应用Matlab对含噪声语音信号进行频谱分析及滤波

应用Matlab对含噪声的语音信号进行频谱分析及滤波
一、实验内容
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；在语音信号中增加正弦噪声信号(自己设置几个频率的正弦信号)，对加入噪声信号后的语音信号进行频谱分析；给定滤波器的性能指标，采用窗函数法和双线性变换设计数字滤波器，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试听，分析信号的变化。

二、实现步骤
1．语音信号的采集
利用Windows下的录音机，录制一段自己的话音，时间在1 s内。

然后在Matlab软件平台下，利用函数wavread对语音信号进行采样，（可用默认的采样频率或者自己设定采样频率）。

2．语音信号的频谱分析
要求首先画出语音信号的时域波形；然后对语音号进行快速傅里叶变换，得到信号的频谱特性。

在采集得到的语音信号中加入正弦噪声信号，然后对加入噪声信号后的语音号进行快速傅里叶变换，得到信号的频谱特性。

并利用sound试听前后语音信号的不同。

分别设计IIR和FIR滤波器，对加入噪声信号的语音信号进行去噪，画出并分析去噪后的语音信号的频谱，并进行前后试听对比。

3.数字滤波器设计
给出数字低通滤波器性能指标:如，通带截止频率fp＝10000 Hz，阻带截止频率fs＝12000 Hz（可根据自己所加入噪声信号的频率进行阻带截止频率设置），阻带最小衰减Rs＝50 dB，通带最大衰减Rp ＝3 dB（也可自己设置），采样频率根据自己语音信号采样频率设定。

报告内容
一、实验原理
含噪声语音信号通过低通滤波器，高频的噪声信号会被过滤掉，得到清晰的无噪声语音信号。

二、实验内容
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；在语音信号中增加正弦噪声信号(自己设置几个频率的正弦信号)，对加入噪声信号后的语音信号进行频谱分析；给定滤波器的性能指标，采用窗函数法和双线性变换设计数字滤波器，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试听，分析信号的变化。

给出数字低通滤波器性能指标:如，通带截止频率fp＝10000 Hz，阻带截止频率fs＝12000 Hz （可根据自己所加入噪声信号的频率进行阻带截止频率设置），阻带最小衰减Rs＝50 dB，通带最大衰减Rp＝3 dB（也可自己设置），采样频率根据自己语音信号采样频率设定。

三、实验程序
1、原始信号采集和分析
clc;clear;close all;
fs=10000; %语音信号采样频率为10000
x1=wavread('C:\Users\acer\Desktop\'); %读取语音信号的数据，赋给x1
sound(x1,40000); %播放语音信号
y1=fft(x1,10240); %对信号做1024点FFT变换
f=fs*(0:1999)/1024;
figure(1);
plot(x1) %做原始语音信号的时域图形
title('原始语音信号');
xlabel('time n');
ylabel('fuzhi n');
figure(2);
plot(f,abs(y1(1:2000))); %做原始语音信号的频谱图形 title('原始语音信号频谱')
xlabel('Hz');
ylabel('fuzhi');
2、加入噪声
y=wavread('C:\Users\acer\Desktop\');
y=y(:,1); %矩阵维度置换成1 subplot(2,2,1);
plot(y);
title('加噪前的时域曲线');
N=length(y)-1;
n=0:1/fs:N/fs;
x=*sin(40*pi*n); %设置正弦噪声信号
x=x.'; %置换成矩阵
z=y+x; %添加噪声
subplot(2,2,2);
plot(z);
title('加噪后的时域曲线');
sound(z,40000)
3、IIR滤波器设计
clc;clear;close all;
fs=22050;x1=wavread('C:\Users\acer\Desktop\');
x1=x1(:,1)
t=0:1/22050:(size(x1)-1)/22050; %设置并添加噪声信号
d=*sin(40*pi*t);
d=d.';
x2=x1+d;
wp=*pi;ws=*pi;Rp=1;Rs=15; %通阻带截止和通阻带衰减
Fs=22050;Ts=1/Fs;
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,Rs,'s'); %选择滤波器的最小阶数
[Z,P,K]=buttap(N); %创建butterworth模拟滤波器
[Bap,Aap]=zp2tf(Z,P,K);
[b,a]=lp2lp(Bap,Aap,Wn);
[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));grid %滤波器
xlabel('频率／Hz');ylabel('频率响应幅度');title('Butterworth')
f1=filter(bz,az,x2);
figure(2);
subplot(2,1,1); plot(t,x2); %画出滤波前的时域图
title('滤波前的时域波形');
subplot(2,1,2);plot(t,f1); %画出滤波后的时域图
title('滤波后的时域波形');
sound(f1,40000); %播放滤波后的信号
F0=fft(f1,10240);f=fs*(0:255)/10240
figure(3)
y2=fft(x2,10240);
subplot(2,1,1);plot(f,abs(y2(1:256))); %画出滤波前的频谱图
title('滤波前的频谱');xlabel('Hz');ylabel('fuzhi');
subplot(2,1,2);F1=plot(f,abs(F0(1:256))); %画出滤波后的频谱图
title('滤波后的频谱');xlabel('Hz');ylabel('fuzhi');
4、FIR滤波器设计
clear all
fs=22050; %设置采样频率
x1=wavread('C:\Users\acer\Desktop\');%读取声音
x1=x1(:,1)
f=fs*(0:1023)/1024; %F=([1:N]-1)*Fs/N; %换算成实际的频率值
t=0:1/22050:(length(x1)-1)/22050; %定义噪声信号
d=[*sin(40*pi*t);]';
x2=x1+d; %加噪声
N=30;
b1=fir1(N,,hamming(N+1)); %设计FIR滤波器
M=128;
f0=0:1/M:1-1/M;
h1=freqz(b1,10,M); %滤波器幅频响应
f1=filter(b1,10,x2); %滤波
y0=fft(x2,40000);
y00=fft(f1,40000);
sound(f1,40000); %播放滤波后的声音
figure(1)
plot(f0,abs(h1)); %滤波器幅频响应图title('滤波器幅频响应图')
figure(2);
subplot(2,1,1); plot(t,x2); %画出滤波前的时域图title('滤波前的时域波形');
subplot(2,1,2);plot(t,f1); %画出滤波后的时域图title('滤波后的时域波形');
F0=fft(f1,10240);f=fs*(0:255)/10240
figure(3)
subplot(211)
plot(f,abs(y0(1:256)));
title('滤波前频谱')
subplot(212)
plot(f,abs(y00(1:256))); %滤波后频谱title('滤波后频谱')
C:\Users\apple\Desktop\xinhao\最遥远的距离.wav。