基于MATLAB的语音信号滤波处理
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的语音信号数字滤波
基 于语 音 的产 生 和语 音 感 知 的研 究 ； 二 是 将 语 音 信 号 作 为一 种 信 号 进 行 处 理 ， 如利用数字滤波 、 快 速 傅 里 叶变换 等 方法 ｜ ２ Ｊ 。笔 者 将利 用 Ｍａ ｔ ｌ ａ ｂ软件 ， 设 计 数 字滤 波器 对语 音 信 号 做 降 噪处 理 ， 达 到 提 高 语
内容 。 对语音 信 号处 理 的方 法 主 要 包 括 两 方 面 ： 一 是
式中： （ ） ， Ｙ （ ｚ ） 分 别 为输入 （ Ｔ ｔ ） 和输 出 Ｙ （ ｎ ） 的ｚ 在频 率域 内 ， 输入 和输 出存 在下 列关 系
Ｙ （ ｊ ６ ０ ）＝Ｈ（ ｊ ） Ｘ（ ｊ ６ ０ ） （ ３ ）
【 关键词 】Ｍ ａ ｔ ｌ ａ ｂ ； 数字滤波器 ； 语音信号处理 ； 噪声 【 中图分类号 】Ｔ Ｂ ９ １ ２ 【 文献标 志码 】Ａ
Ｄｉ ｇｉ ｔ ａ ｌ Ｆｉ ｌ ｔ ｅ ｒ ｏ ｆ Ｓ ｐｅ ｅ ｃ ｈ Ｓ ｉ ｇ ｎａ ｌ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｍ ａ ｔ ｌ ａｂ
２ 数 字滤 波 器 原 理 概 述及 设 计 方 法
２ ． １ 数 字滤 波器 的 工作原 理
到各种噪声的干扰。例如 ， 有线电话和无线通信中的 回波 噪声¨ Ｊ 、 工频 干 扰 和 一 些 随 机 噪声 。这些 噪声
严重影 响 了人们 的通话 质 量 。长期 在强 噪 声 的环境 下生活 和工作 ， 还会 危害人 的身心健康 。
法设计 Ｆ Ｉ Ｒ 数 字 滤波 器 和 用 双 线性 变化 法 设 计 Ｉ Ｉ Ｒ 数 字 滤波 器 ， 并对语音信号进行滤 波， 去 除 噪 声 。 通 过 分 析 滤 波 后 信 号 的频 谱 图 ， 简 单 而 有效 地 阐述 了两种 数 字滤 波 器 在 信 号 处 理 中的 优 势 。
matlab triang函数滤波
一、概述matlab中的triang函数是一种常用的信号滤波方法，它可以对信号进行平滑处理，去除噪音等干扰，使得信号更加清晰和易于分析。
本文将对triang函数的原理、使用方法和实际应用进行详细介绍，以帮助读者更好地理解和应用这一滤波技术。
二、triang函数原理1. 三角滤波器triang函数是一种基于三角滤波器的信号滤波方法。
三角滤波器是一种低通滤波器，它的频率响应特性为三角形状，即在截止频率附近有较小的衰减，并在其他频率上有较大的衰减。
2. 原理分析triang函数通过对信号进行卷积运算，利用三角滤波器的频率响应特性对信号进行平滑处理。
具体而言，triang函数计算一个长度为n的三角形窗口，然后对信号进行卷积运算，将窗口在信号上滑动，取窗口内信号的加权平均值作为滤波后的输出值。
三、triang函数使用方法1. 函数格式在matlab中，triang函数的调用格式为：y = triang(N)其中N为窗口长度，y为滤波后的信号。
2. 参数说明窗口长度N的选择直接影响到滤波效果，通常可以根据信号的特点和需求进行调整。
较大的N可以获得更平滑的滤波效果，但会导致滤波延迟增加；较小的N可以获得更快的滤波响应，但会丢失一部分高频信息。
3. 实例演示以下是一个简单的实例演示，使用triang函数对一个含有噪音的信号进行滤波处理：```matlab生成含噪音的信号t = 0:0.01:1;x = sin(2*pi*5*t) + 0.5*randn(size(t));使用triang函数进行滤波n = 20;y = filter(triang(n), 1, x);绘制原始信号和滤波后的信号plot(t, x, t, y);legend('原始信号', '滤波后的信号');```四、triang函数实际应用1. 语音信号处理triang函数常常用于语音信号的处理和分析，可以去除噪音和杂音，使得语音信号更加清晰和准确。
(完整word版)基于matlab的语音信号处理(2)
(完整word版)基于matlab的语音信号处理(2) 数字信号处理设计报告题目：基于Matlab的语音信号处理系别信息工程学院专业班级通信工程1342学生姓名范泉指导教师吉李满提交日期2016年6月10日(完整word版)基于matlab的语音信号处理(2)摘要数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。
因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现.而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。
数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP)和专用集成电路（ASIC）等。
数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。
本设计的具体内容是基于MATLAB的语音信号处理，核心算法是离散傅立叶变换（DFT)，是DFT使信号在数字域和频域都实现了离散化，从而可以用通用计算机处理离散信号。
然后添加噪声信号,选用合适的滤波器对噪声信号进行滤除,使数字信号处理从理论走向实用。
MATLAB功能强大，可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。
用MATLAB来解算问题要比用其他语言简捷得多,并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。
在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。
可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。
关键词:数字信号处理器；离散傅立叶变换；MATLAB目录第一章绪论 (1)1.1课题研究的目的 (1)1。
(完整版)基于MATLAB的FIR滤波器语音信号去噪
*****************实践教学******************兰州理工大学计算机与通信学院2013年春季学期《信号处理》课程设计题目：基于MATLAB的FIR滤波器语音信号去噪专业班级：姓名：学号：指导教师：成绩：摘要本次课程设计是基于MATLAB的FIR滤波器语音信号去噪，在设计过程中，首先录制一段不少于10秒的语音信号，并对录制的信号进行采样；其次使用MATLAB会出采样后的语音信号的时域波形和频谱图；然后在给原始的语音信号叠加上噪声，并绘出叠加噪前后的时域图及频谱图；再次设计FIR滤波器，针对语音信号的性质选取一种适合的窗函数设计滤波器进行滤波；最后对仿真结果进行分析。
设计出的滤波器可以满足要求。
关键词: FIR滤波器；语音信号；MATLAB仿真目录一 FIR滤波器设计的基本原理 (1)1.1滤波器的相关介绍 (1)1.1.1数字滤波器的概念 (1)1.1.2 IIR和FIR滤波器 (1)1.2利用窗函数法设计FIR滤波器 (1)1.2.1窗函数法设计FIR滤波器的基本思想 (1)1.2.2窗函数法设计FIR滤波器的步骤 (2)1.2.2窗函数法设计FIR滤波器的要求 (2)1.2.3常用窗函数的性质和特点 (3)1.2.4 语音处理中的采样原理 (3)二语音信号去噪实现框图 (5)三详细设计 (7)3.1 信号的采集 (7)3.2 语音信号的读入与打开 (7)3.3 语音信号的FFT变换 (8)3.4含噪信号的合成 (9)3.5 FIR滤波器的设计 (10)3.6 利用FIR滤波器滤波 (11)3.7 结果分析 (14)总结 (15)参考文献 (16)附录 (17)致谢 (21)一 FIR滤波器设计的基本原理1.1滤波器的相关介绍1.1.1数字滤波器的概念数字滤波器(Digital Filter，简称为DF)是指用来对输入信号进行滤波的硬件和软件。
所谓数字滤波器，是指输入、输出均为数字信号，通过一定运算关系改变输入信号所含频率成分的相对比例或者滤除某些频率成分的器件。
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。
(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。
基于matlab的音频信号处理毕业设计(含源文件)
基于matlab的音频信号处理毕业设计(含源文件)毕业设计题目:基于matlab的音频信号处理专业:电子信息工程学号：作者：指导教师(职称)：基于MATLAB的语音信号处理【摘要】Matlab语音信号处理是指利用matlab软件对音频信号进行读取，并对音频信号进行采样分析及离散傅里叶变换，以方便对其在频域上进行调制滤波等相关的操作.本次实验在提取音频信号后会对该信号使用在MATLAB软件中设计的滤波器进行滤波，并观察其效果，验证滤波器是否可行。
本次使用了MATLAB软件，综合运用GUI界面设计、各种函数调用等来实现音频信号的傅里叶变换及滤波,程序界面简练，操作简便，具有一定的实际应用意义.软件中自带的信号处理与分析工具箱为语音信号分析实验提供了丰富的功能函数，利用这些功能函数可以快捷而又方便地完成语音信号的处理和分析以及信号的可视化。
信号处理是MATLAB重要应用的领域之一。
【关键词】 matlab 语音信号处理数字滤波器傅里叶变换Based on MATLAB of the signal processingAudio processing design【Abstract】： The contents of the research is to filter the signal noise with using MATLAB software。
signal processing is to study the use of digital signal processing technology and knowledge of the voice signal voice processing of the emerging discipline is the fastest growing areas of information science one of the core technology。
掌握Matlab语音信号处理的基本原理
掌握Matlab语音信号处理的基本原理Matlab是一种流行的程序设计语言和工具，广泛应用于信号处理领域。
在音频处理中，Matlab可以帮助我们实现各种音频效果、音频分析和音频信号处理算法。
本文将介绍Matlab语音信号处理的基本原理和应用。
一、语音信号的数学表示语音信号是一种连续时间的信号，可以通过采样将其离散化。
在Matlab中，我们可以使用采样率（Sampling rate）来表示每秒采样的样本数。
通常情况下，语音信号的采样率为8000Hz、16000Hz或者更高。
我们可以使用Matlab的`audioread()`函数将音频文件读取为一个向量，并使用`sound(y, Fs)`函数将其播放。
二、语音信号的时域分析时域分析是一种描述信号在时间上变化的方法。
对于语音信号，我们可以使用Matlab的`plot`函数将其在时间轴上绘制出来。
通过查看语音信号的时域波形，我们可以观察到语音信号的持续时间、音调、强度等特征。
三、语音信号的频域分析频域分析是一种描述信号在频率上变化的方法。
对于语音信号，我们可以使用傅里叶变换将其从时域表示转换为频域表示。
在Matlab中，我们可以使用`fft`函数来计算信号的傅里叶变换，并使用`plot`函数将其绘制成频谱图。
频谱图可以帮助我们观察语音信号的共振峰、频率成分等特征。
四、语音信号的滤波处理滤波是一种常用的信号处理方法，可以用来增强或者改变信号的特征。
在语音信号处理中，滤波可以用于去除噪声、增强谐波等。
在Matlab中，我们可以使用`filter`函数来设计和应用各种数字滤波器。
滤波器的设计可以通过指定滤波器的系数或者用滤波器设计函数来自动完成。
五、语音信号的特征提取语音信号的特征提取是一种将语音信号转换为一组数学特征的方法。
这些特征可以用于语音识别、语音合成等应用。
在Matlab中，我们可以使用各种特征提取函数来计算音频信号的特征，如基频、共振峰频率等。
这些特征提取函数通常基于统计分析、傅里叶变换等算法进行计算。
基于Matlab的语音信号滤波器的设计与实现
0 -2.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5 x 10
4
仿真结果输出及结论
• 滤波后的输出波形明显在对应时间幅度比原语音加噪声信号的要小，
而且滤波的效果也与滤波器的选择有关，可以看出滤波器的性能差 异以及参数的调节会对滤波器产生一定的影响，并且通过回放可以 发现滤波前后的声音有变化.低通滤波后,已很接近原来的声音，人耳 几乎辨别不出 。从频谱图中我们还可以看出声音的能量信号主要集 中在低频部分，说明高频语音信号被滤出，滤波器达到既定要求。
0 0.5 1 1.5 2 2.5 x 10
4
4 2 0
10 5 0
0
0.5
1 Hz
1.5
2
2.5 x 10
4
FIR带 通 滤 波 器 的 频 率 响 应
FIR低 通 滤 波 器 的 频 率 响 应 100
100
Magnitude (dB)
Magnitude (dB)
0
0
-100
-100
-200
-200
计滤波器对其进行滤波处理，对话音信号加噪声前后的频谱进行比 较分析，对合成语音信号滤波前后进行频谱的分析比较。
设计仿真过程
• 设计流程框图 • 滤波器的技术指标 • 设计源程序
流 程 框 图
原始信号时域波形图 1
1 加噪前的信号
0.5
0.5
fuzhi n
0 x 10
4
0 -0.5 -1
0 -0.5
-200
-2
0 x 10
4
2
4
6
8
10
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。
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的语音处理
基于MATLAB的语音滤波实验实验目的：1．在Matlab环境下对语音的频谱进行处理（数字滤波）并试听效果；2．在Matlab环境下对语音的抽样率进行处理（语音压缩）并试听效果实验步骤：一、音频文件的压缩（抽取）。
1．利用windows附件中的录音机功能录制8~10秒的.wav语音文件，并以lei为文件名保存到Matlab/work的文件夹中。
a.打开开始/程序/附件/娱乐/录音机;b.用windows media player播放一首音乐并用MIC对着耳机录音或自已说话录音（按键），到10秒时停止（按键）；c.将录制的文件加存为C:/Matlab/work中，文件名为leii.wav；2．打开Matlab并新建一.m文件；3．在.m文件中用y=wavread(‘lei.wav’)命令读入语音文件。
4．语音压缩：在m命令窗中输入如下命令：5．运行sample2.m之后会在work文件夹中生成一个名为lei2的.wav文件，如下图：6．双击lei2音频文件，用耳机试听效果，并跟lei1的效果比较。
7．在sample2.m文件中改变抽取倍率s (必须为正整数)，重复4、5、6步，观察在不同抽取倍率s下的音频质量，（注意：在运行sample2.m之前必须将work中名为lei2的.wav音频文件删除，或在.m文件中wavwrite()中的保存文件名改为其它的名字。
）二、音频信号的时域滤波（音频数据的时域卷积）。
（一）、低通滤波1．打开Matlab并新建一.m文件，在.m文件中用y=wavread(‘lei.wav’)命令读入语音文件。
2．在m命令窗中输入如下命令，并加存为sample3.m，运行该m文件。
3．双击lei3音频文件，用耳机试听效果，并跟lei1的效果比较。
4．再加一级h(n)的低通滤波，重复2、3步，如下图：（注意：在运行lei2.m之前必须将work中名为lei3的.wav音频文件删除，或在.m文件中wavwrite()中的保存文件名改为其它的名字。
基于MATLAB的IIR滤波器的设计
基于MATLAB的IIR滤波器的设计IIR (Infinite Impulse Response) 滤波器是一种数字滤波器，由其无限长的冲激响应函数所定义。
MATLAB中提供了强大而灵活的工具来设计和实现IIR滤波器。
在本文中，我们将探讨基于MATLAB的IIR滤波器设计的原理、步骤以及一些常见的应用实例。
IIR滤波器设计的原理：IIR滤波器设计的基本原理是将滤波器的传递函数表示为分子多项式和分母多项式的比值。
分母多项式是滤波器的极点，分子多项式是滤波器的零点。
通过选择合适的极点和零点，可以实现不同的滤波特性，如低通滤波、高通滤波、带通滤波等。
MATLAB中的IIR滤波器设计步骤：1.确定所需滤波器的规格：确定滤波器的类型（低通、高通、带通等），截止频率，衰减等级等。
2. 设计滤波器的理想传递函数：根据滤波器的规格，使用MATLAB中的相应函数（例如，butter、cheby1、cheby2等）设计滤波器的理想传递函数。
3. 转换理想传递函数为一阶和二阶部分：使用MATLAB中的函数（例如，tf2sos、zpk2sos等）将理想传递函数转换为一阶和二阶部分。
4.选择滤波器的实现方式：根据设计要求，选择IIR滤波器的直接形式、传输形式或级联形式等实现方式。
5. 将设计好的IIR滤波器进行实现：使用MATLAB中的函数（例如，filter、dfilt）来实现设计好的IIR滤波器。
IIR滤波器设计的应用实例：1.语音信号处理：IIR滤波器在语音信号处理中广泛应用，可以提取语音信号中的特定频率成分，如去除噪声、语音增强等。
2.图像处理：IIR滤波器可用于图像处理中的边缘检测、平滑处理、锐化处理等。
3.生物医学信号处理：IIR滤波器在生物医学信号处理中常用于心电图（ECG）滤波、脑电图（EEG）滤波等。
4.控制系统：IIR滤波器可以用于控制系统中的数模转换、滤波、模拟信号转数字信号等。
总结：MATLAB提供了强大而灵活的工具来设计和实现IIR滤波器。
matlab中fk滤波
matlab中fk滤波Matlab中的FK滤波是一种常见的信号处理方法，用于去除信号中的频率噪声。
FK滤波是一种基于频率谱的滤波方法，它利用信号的频谱特性来实现滤波操作。
在本文中，我将一步一步地回答关于FK滤波的主题，并详细介绍其原理、实现和应用。
FK滤波的原理：FK滤波的原理基于信号的频率谱特性。
它使用快速傅里叶变换（FFT）将时域信号转换为频域信号，并利用频谱特性对信号进行滤波。
具体来说，FK滤波根据信号频谱的不同区域进行滤波操作，通常将频谱中较低能量的成分滤除，以去除噪声。
FK滤波的实现步骤：1. 读取并预处理信号：首先，我们需要读取需要进行FK滤波的信号，并对其进行预处理。
预处理可以包括去除直流分量、归一化信号等操作。
2. 进行傅里叶变换：接下来，我们使用Matlab提供的fft函数对信号进行傅里叶变换，将其由时域转换为频域表示。
FFT返回的结果是一个复数数组，表示信号在频域中的频率和幅度信息。
3. 计算频谱能量：通过对频域信号的模平方计算，我们可以得到每个频率分量的能量大小。
这可以通过将频域信号的实部和虚部分别平方，并相加得到。
4. 滤波：根据信号的频谱能量大小，我们可以设定一个阈值来滤除能量较低的频率分量。
通常，我们将能量大小低于阈值的分量认为是噪声，并将其滤除。
5. 逆傅里叶变换：经过滤波操作后，我们需要将频域信号转换回时域表示。
这可以通过使用Matlab提供的ifft函数进行逆傅里叶变换来实现。
FK滤波的应用：FK滤波在许多领域中得到广泛应用，特别是在信号处理和图像处理领域。
以下是一些FK滤波的应用示例：1. 语音信号处理：FK滤波可以用于去除语音信号中的噪声，提高语音信号的质量和清晰度。
2. 图像去噪：FK滤波可以应用于图像去噪，特别是在频域中去除图像中的高频噪声。
3. 通信系统：FK滤波可用于提取和解码传输信号中的信息，并去除噪声和干扰。
4. 生物信号处理：FK滤波可用于处理生物信号，如心电图（ECG）信号和脑电图（EEG）信号，以提取有意义的信息并去除噪音。
用MATLAB实现语音信号降噪滤波
目录一、设计目的。
二、设计要求。
三、详细设计过程。
四、调试分析。
五、结果分析与体会。
六、附录或参考资料。
一、设计目的在Matlab 软件平台上，对录制的语音信号采样，综合运用数字信号处理的理论知识分析时域波形和频谱图。
根据降噪要求用双线性变化法设计低通数字滤波器，并运用所设计的滤波器对采集的信号进行滤波, 绘制滤波后信号的时域波形和频谱。
二、设计要求利用MATLAB中的函数wavread对语音信号采集，sound 函数播放语音，并且声音采用的是单声道。
采样频率Fs=22050Hz，Bits表示量化阶数，y为采样数据。
利用快速傅里叶变换对语音数据进行傅里叶变换，分析语音信号频谱。
人的语音信号频率一般集中在200 k Hz到4.5 k Hz之间，从声音频谱的包络来看, 分析频谱图可清楚地看到加噪前的样本声音的主要以低频为主，样本声音的能量集中在低频部分。
样本声音的能量集中在0.1pi(即1102.5Hz)以内, 0.4pi以外的高频部分很少。
所以信号宽度近似取为1.1k Hz, 由采样定理可得FS>2F0=2*1102.5=2205Hz,相对的小高频部分应该属于背景噪声。
是人为的在这段语音中加入的高频噪声，加噪后语音信号的频谱中在高频部分的能量有所增加。
下面将利用低通滤波器处理这段加噪语音，以达到去除高频噪声的目的。
IIR 滤波器设计是以模拟滤波器为基础进行的,椭圆滤波器的通带和阻带都有切比雪夫波纹，是等波纹的逼近方式，过渡带非常陡峭，在滤波器阶数N 给定的情况下，同样的性能指标要求的阶数是最小的，这使得在众多的模拟滤波器中椭圆滤波器设计是最优化的，性能是最好的，同时为了防止频率混叠，普遍采用双线性变换法, 实现模拟滤波器到数字滤波器的转换。
依据这样的设计思路，设定滤波器的参数。
三、详细设计过程（1）语音信号采集语音信号采集该实验以研究者本人的声音为分析样本。
1.准备音频线、麦克风，连接好电脑2.开启Windows中的录音机。
MatLab对语音信号进行频谱分析及滤波
数字信号处理综合实验报告综合实验名称：应用Matlab对语音信号进行频谱分析及滤波系：学生姓名：班级：通信学号：11成绩：指导教师：开课时间：2011-2012学年上学期一．综合实验题目应用MatLab对语音信号进行频谱分析及滤波二．主要内容录制一段个人自己的语音信号，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，采用窗函数法和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；课程设计应完成的工作：1、语音信号的采集;2、语音信号的频谱分析;3、数字滤波器的设计;4、对语音信号进行滤波处理;5、对滤波前后的语音信号频谱进行对比分析;三．具体要求1、学生能够根据设计内容积极主动查找相关资料;2、滤波器的性能指标可以根据实际情况作调整;3、对设计结果进行独立思考和分析;4、设计完成后,要提交相关的文档;1)课程设计报告书(纸质和电子版各一份,具体格式参照学校课程设计管理规定),报告内容要涵盖设计题目、设计任务、详细的设计过程、原理说明、、频谱图的分析、调试总结、心得体会、参考文献（在报告中参考文献要做标注，不少于5篇）。
2)可运行的源程序代码(电子版)在基本要求的基础上,学生可以根据个人对该课程设计的理解,添加一些新的内容;四．进度安排五．成绩评定（1）平时成绩：无故旷课一次，平时成绩减半；无故旷课两次平时成绩为0分，无故旷课三次总成绩为0分。
迟到15分钟按旷课处理（2）设计成绩：按照实际的设计过程及最终的实现结果给出相应的成绩。
（3）设计报告成绩：按照提交报告的质量给出相应的成绩。
课程设计成绩=平时成绩（30%）+设计成绩（30%）+设计报告成绩（40%）应用MatLab对语音信号进行频谱分析及滤波第一章实验任务录制一段个人自己的语音信号，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，采用窗函数法和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。
- 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)。
基于MATLAB的语音信号滤波处理题目：基于MATLAB的语音信号滤波处理课程：数字信号处理学院：电气工程学院班级：学生：指导教师：二O一三年十二月目录CONTENTS摘要一、引言二、正文1.设计要求2.设计步骤3.设计内容4.简易GUI设计三、结论四、收获与心得五、附录一、引言随着Matlab仿真技术的推广，我们可以在计算机上对声音信号进行处理，甚至是模拟。
通过计算机作图，采样，我们可以更加直观的了解语音信号的性质，通过matlab编程，调用相关的函数，我们可以非常方便的对信号进行运算和处理。
二、正文2.1 设计要求在有噪音的环境中录制语音，并设计滤波器去除噪声。
2.2 设计步骤1.分析原始信号，画出原始信号频谱图及时频图，确定滤波器类型及相关指标；2.按照类型及指标要求设计出滤波器，画出滤波器幅度和相位响应，分析该滤波器是否符合要求；3.用所设计的滤波器对原始信号进行滤波处理，画出滤波后信号的频谱图及时频图；4.对滤波前的信号进行分析比对，评估所设计滤波器性能。
2.3 设计内容1.原始信号分析分析信号的谱图可知，噪音在1650HZ和3300HZ附近的能量较高，而人声的能量基本位于1000HZ以下。
因此，可以设计低通滤波器对信号进行去噪处理。
2.IIR滤波器设计用双线性变换法分别设计了巴特沃斯低通滤波器和椭圆低通滤波器和带阻滤波器：①巴特沃斯滤波器fp=800;fs=1300;rs=35;rp=0.5;程序代码如下：fp=800;fs=1300;rs=35;rp=0.5;Fs=44100;wp=2*Fs*tan(2*pi*fp/(2*Fs));ws=2*Fs*tan(2*pi*fs/(2*Fs));[n,wn]=buttord(wp,ws,rp,rs,'s');[b,a]=butter(n,wn,'s');[num,den]=bilinear(b,a,Fs);[h,w]=freqz(num,den,512,Fs);②椭圆低通滤波器fp=1300;fs=1600;rs=60;rp=0.5; 程序代码如下：fp=1300;fs=1600;rs=60;rp=0.5;Fs=44100;wp=2*Fs*tan(2*pi*fp/(2*Fs));ws=2*Fs*tan(2*pi*fs/(2*Fs)); [n,wn]=ellipord(wp,ws,rp,rs,'s');[b,a]=ellip(n,rp,rs,wn,'s');[num,den]=bilinear(b,a,Fs);[h,w]=freqz(num,den,512,Fs);③带阻滤波器fp1=800;fp2=2300;fs1=1300;fs2=1800;rs=30;rp=0.6 fp3=2800;fp4=4000;fs3=3200;fs4=3700;rs=30;rp=0.6 程序代码如下：fp1=800;fp2=2300;fs1=1300;fs2=1800;rs=30;rp=0.6;Fs=44100; fp=[fp1,fp2];fs=[fs1,fs2];wp=2*Fs*tan(2*pi*fp/(2*Fs));ws=2*Fs*tan(2*pi*fs/(2*Fs));[n,wn]=buttord(wp,ws,rp,rs,'s');[b,a]=butter(n,wn,'stop','s');[num,den]=bilinear(b,a,Fs);[h,w]=freqz(num,den,512,Fs);fp3=2800;fp4=4000;fs3=3200;fs4=3700;rs=30;rp=0.6;Fs=44100; fp1=[fp3,fp4];fs1=[fs3,fs4];wp1=2*Fs*tan(2*pi*fp1/(2*Fs));ws1=2*Fs*tan(2*pi*fs1/(2*Fs));[n1,wn1]=buttord(wp1,ws1,rp,rs,'s');[b1,a1]=butter(n1,wn1,'stop','s');[num1,den1]=bilinear(b1,a1,Fs);[h1,w1]=freqz(num1,den1,512,Fs);3.FIR滤波器①加hamming窗n=100;fp=1000;Fs=44100;b=fir1(n,fp/(Fs/2),Hamming(n+1)); [h,w]=freqz(b,1,512,Fs);②加hanning窗n=;fp=1000;Fs=44100;b=fir1(n,fp/(Fs/2),Hanning(n+1)); [h,w]=freqz(b,1,512,Fs);③加blackman窗n=100;fp=1000;Fs=44100;b=fir1(n,fp/(Fs/2),blackman(n+1));[h,w]=freqz(b,1,512,Fs);4.滤波前后比对①巴特沃斯低通滤波器滤波后②椭圆低通滤波器滤波后③带阻滤波器④加hamming窗⑤加hanning窗⑥加blackman窗2.4简易GUI界面设计为了便于操作和演示，设计了如下的简易GUI界面。
三、结论由以上谱图分析可知，经过滤波器滤波后，信号中的高频杂音明显被抑制，而人声成分大部分被保留，起到了预期的滤波作用。
对比所设计的两种滤波器，椭圆滤波器在过渡带相对较窄的情况下，能满足相对较高阻带衰减。
四、收获与心得本次设计大概进行了一周的时间，语音信号处理的是目前比较流行且十分有趣的，在编程实现的过程中还是遇到了很多困难。
在前期的准备工作中，查阅了大量资料，以完善我们的理论知识。
我们为了完成本次设计，我们通过查阅相关书籍以及matlab中的帮助，选用不同的matlab函数，尝试不同的参数。
经过接近一个礼拜的反复调试，最终基本的实现了设计任务。
虽然遇到了很多困难，但是我们在设计过程中都有收获很大。
本次设计将信号与系统课上学习的知识用于实践，让我们对对语音信号处理更深入的了解，也让我们加深了对滤波器相关内容的理解，同时也使得我们的Matlab能力有了很大的提高。
参考文献《应用matlab实现信号分析和处理》科学出版社附录1 巴特沃斯低通滤波器fp=800;fs=1300;rs=35;rp=0.5;Fs=44100; wp=2*Fs*tan(2*pi*fp/(2*Fs));ws=2*Fs*tan(2*pi*fs/(2*Fs));[n,wn]=buttord(wp,ws,rp,rs,'s');[b,a]=butter(n,wn,'s');[num,den]=bilinear(b,a,Fs);[h,w]=freqz(num,den,512,Fs);figure(1)%subplot(3,1,1)plot(w,abs(h));xlabel('频率/Hz');ylabel('幅值');title('巴特沃斯低通滤波器幅度特性');axis([0,5000,0,1.2])grid on;figure(2)%subplot(3,1,2)plot(w,20*log10(abs(h)));xlabel('频率/Hz');ylabel('幅值db');title('巴特沃斯低通滤波器幅度特性db'); axis([0,5000,-90,10]);grid on;figure(3)plot(w,180/pi*unwrap(angle(h))); xlabel('频率/Hz');ylabel('相位');title('巴特沃斯低通滤波器相位特性');axis([0,5000,-1000,10])grid on;[s1,Fs,bits]=wavread('D:\222.wav');x1=s1(:,1);sound(x1,Fs,bits);N1=length(x1);Y1=fft(x1,N1);f1=Fs*(0:N1-1)/N1;t1=(0:N1-1)/Fs;figure(4)plot(f1,abs(Y1))xlabel('频率/Hz');ylabel('幅度');title('原始信号频谱');grid on;axis([0 6000 0 400])y=filter(num,den,x1);sound(y,Fs,bits);N2=length(y);Y2=fft(y,N2);f2=Fs*(0:N2-1)/N2;t2=(0:N2-1)/Fs;figure(5)plot(f2,abs(Y2))xlabel('频率/Hz');ylabel('幅度');title('过滤后信号的频谱');grid on;axis([0 6000 0 100])2椭圆低通滤波器fp=1300;fs=1600;rs=60;rp=0.5;Fs=44100; wp=2*Fs*tan(2*pi*fp/(2*Fs));ws=2*Fs*tan(2*pi*fs/(2*Fs));[n,wn]=ellipord(wp,ws,rp,rs,'s');[b,a]=ellip(n,rp,rs,wn,'s');[num,den]=bilinear(b,a,Fs);[h,w]=freqz(num,den,512,Fs);figure(1)plot(w,abs(h));xlabel('频率/Hz');ylabel('幅值');title('椭圆低通滤波器幅度特性');axis([0,5000,0,1.2])grid on;figure(2)plot(w,20*log10(abs(h)));xlabel('频率/Hz');ylabel('幅值db');title('椭圆低通滤波器幅度特性db');axis([0,5000,-90,10]);grid on;figure(3)plot(w,180/pi*unwrap(angle(h)));xlabel('频率/Hz');ylabel('相位');title('椭圆低通滤波器相位特性');axis([0,5000,-1000,10])grid on;[s1,Fs,bits]=wavread('D:\222.wav');x1=s1(:,1);sound(x1,Fs,bits);N1=length(x1);Y1=fft(x1,N1); %对信号做N点FFT变换f1=Fs*(0:N1-1)/N1;t1=(0:N1-1)/Fs;figure(4)plot(f1,abs(Y1))xlabel('频率/Hz');ylabel('幅度');title('原始信号频谱');grid on;axis([0 6000 0 400])y=filter(num,den,x1);sound(y,Fs,bits);N2=length(y);Y2=fft(y,N2); %对信号做N点FFT变换f2=Fs*(0:N2-1)/N2;t2=(0:N2-1)/Fs;figure(5)plot(f2,abs(Y2))xlabel('频率/Hz');ylabel('幅度');title('过滤后信号的频谱');grid on;axis([0 6000 0 100])3.带阻滤波器fp1=800;fp2=2300;fs1=1300;fs2=1800;rs=30;rp=0.6;Fs=44100; fp=[fp1,fp2];fs=[fs1,fs2];wp=2*Fs*tan(2*pi*fp/(2*Fs));ws=2*Fs*tan(2*pi*fs/(2*Fs));%wap=2*tan(wp/2)/Ts[n,wn]=buttord(wp,ws,rp,rs,'s');[b,a]=butter(n,wn,'stop','s');[num,den]=bilinear(b,a,Fs);[h,w]=freqz(num,den,512,Fs);fp3=2800;fp4=4000;fs3=3200;fs4=3700;rs=30;rp=0.6;Fs=44100; fp1=[fp3,fp4];fs1=[fs3,fs4];wp1=2*Fs*tan(2*pi*fp1/(2*Fs));ws1=2*Fs*tan(2*pi*fs1/(2*Fs));%wap=2*tan(wp/2)/Ts[n1,wn1]=buttord(wp1,ws1,rp,rs,'s');[b1,a1]=butter(n1,wn1,'stop','s');[num1,den1]=bilinear(b1,a1,Fs);[h1,w1]=freqz(num1,den1,512,Fs);figure(1)plot(w,abs(h));xlabel('频率/Hz');ylabel('幅值');title('巴特沃斯带阻滤波器幅度特性');axis([0,5000,0,1.2])grid on;figure(2)plot(w,20*log10(abs(h)));xlabel('频率/Hz');ylabel('幅值db');title('巴特沃斯带阻滤波器幅度特性db');axis([0,5000,-90,10]);grid on;figure(3)plot(w,180/pi*unwrap(angle(h)));xlabel('频率/Hz');ylabel('相位');title('巴特沃斯带阻滤波器相位特性');axis([0,5000,-1000,10])grid on;figure(4)plot(w1,abs(h1));xlabel('频率/Hz');ylabel('幅值');title('巴特沃斯带阻滤波器幅度特性');axis([0,5000,0,1.2])grid on;figure(5)plot(w1,20*log10(abs(h1)));xlabel('频率/Hz');ylabel('幅值db');title('巴特沃斯带阻滤波器幅度特性db');axis([0,5000,-90,10]);grid on;figure(6)plot(w1,180/pi*unwrap(angle(h1)));xlabel('频率/Hz');ylabel('相位');title('巴特沃斯带阻滤波器相位特性');axis([0,5000,-1000,10])grid on;[s1,Fs,bits]=wavread('D:\222.wav'); x1=s1(:,1);sound(x1,Fs,bits);N1=length(x1);Y1=fft(x1,N1); %对信号做N点FFT变换f1=Fs*(0:N1-1)/N1;t1=(0:N1-1)/Fs;figure(7)plot(f1,abs(Y1))xlabel('频率/Hz');ylabel('幅度');title('原始信号频谱');grid on;axis([0 6000 0 400])y1=filter(num,den,x1);y=filter(num1,den1,y1);sound(y,Fs,bits);N2=length(y);Y2=fft(y,N2);f2=Fs*(0:N2-1)/N2;t2=(0:N2-1)/Fs;figure(8)plot(f2,abs(Y2))xlabel('频率/Hz');ylabel('幅度');title('过滤后信号的频谱');grid on;axis([0 6000 0 100])4.加hamming窗n=100;fp=1000;Fs=44100;b=fir1(n,fp/(Fs/2),Hamming(n+1)); [h,w]=freqz(b,1,512,Fs);a=num2str(a);[s1,Fs,bits]=wavread('D:\222.wav'); x1=s1(:,1);sound(x1,Fs,bits);N1=length(x1);Y1=fft(x1,N1);f1=Fs*(0:N1-1)/N1;y=fftfilt(b,x1);sound(y,Fs,bits);N2=length(y);Y2=fft(y,N2);f2=Fs*(0:N2-1)/N2;figure(4)subplot(2,1,1)plot(f1,abs(Y1))xlabel('频率/Hz');ylabel('幅度');title('原始信号频谱');grid on;axis([0 6000 0 400])subplot(2,1,2)plot(f2,abs(Y2));xlabel('频率/Hz');ylabel('幅度');title('过滤后信号的频谱');grid on;axis([0 6000 0 100])5.加hanning窗n=100;fp=1000;Fs=44100;b=fir1(n,fp/(Fs/2),Hanning(n+1)); [h,w]=freqz(b,1,512,Fs);a=num2str(a);[s1,Fs,bits]=wavread('D:\222.wav'); x1=s1(:,1);sound(x1,Fs,bits);N1=length(x1);Y1=fft(x1,N1);f1=Fs*(0:N1-1)/N1;y=fftfilt(b,x1);sound(y,Fs,bits);N2=length(y);Y2=fft(y,N2);f2=Fs*(0:N2-1)/N2;figure(4)subplot(2,1,1)plot(f1,abs(Y1))xlabel('频率/Hz');ylabel('幅度');title('原始信号频谱');grid on;axis([0 6000 0 400])subplot(2,1,2)plot(f2,abs(Y2));xlabel('频率/Hz');ylabel('幅度');title('过滤后信号的频谱');grid on;axis([0 6000 0 100])6.加blackman窗n=100;fp=1000;Fs=44100;b=fir1(n,fp/(Fs/2),blackman(n+1));[h,w]=freqz(b,1,512,Fs);a=num2str(a);[s1,Fs,bits]=wavread('D:\222.wav');x1=s1(:,1);sound(x1,Fs,bits);N1=length(x1);Y1=fft(x1,N1);f1=Fs*(0:N1-1)/N1;y=fftfilt(b,x1);sound(y,Fs,bits);N2=length(y);Y2=fft(y,N2);f2=Fs*(0:N2-1)/N2;figure(4)subplot(2,1,1)plot(f1,abs(Y1))xlabel('频率/Hz');ylabel('幅度');title('原始信号频谱');grid on;axis([0 6000 0 400])subplot(2,1,2)plot(f2,abs(Y2));xlabel('频率/Hz');ylabel('幅度');title('过滤后信号的频谱');grid on;axis([0 6000 0 100])7.巴特沃斯低通滤波时频分析clearFs=44100;[s1,Fs,bits]=wavread('D:\222.wav');x=s1(:,1);x1=x(40001:64576)l=length(x1);N=6;m=downsample(x1,N);%降抽样后 Fs=7350hzz=length(m);%4096[tfr, t, f] = tfrstft(m);figure(13)contour(t,(Fs/N)*(0:z/2-1)/z,abs(tfr(1:z/2,:)).^2); xlabel('时间t');ylabel('频率f');title('等高线图（滤波前）');grid on;figure(14)mesh(t,(Fs/N)*(0:z/2-1)/z,abs(tfr(1:z/2,:)).^2);xlabel('时间t');ylabel('频率f');zlabel('幅值A');title('三维图（滤波前）');grid on;fp=1300;fs=1600;rs=60;rp=0.5;Fs=44100;wp=2*Fs*tan(2*pi*fp/(2*Fs));ws=2*Fs*tan(2*pi*fs/(2*Fs)); [n,wn]=ellipord(wp,ws,rp,rs,'s');[b,a]=ellip(n,rp,rs,wn,'s');[num,den]=bilinear(b,a,Fs);[h,w]=freqz(num,den,512,Fs);y=filter(num,den,x);x1=y(40001:64576)l=length(x1);N=6;m=downsample(x1,N);%降抽样后 Fs=7350hzz=length(m);%4096[tfr,t,f] = tfrstft(m);figure(15)contour(t,(Fs/N)*(0:z/2-1)/z,abs(tfr(1:z/2,:)).^2); xlabel('时间t');ylabel('频率f');title('等高线图（滤波后）');grid on;figure(16)mesh(t,(Fs/N)*(0:z/2-1)/z,abs(tfr(1:z/2,:)).^2);xlabel('时间t');ylabel('频率f');zlabel('幅值A');title('三维图（滤波后）');grid on;。