数字信号处理在语音信号分析中的应用
数字信号处理的应用领域和未来发展趋势
数字信号处理的应用领域和未来发展趋势数字信号处理（Digital Signal Processing，DSP）是指对数字信号进行一系列算法处理的技术。
它广泛应用于各个领域，包括语音处理、图像处理、音频处理、视频编解码等。
未来，数字信号处理将持续发展，并在更多的领域得到应用。
下面将为你详细介绍数字信号处理的应用领域和未来发展趋势。
一、应用领域1. 通信领域：数字信号处理在通信领域中起着重要的作用，例如在调制解调、信号编解码、信道均衡等方面的应用。
它能够提高信号的传输质量和可靠性，提高通信系统的性能。
2. 语音处理领域：数字信号处理在语音处理领域中有广泛应用，如语音识别、语音合成、语音增强等。
通过对语音信号的数字信号处理，可以实现语音识别系统的准确性提高，语音合成系统的真实感增强等。
3. 图像处理领域：数字信号处理在图像处理领域中扮演重要角色。
它可以通过图像滤波、二值化等算法，对图像进行增强、去噪、边缘检测等处理，提高图像的质量和清晰度。
4. 音频处理领域：数字信号处理在音频处理方面有广泛应用，包括音频压缩、音频增强、音频降噪等。
通过数字信号处理算法，可以实现音频数据的压缩和处理，提高音频的质量和保真度。
5. 视频处理领域：数字信号处理在视频处理领域中也有重要应用。
例如视频编解码、视频压缩、视频增强等。
通过对视频信号的数字信号处理，可以实现视频数据的压缩，提高视频质量和传输效率。
二、未来发展趋势1. 智能化应用：未来，数字信号处理将更多应用于智能化设备中，如智能手机、智能音箱、智能家居等。
通过数字信号处理算法，可以实现智能设备的语音识别、语音合成、图像识别等功能，提升用户体验。
2. 网络化处理：随着互联网的普及，数字信号处理将更多应用于网络传输和处理中。
例如，在音视频通信、云存储、在线音乐等方面，数字信号处理可以提高数据的传输速度和质量。
3. 多媒体处理：未来，数字信号处理在多媒体处理方面将得到更多应用，如虚拟现实、增强现实等。
多采样率数字信号处理在数字语音系统中的应用
多采样率数字信号处理在数字语音系统中的
应用
随着数字信号处理技术的快速发展，多采样率数字信号处理在数字语音系统中发挥着重要作用。
它通过在数字语音处理过程中使用不同的采样率，提供了更高的灵活性和更好的性能。
首先，多采样率数字信号处理在数字语音编解码中提供了更高的质量和效率。
在语音编码过程中，为了减小数据量和节省传输带宽，采样率通常会降低。
然而，在一些要求高质量语音的应用中，如语音通信和语音识别，需要更高的采样率来保证声音的清晰度和真实性。
通过多采样率数字信号处理技术，可以在编码过程中灵活地提高采样率，从而提供更高质量的语音信号。
其次，多采样率数字信号处理在音频变速和音高转换中发挥重要作用。
在一些音频应用中，如音乐制作和语音合成，需要对音频进行变速和音高转换，以满足不同的需求。
通过多采样率数字信号处理技术，可以按照不同的速度和音高要求，灵活地改变采样率，从而实现音频的变速和音高转换。
此外，多采样率数字信号处理还在降噪和回声消除等音频处理算法中起到重要作用。
在一些嘈杂环境下，语音信号可能会受到环境噪声和回声的干扰。
通过多采样率数字信号处理技术，可以对输入信号进行不同采样率的处理，从而提取出噪声和回声的特征，并通过合适的算法进行降噪和回声消除，提高语音信号的清晰度和可懂性。
总之，多采样率数字信号处理在数字语音系统中具有广泛的应用。
它通过灵活调整采样率，提供了更高质量和更好性能的音频处理和编
解码功能。
因此，在设计和实现数字语音系统时，我们应充分利用多
采样率数字信号处理技术，以提升语音系统的性能。
数字信号处理及其在音频处理中的应用
数字信号处理及其在音频处理中的应用数字信号处理（Digital Signal Processing，DSP）是指将信号采样、量化、数字化后，通过数字电路进行处理、运算、变换等一系列操作，最终获得所需信号的技术。
该技术的应用领域广泛，包括通信、音频、医疗等。
本文将重点介绍数字信号处理在音频处理中的应用。
一、数字信号处理的基本概念1. 采样与量化采样是指将连续的信号在时间上离散化，即在一定的时间间隔内取样。
通常使用模拟-数字转换器（ADC）进行采样操作。
量化是指将模拟信号的幅度转换成离散的数值。
通常使用模数转换器（DAC）将数字信号转换回模拟信号输出。
2.数字滤波数字滤波是指通过数字信号处理器对数字信号进行滤波处理。
数字滤波器的组成部分包括滤波器传递函数、滤波器系统响应和滤波器误差。
数字滤波器按照滤波器类型可分为低通滤波器、高通滤波器、带通滤波器、带阻滤波器等。
3.数字变换数字变换是指将信号从时域转换到另一个域，如频域或复数域。
典型的数字变换包括快速傅里叶变换（FFT）、离散余弦变换（DCT）和小波分析等。
二、数字信号处理在音频处理中的应用1.数字均衡器数字均衡器是数字信号处理常用的一种滤波器，其作用是调整频率响应以改善音质。
数字均衡器具有可调节的等化器频率和增益，可以调整音频输出频谱以改变声音的音质和性格。
2.降噪由于麦克风和扬声器等音频设备的限制，音频信号中常含有噪声。
降噪技术可以减少音频信号中噪声的干扰。
数字信号处理器主要通过对峰值检测和自适应滤波等算法来减少噪声。
3.压缩与限幅数字信号处理器还可以通过多种处理算法对音频信号进行压缩和限幅。
压缩过程可以对音频信号进行动态范围压缩，使声音更加平稳。
而限幅则可以限制噪声波峰的大小，保护音频设备的硬件。
4.混响混响是指向音频信号添加模拟空间的处理方法。
通过数字信号处理，可以模拟各种不同的混响效果，使音频信号更加逼真，听起来更加自然。
5.声音识别数字信号处理还可以应用于声音识别，如语音识别、语音合成、语音控制等。
数字信号处理应用领域详细
数字信号处理应用领域详细数字信号处理（Digital Signal Processing，简称DSP）是一门研究如何对信号进行数字化处理的学科，它广泛应用于通信、音频、图像、雷达和生物医学等领域。
下面将详细介绍数字信号处理的应用领域。
1.通信领域：在无线通信系统中，数字信号处理被广泛应用于信号的调制、解调、编解码、信道均衡、自适应滤波等方面。
它可以提高通信系统的抗干扰能力、提高信号传输的稳定性和可靠性，并扩大通信系统的容量。
2.音频信号处理：数字音频信号处理是将模拟音频信号转换为数字化音频并对其进行处理的过程。
在音乐产业、音频处理系统和语音识别等领域中，数字信号处理可以实现音频信号的增强、降噪、压缩和编码等功能，提高音频信号的质量和传输效率。
3.图像处理：数字图像处理是将模拟图像转换为数字化图像，并对其进行处理的过程。
数字信号处理可以应用于图像的增强、去噪、压缩、分割和识别等方面。
在电视、电影、摄影和医学图像等领域中，数字图像处理可以提高图像的质量、准确性和可视化效果。
4.雷达信号处理：雷达信号处理是将雷达接收到的模拟信号转换为数字信号并对其进行处理的过程。
数字信号处理可以应用于雷达信号的预处理、目标检测、跟踪和成像等方面。
它可以提高雷达系统的灵敏度、分辨率和目标识别的准确性。
5.生物医学信号处理：在生物医学领域中，数字信号处理可以应用于生物体信号的收集、分析和处理，如脑电图（EEG）、心电图（ECG）、肌电图（EMG）和医学图像等。
它可以帮助医生诊断疾病、监测疗效和研究生理机制。
6.航天与卫星通信：数字信号处理在航天和卫星通信中起着至关重要的作用。
它可以处理航天器和卫星传输的信号，实现数据的压缩、解调、解码和去除噪声等功能，确保信息的可靠传输。
7.视频编码：在视频通信、视频监控和视频广播等领域中，数字信号处理可以应用于视频的编码和解码，实现视频信号的压缩和传输。
它可以提高视频传输的效率和质量，降低网络带宽的需求。
数字信号处理
数字信号处理数字信号处理（Digital Signal Processing）数字信号处理是指将连续时间的信号转换为离散时间信号，并对这些离散时间信号进行处理和分析的过程。
随着计算机技术的飞速发展，数字信号处理在各个领域得到了广泛应用，如通信、医学影像、声音处理等。
本文将介绍数字信号处理的基本概念和原理，以及其在不同领域的应用。
一、数字信号处理的基本概念数字信号处理是建立在模拟信号处理基础之上的一种新型信号处理技术。
在数字信号处理中，信号是用数字形式来表示和处理的，因此需要进行模数转换和数模转换。
数字信号处理的基本原理包括采样、量化和编码这三个步骤。
1. 采样：采样是将连续时间信号在时间上进行离散化的过程，通过一定的时间间隔对信号进行取样。
采样的频率称为采样频率，一般以赫兹（Hz）为单位表示。
采样频率越高，采样率越高，可以更准确地表示原始信号。
2. 量化：量化是指将连续的幅度值转换为离散的数字值的过程。
在量化过程中，需要确定一个量化间隔，将信号分成若干个离散的级别。
量化的级别越多，表示信号的精度越高。
3. 编码：编码是将量化后的数字信号转换为二进制形式的过程。
在数字信号处理中，常用的编码方式有PCM（脉冲编码调制）和DPCM （差分脉冲编码调制）等。
二、数字信号处理的应用1. 通信领域：数字信号处理在通信领域中具有重要的应用价值。
在数字通信系统中，信号需要经过调制、解调、滤波等处理，数字信号处理技术可以提高信号传输的质量和稳定性。
2. 医学影像：医学影像是数字信号处理的典型应用之一。
医学影像技术如CT、MRI等需要对采集到的信号进行处理和重建，以获取患者的影像信息，帮助医生进行诊断和治疗。
3. 声音处理：数字信号处理在音频处理和语音识别领域也有广泛的应用。
通过数字滤波、噪声消除、语音识别等技术，可以对声音信号进行有效处理和分析。
总结：数字信号处理作为一种新兴的信号处理技术，已经深入到各个领域中，并取得了显著的进展。
数字信号处理技术的应用
数字信号处理技术的应用数字信号处理技术(Digital Signal Processing, DSP)是利用数字计算机对信号进行处理的一种技术，它主要是将信号进行采样、量化、编码、数字滤波、时域和频域变换等处理，从而达到对信号进行增强、去噪、压缩等目的。
数字信号处理技术广泛应用于通信、图像、音频、雷达、控制等领域。
本文将从应用角度介绍数字信号处理技术的几个重要应用。
一、音频信号处理音频信号处理是数字信号处理技术应用最广泛的领域之一，它涉及到音乐、语音、声效等诸多方面。
数字信号处理技术可以对音频信号进行增强、削弱、去噪、压缩等处理，从而使音频信号变得更加清晰、流畅、易于听取。
例如，当我们需要对一首歌曲进行混响效果时，可以通过数字信号处理技术来实现。
混响信号的原理是将原音信号和空气反射信号混合在一起，并调整其时间延迟和相位，从而达到延长声音的持续时间和创造出环境音的效果。
数字信号处理技术可以通过延时、频率移动、滤波、加混合等方式来实现混响效果。
二、图像处理数字信号处理技术在图像处理领域也发挥了重要作用。
数字图像处理是指利用计算机对图像进行处理，包括图像的获取、预处理、分析、存储和显示等各个方面。
在实际应用中，数字图像处理技术可以对图像进行增强、分割、识别等处理，从而达到对图像进行提取特征信息的目的。
例如，在医学影像中，数字信号处理技术可以对X光和磁共振影像进行处理，从而发现并诊断出疾病。
同时，数字信号处理技术还可以在安防监控、数字图书馆、虚拟现实、游戏等领域发挥作用。
三、通信信号处理通信信号处理是应用数字信号处理技术的另一个领域，它主要涉及到调制解调、信道均衡、信号检测以及码解码等方面。
数字信号处理技术在通信领域中的应用主要是通过信号处理技术对信号进行处理、压缩、编码等操作，从而实现数据传输的目的。
例如，在数字调制解调中，数字信号处理技术可以通过将数字信号转换为一种合适的调制方式，从而在通信过程中提高信号传输效率。
数字信号处理(语音处理应用)1
语音信号的数字处理方法
• 声音信号的两个基本参数是幅度和频率。
– 幅度是指声波的振幅，通常用动态范围表示， 一般用分贝（dB）为单位来计量。 – 频率是指声波每秒钟变化的次数，用Hz表示。 – 人们把频率小于20Hz声波信号称为亚音信号 （也称次音信号） – 频率范围为20Hz～20kHz的声波信号称为音频信 号 – 高于20kHz的信号称为超音频信号（也称超声波）
Wavread例
[y, fs]=wavread('welcome.wav');
sound(y, fs); % 播放音频
time=(1:length(y))/fs; % 时间轴的向量
plot(time, y); % 画出时间轴上的波形
显示音频文件的信息
• fileName='welcome.wav'; • [y, fs, nbits]=wavread(fileName); • fprintf('音频文件"%s" 的信息：\n', fileName);
• En的应用：
– 1）区分清音段和浊音段 – 2）区分声母和韵母 – 3）区分无声和有声的分界(信噪比较高的信号) – 4）区分连字的边界 – 5）用于语音识别
短时能量分析
• En的缺点：
– 对高电平过于敏感，给加窗宽度的选择带来了 困难。扩大了振幅不相等的任何两个相邻取样 值(此处的取样值是指某语帧的短时平均能量值) 之间的幅度差别，必须用较宽的窗函数才能平 滑能量幅度的起伏。
wavplay(flipud(y), fs, 'sync');% 播放前后颠倒的音频波形
–
通常在使用 wavplay 播放音讯时，MATLAB 会停止进行 其它动作，直到音讯播放完毕后，才会再进行其它指令 的 运 算 ， 此 种 运 作 方 式 称 为 「 同 步 式 」 （ Synchronous ）。若需要一边播放、一边进行其它运 算，就必须使用「异步式」（Asynchronous）的播放方 式。
基于数字信号处理的语音识别系统设计与实现
基于数字信号处理的语音识别系统设计与实现随着现代科学技术的不断发展，人工智能已经成为当前科技领域的热门话题。
而其中的语音识别技术又是人工智能应用中非常重要的一部分，广泛应用于智能家居、语音助手等。
本文将探讨基于数字信号处理的语音识别系统的设计与实现。
一、语音识别系统的基本原理语音识别系统首先需要进行声音的数字化处理，将连续的声音信号转换为数字信号，然后将数字信号进行特征提取和模式匹配，最终得出识别结果。
具体来说，数字信号处理包括采样、量化、编码三个步骤。
采样是指将连续的声音信号转换为离散的数字信号，通常采用脉冲编码调制（PCM）进行数字化处理。
量化是指将采样后的模拟量进行近似处理，将其映射为一系列有限的数字值，常用的量化方法有线性量化和对数量化。
编码是指将量化后的信号进行编码，压缩数据量，提高数据传输速度和存储效率。
在数字信号处理过程中，还需要进行特征提取和模式匹配。
特征提取是指从数字信号中提取出与语音识别相关的有用特征，如频率、能量等。
常用的特征提取算法有MFCC（Mel-Frequency Cepstral Coefficients）和LPCC（Linear Prediction Cepstral Coefficients）等。
模式匹配是指将提取出的特征与已知语音模型进行比对，最终确定输入语音所属的模型类别。
二、语音识别系统的组成部分语音识别系统由硬件和软件两部分组成。
硬件部分主要包括麦克风、声卡、模数转换器、数字信号处理器等。
麦克风用于采集声音信号，声卡用于将声音信号转换为电信号，模数转换器用于将模拟信号转换为数字信号，数字信号处理器用于对数字信号进行处理和分析。
软件部分主要包括语音处理程序、语音识别引擎、客户端界面程序等。
语音处理程序是指对语音信号进行数字信号处理和特征提取等操作的程序。
常见的语音处理程序有MATLAB、Python等。
语音识别引擎是指针对特定应用场景所开发的语音识别软件。
- 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)。
《数字信号处理》课程设计报告数字信号处理在语音信号分析中的应用专业班级：姓名：学号：目录摘要 (3)1、绪论 (3)2、课程设计的具体容 (4)2.1.1、读取语音信号的任务 (4)2.1.2、任务分析和解决方案 (5)2.1.4、运行结果和相应的分析 (5)2.2、IIR滤波器设计和滤波处理 (6)2.2.1、设计任务 (6)2.2.2、任务分析和解决方案 (7)2.2.3、编程得到的MATLAB代码 (7)2.2.4、运行结果和相应的分析 (7)2.3、FIR滤波器设计和滤波处理 (9)2.3.1、设计任务 (9)2.3.2、任务分析和解决方案 (9)2.3.3、编程得到的MATLAB代码 (9)2.3.4、运行结果和相应的分析 (11)3、总结 (13)4、存在的不足及建议 (13)5、参考文献 (13)数字信号处理设计任务书摘要语音信号滤波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。
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形式。
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为离散的数据文件，然后利用其强大的矩阵运算能力处理数据，如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱为语音信号分析提供了十分丰富的功能函数，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，使人机交互更加便捷。
信号处理是Matlab重要应用的领域之一。
本设计通过录制一段语音，对其进行了时域分析，频谱分析,分析语音信号的特性。
并应用matlab平台对语音信号进行加噪然后再除去噪声，进一步设计两种种滤波器即高通滤波器、带通滤波器，基于这两种滤波器设计原理，对含加噪的语音信号进行滤波处理。
最后对比滤波前后的语音信号的时域和频域特性，回放含噪语音信号和去噪语音信号。
论文从理论和实践上比较了不同数字滤波器的滤波效果。
1．绪论通过语音传递倍息是人类最重要、最有效、最常用和最方便的交换信息的形式。
语言是人类持有的功能，声音是人类常用的工具，是相互传递信息的最主要的手段。
因此，语音信号是人们构成思想疏通和感情交流的最主要的途径。
并且，由于语言和语音与人的智力活动密切相关，与社会文化和进步紧密相连，所以它具有最大的信息容量和最高的智能水平。
现在，人类已开始进入了信息化时代，用现代手段研究语音信号，使人们能更加有效地产生、传输、存储、获取和应用语音信息，这对于促进社会的发展具有十分重要的意义。
让计算机能听懂人类的语言，是人类自计算机诞生以来梦寐以求的想法。
随着计算机越来越向便携化方向发展，随着计算环境的日趋复杂化，人们越来越迫切要求摆脱键盘的束缚而代之以语音输人这样便于使用的、自然的、人性化的输人方式。
作为高科鼓应用领域的研究热点，语音信号采集与分析从理论的研究到产品的开发已经走过了几十个春秋并且取得了长足的进步。
它正在直接与办公、交通、金融、公安、商业、旅游等行业的语音咨询与管理．工业生产部门的语声控制，、电信系统的自动拨号、辅助控制与查询以及医疗卫生和福利事业的生活支援系统等各种实际应用领域相接轨，并且有望成为下一代操作系统和应用程序的用户界面。
可见，语音信号采集与分析的研究将是一项极具市场价值和挑战性的工作。
我们今天进行这一领域的研究与开拓就是要让语音信号处理技术走人人们的日常生活当中，并不断朝更高目标而努力。
数字滤波器是数字信号处理的基础，用来对信号进行过滤、检测和参数估计等处理。
IIR数字滤波器最大的优点是给定一组指标时，它的阶数要比相同组的FIR滤波器的低的多。
信号处理中和频谱分析最为密切的理论基础是傅立叶变换（FT）。
离散傅立叶变换（DFT）和数字滤波是数字信号处理的最基本容通过数字信号处理的课程设计，使学生对信号的采集，处理，传输，显示，存储和分析等有一个系统的掌握和理解。
巩固和运用数字信号处理课程中的理论知识和实验技能，掌握最基本的数字信号处理的理论和方法，培养学生发现问题，分析问题和解决问题的能力。
2、课程设计的具体容用MATLAB对语音信号进行分析与处理，采集语音信号后，在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。
对一段语音信号进行采样；画出采样后语音信号的时域波形和频谱图；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；最后，设计一个信号处理系统界面。
设计容：采样一段语音信号；画出语音信号的时域波形和频谱图；给定滤波器的性能指标，设计数字滤波器，并画出滤波器的频率响应；然后用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。
关键技术：频谱图的理解；设计数字滤波器；数字滤波的方法；解决思路：对语音号进行快速傅里叶变换，得到信号的频谱特性；在MATLAB环境中可以利用函数fir设计FIR滤波器，可以利用函数butter设计IIR滤波器；利用MATLAB中的函数freqz画出各滤波器的频率响应。
2.1.1、读取语音信号的任务自制一段语音信号（要求：我叫***，学号****，是理工学院电子信息工程学院2012级电子卓越班的学生）。
2.1.2、任务分析和解决方案在MATLAB软件平台下，利用函数wavread对语音信号进行采样，记住采样频率和采样点数。
通过wavread函数的使用，要求理解掌握采样频率、采样位数等概念。
2.1.3、编程得到的MATLAB代码[z1,Fs]=audioread('F:\cjl\chenjunlin.wma');sound(z1,Fs);%播放语音信号figure(1) plot(z1);figure(1);plot(z1);title('时域图');xlabel('时间（n）');ylabel('幅值（n）');频域程序：[z2,Fs]=audioread('F:\cjl\chenjunlin.wma');y1=fft(z2);y1=fftshift(y1);sound(z2,Fs); %播放语音信号figure(2);derta_Fs = Fs/length(z2);plot([-Fs/2:derta_Fs: Fs/2-derta_Fs],abs(y1)); title('频谱图');xlabel('时间（n）');ylabel('幅值（n）');2.1.4、运行结果和相应的分析由图可知人的声音分布在低频。
而声音比较底和深沉。
2.2、IIR滤波器设计和滤波处理2.2.1、设计任务要求用自己设计的各种滤波器(高通、低通)分别对采集的信号进行滤波。
2.2.2、任务分析和解决方案在MATLAB中，利用函数filter对信号进行滤波。
利用MATLAB中的函数freqz画出各滤波器的频率响应。
2.2.3、编程得到的MATLAB代码IIR数字低通滤波器fs=22050;[z3,Fs]=audioread('F:\cjl\chenjunlin.wma');Ts=1/fs;R1=10;wp=2*pi*1000/fs;%通带截止频率?ws=2*pi*1200/fs;%阻带截止频率Rp=1;%通带衰减?Rl=100;%阻带衰减?wp1=2/Ts*tan(wp/2);%将模拟指标转换成数字指标?ws1=2/Ts*tan(ws/2);[N,Wn]=buttord(wp1,ws1,Rp,R1,'s');%选择滤波器的最小阶数[Z,P,K]=buttap(N);%创建butterworth模拟低通滤波器?[Bap,Aap]=zp2tf(Z,P,K);[b,a]=lp2lp(Bap,Aap,Wn);%将模拟原型低通滤波器转换为低通滤波器[bz,az]=bilinear(b,a,fs);%用双线性变换法实现模拟滤波器到数字滤波器的转换? [H,W]=freqz(bz,az);%绘制频率响应曲线?figure(1)plot(W*fs/(2*pi),abs(H))gridxlabel('频率／Hz')ylabel('频率响应幅度')title('IIR低通滤波器')f1=filter(bz,az,z3);figure(2)subplot(2,1,1)plot(z3)%画出滤波前的时域图?title('IIR低通滤波器滤波前的时域波形');subplot(2,1,2)plot(f1);%画出滤波后的时域图?title('IIR低通滤波器滤波后的时域波形');sound(f1,44100);%播放滤波后的信号?F0=fft(f1);f=fs*(0:511)/1024;figure(3)y2=fft(z3);subplot(2,1,1);derta_Fs = Fs/length(z3);plot([-Fs/2:derta_Fs: Fs/2-derta_Fs],abs(y2));%画出滤波前的频谱图? title('IIR低通滤波器滤波前的频谱')xlabel('频率/Hz');ylabel('幅值');subplot(2,1,2)derta_Fs = Fs/length(z2);plot([-Fs/2:derta_Fs: Fs/2-derta_Fs],abs(F0));%画出滤波后的频谱图? title('IIR低通滤波器滤波后的频谱')xlabel('频率/Hz');ylabel('幅值');IIR数字高通滤波器fc1=4000;[z2,Fs]=audioread('F:\cjl\chenjunlin.wma');N2=2*pi*3.1/(0.1*pi)wc2=2*pi*fc1/fs;N2=N2+mod(N2,2);Window=hanning(N2+1);b2=fir1(N2,wc2/pi,'high',Window);x1_high = filter(b2,1,x1);%对信号进行高通滤波figure(1);plot(x1_high);title('信号经过高通滤波器(时域)');figure(2);derta_fs = fs/length(z2);plot([-fs/2:derta_fs:fs/2-derta_fs],abs(fftshift(fft(x1_high)))); title('信号经过高通滤波器（频域）')2.2.4、运行结果和相应的分析语音高频成分音质非常尖锐，齿音中，声音有些暗淡。