识别等方面的内容。
一、声音信号采集声音信号采集是声音信号处理的第一步，它的质量直接影响后续处理的效果。
在Matlab中，我们可以利用声音输入和录音功能来实现声音信号的采集。
声音输入函数可以从外部声卡、麦克风等设备录取音频数据，而录音函数则可以通过计算机内部的声卡进行录音。
要进行声音信号采集，首先要设置好采样率和采样位数。
采样率表示每秒采样的次数，常用的采样率有8kHz、16kHz和44.1kHz等。
采样位数表示每个采样值的位数，一般为8位或16位。
在Matlab中，可以使用audiorecorder函数设置采样率和采样位数。
二、声音信号的预处理声音信号预处理是为了去除噪声和提高信号质量，以便后续处理。
常用的声音信号预处理方法包括去噪、滤波、归一化等。
去噪是声音信号预处理的重要步骤。
常见的去噪方法有时域滤波和频域滤波。
时域滤波是通过卷积运算对声音信号进行滤波，可以去除特定频率范围内的噪声。
频域滤波则是将声音信号从时域转换到频域，利用频域上的滤波器对噪声进行滤波。
滤波是声音信号预处理的另一种常用方法，它可以去除声音信号中的杂音和干扰信号。
低通滤波器可以去除高频噪声，而高通滤波器则可以去除低频噪声。
在Matlab中，可以使用fir1函数设计滤波器，然后使用filter函数进行滤波。
归一化是将声音信号的振幅范围缩放到合适的范围内，以便后续处理。
通过归一化，可以消除不同音频文件之间的振幅差异。
三、频域分析频域分析是声音信号处理中常用的方法之一。
在Matlab中，可以通过使用快速傅里叶变换（FFT）函数对声音信号进行频谱分析。
基于MATLAB语音信号检测分析及处理
第一章绪论Matlab是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括Matlab和Simulink两大部分。
1.1 Matlab简介MATLAB是英文MATrix LABoratory（矩阵实验室）的缩写。
早期的MATLAB 是用FORTRAN语言编写的，尽管功能十分简单，但作为免费软件，还是吸引了大批使用者。
经过几年的校际流传，在John Little。
Cleve Moler和Steve Banger 合作，于1984年成立MathWorks公司，并正式推出MATLAB第一版版。
从这时起，MATLAB的核心采用C语言编写，功能越来越强大，除原有的数值计算功能外，还新增了图形处理功能。
MathWorks公司于1992年推出了具有划时代意义的4.0版；1994年推出了4.2版扩充了4.0版的功能，尤其在图形界面设计方面提供了新方法；1997年春5.0版问世，5.0版支持了更多的数据结构，使其成为一种更方便、更完善的编程语言；1999年初推出的MATLAB5.3版在很多方面又进一步改进了MATLAB语言的功能，随之推出的全新版本的最优化工具箱和Simulink3.0达到了很高水平；2000年10月，MATLAB6.0版问世，在操作页面上有了很大改观，为用户的使用提供了很大方便，在计算机性能方面，速度变的更快，性能也更好，在图形界面设计上更趋合理，与C语言接口及转换的兼容性更强，与之配套的Simulink4.0版的新功能也特别引人注目；2001年6月推出的MATLAB6.1版及Simulink4.1版，功能已经十分强大；2002年6月推出的MATLAB6.5版及Simulink5.0版，在计算方法、图形功能、用户界面设计、编程手段和工具等方面都有了重大改进；2004年，MathWorks公司推出了最新的MA TLAB7.0版，其中集成了最新的MATLAB7编译器、Simumlink6.0仿真软件以及很多工具箱。
如何利用MATLAB进行音频信号处理与合成
如何利用MATLAB进行音频信号处理与合成MATLAB是一款非常强大的软件工具，它具备丰富的音频信号处理和合成功能。
利用MATLAB进行音频信号处理和合成，可以帮助人们实现各种音频效果的创造和优化。
本文将介绍如何利用MATLAB进行音频信号处理与合成，并着重讨论一些常用的技术和方法。
一、音频信号处理的基础知识1.1 音频信号的特点音频信号是一种连续的、时间域上的信号，通常以波形的形式呈现。
音频信号的特点是具有频率、振幅和相位等信息，可以通过快速傅里叶变换（FFT）将其转换为频域信号进行分析和处理。
1.2 音频信号处理的基本步骤音频信号处理的基本步骤包括音频读取、信号预处理、特征提取、效果处理和音频输出等。
其中，音频读取是将音频文件加载到MATLAB中进行处理的第一步，信号预处理是对音频信号进行滤波、降噪等预处理操作，特征提取是提取音频信号的一些特征参数，如音高、音调等，效果处理是对音频信号进行各种音效处理，音频输出是将处理后的音频信号保存为新的音频文件。
二、MATLAB音频信号处理函数介绍2.1 音频读取函数在MATLAB中，可以使用audioread函数将音频文件读取到MATLAB中进行处理。
该函数的输入为音频文件路径，输出为音频信号的采样数据和采样率。
例如，以下代码将读取一段音频文件到MATLAB中：```[signal, Fs] = audioread('audio.wav');```2.2 音频预处理函数MATLAB提供了一系列的滤波函数，例如低通滤波、高通滤波、降噪滤波等。
通过使用这些滤波函数，可以对音频信号进行去噪、降噪等预处理操作。
例如，以下代码将使用低通滤波器对音频信号进行预处理：```[b, a] = butter(4, 2000/(Fs/2), 'low');signal_filtered = filtfilt(b, a, signal);```2.3 音频特征提取函数MATLAB提供了多种音频特征提取函数，例如短时能量、过零率、频谱特征等。
基于matlab的语音信号的分析与处理
《信号与系统》课程设计报告__语音信号的分析和处理一、摘要本次课程设计运用matlab 对语音信号的时域和频域进行分析，得出语音信号差别的原因所在，并探讨了电话对语音信号采样频率为8KHz 的原因，通过滤波实现回波信号的还原。
二、前言众所周知，语音信号的处理分析已变得非常流行，基于语音处理分析技术的产品也开始流入市场，遍布人们的生活。
这也是本小组致力于该方面研究的原因。
为了研究不同类型的声音信号性质，我们以数学知识为基础，通过快速傅里叶变换及其逆变换等一系列技术手段，从时域图，频域图入手，经对语音信号素材的处理，分析，对比，类比，对各类语音信号性质有了一定的了解，得出了不少有意义的结论。
三、正文【设计目标】尝试对语音信号进行时频域分析和处理的基本方法 【设计原理】通过MATLAB 的函数wavread()可以读入一个.wav 格式的音频文件，并将该文件保存到指定的数组中。
例如下面的语句（更详细的命令介绍可以自己查阅MATLAB 的帮助）中，将.wav 读入后存放到矩阵y 中。
y = wavread('SpecialEnglish.wav');对于单声道的音频文件，y 只有一行，即一个向量；对于双声道的音频文件，y 有两行，分别对应了两个声道的向量。
我们这里仅对一个声道的音频进行分析和处理即可。
注意：.wav 文件的采样频率为44.1KHz ，采样后的量化精度是16位，不过我们不用关心其量化精度，因为在MATLAB 读入后，已将其转换成double 型的浮点数表示。
在获得了对应音频文件的数组后，我们可以对其进行一些基本的分析和处理。
包括：1、 对语音信号进行频域分析，找到语音信号的主要频谱成分所在的带宽，验证为何电话可以对语音信号采用8KHz 的采样速率。
我们主要的设计原理是离散时间的fourier 变换，离散时间的fourier 变换公式为：(1)(1)1()()Nj k Nj X k x j ω--==∑，(1)(1)1()(1/)()Nj k N k x j N X k ω--==∑，其中(2)/i NN e πω-=。
基于MATLAB的语音信号去噪（完整版）
基于MATLAB的语音信号去噪基于MATLAB的语音信号去噪h(n)= hd(n)(n)( 1-2 )(4)验算技术指标是否满足要求。
1]1.2.2窗函数法设计FIR滤波器的要求在使用窗函数法设计FIR滤波器时要满足以下两个条件:(1)窗谱主瓣尽可能地窄,以获得较陡的过渡带;(2)尽量减少窗谱的最大旁瓣的相对幅度,也就是使能量尽量集中于主瓣,减小峰肩和纹波,进而增加阻带的衰减。
在实际工程中常用的窗函数有五种,即矩形窗(Retangular)、三角窗(Triangular)、汉宁窗(Hanning)、汉明窗(Haing)及凯塞窗(Kaiser)。
.2.3常用窗函数的性质和特点(1)矩形窗矩形窗属于时间变量的零次幂窗。
矩形窗使用最多,习惯上不加窗就是使信号通过了矩形窗。
这种窗的优点是主瓣比较集中,缺点是旁瓣较高,并有负旁瓣,导致变换中带进了高频干扰和泄露漏,甚至出现负谱现象。
(2)三角形窗三角形窗又称费杰窗,是幂窗的一次文形式。
与矩形窗比较,主瓣宽约等于矩形窗的两倍,但旁瓣小,而且无负旁瓣。
(3)汉宁窗汉宁窗又称升余弦窗,汉宁窗可以看作是3个矩形时间窗的频谱之和。
汉宁窗优于矩形窗,但汉宁窗主瓣加宽,相当于分析带宽加宽,频率分辨力下降。
(4)哈明窗哈明窗与汉宁窗都是余弦窗,只是加权系数不同,哈明窗加权的系数能使旁瓣达到更小,所以哈明窗又称为改进的升余弦窗。
它的能量更加集中在主瓣中主瓣的能量约占99.96%第一主瓣的峰值比主瓣小dB,但主瓣宽度和汉宁窗相同仍为8*π/N,哈明窗与汉宁窗都是很有用的窗函数。
(5)凯塞窗以上几种窗函数是各以一定主瓣加宽为代价,来换取某种程度的旁瓣抑制,窗函数的主瓣宽度和旁瓣峰值衰耗是矛盾的,一项指标的提高总是以另一项指标的下降为代价,窗口选择实际上是对两项指标作权衡。
而两项指标是跳变的,于是有人提出可调整窗,适当修改参数,可在这两项指标间作连续的选择。
常用的可调整窗是凯塞(Kaiser)窗。
基于matlab的语音信号分析与处理
男生时域波形：
女生时域波形：
话音信号的最高频率限制在3400HZ，根据来奎斯特采 样定理
1 fs 2 fm Ts
可知，
抽样频率大于等于两倍信号最高频率， fS=6800HZ 所以电话可以对语音信号采用8KHz的采样速率，信号
可无失真恢复。
对女生信号进行1/2降采样： X1=x(1:2:length(x));
主要内容：采集男声和女声来自号； 对语音信号进行频域分析；
分析男声和女声在频域上的差别；
对采样后的序列进行不同程度的降采样处理，
验证是否会对信号的质量产生影响。
男生频谱图：
根据图可知 男生声音频 率大约在 500hz左右
女生频谱图：
女生声音频率集 中在1khz左右
女声的主要频率在高频段明显多于男声， 因而辨别男生和女声： 用仪器对声音进行频谱分析高频段明显较多的 即为女声，反之则为男声。
对女生信号进行1/5降采样：
观察频谱图，与原声音并无明显变化 声音文件的采样频率为44.1khz，进行1/2降采样后得到的采 样频率为22khz 抽样定理：当抽样频率f S≥2 f h时，抽样后的信号就包含 原连续信号的全部信息，而不会有信息丢失，当需要时，可 以根据这些抽样信号的样本来还原原来的连续信号。
对声音进行采集并进行频域分析的主要程序：
Fs = 44100; y1 = wavrecord(5*Fs,Fs,'double'); wavplay(y1,Fs); Y1=y1(:,1); %采样频率% yt1=fft(y1); %傅里叶变换% df=Fs/length(yt1); Fx=df*(0:length(yt1)-1); %将横轴变为频率轴% subplot(1,1,1); %subplot将图像画在一张图上% plot(y1);title('语音时域波形'); %画语音信号的时域波形z subplot(1,1,1); plot(Fx,abs(yt1)); axis([0 5000 0 800]);title('频谱图 ');xlabel('frequency/Hz'); %频谱图%
Matlab技术声音处理方法
Matlab技术声音处理方法Matlab技术在声音处理方法中的应用声音是我们日常生活中不可或缺的一部分，而如何对声音进行处理和分析则成为了一个重要的研究领域。
Matlab作为一种功能强大的工具，提供了丰富的声音处理方法和函数，可以帮助我们更好地理解和处理声音。
本文将探讨Matlab技术在声音处理方法中的应用。
1. 音频录制与播放Matlab中的`audiorecorder`和`audioplayer`函数可以轻松实现音频的录制和播放。
我们可以使用这些函数来获取外部声音设备的输入，并且实时监测并录制声音。
在录制完成后，我们可以使用`play`函数对录制的声音进行播放，或者使用`wavwrite`函数将声音保存为WAV格式文件。
这些函数为我们提供了方便的工具，可以进行实时采集和回放。
2. 语音信号分析语音信号分析是声音处理中的一个重要领域，它涉及到音频的频率、能量和语音特征等方面的研究。
Matlab中的`fft`函数和`spectrogram`函数可以帮助我们进行频率分析和谱图生成。
通过对语音信号进行调频谱分析，我们可以了解声音信号的频率成分和强度分布。
同时，利用谱图可以对语音信号进行时频分析，识别声音的特征和共振峰等信息。
3. 降噪和滤波技术在实际的声音处理中，常常伴随着各种噪音的干扰。
Matlab提供了各种降噪和滤波技术，可以有效地去除噪音并提升声音质量。
其中，常用的方法包括均值滤波、中值滤波和高斯滤波等。
这些滤波方法可以通过调整滤波窗口的大小和权重来实现不同程度的降噪效果。
此外，Matlab还提供了自适应滤波和谱减法等高级降噪方法，可以根据不同噪声类型进行自主调整和处理。
4. 语音合成和变声语音合成和变声是声音处理中的两个有趣的方向。
使用Matlab中的`synth`函数和`pitchshift`函数，我们可以对声音进行合成和变调操作。
通过改变声音的频率和音高，可以实现从机器语音到人声和从男声到女声的变换。
基于MATLAB的音频信号处理与语音识别系统设计
基于MATLAB的音频信号处理与语音识别系统设计一、引言音频信号处理与语音识别是数字信号处理领域的重要研究方向，随着人工智能技术的不断发展，语音识别系统在日常生活中得到了广泛应用。
本文将介绍如何利用MATLAB软件进行音频信号处理与语音识别系统的设计，包括信号预处理、特征提取、模式识别等关键步骤。
二、音频信号处理在进行语音识别之前，首先需要对音频信号进行处理。
MATLAB提供了丰富的信号处理工具，可以对音频信号进行滤波、降噪、增益等操作，以提高后续语音识别的准确性和稳定性。
三、特征提取特征提取是语音识别中至关重要的一步，它能够从复杂的音频信号中提取出最具代表性的信息。
常用的特征包括梅尔频率倒谱系数（MFCC）、线性预测编码（LPC）等。
MATLAB提供了丰富的工具箱，可以方便地实现这些特征提取算法。
四、模式识别模式识别是语音识别系统的核心部分，它通过对提取出的特征进行分类和识别，从而实现对不同语音信号的区分。
在MATLAB中，可以利用支持向量机（SVM）、人工神经网络（ANN）等算法来构建模式识别模型，并对语音信号进行分类。
五、系统集成将音频信号处理、特征提取和模式识别整合到一个系统中是设计语音识别系统的关键。
MATLAB提供了强大的工具和函数，可以帮助我们将各个部分有机地结合起来，构建一个完整的语音识别系统。
六、实验与结果分析通过实际案例和数据集，我们可以验证所设计的基于MATLAB的音频信号处理与语音识别系统的性能和准确性。
通过对实验结果的分析，可以进一步优化系统设计，并提高语音识别系统的性能。
七、结论基于MATLAB的音频信号处理与语音识别系统设计是一个复杂而又具有挑战性的任务，但是借助MATLAB强大的功能和工具，我们可以更加高效地完成这一任务。
未来随着人工智能技术的不断发展，基于MATLAB的语音识别系统将会得到更广泛的应用和进一步的优化。
通过本文对基于MATLAB的音频信号处理与语音识别系统设计进行介绍和讨论，相信读者对该领域会有更深入的了解，并能够在实际应用中灵活运用所学知识。
MATLAB声音信号处理
figure(4)
subplot(2,3,1)
plot(w0,db)
grid on
title('矩形窗分贝图')
xlabel('w')
ylabel('dB')
w2=blackman(N);
h2=hd.*w2';
H2=fft(h2,80000);
db=20*log10(abs(H2)+eps)/max(abs(H2));
xlabel('Time(s)');
title('解调后信号');
C2=fft(c2);
subplot(2,2,4)plot(w1,abs(C2));
xlabel('w');
title('解调后信号的频谱');
grid on;******************************************
A1 = fft(a1);**************************
w1=2/siglength1*[0:(siglength1-1)];
subplot(2,3,4);
plot(w1,abs(A1));获取截取信号的频谱
xlabel('w');
title('截取信号频谱');
grid on;
subplot(2,3,3)
plot(t3,a3);
xlabel('Time(s)');
title('4:1简抽样信号序列');
A3=fft(a3);
w3=2/siglength3*(0:siglength3-1)
基于MATLAB语音信号处理（语音信号处理的综合仿真）
---------------------------------------------------------------范文最新推荐------------------------------------------------------ 基于MATLAB语音信号处理(语音信号处理的综合仿真)摘要：针对目前在嘈杂的环境中手机接听电话时人声不清楚的缺点，本文介绍了一个基于MATLAB的算法来对语音信号进行处理。
该算法通过计算机录音系统来实现对语音信号的采集，并且利用MATLAB的计算和信号处理能力进行频谱分析和设计滤波器，最终通过仿真得到滤波前后的波形，从而达到保留语音信号中的大部分人声并且滤除掉嘈杂噪声的目的。
仿真实验表明，采用低通滤波器保留人声的效果显著，失真较少。
本算法具有操作简单，运行速度快等优点。
关键词：语音信号；MATLAB；滤波；低通；噪声Speech Signal Processing Based on MATLAB1 / 17Abstract: At present, in view of the shortcomings of that the voice is not clear when people answering the phone in a noisy environment, this paper introduces a algorithm for speech signal processing based on MATLAB. The algorithm realizes the acquisition of the speech signal through a computer recording system. And the software can realize the capabilities of frequency spectrum analysis and filter design by the use of calculation and signal processing capabilities of MATLAB. Finally it can get the waveform before and after filtering through the simulation. So that we can retain most of the voices in the speech signal and at the same time remove noisy noise through filter. Simulation results show that the low pass filter has a remarkable effect of keeping voices and the distortion is little. This algorithm has the advantages of simple to operate and fast.Key Words: Speech signal; MATLAB; Filtering; Low pass; Noise目录---------------------------------------------------------------范文最新推荐------------------------------------------------------ 摘要1引言11.研究意义及研究现状21.1研究意义21.2研究现状22. 语音信号处理的总体方案2.1 研究的主要内容本课题主要介绍的是的语音信号的简单处理，目的就是为以后在手机上的移植打下理论基础。
基于matlab的声音信号处理与分析
基于MATLAB的声音信号处理与分析摘要：本设计要求选取一段WAV格式的音乐后，在MATLAB中采集声音信号，回放音乐，并画出该声音信号时域波形和频谱，改变采样频率，观察并分析信号的变化。
然后在MATLAB 中设计不同形式的FIR数字滤波器，通过滤波观察采集的声音信号在不同频率段的特点。
对比处理前后的时域和频谱图，观察并分析经过不同的滤波器信号波形的变化。
最后，分别收听处理之后的声音信号，了解各种滤波器对声音信号的影响。
关键词：声音信号、MATLAB、采样、滤波器The Design of ProcessingAnd Analysis Voice Signal InMATLABShiJieying(College of Physics and Electronic Engineering InformationWenzhou University)Abstract:This design, makingin the MATLAB, requires to find a WAV format music, to collect sound signals, playback of music, and draw the sound signal time domain waveform and frequency spectrum.Changing the sampling frequency, observe and analyze of changes in the signal. And then design different forms of FIR digital filter in the MATLAB, observe the characteristics of the collected sound signal in different frequency paring the time domain waveform and the frequency spectrum beforeand after the processing, observe and analyze the changes of signal waveform through different filter.Finally, listen to the voice signal after processing respectively,understand the impact of a variety of filters on the sound signal.Keywords: sound signals, MATLAB, sampling, filters1.设计内容及步骤步骤一：在“我的电脑”搜索wav格式的音乐文件，选取约10s时长且声音频率跨度较大的一段音乐（便于对声音信号滤波并比较音调变化）并记录其所在位置。
- 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)。
课程设计任务书基于MATLAB的声音信号处理的初步实现内容摘要:数字滤波器是数字信号处理技术的基础, 用来对信号进行过滤、检测、与参数估计等处理。
任何检测的信号都含有噪声，而滤波是去除噪声的基本手段，因此滤波器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 数字滤波器是滤波器设计的重要组成部分。
随着MATLAB软件及信号处理工具箱的不断完善，MATLAB很快成为应用学科等领域不可或缺的基础软件,它可以快速有效地实现数字滤波器的设计、分析和仿真，极大地减轻了工作量,有利于滤波器设计的最优化。
本设计综合运用了数字信号处理的各种基本知识，对不带噪声音信号以及带噪声音信号进行频谱分析，并利用MATLAB信号处理工具箱有效快捷地设计IIR数字滤波器对带噪声音信号进行滤波处理。
关键词：数字滤波器 MATLAB 滤波仿真The preliminary implementation of voice signalprocessing based on MATLABAbstract： Digital filter is the basis of digital signal processing technology, which used for signal filtering, detecting, and parameter estimation. Any detection signal contains noise, and filtering is a basic means to remove the noise, so filter occupies an extremely important position in digital signal processing.FIR digital filter and IIR digital filter is an important part of the filter design. With MATLAB software and the continuous improvement of the signal processing toolbox, MATLAB application quickly became indispensable to areas such as basic software. It can quickly and efficiently for digital filter design, analysis and simulation, greatly reduce the workload, and it is advantageous to the optimization of filter design. This design is integrated used of all kinds of basic knowledge of digital signal processing to complete the analysis of frequency spectrum about speech noisy signal and speech signal, and it use the MATLAB signal processing toolbox effective shortcut to design IIRdigital filter with noise speech signal filter processing. Keywords：Digital Filter MATLAB Filtering Simulation目录前言 (1)1 绪论 (1)1.1 研究的目的和意义 (1)1.2 国内外研究的现状 (1)1.3 本课题研究的内容和方法 (2)2 MATLAB软件介绍 (2)2.1 MATLAB发展历程 (2)2.2 MATLAB组成 (3)2.2.1 MATLAB语言 (3)2.2.2 MATLAB的工作环境 (3)2.2.3 MATLAB数据函数库 (3)2.2.4 MATLAB应用程序接口 (3)2.2.5 图形句柄系统 (4)2.3 MATLAB的特点 (4)3 数字滤波器的设计 (5)3.1 数字滤波器概述 (5)3.2 数字滤波器设计的基本原理 (6)3.3 设计IIR数字滤波器 (6)3.3.1 IIR数字滤波器设计方法 (6)3.3.2 利用模拟滤波器设计IIR数字滤波器的步骤 (6)3.3.3 用双线性法设计IIR低通滤波器 (7)4 去噪和仿真的研究 (7)4.1 语言信号在MATLAB平台上的录入与打开 (7)4.2 原始语言信号频谱分析及仿真 (8)4.3 加噪语音信号频谱分析及仿真 (9)4.4 去噪及仿真 (10)4.5 回放语音信号 (11)5 结束语 (11)附录 (12)附录1：IIR低通滤波器程序 (12)附录2：产生原始语音信号波形、频谱、幅值、相位图程序 (12)附录3：产生原始语音信号和加噪语音信号时域波形、频谱图程序 (13)附录4：产生IIR滤波前和滤波后波形及频谱图程序 (14)参考文献 (16)基于MATLAB的声音信号处理的初步实现前言声音信号的采集与分析处理在工程应用中是经常需要解决的问题,如何实时采集声音信号并对其分析处理,找出声音信号的特征在科学研究中是一项非常有意义的工作。
1 绪论语音是语言的声学表现，是人类获取信息的重要来源和利用信息的重要手段。
随着社会的进步和科学技术的发展，人类进入了信息化时代，用现代手段研究语音信号处理技术，是人们更加有效地产生、传输、存储和获取语音信息，者对促进社会发展具有重要意义，因此，语音信号处理越来越受到人们的关注和研究。
1.1 研究的目的和意义语言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。
语音信号处理作为一门涉及面很广的交叉学科，在数字电话通信、高音质的窄带语音通信系统、语言学习机、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军事上都有应用。
随着人类步入信息社会步伐的加快，越来越多的地方需要用到语音信号处理知识。
所以语音信号研究无论是在科学领域上还是日常生活中都有其广泛而重要的意义。
1.2 国内外研究的现状20世纪60年代中期形成的一系列数字信号处理的理论和算法，如数字滤波器、快速傅里叶变换（FFT）等是语言数字信号处理的理论和技术基础。
20世纪70年代初，由于电子计算机和数字信号处理的发展，人们发现：声音信号，可以通过模数转换器（A/D）采样和量化，它们转换为数字信号后，能够送进计算机。
这样就可以用数字计算方法，对语音信号进行处理和加工。
例如数字滤波器可以用差分方程实现，频谱分析可以用傅里叶变换或快速傅里叶变换（FFT）实现，80年代初矢量量化技术（VQ）和隐马尔可夫模型（HMM）应用于语音处理中，隐马尔可夫模型（HMM）用于描述语音信号产生过程。
近年来语音信号处理这门新学科发展很快，在各项领域都有应用，解决了很多用传统方法难以解决的问题，在信息科学中占有重要地位。
1.3 本课题研究的内容和方法本设计主要介绍的是的语音信号的简单处理。
本设计运用数字信号学基本原理实现语音信号的处理，在matlab7.14环境下综合运用信号提取，幅频变换以及傅里叶变换、滤波等技术来进行语音信号处理。
我所做的工作就是采集一个语音信号作为分析对象，或自我录制一段语音，在matlab7.14软件上编写一个语音信号处理程序，对语音信号进行加噪去噪等处理，完成对语音信号时域和频域的分析和仿真，达到简单语音信号处理的目的。
对语音信号的研究，本设计采用了设计IIR滤波器的基本研究方法来达到研究语音信号去噪的目的，最终结合图像以及对语音信号的回放，通过对比，得出结论。
2 MATLAB软件介绍2.1 MATLAB发展历程MATLAB是由美国Mathwork公司开发的数值计算、符号计算和图形可视化三大基本功能于一体，功能强大、操作简单的语言。
是国际公认的优秀数学应用软件之一。
20世纪80年代初期，Cleve Moler与John Little等利用C语言开发了新一代的MATLAB语言，此时的MATLAB语言已同时具备了数值计算功能和简单的图形处理功能。
1984年，Cleve Moler与John Little等正式成立了Mathwork公司，把MATLAB语言推向市场，并开始了对MATLAB工具箱等的开发设计。
1993年，Mathwork公司推出了基于个人计算机的MATLAB4.0版本，到了1997年又推出了MATLAB5.X版本，并在2000年推出了MATLAB 6.0版本，2004年正式推出了MATLAB7.0版本，现在最新的版本是2012年推出的MATLAB7.14版本。
现在，MATLAB已经发展成为适合多学科的大型软件，在世界各高校，MATLAB 已经成为线性代数、数值分析、数理统计、优化方法、自动控制、数字信号处理、动态系统仿真等高级课程的基本教学工具。
特别是最近几年，MATLAB在我国大学生数学建模竞赛中的应用，为参赛者在有限的时间内准确、有效地解决问题提供了有力的保证。
2.2 MATLAB组成MATLAB作为Math Works产品家族的核心，它主要由5大部分组成，分别为MATLAB语言（the MATLAB Language）、MATLAB工作环境（the MATLAB Working Environment）、MATLAB数学函数库（the MATLAB Math Library ）、MATLAB应用程序接口（the MATLAB Application Interface）和图形句柄系统（Handle Graphics）。
下面对它们分别进行介绍。
2.2.1 MATLAB语言MATLAB语言是一种以矩形（Matrix）和阵列（Array）为基本编程单元，拥有完整的控制语句、数据结构、函数编写与调用格式和输出功能，具有面向对象程序设计特征的高级程序语言。
使用MATLAB语言不但可以方便快捷地完成小规模的算法验证、程序开发和调试工作，而且可以进行大规模、高效的复杂应用程序设计。
2.2.2 MATLAB的工作环境简单来说，MATLAB工作环境就是一系列实用工具的集合，它不但包括了各种操作工作空间中变量的工具盒管理数据输入输出的方法，而且包括了开发调试M 文件和MATLAB应用程序的集成环境，使用起来极为方便。