语音信号地噪声分析报告报告材料及滤除
语音信号处理实验报告实验二

语音信号处理实验报告实验二一、实验目的本次语音信号处理实验的目的是深入了解语音信号的特性,掌握语音信号处理的基本方法和技术,并通过实际操作和数据分析来验证和巩固所学的理论知识。
具体而言,本次实验旨在:1、熟悉语音信号的采集和预处理过程,包括录音设备的使用、音频格式的转换以及噪声去除等操作。
2、掌握语音信号的时域和频域分析方法,能够使用相关工具和算法计算语音信号的短时能量、短时过零率、频谱等特征参数。
3、研究语音信号的编码和解码技术,了解不同编码算法对语音质量和数据压缩率的影响。
4、通过实验,培养我们的动手能力、问题解决能力和团队协作精神,提高我们对语音信号处理领域的兴趣和探索欲望。
二、实验原理(一)语音信号的采集和预处理语音信号的采集通常使用麦克风等设备将声音转换为电信号,然后通过模数转换器(ADC)将模拟信号转换为数字信号。
在采集过程中,可能会引入噪声和干扰,因此需要进行预处理,如滤波、降噪等操作,以提高信号的质量。
(二)语音信号的时域分析时域分析是对语音信号在时间轴上的特征进行分析。
常用的时域参数包括短时能量、短时过零率等。
短时能量反映了语音信号在短时间内的能量分布情况,短时过零率则表示信号在单位时间内穿过零电平的次数,可用于区分清音和浊音。
(三)语音信号的频域分析频域分析是将语音信号从时域转换到频域进行分析。
通过快速傅里叶变换(FFT)可以得到语音信号的频谱,从而了解信号的频率成分和分布情况。
(四)语音信号的编码和解码语音编码的目的是在保证一定语音质量的前提下,尽可能降低编码比特率,以减少存储空间和传输带宽的需求。
常见的编码算法有脉冲编码调制(PCM)、自适应差分脉冲编码调制(ADPCM)等。
三、实验设备和软件1、计算机一台2、音频采集设备(如麦克风)3、音频处理软件(如 Audacity、Matlab 等)四、实验步骤(一)语音信号的采集使用麦克风和音频采集软件录制一段语音,保存为常见的音频格式(如 WAV)。
小波分析的语音信号噪声消除方法

小波分析的语音信号噪声消除方法小波分析是一种有效的信号处理方法,可以用于噪声消除。
在语音信号处理中,噪声常常会影响语音信号的质量和可理解性,因此消除噪声对于语音信号的处理非常重要。
下面将介绍几种利用小波分析的语音信号噪声消除方法。
一、阈值方法阈值方法是一种简单而有效的噪声消除方法,它基于小波变换将语音信号分解为多个频带,然后通过设置阈值将各个频带的噪声成分消除。
1.1离散小波变换(DWT)首先,对语音信号进行离散小波变换(DWT),将信号分解为近似系数和细节系数。
近似系数包含信号的低频成分,而细节系数包含信号的高频成分和噪声。
1.2设置阈值对细节系数进行阈值处理,将细节系数中幅值低于设定阈值的部分置零。
这样可以将噪声成分消除,同时保留声音信号的特征。
1.3逆变换将处理后的系数进行逆变换,得到去噪后的语音信号。
1.4优化阈值选择为了提高去噪效果,可以通过优化阈值选择方法来确定最佳的阈值。
常见的选择方法有软阈值和硬阈值。
1.4.1软阈值软阈值将细节系数进行映射,对于小于阈值的细节系数,将其幅值缩小到零。
这样可以在抑制噪声的同时保留语音信号的细节。
1.4.2硬阈值硬阈值将细节系数进行二值化处理,对于小于阈值的细节系数,将其置零。
这样可以更彻底地消除噪声,但可能会损失一些语音信号的细节。
二、小波包变换小波包变换是对离散小波变换的改进和扩展,可以提供更好的频带分析。
在语音信号噪声消除中,小波包变换可以用于更精细的频带选择和噪声消除。
2.1小波包分解将语音信号进行小波包分解,得到多层的近似系数和细节系数。
2.2频带选择根据噪声和语音信号在不同频带上的能量分布特性,选择合适的频带对语音信号进行噪声消除。
2.3阈值处理对选定的频带进行阈值处理,将噪声成分消除。
2.4逆变换对处理后的系数进行逆变换,得到去噪后的语音信号。
三、小波域滤波小波域滤波是一种基于小波变换的滤波方法,通过选择合适的小波函数和滤波器来实现噪声消除。
声音处理部分实验报告(3篇)

第1篇一、实验背景声音处理技术是现代通信、媒体、教育等领域的重要技术之一。
通过声音处理,可以对声音信号进行增强、降噪、压缩、合成等操作,以达到提高声音质量、方便传输、满足特定需求的目的。
本实验旨在让学生了解声音处理的基本原理和方法,掌握常见的声音处理技术,并能够运用这些技术解决实际问题。
二、实验目的1. 了解声音处理的基本原理和方法。
2. 掌握常用的声音处理技术,如增强、降噪、压缩等。
3. 能够运用声音处理技术解决实际问题。
三、实验内容1. 声音增强实验步骤:(1)选择一段噪声干扰严重的音频信号。
(2)使用声音处理软件(如Adobe Audition)对音频信号进行增强处理。
(3)观察处理前后音频信号的变化,分析增强效果。
2. 声音降噪实验步骤:(1)选择一段包含噪声的音频信号。
(2)使用声音处理软件(如Adobe Audition)对音频信号进行降噪处理。
(3)观察处理前后音频信号的变化,分析降噪效果。
3. 声音压缩实验步骤:(1)选择一段音频信号。
(2)使用声音处理软件(如Adobe Audition)对音频信号进行压缩处理。
(3)观察处理前后音频信号的变化,分析压缩效果。
四、实验结果与分析1. 声音增强实验结果:通过声音增强处理,音频信号中的噪声得到了有效抑制,声音质量得到了提高。
分析:声音增强技术主要是通过调整音频信号的幅度,使原本淹没在噪声中的声音信号得到突出。
在本实验中,使用声音处理软件的增强功能,可以有效提高音频信号的质量。
2. 声音降噪实验结果:通过声音降噪处理,音频信号中的噪声得到了有效抑制,语音清晰度得到了提高。
分析:声音降噪技术主要是通过识别并去除音频信号中的噪声成分,从而提高语音的清晰度。
在本实验中,使用声音处理软件的降噪功能,可以有效去除音频信号中的噪声。
3. 声音压缩实验结果:通过声音压缩处理,音频信号的存储空间得到了减小,传输效率得到了提高。
分析:声音压缩技术主要是通过降低音频信号的采样率、量化精度等参数,从而减小音频信号的存储空间和传输带宽。
语音信号去噪方法及其在语音识别中的应用

语音信号去噪方法及其在语音识别中的应用语音信号在现实应用中经常遭受各种干扰与噪声,这些噪声会影响语音信号的品质,进而引起语音识别失效。
因此,语音信号去噪就成为了语音领域研究的一个重要方向。
本文将介绍几种比较常见的语音信号去噪方法及其在语音识别中的应用。
一、基于频域的去噪方法基于频域的去噪方法是将语音信号从时域转换为频域,利用频域特征对语音信号进行分析和处理。
这种方法常见的去噪算法有傅里叶变换(FFT)、短时傅里叶变换(STFT)等。
在去噪过程中,可以将频率范围内的干扰信号过滤掉,提高语音信号的信噪比。
还可以通过时域窗函数和滤波技术来实现。
基于频域的去噪方法在语音信号的短时处理和实时处理方面有着广泛的应用。
例如,在电话通信领域中,许多手机厂商都采用了该方法来实现语音通话的降噪功能。
此外,基于频域的去噪方法还可以应用在语音识别、音频编码解码等方面。
二、基于时域的去噪方法基于时域的去噪方法通常是在时域上对语音信号进行操作,在信号的各个时间点进行处理。
最常见的方法是利用数字滤波器滤除干扰信号。
而且,这种方法对于较复杂的噪声类型如白噪声来说效果较好。
基于时域去噪方法在语音识别领域中也有着广泛的应用。
例如,在话者识别中,对于前景音(说话之声)和背景音(其他噪声)的分离,就可以使用基于时域的方法。
而且,与基于频域的方法相比,基于时域的方法具有更高的计算效率。
三、基于统计学的去噪方法基于统计学的去噪方法主要是利用概率统计模型来对语音信号进行建模,从而减去噪声所带来的影响。
例如,高斯混合模型(GMM)和鲍姆-韦尔奇滤波(BWF)算法就是基于此理论出现的去噪方法。
基于统计学的去噪方法在语音识别的前期处理中也有着广泛的应用。
其中,利用GMM对语音信号模拟,在语音信号的特征提取中占据着重要的地位。
而且,鲍姆-韦尔奇滤波器算法可以将语音信号的噪声部分去除,提高识别率。
综合而言,语音信号去噪是一个非常重要的研究领域,已经在很多应用场景中得到了广泛的应用。
语音噪声滤波教材

DSP课程设计实验报告语音噪声滤波院(系):电子信息工程学院小组成员:通信0707班高砾琦 07211201通信0708班李淼 07281156指导教师:高海林目录一、设计任务 (3)二、设计内容 (4)三、设计思路 (5)四、算法原理 (6)1、FIR滤波器算法 (6)2、直接存储器访问DMA (7)3、A/D和D/A转换器 (9)4、LMS算法 (9)五、主要函数介绍 (14)六、程序设计、调试 (19)七、实验结果分析 (37)1、低通滤波器的对比 (37)2、语音自适应滤波效果 (49)八、实验心得与体会 (53)一、设计任务语音通信的目的是传递声音信息。
位于甲地的通信者发出的声音经语音传感器变换成为电信号,经发送端设备变换为适合传输的形式,通过传输信道传输到乙地。
在乙地经接收端设备恢复出原来的语音信号,经耳机或者喇叭转换为接收者可以听到的声音信号。
这就是最基本的语音通信系统,但是由于周围环境的原因,我们采集到语音信号经常含有不同程度的噪声。
典型语音通信系统中的噪声来自三个方面:①信号处理设备产生的电噪声及传输信道中的电噪声;②信号发送端空间环境中的音频噪声信号经麦克风变换为电信号之后,与有用信号其同传递到接收端;③信号接收端空间环境中的音频噪声对信号接收者的影响。
噪声是由于发生体作无规则振动产生的。
在很多情况下,环境中的背景噪声是通信系统中噪声干扰的主要来源。
当语音信号受到背景噪声干扰时语音通信质量变得不可接受,因此要对语音信号中的噪声滤除。
DSP利用直接存储器访问方式DMA(Direct Memory Access)采集数据时不打扰CPU,因此利用DMA方式工作时,CPU可以对语音信号进行实时地滤波。
本设计要求利用DSP的DMA方式进行信号采集和信号输出,对语音信号进行数字编码,滤波后进行解码。
自适应滤波不仅能够选择信号,而且能够控制信号的特性。
自适应滤波器具有跟踪信号和噪声变化的能力,它的系数能够被一种自适应算法所修改。
声音信号实验报告

一、实验目的1. 了解声音信号的基本特性,包括时域和频域特性。
2. 掌握声音信号的采样、量化、编码等基本处理方法。
3. 学习使用MATLAB进行声音信号分析,包括时域分析、频域分析和信号处理。
4. 理解声音信号在传输过程中的失真和噪声问题,并尝试解决这些问题。
二、实验原理声音信号是一种模拟信号,它可以通过采样、量化、编码等步骤转换为数字信号。
在数字信号处理中,我们通常使用MATLAB等工具进行声音信号的分析和处理。
三、实验设备1. MATLAB软件2. 音频采集卡3. 麦克风4. 耳机四、实验步骤1. 声音信号的采集- 使用麦克风采集一段声音信号。
- 将采集到的声音信号导入MATLAB中。
2. 声音信号的时域分析- 使用MATLAB的`plot`函数绘制声音信号的时域波形图。
- 分析声音信号的幅度、频率、持续时间等特性。
3. 声音信号的频域分析- 使用MATLAB的`fft`函数对声音信号进行快速傅里叶变换(FFT)。
- 使用`plot`函数绘制声音信号的频谱图。
- 分析声音信号的频率成分、能量分布等特性。
4. 声音信号的处理- 对声音信号进行滤波、放大、移相等处理。
- 分析处理后的声音信号的变化。
5. 声音信号的失真和噪声分析- 对声音信号进行失真和噪声处理。
- 分析失真和噪声对声音信号的影响。
五、实验结果与分析1. 声音信号的时域分析通过绘制声音信号的时域波形图,我们可以直观地看到声音信号的幅度、频率和持续时间等特性。
例如,我们可以观察到声音信号的周期性、非周期性等特性。
2. 声音信号的频域分析通过绘制声音信号的频谱图,我们可以了解声音信号的频率成分和能量分布。
例如,我们可以观察到声音信号的基频、谐波等频率成分,以及它们在频谱图上的分布情况。
3. 声音信号的处理通过对声音信号进行滤波、放大、移相等处理,我们可以改变声音信号的特性。
例如,我们可以通过滤波器去除噪声,通过放大器增加声音信号的幅度,通过移位器改变声音信号的相位等。
语音信号处理实验报告

通信与信息工程学院信息处理综合实验报告班级:电子信息工程1502班指导教师:设计时间:2018/10/22-2018/11/23评语:通信与信息工程学院二〇一八年实验题目:语音信号分析与处理一、实验内容1. 设计内容利用MATLAB对采集的原始语音信号及加入人为干扰后的信号进行频谱分析,使用窗函数法设计滤波器滤除噪声、并恢复信号。
2.设计任务与要求1. 基本部分(1)录制语音信号并对其进行采样;画出采样后语音信号的时域波形和频谱图。
(2)对所录制的语音信号加入干扰噪声,并对加入噪声的信号进行频谱分析;画出加噪后信号的时域波形和频谱图。
(3)分别利用矩形窗、三角形窗、Hanning窗、Hamming窗及Blackman 窗几种函数设计数字滤波器滤除噪声,并画出各种函数所设计的滤波器的频率响应。
(4)画出使用几种滤波器滤波后信号时域波形和频谱,对滤波前后的信号、几种滤波器滤波后的信号进行对比,分析信号处理前后及使用不同滤波器的变化;回放语音信号。
2. 提高部分(5)录制一段音乐信号并对其进行采样;画出采样后语音信号的时域波形和频谱图。
(6)利用MATLAB产生一个不同于以上频段的信号;画出信号频谱图。
(7)将上述两段信号叠加,并加入干扰噪声,尝试多次逐渐加大噪声功率,对加入噪声的信号进行频谱分析;画出加噪后信号的时域波形和频谱图。
(8)选用一种合适的窗函数设计数字滤波器,画出滤波后音乐信号时域波形和频谱,对滤波前后的信号进行对比,回放音乐信号。
二、实验原理1.设计原理分析本设计主要是对语音信号的时频进行分析,并对语音信号加噪后设计滤波器对其进行滤波处理,对语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。
首先用PC机WINDOWS下的录音机录制一段语音信号,并保存入MATLAB软件的根目录下,再运行MATLAB仿真软件把录制好的语音信号用audioread函数加载入MATLAB仿真软件的工作环境中,输入命令对语音信号进行时域,频谱变换。
语音信号降噪分析

语音信号降噪分析语音信号降噪是指通过一系列算法和处理技术,减少或去除语音信号中的噪声成分,提高语音信号质量的过程。
在实际应用中,语音信号降噪技术有着广泛的应用,可以提高语音通信、语音识别、语音合成等系统的性能和用户体验。
首先,语音信号降噪的算法可以分为基于频域的算法和基于时域的算法两大类。
基于频域的算法通常包括频谱减法、频带划分、时频滤波等方法。
频谱减法是一种常用的降噪算法,它通过估计噪声谱来抑制噪声干扰,将观测到的语音谱减去估计的噪声谱得到清晰的语音谱。
频带划分是将语音信号分成几个子频带,分别进行降噪处理,并通过合并子频带的结果得到最终的降噪语音信号。
时频滤波则是将语音信号从时域转到频域,应用其中一种滤波算法进行噪声抑制,再将频域信号转回时域得到降噪后的语音信号。
基于时域的算法主要包括自适应滤波和基于子空间的方法。
自适应滤波是根据观测到的信号和噪声的相关性来估计噪声,然后将估计的噪声成分从观测信号中减去,实现噪声抑制。
基于子空间的方法则是通过对观测信号的协方差矩阵进行分解和降维,同时利用语音信号的特征空间和噪声信号的特征空间对噪声进行建模和抑制。
在实际应用中,语音信号降噪还面临一些挑战和问题。
首先,如何准确地估计语音信号和噪声信号之间的相关性是关键。
对于非平稳噪声和非线性噪声的处理也是一个难题,需要设计相应的算法来适应不同的噪声场景。
此外,语音信号本身也存在一定的多样性,不同的语音信号可能需要采用不同的降噪策略。
为了解决这些问题,研究者们提出了许多改进和优化的方法。
例如,一些研究者将语音信号降噪问题转化为优化问题,通过最小化误差函数来求解最优的降噪滤波器。
同时,一些深度学习方法也被应用于语音信号降噪领域,通过建立深度神经网络模型对语音信号和噪声信号进行学习和建模,实现更高水平的降噪效果。
总之,语音信号降噪是一个复杂的问题,需要综合运用多种算法和技术,根据不同噪声场景和语音信号特点进行优化和改进。
- 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)。
第一节语音信号的噪声分析及滤除一般过程选择一个语音信号作为分析的对象,或录制一段格式为 *.wav各人自己的语音信号,对其进行频谱分析;利用MATLAB中的随机函数产生噪声加入到语音信号中,模仿语音信号被污染,并对其进行频谱分析;设计数字滤波器,并对被噪声污染的语音信号进行滤波,分析滤波后信号的时域和频域特征,回放语音信号。
其流程图如下所示:第二节音频信号、噪声的分析一、音频信号分析音频信号的频率范围在20Hz-20000Hz,是人耳可以听到的频率范围,超过这个范围的音频信号没有意义。
语音的频率范围在30-1000Hz之间。
二、噪声的产生噪声的来源一般有环境设备噪声和电气噪声。
环境噪声一般指在录音时外界环境中的声音,设备噪声指麦克风、声卡等硬件产生的噪声,电气噪声有直流电中包含的交流声,三极管和集成电路中的无规则电子运动产生的噪声,滤波不良产生的噪声等。
这些噪声虽然音量不大(因为在设备设计中已经尽可能减少噪声),但参杂在我们的语音中却感到很不悦耳,尤其中在我们语音的间断时间中,噪声更为明显。
第三节 A/D转换A/D转换可分为4个阶段:即采样、保持、量化和编码。
采样就是将一个时间上连续变化的信号转换成时间上离散的信号,根据奈奎斯特采样定理fsZZfh,如果采样信号频率大于或等于2倍的最高频率成分,则可以从采样后的信号无失真地重建恢复原始信号。
考虑到模数转换器件的非线性失真、量化噪声及接收机噪声等因素的影响,采样频率一般取2.5~3倍的最高频率成分。
要把一个采样信号准确地数字化,就需要将采样所得的瞬时模拟信号保持一段时间,这就是保持过程。
保持是将时间离散、数值连续的信号变成时间连续、数值离散信号,虽然逻辑上保持器是一个独立的单元,但是,实际上保持器总是与采样器做在一起,两者合称采样保持器。
图给出了A/D采样电路的采样时序图,采样输出的信号在保持期间即可进行量化和编码。
量化是将时间连续、数值离散的信号转换成时间离散、幅度离散的信号;编码是将量化后的信号编码成二进制代码输出。
到此,也就完成了A/D转换,这些过程通常是合并进行的。
例如,采样和保持就经常利用一个电路连续完成,量化和编码也是在保持过程中实现的。
第四节通用串行总线一、 USB总线的分析USB标准采用NRZI方式(翻转不归零制)对数据进行编码。
翻转不归零制(non-return to zero,inverted),电平保持时传送逻辑1,电平翻转时传送逻辑0。
USB 接头提供一组5伏特的电压,可作为相连接USB设备的电源。
实际上,设备接收到的电源可能会低于5V,只略高于4V。
USB规范要求在任何情形下,电压均不能超过5.25V;在最坏情形下(经由USB供电HUB所连接的LOW POWER 设备)电压均不能低于4.375V,一般情形电压会接近5V。
二、PCI总线PCI是由Intel公司1991年推出的一种局部总线。
从结构上看,PCI是在CPU和原来的系统总线之间插入的一级总线,具体由一个桥接电路实现对这一层的管理,并实现上下之间的接口以协调数据的传送。
管理器提供了信号缓冲,使之能支持10种外设,并能在高时钟频率下保持高性能,它为显卡,声卡,网卡,MODEM等设备提供了连接接口,它的工作频率为33MHz/66MHz。
第五节语音信号杂音滤除的具体实现一、语音信号的采集利用PC 机上的声卡和WINDOWS 操作系统可以进行数字信号的采集。
将话筒输入计算机的语音输入插口上,启动录音机。
按下录音按钮,接着对话筒说话“语音信号处理”,说完后停止录音,屏幕左侧将显示所录声音的长度。
点击放音按钮,可以实现所录音的重现。
以文件名“speech”保存入X:\ MATLAB \ work 中。
可以看到,文件存储器的后缀默认为*.wav ,这是WINDOWS 操作系统规定的声音文件存的标准。
二、语音信号的时频分析利用MATLAB中的“wavread”命令来读入(采集)语音信号,将它赋值给某一向量。
再对其进行采样,记住采样频率和采样点数。
其格式是:y=wavread(file)功能是读取file所规定的wav文件,返回采样值放在向量y中。
接下来,对语音信号OriSound.wav进行采样。
其程序是[y,fs,nbits]=wavered (‘OriSound’); 把语音信号加载入Matlab 仿真软件平台中。
然后,画出语音信号的时域波形,再对语音信号进行频谱分析。
MATLAB提供了快速傅里叶变换算法FFT计算DFT的函数fft,其调用格式是Xk=fft(xn,N)。
参数xn为被变换的时域序列向量,N是DFT变换区间长度,当N大于xn的长度时,fft函数自动在xn后面补零。
,当N小于xn的长度时,fft函数计算xn的前N个元素,忽略其后面的元素。
在本次设计中,我们利用fft对语音信号进行快速傅里叶变换,就可以得到信号的频谱特性。
其程序如下:fs=22050;[y,fs,nbits]=wavread ('OriSound.wav');sound(y,fs,nbits); %回放语音信号N= length (y) ; %求出语音信号的长度Y=fft(y,N); %傅里叶变换subplot(2,1,1);plot(y);title('原始信号波形');subplot(2,1,2);plot(abs(Y));title('原始信号频谱')程序结果如下图:图1 原始信号波形及频谱三、语音信号加噪与频谱分析MATLAB中产生高斯白噪声非常方便,有两个产生高斯白噪声的两个函数。
我们可以直接应用两个函数:一个是WGN,另一个是AWGN。
WGN用于产生高斯白噪声,AWGN则用于在某一信号中加入高斯白噪声。
也可直接用randn函数产生高斯分布序列。
在本次课程设计中,用MATLAB中的随机函数(rand或randn)产生噪声加入到语音信号中,模仿语音信号被污染,并对其频谱分析。
Randn函数有两种基本调用格式:Randn(n)和Randn(m,n),前者产生n×n服从标准高斯分布的随机数矩阵,后者产生m×n的随机数矩阵。
在这里,用Randn(m,n)函数。
语音信号添加噪声及其频谱分析的主要程序如下:[y,fs,nbits]=wavread ('OriSound.wav');N = length (y) ; %求出语音信号的长度Noise=0.01*randn(n,2); %随机函数产生噪声Si=y+Noise; %语音信号加入噪声sound(Si);subplot(2,1,1);plot(Si);title('加噪语音信号的时域波形');S=fft(Si); %傅里叶变换subplot(2,1,2);plot(abs(S));title('加噪语音信号的频域波形');程序结果如下图:图2 加噪后的波形及频谱分析第六节数字滤波器设计滤波器设计方法有间接法和直接法,间接法是借助于模拟滤波器的设计方法进行的。
其设计步骤是:先设计过渡模拟滤波器得到系统函数H(s),然后将H (s)按某种方法转换成数字滤波器的系统函数H(z)。
间接法,常用的方法有窗函数法、频率采样等。
具体设计步骤如下:(1)确定所需类型数字滤波器的技术指标。
(2)将所需类型数字滤波器的边界频率转换成相应的模拟滤波器的边界频率,转换公式为Ω=2/T tan(0.5ω)(3)将相应类型的模拟滤波器技术指标转换成模拟低通滤波器技术指标。
(4)设计模拟低通滤波器。
(5)通过频率变换将模拟低通转换成相应类型的过渡模拟滤波器。
(6)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。
脉冲响应不变法的主要缺点是会产生频谱混叠现象,使数字滤波器的频响偏离模拟滤波器的频响特性。
原则是在保证阻带衰减满足要求的情况下,尽量选择主瓣的窗函数。
(1)构造希望逼近的频率响应函数。
(2)计算h(n)。
(3)加窗得到设计结果。
接下来,我们根据语音信号的特点给出有关滤波器的技术指标:①低通滤波器的性能指标:fp=1000Hz,fc=1200Hz,As=100db ,Ap=1dB②高通滤波器的性能指标:fp=3500Hz,fc=4000Hz,As=100dB,Ap=1dB;③带通滤波器的性能指标:fp1=1200Hz,fp2=3000hZ,fc1=1000Hz,fc2=3200Hz,As=100dB,Ap=1dB数字滤波器的主要程序:1、低通滤波器:wp=2*pi*Fp/Ft;ws=2*pi*Fs/Ft;fp=2*Ft*tan(wp/2);fs=2*Fs*tan(wp/2);[n11,wn11]=buttord(wp,ws,1,50,'s'); %求低通滤波器的阶数和截止频率[b11,a11]=butter(n11,wn11,'s'); %求S域的频率响应的参数[num11,den11]=bilinear(b11,a11,0.5); %双线性变换实现S域到Z域的变换[h,w]=freqz(num11,den11); %根据参数求出频率响应plot(w*8000*0.5/pi,abs(h));legend('用butter设计');图3 低通滤波器2、带通wp1=tan(pi*Fp1/Ft); %带通到低通滤波器的转换wp2=tan(pi*Fp2/Ft);ws1=tan(pi*Fs1/Ft);ws2=tan(pi*Fs2/Ft);w=wp1*wp2/ws2;bw=wp2-wp1;wp=1;ws=(wp1*wp2-w.^2)/(bw*w);[n12,wn12]=buttord(wp,ws,1,50,'s'); %求低通滤波器阶数和截止频率[b12,a12]=butter(n12,wn12,'s'); %求S域的频率响应参数[num2,den2]=lp2bp(b12,a12,sqrt(wp1*wp2),bw);%将S域低通参数转为带通的[num12,den12]=bilinear(num2,den2,0.5);%双线性变换实现S域到Z域的转换[h,w]=freqz(num12,den12); %根据参数求出频率响应plot(w*8000*0.5/pi,abs(h));axis([0 4000 0 1.5]);legend('用butter设计');图4 带通滤波器第七节用滤波器对加噪语音信号进行滤波一、滤波用自己设计的各滤波器分别对加噪的语音信号进行滤波,在Matlab中,FIR 滤波器利用函数fftfilt对信号进行滤波,IIR滤波器利用函数filter对信号进行滤波。