基于matlab声音信号的滤波去噪处理

基于matlab声音信号的滤波去噪处理
基于matlab声音信号的滤波去噪处理

基于matlab声音信号的滤波去噪处理

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功能强大简单易学编程效率高深受广大科技工作者的欢迎特别是Matlab还具有信号分析工具箱不需具备很强的编程能力就可以很方便地进行信号分析处理和设计利用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

目录

摘要 ABSTRACT

绪论 11研究的目的和意义

12国内外同行的研究状况

13本课题的研究内容和方法语音信号去噪方法的研究

21去噪的原理

22去噪的方法去噪和仿真的研究

31语音文件在MATLAB平台上的录入与打开

32 原始语音信号频谱分析及仿真

33 加噪语音信号频谱分析及仿真

34 去噪及仿真

35 结合去噪后的频谱图对比两种方式滤波的优缺点总结致谢

参考文献

1绪论 11研究的目的和意义

语音信号的采集与分析技术是一门涉及面很广的交叉科学它的应用和发展与语音学声音测量学电子测量技术以及数字信号处理等学科紧密联系语音是人类获取信息的重要来源和利用信息的重要手段在信号传输过程中由于实验条件或各种其他主观或客观条件的原因语音处理系统都不可避免地要受到各种噪声的干扰噪声不但降低了语音质量和语音的可懂度而且还将导致系统性能的急剧恶化严重时使整个系统无法正常工作 MATLAB是由美国mathworks公司发布的主要面对科学计算可视化以及交互式程序设计的高科技计算环境它将数值分析矩阵计算科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中为科学研究工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案并在很大程度上摆脱了传统非交互式程序设计语言如CFortran的编辑模式代表了当今国际科学计算软件的先进水平其强大的数据处理能力可以极大程度上削弱噪声影响还原出真实的语音信号相符度在90以上

12 国内外同行研究现状

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立叶变换FFT等是语音信号数字处理的理论和技术基础随着信息科学技术的

飞速发展语音信号处理取得了重大的进展进入70年代之后提出了用于语音信号的信息压缩和特征提取的线性预测技术LPC并已成为语音信号处理最强有力的工具广泛应用于语音信号的分析合成及各个应用领域以及用于输入语音与参考样本之间时间匹配的动态规划方法80年代初一种新的基于聚类分析的高效数据压缩技术矢量量化VQ应用于语音信号处理中而用隐马尔可夫模型HMM描述语音信号过程的产生是80年代语音信号处理技术的重大发展目前HMM已构成了现代语音识别研究的重要基石近年来人工神经网络 ANN 的研究取得了迅速发展语音信号处理的各项课题是促进其发展的重要动力之一他的各项成果也体现在语音信号处理的各项技术之中 13本课题的研究内容和方法 maxbook118com 研究内容本论文主要介绍的是的语音信号的简单处理本论文针对以上问题运用数字信号学基本原理实现语音信号的处理在matlab70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在matlab70软件上编写一个处理语音信号的程序能对语音信号进行采集并对其进行各种处理达到简单的语音信号处理的目的 maxbook118com 运行环境运行环境主要介绍了硬件环境和软件环境硬件环境① 处理器Inter Pentium B950 ② 内存2G ③ 硬盘空间460G④ 显卡NVIDIA GeForce GT520 操作系统Window 764位旗舰版 maxbook118com 开发环境开发环境主要介绍了本系统采用的操作系统开发语言操作系统Windows 7 2 开发环境Matlab 70 maxbook118com骤语音信号的录制在MATLAB平台上读入语音信号绘制频谱图并回放原始语音信号利用MATLAB编程加入一段正弦波噪音设计滤波器去噪利用MATLAB编程加入一段随机噪音信号设计FIR和IIR滤波器去噪并分别绘制频谱图回放语音信号 6 通过仿真后的图像以及对语音信号的回放对比两种去噪方式的优缺点具体流程图如下所示图11论文设计流程 2语音信号去噪方法的研究

21 去噪的原理 maxbook118com 采样定理在进行模拟数字信号的转换过程中当采样频率fsmax大于信号中最高频率fmax的2倍时即fsmax 2fmax则采样之后的数字信号完整地保留了原始信号中的信息一般实际应用中保证采样频率为信号最高频率的5~10倍采样定理又称奈奎斯特定理 1924年奈奎斯特 Nyquist 就推导出在理想低通信道的最高大码元传输速率的公式理想低通信道的最高大码元传输速率 2Wlog2 N 其中W是理想低通信道的带宽N是电平强度为什么把采样频率设为8kHz在数字通信中根据采样定理最小采样频率为语音信号最高频率的2倍频带为F的连续信号 f t 可用一系列离散的采样值 f t1 f t1±Δt f t1±2Δt 来表示只要这些采样点的时间间隔Δt≤12F便可根据各采样值完全恢复原来的信号f t 这是时域采样定理的一种表述方式时域采样定理的另一种表述方式是当时间信号函数f t 的最高频率分量为fM时f t 的值可由一系列采样间隔小于或等于12fM的采样值来确定即采样点的重复频率f≥2fM图为模拟信号和采样样本的示意图时域采样定理是采样误差理论随机变量采样理论和多变量采样理论的基础对于时间上受限制的连续信号f t 即当│t│ T时f t 0这里T T2-T1是信号的持续时间若其频谱为Fω则可在频域上用一系列离散的采样值采样值来表示只要这些采样点的频率间隔采样频率也称为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来表示采样频率的倒数是采样周期或者叫作采样时间它是采样之间的时间间隔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采样频率只能用于周期性采样的采样器对于非周期性采样的采样器没有规则限制采样频率的常用的表示符号是 fs 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采样频率越高即采样的间隔时间越短则在单位时间内计算机得到的声音样本数据就越多对声音波形的表示也越精确采样频率与声音频率之间有一定的关系只有采样频率高于声音信号最高频率的两倍时才能把数字信号表示的声音还原成为原来的声音这就是说采样频率是衡量声卡采集记录和还原声音文件的质量标准采样位数和采样率对于音频接口来说是最为重要的两个指标也是选择音频接口的两个重要标准无论采样频率如何理论上来说采样的位数决定了音频数据最大的力度范围每增加一个采样位数相当于力度范围增加了6dB采样位数越多则捕捉到的信号越精确对于采样率来说你可以想象它类似于一个照相机441kHz意味着音频流进入计算机时计算机每秒会对其拍照达441000次显然采样率越高计算机摄取的图片越多对于原始音频的还原也越加精确在我们的日常交流和语音通信系统中加性宽带噪声严重影响了语音质量和可懂度从带噪语音中提取原始语音信号的方法很多在单信道条件下谱相减算法以其运算量小原理简单易于实现并且有不错的增强效果而得到了广泛的应用谱相减语音增强算法的核心是噪声检测和谱减规则在分析了语音增强算法理论的基础上本文首先研究了语音激活检测算法对基于短时能量和短时过零率双门限法语音激活检测的噪声估计算法做了研究及仿真同时还研究了一种基于最小子带能量的噪声估计方法然后通过分析经典谱减法的原理及其一般改进形式研究了一种基于噪声残差的谱相减改进算法和一种可以不以噪声是零均值的高斯分布为前提的谱减法改进算法最后通过大量的仿真实验验证了所研究的几种改进算法都能有效地提高增强效果在进入FIR滤波器前首先要将信号通过AD器件进行模数转换使之成为8bit的数字信号一般可用速度较高的逐次逼进式AD转换器不论采用乘累加方法还是分布式算法设计FIR滤波器滤波器输出的数据都是一串序列要使它能直观地反应出来还需经过数模转换因此由FPGA构成的FIR滤波器的输出须外接DA模块FPGA有着规整的内部逻辑阵列和丰富的连线资源特别适合于数字信号处理任务相对于串行运算为主导的通用DSP芯片来说其并行性和可扩展性更好利用FPGA乘累加的快速算法可以设计出高速的FIR数字滤波器有限长单位冲激响应FIR滤波器有以下特点位冲激响应h n 在有限个n值处不为零0处收敛极点全部在z 0处结构上主要是非递归结构没有输出到输入的反馈但有些结构中例如频率抽样结构也包含有反馈的递归部分设FIR滤波器的单位冲激响应h n 为一个N点序列0 ≤ n ≤N 1则滤波器的系统函数为H z ∑h n z-n 2-3 就是说它有N1阶极点在z 0处有N1个零点位于有限z平面的任何位置FIR滤波器基本结构 FIR滤波器有以下几种基本结构横截型式的系统的差分方程表达式为y n ∑h m x n-m 2-4 很明显这就是线性移不变系统的卷积和公式也是x n 的延时链的横向结构称为横截型结构或卷积型结构也可称为直接型结构将转置定理用于可得到的转置直接型结构 FIR滤波器的横截型结构级联型其中[N2]表示取N2的整数部分若N为偶数则N1为奇数故系数B2K中有一个为零这是因为这时有奇数个根其中复数根成共轭对必为偶数必然有奇数个实根画出N为奇数时FIR滤波器的级联结构其中每一个二阶因子用图4-11的横型结构这种结构的每一节控制一对零点因而再需要控制传输零点时可以采用它但是这种结构所需要的系数B2kI 012k 12...[N2]比卷积型的系数h n 要多因而所需的乘法次数也比卷积型的要多 nfinite Impulse Response 数字滤波器又名无限脉冲响应数字滤波器或递归滤波器递归滤波器也就是IIR数字滤波器顾名思义具有反馈一般认为具有无限的脉冲响应IIR数字滤波器的设计利用分析工具 FDATool 可以

很方便地设计出符合应用要求的未经量化的IIR数字滤波器需要将MATLAB设计出的IIR数字滤波器进一步分解和量化从而获得可用FPGA实现的滤波器系数IIR数字滤波器的设计步骤由于采用了级联结构因此如何将滤波器的每一个极点和零点相组合从而使得数字滤波器输出所含的噪声最小是个十分关键的问题为了产生最优的量化后的IIR数字滤波器采用如下步骤进行设计首先计算整体传递函数的零极点选取具有最大幅度的极点以及距离它最近的零点使用它们组成一个二阶基本节的传递函数对于剩下的极点和零点采用与相类似的步骤直至形成所有的二阶基本节通过上面三步法进行的设计可以保证IIR数字滤波器中N位乘法器产生的量化舍入误差最小获得最优IIR数字滤波器系数为了设计出可用FPGA实现的数字滤波器需要对上一步分解获得的二阶基本节的滤波器系数进行量化即用一个固定的字长加以表示量化过程中由于存在不同程度的量化误差由此会导致滤波器的频率响应出现偏差严重时会使IIR滤波器的极点移到单位圆之外系统因而失去稳定性为了获得最优的滤波器系数采用以下步骤进行量化计算每个系数的 B查找出每个系数绝对值中的最大值计算比此绝对值大的最小整数 maxbook118com取反获得负整数计算需要表示此整数的最小位数计算用于表示系数值分数部分的余下位数除了系数存在量化误差数字滤波器运算过程中有限字长效应也会造成误差因此对滤波器中乘法器加法器及寄存器的数据宽度要也进行合理的设计以防止产生极限环现象和溢出振荡与FIR数字滤波器的设计不同IIR滤波器设计时的阶数不是由设计者指定而是根据设计者输入的各个滤波器参数截止频率通带滤纹阻带衰减等由软件设计出满足这些参数的最低滤波器阶数在MATLAB下设计不同类型IIR滤波器均有与之对应的函数用于阶数的选择利用MATLAB中的wavread命令来读入采集语音信号将它赋值给某一向量 Wavread函数可得出信号的采样频率为22500并且声音是单声道的利用Sound函数可以清晰的听到毕业设计声音文件的语音采集数据并画出波形图在MATLAB的信号处理工具箱中函数FFT和IFFT用于快速傅立叶变换和逆变换下面介绍这些函数函数FFT用于序列快速傅立叶变换函数的一种调用格式y fft x 其中x是序列y是序列的FFTx可以为一向量或矩阵若x为一向量y是x的FFT且和x相同长度若x为一矩阵则y是对矩阵的每一列向量进行FFT 如果x长度是2的幂次方函数fft执行高速基-2FFT算法否则fft执行一种混合基的离散傅立叶变换算法计算速度较慢函数FFT的另一种调用格式为y fft xN 式中xy意义同前N为正整数函数执行N点的FFT若x为向量且长度小于N则函数将x补零至长度N若向量x的长度大于N则函数截短x使之长度为N若x 为矩阵按相同方法对x进行处理经函数fft求得的序列y一般是复序列通常要求其幅值和相位MATLAB提供求复数的幅值和相位函数absangle这些函数一般和 FFT同时使用函数abs x 用于计算复向量x的幅值函数angle x 用于计算复向量的相角介于和之间以弧度表示用MATLAB工具箱函数fft进行频谱分析时需注意 1函数fft返回值y的数据结构对称性一般而言对N点的x n 序列的FFT是N点的复数序列其点n N21对应Nyquist频率作频谱分析时仅取序列X k 的前一半即前N2点即可X k 的后一半序列和前一半序列时对称的频率计算若N点序列x n n 01N-1 是在采样频率下获得的它的FFT也是N点序列即X k k 012N-1 则第k点所对应实际频率值为 f kf N 绘出了语音信号的波形频谱图 [xfsbits] wavread wangqingtianwav sound xfsbits X fft x4096 magX abs X angX angle X subplot 221 plot x title 原始信号波形 subplot 222 plot X title 原始语音信号采样后的频谱图 subplot 223 plot magX title 原始信号幅值 subplot 224 plot

angX title 原始信号相位程序运行可以听到声音得到的图形为atlab函数randn产生正态分布的随机数或矩阵的函数产生均值为0方差σ2 1标准差σ 1的正态分布的随机数或矩阵的函数用法Y randn n 返回一个nn的随机项的矩阵如果n不是个数量将返回错误信息 Y randn mn 或 Y randn [m n] 返回一个mn的随机项矩阵 Y randn size A 返回一个和A有同样维数大小的随机数组randn返回一个每次都变化的数量[yfsbits] wavread chushiwav sound yfs n length y y_p fft yn f fs 0n2-1 n figure 1 subplot 211 plot y title 原始语音信号采样后的时域波形 xlabel 时间轴 ylabel 幅值A subplot 212 plot fabs y_p 1n2 title 原始语音信号采样后的频谱图 xlabel 频率Hz ylabel 频率幅值 L length y noise 01randn L2 y_z ynoise sound y_zfs n length y y_zp fft y_zn f fs 0n2-1 n figure 2 subplot 211 plot y_z title 加噪语音信号时域波形 xlabel 时间轴 ylabel 幅值A subplot 212 plot fabs y_zp 1n2 title 加噪语音信号频谱图 xlabel 频率Hz ylabel 频率幅值初始信号的时域波形频谱图与加噪后语音信号的时域波形频谱图分别如图3536所示图35 图36 通过对两张图片的对比很明显可以看加噪后的语音信号时域波形比原始语音信号浑浊了许多在时间轴上可以明显看出005S的幅值增大了通过对原始语音信号的频谱图与加噪后的语音信号频谱图的对比也可以看出在频率5000Hz以后的频率幅值发生了明显的增加再通过对原始语音信号的回放效果与加噪后的语音信号回放的效果的对比人耳可以明显辨别出两种语音信号不一样了加噪后的语音信号在听觉上比原始语音信号要浑浊很多而且还有吱吱嘎嘎的混杂音 34 去噪及仿真1FIR滤波器法去噪通过对上一节中加噪语音信号和原始语音信号频谱图对比可以知道噪音大部分是Hz大于5000的部分故设计低通滤波器进行滤波处理接下来我们要用设计的FIR低通滤波器对上一节中加噪语音信号进行滤波处理用自己设计的FIR数字低通滤波器对加噪的语音信号进行滤波时在Matlab中FIR滤波器利用函数fftfilt对信号进行滤波函数fftfilt用的是重叠相加法实现线性卷积的计算调用格式为y fftfilter hxM 其中h是系统单位冲击响应向量x是输入序列向量y是系统的输出序列向量M是有用户选择的输入序列的分段长度缺省时默认的输入向量的重长度M 512 用设计好的FIR数字低通滤波器对加噪语音信号的滤波程序 [yfsbits] wavread chushiwav sound yfs n length y y_p fft yn f fs 0n2-1 n figure 1 subplot 211 plot y title 原始语音信号采样后的时域波形 xlabel 时间轴 ylabel 幅值A subplot 212 plot fabs y_p 1n2 title 原始语音信号采样后的频谱图 xlabel 频率Hz ylabel 频率幅值 L length y noise 01randn L2 y_z ynoise sound y_zfs n length y y_zp fft y_zn f fs 0n2-1 n figure 2 subplot 211 plot y_z title 加噪语音信号时域波形 xlabel 时间轴 ylabel 幅值A subplot 212 plot fabs y_zp 1n2 title 加噪语音信号频谱图 xlabel 频率Hz ylabel 频率幅值 Ft 5000 Fp 1000 Fs 1200 wp 2FpFt ws 2FsFt rp 1 rs 50 p 1-10 -rp20 s 10 -rs20 fpts [wp ws] mag [1 0] dev [p s] [n21wn21betaftype] kaiserord fptsmagdev b21 fir1 n21wn21Kaiser n211beta [hw] freqz b211 plot wpiabs h title FIR低通滤波器 x fftfilt b21y_z X fft xn figure 4 subplot 221 plot fabs y_zp 1n2 title 滤波前信号的频谱 subplot 222 plot fabs X 1n2 title 滤波后信号的频谱 subplot 223 plot y_z title 滤波前信号的时域波形 subplot 224 plot x title 滤波后信号的时域波形 sound xfsbits 而后得到图像如下图37 分析从以上四图可以很明显和直观的看出原始语音信号和加噪语音信号时域波形和频谱图的区别加噪

后的语音信号的时域波形比原始语音信号要模糊得多频谱图则是在频率5000Hz 以后出现了明显的变化再通过滤波前的信号波形和频谱图的对比可以明显看出滤波后的波形开始变得清晰了有点接近原始信号的波形图了滤波后信号的频谱图也在5000Hz以后开始逐渐接近原始语音信号的频谱图再从对语音信号的回放人耳可以明显辨别出加噪后的语音信号比较浑浊还有很明显嘎吱嘎吱的杂音在里面滤波后语音信号较加噪后的信号有了明显的改善基本可以听清楚了而且杂音也没有那么强烈但是声音依然没有原始语音信号那么清晰脆耳 2IIR滤波器法去噪同样也设计一个IIR低通滤波器对加噪语音信号进行内部处理程序如下Ft 8000 Fp 1000 Fs 1200 wp 2piFpFt ws 2piFsFt fp 2Fttan wp2 fs 2Fstan wp2 [n11wn11] buttord wpws150s 求低通滤波器的阶数和截止频率[b11a11] butter n11wn11s 求S域的频率响应的参数 [num11den11] bilinear b11a1105 双线性变换实现S域到Z域的变换 [hw] freqz num11den11 根据参数求出频率响应 plot w800005piabs h legend 用butter设计 grid [yfsnbits] wavread BYSJwav n length y 求出语音信号的长度 noise 001randn n2 随机函数产生噪声 s ynoise 语音信号加入噪声 S fft s 傅里叶变换 z11 filter num11den11s sound z11 m11 fft z11 求滤波后的信号 subplot 221 plot abs S g title 滤波前信号的频谱 grid subplot 222 plot abs m11 r title 滤波后信号的频谱grid subplot 223 plot s title 滤波前信号的波形 grid subplot 224 plot z11 title 滤波后的信号波形得到图像如下图38 通过程序运行我们可以听出滤波效果很不好失真现象严重并且出现了严重的寄生震荡 35 结合去噪后的频谱图对比两种方式滤波的优缺点 IIR数字滤波器采用递归型结构即结构上带有反馈环路IIR滤波器运算结构通常由延时乘以系数和相加等基本运算组成可以组合成直接型正准型级联型并联型四种结构形式都具有反馈回路由于运算中的舍入处理使误差不断累积有时会产生微弱的寄生振荡 1IIR数字滤波器的相位特性不好控制对相位要求较高时需加相位校准网络FIR滤波器则要求较低 2IIR滤波器运算误差大有可能出现极限环振荡FIR相比之下运算误差较小不会出现极限环振荡 3IIR幅频特性精度很高不是线性相位的可以应用于对相位信息不敏感的音频信号上 4与FIR滤波器的设计不同IIR滤波器设计时的阶数不是由设计者指定而是根据设计者输入的各个滤波器参数截止频率通带滤纹阻带衰减等由软件设计出满足这些参数的最低滤波器阶数在MATLAB下设计不同类型IIR滤波器均有与之对应的函数用于阶数的选择 5IIR单位响应为无限脉冲序列FIR单位响应为有限的 6FIR幅频特性精度较之于iir低但是线性相位就是不同频率分量的信号经过FIR滤波器后他们的时间差不变这是很好的性质 7IIR滤波器有噪声反馈而且噪声较大FIR滤波器噪声较小 FIR幅频特性精度较之于iir低但是线性相位就是不同频率分量的信号经过FIR滤波器后他们的时间差不变这是很好的性质 4总结本文对语音信号处理系统的设计作了详细的介绍采用一系列图像分析和处理技术实现了语音信号的基本处理的功能经过测试运行本设计圆满的完成了对语音信号的读取与打开较好的完成了对语音信号的频谱分析通过fft变换得出了语音信号的频谱图在滤波这一块课题主要是从滤波器入手来设计滤波器基本实现了滤波与课题的要求十分相符在此论文撰写过程中要特别感谢我的导师的指导与督促同时感谢的谅解与包容没有的帮助也就没有今天的这篇论文求学历程是艰苦的但又是快乐的感谢我的老师谢谢他在这四年中为我们全班所做的一切他不求回报无私奉献的精神很让我感动再次向表示由衷的感谢在这四年的学期中结识的各位生活和学习上的挚友让我得到了人生最大的一笔财富在

此也对他们表示衷心感谢本文参考了大量的文献资料在此向各学术界的前辈们致敬高等教育出版社[5]皇甫堪陈建文楼生强现代数字信号处理M 北京电子工业出版社2003 11]蔡旭辉刘卫国蔡立燕MATLAB基础与应用教程 M 人民邮电出版社2009 12]尚涛谢龙汗杜如虚MATLAB工程计算及分析 M 清华大学出版社2011 宿州学院毕业论文设计语音信号采集信号加噪语音信号录入语音信号变换语音信号滤波效果显示对比 - 1 - - 11 -

实验一 MATLAB音频信号处理实验

实验一MATLAB音频信号处理实验 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; 3、理解掌握音频信号各参数的意义; 二、实验内容 1、对一个音频信号用FFT进行谱分析; 2、对该音频信号进行放大或衰减; 3、对该音频信号加入噪声与去掉噪声处理 三、实验要求 1.语音信号的读取、存储; 2.语音信号的播放; 3.FFT的MATLAB实现; 4.信号放大(6倍); 5.信号调制、产生高频信号; 6.信号叠加之后产生的带有噪声的语音信号; 7.绘制信号图像(时域与频域图像),包括原始信号图像,以及带有噪声的语音信号。 四、实验结果及代码 [S1,fs,bits]=wavread('C:\Users\1\Desktop\实验\handel.wav'); wavwrite(S1,'copy.wav'); F=fft(S1); S1=S1*6; fc=1000; y1=modulate(S1,fc,fs,'fm'); Y1=fft(y1,40000); y2=S1+y1; Y2=fft(y2,40000); figure(1); subplot(221); plot(S1); title('原始的信号时域图'); subplot(222); plot(abs(F));

title('原始的信号频域图'); subplot(223); plot(y1); title('调制后信号时域图'); subplot(224); plot(abs(Y1)); title('调制后信号频域图'); figure(2) subplot(221); plot(y2); title('加噪的信号时域图'); subplot(222); plot(abs(Y2)); title('加噪的信号频域图'); 运行结果如下图1-1 图1-1 五、实验总结 通过本次实验学习了如何使用MATLAB对音频信号进行处理。包括语音信号

MATLAB实现频域平滑滤波以及图像去噪代码

用MATLAB实现频域平滑滤波以及图像去噪代码 悬赏分:50 - 解决时间:2008-11-8 14:21 是数字图象处理的实验,麻烦高人给个写好的代码,希望能在重要语句后面附上一定的说明,只要能在MATLAB上运行成功,必然给分。具体的实验指导书上的要求如下: 频域平滑滤波实验步骤 1. 打开Matlab 编程环境;

2. 利用’imread’函数读入图像数据; 3. 利用’imshow’显示所读入的图像数据; 4. 将图像数据由’uint8’格式转换为’double’格式,并将各点数据乘以 (-1)x+y 以便FFT 变换后的结果中低频数据处于图像中央; 5. 用’fft2’函数对图像数据进行二维FFT 变换,得到频率域图像数据; 6. 计算频率域图像的幅值并进行对数变换,利用’imshow’显示频率域图 像; 7. 在频率图像上去除滤波半径以外的数据(置0); 8. 计算频率域图像的幅值并进行对数变换,利用’imshow’显示处理过的 频域图像数据; 9. 用’ifft2’函数对图像数据进行二维FFT 逆变换,并用’real’函数取其实部,得到处理过的空间域图像数据; 10. 将图像数据各点数据乘以(-1)x+y; 11. 利用’imshow’显示处理结果图像数据; 12. 利用’imwrite’函数保存图像处理结果数据。 图像去噪实验步骤: 1. 打开Matlab 编程环境; 2. 利用’imread’函数读入包含噪声的原始图像数据; 3. 利用’imshow’显示所读入的图像数据; 4. 以3X3 大小为处理掩模,编写代码实现中值滤波算法,并对原始噪声 图像进行滤波处理; 5. 利用’imshow’显示处理结果图像数据; 6. 利用’imwrite’函数保存图像处理结果数据。 即使不是按这些步骤来的也没关系,只要是那个功能,能实现就OK,谢谢大家 %%%%%%%%spatial frequency (SF) filtering by low pass filter%%%%%%%% % the SF filter is unselective to orientation (doughnut-shaped in the SF % domain). [FileName,PathName,FilterIndex] = uigetfile ; filename = fullfile(PathName, FileName) ; [X map] = imread(filename, fmt); % read image L = double(X); % transform to double %%%%%%%%%%%%% need to add (-1)x+y to L % calculate the number of points for FFT (power of 2) fftsize = 2 .^ ceil(log2(size(L))); % 2d fft Y = fft2(X, fftsize(1), fftsize (2));

基于MATLAB的语音信号滤波处理

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);

Matlab中关于图像处理、去噪分析以及有关散点连线画图等程序

算法程序 1.找到图片 addpath('C:\Documents and Settings\user\My Documents\My Pictures'); imshow('3.jpg') 2.将彩色图片处理成灰度图片 addpath('C:\Documents and Settings\user\My Documents\My Pictures'); A=imread('3.jpg'); I=rgb2gray(A); imshow(I) 3.改变图片大小 右键----编辑----属性-----输入想要的大小 4.两张图片相叠加(区分imadd和系数叠加) 直接把图像数据矩阵相加,可以设定叠加系数,如(系数可自由设定,按需要) img_tot = img1 * 0.5 + img2 * 0.5; %两个图像大小要一致 图像的矩阵我再那里能找到 img1 = imread('tupian.bmp'); 图片相加 addpath('C:\Documents and Settings\user\My Documents\My Pictures'); A=imread('2.jpg'); imshow(A) >> B=imread('3.jpg'); imshow(B) >> C=imadd(A,B); imshow(C) >> D=A*0.5+B*0.5; imshow(D) A图像

B图像 C图像 D图像 5.两张图片相减 addpath('C:\Documents and Settings\user\My Documents\My Pictures'); A=imread('2.jpg');

Matlab语音信号加噪、滤波处理及幅值幅频响应

课程设计二 基于MATLAB的语音信号采集与处理 一、实验目的和意义 1. MATLAB软件功能简介 MATLAB的名称源自Matrix Laboratory,1984年由美国Mathworks公司推向市场。它是一种科学计算软件,专门以矩阵的形式处理数据。MATLAB将高性能的数值计算和可视化集成在一起,并提供了大量的内置函数,从而被广泛的应用于科学计算、控制系统和信息处理等领域的分析、仿真和设计工作。 MATLAB软件包括五大通用功能,数值计算功能(Nemeric)、符号运算功能(Symbolic)、数据可视化功能(Graphic)、数字图形文字统一处理功能(Notebook)和建模仿真可视化功能(Simulink)。其中,符号运算功能的实现是通过请求MAPLE内核计算并将结果返回到MATLAB命令窗口。该软件有三大特点,一是功能强大;二是界面友善、语言自然;三是开放性强。目前,Mathworks公司已推出30多个应用工具箱。MATLAB在线性代数、矩阵分析、数值及优化、数值统计和随机信号分析、电路与系统、系统动力学、次那好和图像处理、控制理论分析和系统设计、过程控制、建模和仿真、通信系统以及财政金融等众多领域的理论研究和工程设计中得到了广泛应用。 MATLAB在信号与系统中的应用主要包括符号运算和数值计算仿真分析。由于信号与系统课程的许多内容都是基于公式演算,而MATLAB借助符号数学工具箱提供的符号运算功能,能基本满足信号与系统课程的需求。例如解微分方程、傅里叶正反变换、拉普拉斯正反变换和z正反变换等。MATLAB在信号与系统中的另一主要应用是数值计算与仿真分析,主要包括函数波形绘制、函数运算、冲击响应与阶跃响应仿真分析、信号的时域分析、信号的频谱分析、系统的S域分析和零极点图绘制等内容。数值计算仿真分析可以帮助学生更深入地理解理论知识,并为将来使用MATLAB进行信号处理领域的各种分析和实际应用打下基础。2. 本题目的意义 本次课程设计的课题为《基于MATLAB的语音信号采集与处理》,学会运用MATLAB 的信号处理功能,采集语音信号,并对语音信号进行滤波及变换处理,观察其时域和频域特性,加深对信号处理理论的理解,并为今后熟练使用MATLAB进行系统的分析仿真和设计奠定基础。 二、实验原理:

基于Matlab基本图像处理程序

图像读入 ●从图形文件中读入图像 imread Syntax: A = imread(filename, fmt) filename:指定的灰度或彩色图像文件的完整路径和文件名。 fmt:指定图形文件的格式所对应的标准扩展名。如果imread没有找到filename所制定的文件,会尝试查找一个名为filename.fmt的文件。 A:包含图像矩阵的矩阵。对于灰度图像,它是一个M行N列的矩阵。如果文件包含 RGB真彩图像,则是m*n*3的矩阵。 ●对于索引图像,格式[X, map] = imread(filename, fmt) X:图像数据矩阵。 MAP:颜色索引表 图像的显示 ●imshow函数:显示工作区或图像文件中的图像 ●Syntax: imshow(I) %I是要现实的灰度图像矩阵 imshow(I,[low high],param1, val1, param2, val2,...) %I是要现实的灰度图像矩阵,指定要显示的灰度范围,后面的参数指定显示图像的特定参数 imshow(RGB) imshow(BW) imshow(X,map) %map颜色索引表 imshow(filename) himage = imshow(...) ●操作:读取并显示图像 I=imread('C:\Users\fanjinfei\Desktop\baby.bmp');%读取图像数据 imshow(I);%显示原图像 图像增强 一.图像的全局描述 直方图(Histogram):是一种对数据分布情况的图形表示,是一种二维统计图表,它的两个坐标分别是统计样本和该样本对应的某个属性的度量。 图像直方图(Image Histogram):是表示数字图像中亮度分布的直方图,用来描述图象灰度值,标绘了图像中每个亮度值的像素数。 灰度直方图:是灰度级的函数,它表示图像中具有某种灰度级的像素的个数,反映了图 像中某种灰度出现的频率。描述了一幅图像的灰度级统计信息。是一个二维图,横坐标为图像中各个像素点的灰度级别,纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。 归一化直方图:直接反应不同灰度级出现的比率。纵坐标表示具有各个灰度级别的像

小波去噪matlab程序

小波去噪matlab程序 ****************************************** clear clc %在噪声环境下语音信号的增强 %语音信号为读入的声音文件 %噪声为正态随机噪声 sound=wavread('c12345.wav'); count1=length(sound); noise=0.05*randn(1,count1); for i=1:count1 signal(i)=sound(i); end for i=1:count1 y(i)=signal(i)+noise(i); end %在小波基'db3'下进行一维离散小波变换 [coefs1,coefs2]=dwt(y,'db3');%[低频高频] count2=length(coefs1); count3=length(coefs2); energy1=sum((abs(coefs1)).^2); energy2=sum((abs(coefs2)).^2); energy3=energy1+energy2; for i=1:count2 recoefs1(i)=coefs1(i)/energy3; end for i=1:count3 recoefs2(i)=coefs2(i)/energy3; end %低频系数进行语音信号清浊音的判别 zhen=160; count4=fix(count2/zhen); for i=1:count4 n=160*(i-1)+1:160+160*(i-1); s=sound(n); w=hamming(160); sw=s.*w; a=aryule(sw,10); sw=filter(a,1,sw);

基于MATLAB的语音信号采集与处理

工程设计论文 题目:基于MATLAB的语音信号采集与处理 姓名: 班级: 学号: 指导老师:

一.选题背景 1、实践意义: 语音信号是一种非平稳的时变信号,它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在于方便有效地提取并表示语音信号所携带的信息。所以理解并掌握语音信号的时域和频域特性是非常重要的。 通过语音相互传递信息是人类最重要的基本功能之一.语言是人类特有的功能.声音是人类常用工具,是相互传递信息的最重要的手段.虽然,人可以通过多种手段获得外界信息,但最重要,最精细的信息源只有语言,图像和文字三种.与用声音传递信息相比,显然用视觉和文字相互传递信息,其效果要差得多.这是因为语音中除包含实际发音容的话言信息外,还包括发音者是谁及喜怒哀乐等各种信息.所以,语音是人类最重要,最有效,最常用和最方便的交换信息的形式.另一方面,语言和语音与人的智力活动密切相关,与文化和社会的进步紧密相连,它具有最大的信息容量和最高的智能水平。 语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科,处理的目的是用于得到某些参数以便高效传输或存储;或者是用于某种应用,如人工合成出语音,辨识出讲话者,识别出讲话容,进行语音增强等. 语音信号处理是一门新兴的学科,同时又是综合性的多学科领域,

是一门涉及面很广的交叉学科.虽然从事达一领域研究的人员主要来自信息处理及计算机等学科.但是它与语音学,语言学,声学,认知科学,生理学,心理学及数理统计等许多学科也有非常密切的联系. 语音信号处理是许多信息领域应用的核心技术之一,是目前发展最为迅速的信息科学研究领域中的一个.语音处理是目前极为活跃和热门的研究领域,其研究涉及一系列前沿科研课题,巳处于迅速发展之中;其研究成果具有重要的学术及应用价值. 数字信号处理是利用计算机或专用处理设备,以数值计算的方法对信号进行采集、抽样、变换、综合、估值与识别等加工处理,借以达到提取信息和便于应用的目的。它在语音、雷达、图像、系统控制、通信、航空航天、生物医学等众多领域都获得了极其广泛的应用。具有灵活、精确、抗干扰强、度快等优点。 数字滤波器, 是数字信号处理中及其重要的一部分。随着信息时代和数字技术的发展,受到人们越来越多的重视。数字滤波器可以通过数值运算实现滤波,所以数字滤波器处理精度高、稳定、体积小、重量轻、灵活不存在阻抗匹配问题,可以实现模拟滤波器无法实现的特殊功能。数字滤波器种类很多,根据其实现的网络结构或者其冲激响应函数的时域特性,可分为两种,即有限冲激响应( FIR,Finite Impulse Response)滤波器和无限冲激响应( IIR,Infinite Impulse Response)滤波器。 FIR滤波器结构上主要是非递归结构,没有输出到输入的反馈,系统函数H (z)在处收敛,极点全部在z = 0处(因果系统),因而只能

基于MATLAB的小波消噪仿真实现 (1)

收稿日期:2007-12-10 作者简介:史振江(1979-),男,汉,河北唐山人,学士,讲师,研究方向智能检测与控制技术。 基金项目:河北省教育厅自然科学项目(Z2006442) 基于MATLAB 的小波消噪仿真实现 史振江1) 安建龙 2) 赵玉菊1) (石家庄铁路职业技术学院1) 河北石家庄 050041 衡水学院2) 河北衡水 053000)  摘要:小波阈值消噪方法是利用小波变换技术对含噪信号进行分解和重构,通过对小波分解后的小波系数限定阈值来消除噪声的方法。分析小波消噪的算法和实现步骤,并基于MATLAB 软件平台编写仿真程序。进行光纤光栅反射信号的小波消噪仿真实验,消噪效果良好。  关键词:小波消噪 阈值 分解 重构 光纤光栅  中图分类号:TP272 文献标识码:A 文章编号:1673-1816(2008)01-0063-04 1 引言  微弱信号检测[1]是关于如何提取和测量强噪声背景下微弱信号的方法,有效的去除信号中的噪声是实现微弱信号检测的关键。小波变换[2]是一种信号的时间、频率分析方法,具有多分辨分析的特点,是时间窗和频率窗都可以改变的时频局部化分析方法,已经广泛应用于信号消噪、信号处理、图像处理、语音识别与合成等领域。小波消噪[3~5]的方法可以分为三类:模极大值法、相关法以及阈值方法。其中,小波阈值消噪方法是利用小波变换技术对含噪信号进行分解和重构,通过对小波分解后的各层系数限定阈值来消除噪声的方法,因其实现简单、计算量小,取得了广泛应用。 MATLAB 即矩阵实验室,是一种建立在向量、数组和矩阵基础上,面向科学与工程计算的高级语言,它集科学计算、自动控制、信号处理、神经网络、图像处理于一体,具有极高的编程效率[6]。其中的小波处理工具箱可以方便实现小波消噪算法,对含噪信号进行消噪处理和研究。 本文详细分析了小波消噪算法,利用MATLAB 软件编写了程序,并对光纤光栅反射谱信号进行了小波消噪仿真实验。 2 小波变换与Mallat 算法  小波变换是指,把某一被称为基本小波的函数()t ψ平移位移b 后, 在不同尺度a 下作伸缩变换,得到连续小波序列,()a b t ψ,再与待分析信号()f t 作内积: 1/2(,)()()f R t b W a b a f t dt a ψ??=∫ (1) 在实际应用中,经常将,()a b t ψ作离散化处理,令2j a =,2j b k =g ,Z k j ∈,则得到相应的离散

基于matlab的语音信号滤波处理——数字信号处理课程设计

数字信号处理课程设计 题目:基于matlab的语音信号滤波处理学院:物理与电子信息工程 专业:电子信息工程 班级: B07073041 学号: 200932000066 姓名:高珊 指导教师:任先平

摘要: 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学科,是目前发展最为迅速的学科之一,通过语音传递信息是人类最重要,最有效,最常用和最方便的交换信息手段,所以对其的研究更显得尤为重要。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用软件,它可以将声音文件变换成离散的数据文件,然后用起强大的矩阵运算能力处理数据。这为我们的本次设计提供了强大并良好的环境! 本设计要求自己录制一段自己的语音后,在MATLAB软件中采集语音信号、回放语音信号并画出语音信号的时域波形和频谱图。再在Matlab中分别设计不同形式的FIR数字滤波器。之后对采集的语音信号经过不同的滤波器(低通、高通、带通)后,观察不同的波形,并进行时域和频谱的分析。对比处理前后的时域图和频谱图,分析各种滤波器对于语音信号的影响。最后分别收听进行滤波后的语音信号效果,做到了解在怎么样的情况下该用怎么样的滤波器。

目录 1.设计内容 (4) 2.设计原理 (4) 2.1语音信号的时域分析 (4) 2.2语音信号的频域分析 (5) 3.设计过程 (5) 3.1实验程序源代码 (6) 3.1.1原语音信号时域、频域图 (6) 3.1.2低通滤波器的设计 (6) 3.1.3高通滤波器的设计 (7) 3.1.4带通滤波器的设计 (8) 3.1.5语音信号的回放 (9) 3.2调试结果描述 (10) 3.3所遇问题及结果分析 (15) 3.3.1所遇主要问题 (16) 3.3.2结果分析 (16) 4.体会与收获 (17) 5.参考文献 (17)

基于小波去噪matlab程序示例

clear all clc %在噪声环境下语音信号的增强 %语音信号为读入的声音文件 %噪声为正态随机噪声 sound=wavread('c12345.wav'); count1=length(sound); noise=0.05*randn(1,count1); for i=1:count1 signal(i)=sound(i); end for i=1:count1 y(i)=signal(i)+noise(i); end %在小波基'db3'下进行一维离散小波变换 [coefs1,coefs2]=dwt(y,'db3'); %[低频高频] count2=length(coefs1); count3=length(coefs2); energy1=sum((abs(coefs1)).^2); energy2=sum((abs(coefs2)).^2); energy3=energy1+energy2; for i=1:count2 recoefs1(i)=coefs1(i)/energy3; end for i=1:count3 recoefs2(i)=coefs2(i)/energy3; end %低频系数进行语音信号清浊音的判别 zhen=160; count4=fix(count2/zhen); for i=1:count4 n=160*(i-1)+1:160+160*(i-1); s=sound(n); w=hamming(160); sw=s.*w; a=aryule(sw,10); sw=filter(a,1,sw); sw=sw/sum(sw); r=xcorr(sw,'biased'); corr=max(r); %为清音(unvoice)时,输出为1;为浊音(voice)时,输出为0 if corr>=0.8 output1(i)=0; elseif corr<=0.1

语音信号处理matlab实现

短时能量分析matlab源程序: x=wavread('4.wav'); %计算N=50,帧移=50时的语音能量 s=fra(50,50,x);%对输入的语音信号进行分帧,其中帧长50,帧移50 s2=s.^2;%一帧内各种点的能量 energy=sum(s2,2);%求一帧能量 subplot(2,2,1); plot(energy) xlabel('帧数'); ylabel('短时能量E'); legend('N=50'); axis([0,500,0,30]) %计算N=100,帧移=100时的语音能量 s=fra(100,100,x); s2=s.^2; energy=sum(s2,2); subplot(2,2,2); plot(energy) xlabel('帧数'); ylabel('短时能量E'); legend('N=100'); axis([0,300,0,30]) %计算N=400,帧移=400时的语音能量 s=fra(400,400,x); s2=s.^2; energy=sum(s2,2); subplot(2,2,3); plot(energy) xlabel('帧数'); ylabel('短时能量E'); legend('N=400'); axis([0,60,0,100]) %计算N=800,帧移=800时的语音能量 s=fra(800,800,x); s2=s.^2; energy=sum(s2,2); subplot(2,2,4); plot(energy) xlabel('帧数'); ylabel('短时能量E'); legend('N=800'); axis([0,30,0,200]) 分帧子函数: function f=fra(len,inc,x) %对读入语音分帧,len为帧长,inc为帧重叠样点数,x为输入语音数据 fh=fix(((size(x,1)-len)/inc)+1);%计算帧数 f=zeros(fh,len);%设一个零矩阵,行为帧数,列为帧长 i=1;n=1; while i<=fh %帧间循环 j=1; while j<=len %帧内循环 f(i,j)=x(n); j=j+1;n=n+1; end n=n-len+inc;%下一帧开始位置 i=i+1; end

小波变换图像去噪MATLAB实现

基于小波图像去噪的MATLAB 实现 一、 论文背景 数字图像处理(Digital Image Processing ,DIP)是指用计算机辅助技术对图像信号进行处理的过程。数字图像处理最早出现于 20世纪50年代,随着过去几十年来计算机、网络技术和通信的快速发展,为信号处理这个学科领域的发展奠定了基础,使得DIP 技术成为信息技术中最重要的学科分支之一。在现实生活中,DIP 应用十分广泛,医疗、艺术、军事、航天等图像处理影响着人类生活和工作的各个方面。 然而,在图像的采集、获取、编码和传输的过程中,都存在不同程度被各种噪声所“污染”的现象。如果图像被污染得比较严重,噪声会变成可见的颗粒形状,导致图像质量的严重下降。根据研究表明,当一图像信噪比(SNR)低于14.2dB 时,图像分割的误检率就高于0.5%,而参数估计的误差高于0.6%。通过一些卓有成效的噪声处理技术后,尽可能地去除图像噪声,我们在从图像中获取信息时就更容易,有利于进一步的对图像进行如特征提取、信号检测和图像压缩等处理。小波变换处理应用于图像去噪外,在其他图像处理领域都有着十分广泛的应用。本论文以小波变换作为分析工具处理图像噪声,研究数字图像的滤波去噪问题,以提高图像质量。 二、 课题原理 1.小波基本原理 在数学上,小波定义为对给定函数局部化的新领域,小波可由一个定义在有限区域的函数()x ψ来构造,()x ψ称为母小波,(mother wavelet )或者叫做基本小波。一组小波基函数,()}{,x b a ψ,可以通过缩放和平移基本小波 来生成:

())(1 ,a b x a x b a -ψ=ψ (1) 其中,a 为进行缩放的缩放参数,反映特定基函数的宽度,b 为进行平移的平移参数,指定沿x 轴平移的位置。当a=2j 和b=ia 的情况下,一维小波基函数序列定义为: ()() 1222,-ψ=ψ--x x j j j i (2) 其中,i 为平移参数,j 为缩放因子,函数f (x )以小波()x ψ为基的连续小波变换定义为函数f (x )和()x b a ,ψ的积: ( )dx a b x a x f f x W b a b a )(1)(,,,-ψ= ψ=?+∞∞- (3) 与时域函数对应,在频域上则有: ())(,ωωa e a x j b a ψ=ψ- (4) 可以看出,当|a|减小时,时域宽度减小,而频域宽度增大,而且()x b a ,ψ的窗口中心向|ω|增大方向移动。这说明连续小波的局部是变化的,在高频时分辨率高,在低频时分辨率低,这便是它优于经典傅里叶变换的地方。总体说来,小波变换具有更好的时频窗口特性。 2. 图像去噪综述 所谓噪声,就是指妨碍人的视觉或相关传感器对图像信息进行理解或分析的各种因素。通常噪声是不可预测的随机信号。由于噪声影响图像的输入、采集、处理以及输出的各个环节,尤其是图像输入、采集中的噪声必然影响图像处理全过程乃至最终结果,因此抑制噪声已成为图像处理中极其重要的一个步骤。 依据噪声对图像的影响,可将噪声分为加性噪声和乘性噪声两大类。由于乘性噪声可以通过变换当加性噪声来处理,因此我们一般重点研究加性噪声。设

基于MATLAB的有噪声语音信号处理毕设

大学本科毕业设计论文 基于MATLAB的有噪声语音信号处理

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、简单易学、编程效率高,深受广大科技工作者的欢迎。特别是Matlab还具有信号分析工具箱,不需具备很强的编程能力,就可以很方便地进行信号分析、处理和设计。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

Abstract ?Filterdesignin digital signal processingplaysan extre melyimportant role, FIR digital filters and IIR filter is an importan tpart of filter design.Matlab is powerful,easy to learn,programming efficiency,which was welcomed bythemajority ofsc ientists. Matlab alsohas a particular signalanalysis toolbox,it need nothave strongprogrammingskills can be easily signal analysis, processing and design. Using MATLAB Signal Processing Toolbox can quickly andefficiently design avarietyof digitalfilters. MATLAB basedon the noise issuespeech signal processing design and implementation of digital signalprocessing integrated use of the theoretical knowledge ofthe speechsignal plus noise, time domain, frequencydomainanalysis andfiltering. Thecorrespondingresults obtainedthroughtheoreticalderivation, and then use MATLAB as a programming toolfor computer implementation.Implemented inthe design process,usingthewindow function methodtodesign FIR digital filters with Butterworth, Chebyshev andbilinear Reform IIR digital filter design and use ofMATLAB as asupplementary tool to complete thecalculation and graphic design Drawing. Throughthesimulation of thedesigned filter and the frequency analysis shows thatusingMatlabSignal Processing Toolbox can quickly and easily design digital filters FIR andIIR,the processis simple and convenient, the results of the performance indicators to meetthe specifiedrequirements. ? Keywords: digital filter; MATLAB;Chebyshev;Butterworth;

matlab图像去噪算法设计(精)

数字图像去噪典型算法及matlab实现 希望得到大家的指点和帮助 图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染,一般数字图像系统中的常见噪声主要有:高斯噪声(主要由阻性元器件内部产生)、椒盐噪声(主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声)等; 目前比较经典的图像去噪算法主要有以下三种: 均值滤波算法:也称线性滤波,主要思想为邻域平均法,即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声,但容易引起图像模糊,可以对其进行改进,主要避开对景物边缘的平滑处理。 中值滤波:基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域,一般为方形邻域,也可以为圆形、十字形等等,然后将邻域中各像素的灰度值排序,取其中间值作为中心像素灰度的新值,这里领域被称为窗口,当窗口移动时,利用中值滤波可以对图像进行平滑处理。其算法简单,时间复杂度低,但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波:使原始图像和其恢复图像之间的均方误差最小的复原方法,是一种自适应滤波器,根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。实验一:均值滤波对高斯噪声的效果 I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%读取图像 J=imnoise(I,'gaussian',0,0.005);%加入均值为0,方差为0.005的高斯噪声 subplot(2,3,1);imshow(I); title('原始图像'); subplot(2,3,2); imshow(J); title('加入高斯噪声之后的图像'); %采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; %模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5 K3=filter2(fspecial('average',7),J)/255; %模板尺寸为7 K4= filter2(fspecial('average',9),J)/255; %模板尺寸为9 subplot(2,3,3);imshow(K1); title('改进后的图像1'); subplot(2,3,4); imshow(K2); title('改进后的图像2');

小波变换的原理及matlab仿真程序

基于小波变换的信号降噪研究 2 小波分析基本理论 设Ψ(t)∈L 2( R) ( L 2( R) 表示平方可积的实数空间,即能量有限的信号空间) , 其傅立叶变换为Ψ(t)。当Ψ(t)满足条件[4,7]: 2 () R t dw w C ψψ =<∞? (1) 时,我们称Ψ(t)为一个基本小波或母小波,将母小波函数Ψ(t)经伸缩和平移后,就可以得到一个小波序列: ,()( )a b t b t a ψ -= ,,0a b R a ∈≠ (2) 其中a 为伸缩因子,b 为平移因子。 对于任意的函数f(t)∈L 2( R)的连续小波变换为: ,(,),()( )f a b R t b W a b f f t dt a ψψ-=<>= ? (3) 其逆变换为: 211()(,)()f R R t b f t W a b dadb C a a ψ ψ+-= ?? (4) 小波变换的时频窗是可以由伸缩因子a 和平移因子b 来调节的,平移因子b,可以改变窗口在相平面时间轴上的位置,而伸缩因子b 的大小不仅能影响窗口在频率轴上的位置,还能改变窗口的形状。小波变换对不同的频率在时域上的取样步长是可调节的,在低频时,小波变换的时间分辨率较低,频率分辨率较高:在高频时,小波变换的时间分辨率较高,而频率分辨率较低。使用小波变换处理信号时,首先选取适当的小波函数对信号进行分解,其次对分解出的参数进行阈值处理,选取合适的阈值进行分析,最后利用处理后的参数进行逆小波变换,对信号进行重构。 3 小波降噪的原理和方法 3.1 小波降噪原理 从信号学的角度看 ,小波去噪是一个信号滤波的问题。尽管在很大程度上小波去噪可以看成是低通滤波 ,但由于在去噪后 ,还能成功地保留信号特征 ,所以在这一点上又优于传统的低通滤波器。由此可见 ,小波去噪实际上是特征提取和低通滤波的综合 ,其流程框图如 图所示[6] : 小波分析的重要应用之一就是用于信号消噪 ,一个含噪的一维信号模型可表示为如下

数字图像去噪典型算法及matlab实现

图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染,一般数字图像系统中的常见噪声主要有:高斯噪声(主要由阻性元器件内部产生)、椒盐噪声(主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声)等; 目前比较经典的图像去噪算法主要有以下三种: 均值滤波算法:也称线性滤波,主要思想为邻域平均法,即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声,但容易引起图像模糊,可以对其进行改进,主要避开对景物边缘的平滑处理。 中值滤波:基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域,一般为方形邻域,也可以为圆形、十字形等等,然后将邻域中各像素的灰度值排序,取其中间值作为中心像素灰度的新值,这里领域被称为窗口,当窗口移动时,利用中值滤波可以对图像进行平滑处理。其算法简单,时间复杂度低,但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波:使原始图像和其恢复图像之间的均方误差最小的复原方法,是一种自适应滤波器,根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。 实验一:均值滤波对高斯噪声的效果 代码 I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%读取图像 J=imnoise(I,'gaussian',0,0.005);%加入均值为0,方差为0.005的高斯噪声 subplot(2,3,1);imshow(I); title('原始图像'); subplot(2,3,2); imshow(J); title('加入高斯噪声之后的图像'); %采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; %模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5

matlab报告基于matlab有噪声语音信号处理

Matlab课程设计报告题目:基于MATLAB有噪声语音信号处理 系(院):计算机与信息工程学院 专业:通信工程 班级:10623102 指导教师: 学年学期:2011 ~ 2012 学年第2 学期

简介: 我们通信工程专业在实践中经常碰到需要对已接收信号进行处理的情况,而滤波器设计在数字信号处理中占有极其重要的地位。本课题基于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,我们使用双线性变换法设计IIR数字滤波器,对模拟加噪语音信号进行低通滤波、高通滤波及带通滤波,并利用MATLAB作为辅助工具完成设计中的计算与图形的绘制。 1 绪论: 数字信号处理是利用计算机或专用处理设备,以数值计算的方法对信号进行采集、抽样、变换、综合、估值与识别等加工处理,借以达到提取信息和便于应用的目的。数字滤波器, 是数字信号处理中及其重要的一部分。本课题采用IIR 滤波器对加噪声音信号进行处理。 IIR滤波器采用递归型结构,即结构上带有反馈环路。IIR滤波器运算结构通常由延时、乘以系数和相加等基本运算组成,可以组合成直接型、正准型、级联型、并联型四种结构形式,都具有反馈回路。同时,IIR数字滤波器在设计上可以借助成熟的模拟滤波器的成果,如巴特沃斯、契比雪夫和椭圆滤波器等,有现成的设计数据或图表可查,在设计一个IIR数字滤波器时,我们根据指标先写出模拟滤波器的公式,然后通过一定的变换,将模拟滤波器的公式转换成数字滤波器的公式。 2.原始语音信号采集与处理 2.1语音信号的采集 由于MATLAB只识别格式为.wav的声音文件,我们利用PC机上的声卡和WINDOWS操作系统进行数字信号的采集。启动录音机进行录音,以文件名“Orisound”保存入原程序所属的文件夹中。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。

相关文档
最新文档