基于MATLAB的语音信号的采集与处理详解

数字信号处理课程设计题目：基于MATLAB的语音信号的采集与处理学院：皖西学院专业：通信工程班级：通信1001班学号：2010013461 2010013494姓名：刘敏纵大庆指导教师：何富贵摘要:本次课程设计题目为<<基于MATLAB的语音信号的采集与处理>>。

首先我们利用计算机上的录音软件获得语音信号，然后利用MATLAB对语音信号进行分析和处理，采集语音信号后，利用MATLAB软件平台进行频谱分析；并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器滤除噪声，恢复原信号！1.背景2. 设计目的 (2)3. 设计原理 (2)4. 设计过程 .......................................... ,,, 35. 实验代码及结果 (4)5.1 语音信号的采集 (4)5.2 语音信号加噪与频谱分析 ..................................... ,,,, 7 5.3 巴特沃斯滤波器的设计 .. (9)5.4 比较滤波前后语音信号波形及频谱 (10)6. 收获与体会 (12)参考文献 (13)1. 引言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，Infin ite Impulse Resp on se) 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z= R处收敛，极点全部在z = 0处(因果系统)，因而只能用较高的阶数达到高的选择性。

FIR数字滤波器的幅频特性精度较之于IIR数字滤波器低，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。

FIR数字滤波器是有限单位脉冲响应有利于对数字信号的处理，便于编程，用于计算的时延也小，这对实时的信号处理很重要。

FIR滤波器因具有系统稳定，易实现相位控制，允许设计多通带(或多阻带)滤波器等优点收到人们的青睐[1]。

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，如巴特沃斯滤波器等。

2. 设计目的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。

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MATLABt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。

MATLA雎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。

3. 设计原理利用MATLAB寸语音信号进行分析和处理，采集语音信号后，利用MATLAB^件平台进行频谱分析；并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器滤除噪声，恢复原信号。

语音信号的“短时谱”对于非平稳信号，它是非周期的，频谱随时间连续变化，因此由傅里叶变换得到的频谱无法获知其在各个时刻的频谱特性。

如果利用加窗的方法从语音流中取出其中一个短断，再进行傅里叶变换，就可以得到该语音的短时谱。

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MATLA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。

MATLA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MATLA进行信号处理领域的各种分析和实际应用打下基础[3]。

滤波器的设计可以通过软件或设计专用的硬件两种方式来实现。

随着MATLA软件及信号处理工具箱的不断完善，MATLA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。

利用MATLA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；设计巴特沃斯滤波器，并对被噪声污染的语音信号进行滤波，对滤波前后信号进行时域分析。

4. 设计过程基于声卡进行数字信号的采集。

将话筒插入计算机的语音输入插口上，启动录音机。

按下录音按钮，对话筒说话，说完后停止录音。

要保存文件时，利用了计算机上的A/D转换器,把模拟的声音信号变成了离散的量化了的数字信号，放音时,它又通过D/A转换器,把保存的数字数据恢复为原来的模拟的声音信号。

在Matlab 软件平台下可以利用函数wavread对语音信号进行采样,得到了声音数据变量x1,同时把x1的采样频率fs=22050Hz和数据位Nbits=16Bit放进了MATALB 的工作空间。

然后通过freqz函数绘制原始语音信号的频率响应图。

接着对语音信号进行频谱分析，在Matlab中可以利用函数fft对信号进行快速傅里叶变换，得到信号的频谱图。

语音信号加噪与频谱分析在Matlab中人为设计一个固定频率5500Hz的噪声干扰信号，噪声信号通常为随机序列，在本设计中用正弦序列代替，干扰信号构建命令函数为d=[Au*sin(2*pi*5500*t)], 给出的干扰信号为一个正弦信号，针对上面的语音信号，采集了其中一段。

再对噪音信号进行频谱变换得到其频谱图•最后通过函数将原信号与噪声信号叠加在一起构成加噪的语音信号，采集他的加噪信号，接着对其进行fourier变换，得到加噪信号的频谱图，最后设计一个高通滤波器，对加噪的信号进行滤波处理，得到的信号与原始信号进行比较！5. 实验代码及结果5.1语音信号的采集源程序为：fs=22050; %语音信号采样频率为22050x仁wavread( 'D:\MATLAB\bin\zx.wav' ); %读取语音信号的数据，赋给变量x1sou nd(x1,22050); %播放语音信号y1=fft(x1,1024); %对信号做1024 点FFT 变换f=fs*(0:511)/1024; %将0到511，步长为1的序列的值与fs相乘并除以1024的值,赋值给fPlot(x1); %做原始语音信号的时域图形图5-1 :语音信号的采集通过freqz函数绘制原始语音信号的频率响应图5-2。

fs=22050; %语音信号采样频率为22050x仁wavread( 'D:\MATLAB\bin\zx.wav' ); %读取语音信号的数据，赋给变量x1 sou nd(x1,22050); %播放语音信号y仁fft(x1,1024); %对信号做1024点FFT变换f=fs*(0:511)/1024; °/将0到511，步长为1的序列的值与fs相乘并除以1024的值,赋值给fFreqz(x1); 淞制原始语音信号的频率响应图频率11可应图图5-2 :原始语音信号的频率采样5mpj gpn'Fs's5100.2 D.3 0.4 0.5 0.6 0.7 C.8 0.9 1Nornn^lized Frequency fx-ji rad/s^mple)0.2 0..3 04 05 0.6 0.7 08 09 1Normalized Frequency (xn rad/sample)(⑷$?p)①如然后对语音信号进行频谱分析，在Matlab中可以利用函数fft对信号行快速傅里叶变换,得到信号的频谱图5-3。

fs=22050; %语音信号采样频率为22050x1=wavread( 'D:\MATLAB\bin\zx.wav' ); %读取语音信号的数据，赋给变量x1 sou nd(x1,22050);%播放语音信号y1=fft(x1,1024);%对信号做1024点FFT变换f=fs*(0:511)/1024;%将0到511，步长为1的序列的值与fs相乘并除以1024的值, 赋值给fsubplot(2,1,1);%创建两行一列绘图区间的第1个绘图区间plot(abs(y1(1:512)));%做原始语音信号的FFT频谱图title('原始语音信号FFT频谱');subplot(2,1,2);plot(f,abs(y1(1:512))); %abs是绝对值，plot是直角坐标下线性刻度曲线title('原始语音信号频谱’);图5-3 :原始信号的FFT变换5.2语音信号加噪与频谱分析fs=22050; 嘶音信号采样频率为22050x1=wavread( 'D:\MATLAB\bi n\zx.wav' ); %渎取语音信号的数据，赋给变量x1f=fs*(0:511)/1024; %各0到511，步长为1的序列的值与fs相乘并除以1024的值，赋值给ft=0:1/fs:(length(x1)-1)/fs; %各0到x1的长度减1后的值除以fs的值，且步长为1/fs的值，的序列的值，赋予tAu=0.005;d=[Au*si n( 2*pi*5500*t)]： x2=x1+d; sou nd(x2,22050); y1=fft(x1,1024); y2=fft(x2,1024); figure(4); plot(t,x2);%故加噪后的信号时域title('加噪后的信号’)；%噪声幅值%所加的噪声是正弦信号 %将正弦信号噪声加在语音信号上 %播放语音信号%对信号y1做1024点FFT 变换 %对信号y2做1024点FFT 变换 %创建图形窗1图5-4 :加噪声后的语音信号加噪后的信号ylabel('频率响应幅度’) title( 'Butterworth' )5-3 :巴特沃斯滤波器的设计:wp=0.25*pi; ws=0.3*pi; Rp=1; Rs=15; Fs=22050; Ts=1/Fs;wp1=2/Ts*ta n(wp/2); ws1=2/Ts*ta n(ws/2);[N,W n]=buttord(wp1,ws1,Rp,Rs, Butterworth低通滤波器的最小阶数[Z,P,K]=buttap(N); [Bap,Aap]=zp2tf( Z,P,K); [b,a]=lp2lp(Bap,Aap,Wn); 止频率[bz,az]=bili near(b,a,Fs);字滤波器的转换(模拟转换为数字) [H,W]=freqz(b z,az); figure(6)plot(W*Fs/(2*pi),abs(H)) 应曲线 gridxlabel('频率/ Hz')%通带截止频率 %阻带截止频率 %通带最大衰减（db ） %阻带最大衰减（db ）%将模拟指标转换成数字指标 %将模拟指标转换成数字指标 's' ）;%选择滤波器的最小阶数（估算得到N 和3dB 截止频率 Wc ）%创建Butterworth低通滤波器原型%将零极点增益转换为普遍分子，分母 %将普遍的分子和分母转换为以 Wn 为截%用双线性变换法实现模拟滤波器到数%求频率响应%绘制Butterworth 低通滤波器频率响%添加图格Butterworth图5-5 :巴特沃斯滤波器5-4比较滤波前后语音信号波形及频谱[N,Wn]=buttord （wp1,ws1,Rp,Rs, 's' ）; %选择滤波器的最小阶数（估算得到Butterworth低通滤波器的最小阶数N 和3dB 截止频率Wc ）009 8 7 o.ao.B 5 o.o.- - - - _ o4 3 2 1 0o.cl.ao..sswp=0.25*pi; ws=0.3*pi; Rp=1; Rs=15; Fs=22050; Ts=1/Fs; wp1=2/Ts*tan (wp/2);ws1=2/Ts*tan (ws/2);%通带截止频率 %阻带截止频率 %通带最大衰减（db ） %阻带最大衰减（db ）%将模拟指标转换成数字指标%将模拟指标转换成数字指^□0060008000 WOOD 12000频率I Hz%创建Butterworth 低通滤波器原型 %将零极点增益转换为普遍分子，分母 %将普遍的分子和分母转换为以 Wn 为截%用双线性变换法实现模拟滤波器到数 %求频率响应%绘制Butterworth 低通滤波器频率响 %添加图格%利用上面已做好的滤波器 （已bz 和azf1%创建两行一列绘图区间的第1绘图区间 %做加噪后的信号时域图形%创建两行一列绘图区间的第 2绘图区间[Z,P,K]=buttap(N); [Bap,Aap]=zp2tf( Z,P,K); [b,a]=lp2lp(Bap,Aap,Wn); 止频率[bz,az]=bili near(b,a,Fs);字滤波器的转换(模拟转换为数字) [H,W]=freqz(b z,az); figure(6)plot(W*Fs/(2*pi),abs(H)) 应曲线 gridxlabel('频率/ Hz') ylabel('频率响应幅度’)title( 'Butterworth' ) f1=filter(bz,az,x2);为特征的滤波器)对figure(7) subplot(2,1,1) plot(t,x2); title('滤波前的时域波形’)； subplot(2,1,2) plot(t,f1); title('滤波后的时域波形’)；x2信号进行滤波，赋值给图5-6:滤波前后图形比较通过对比分析可知，滤波后的输出波形和原始语音加噪声信号的图形发生了一些变化，在3000-6000HZ之间的信号消失，出现0-1000和7000-8000之间的信号。