含噪声的语音信号分析与处理设计
语音信号处理课程设计报告python
语音信号处理课程设计报告python一、引言语音信号处理是数字信号处理中的一个重要分支，它主要涉及到语音信号的获取、预处理、特征提取、分类识别等方面。
在本次课程设计中，我们将使用Python语言对语音信号进行处理，并实现一个简单的语音识别系统。
二、问题描述本次课程设计的主要任务是实现一个基于MFCC特征提取和GMM-HMM模型的语音识别系统。
具体来说，我们需要完成以下任务：1. 对输入的语音信号进行预处理，包括去噪、分帧、加窗等；2. 提取MFCC特征；3. 使用GMM-HMM模型对不同的语音进行分类识别。
三、方法实现1. 语音信号预处理在对语音信号进行MFCC特征提取之前，需要对其进行预处理。
我们需要去除信号中的噪声。
常见的去噪方法包括基于阈值的方法和基于滤波器的方法。
在本次课程设计中，我们将使用基于阈值的方法对信号进行去噪。
我们需要将原始信号分帧，并对每一帧应用窗函数以减少频谱泄漏效应。
常见的窗函数包括汉明窗、海宁窗等。
2. MFCC特征提取MFCC是一种常用的语音特征提取方法，它可以将语音信号转换为一组包含语音信息的系数。
MFCC特征提取包括以下几个步骤：1. 对预处理后的语音信号进行快速傅里叶变换（FFT）；2. 将频谱图转换为梅尔频率倒谱系数（MFCC）；3. 对MFCC系数进行离散余弦变换（DCT）。
3. GMM-HMM模型GMM-HMM模型是一种常见的语音识别模型，它将每个单词表示为一个由高斯混合模型（GMM）和隐马尔可夫模型（HMM）组成的序列。
在本次课程设计中，我们将使用GMM-HMM模型对不同的语音进行分类识别。
四、程序实现1. 语音信号预处理我们使用Python中的librosa库对语音信号进行预处理。
具体来说，我们使用librosa.load()函数加载.wav格式的文件，并使用librosa.effects.trim()函数去除静默段。
我们对剩余部分进行分帧和加窗操作，并使用librosa.feature.mfcc()函数提取MFCC特征。
【毕业设计】语音信号的采集与分析
【毕业设计】语音信号的采集与分析河南农业大学本科生毕业论文（设计）任务书论文（设计）题目语音信号的采集与分析学院专业班级学号姓名2009年月日语音信号的采集与分析作者：123 指导老师：456摘要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。
其中语音采集和分析仪器的小型化、智能化、数字化以及多功能化的发展越来越快，分析速度较以往也有了大幅度的高。
本文简要介绍了语音信号采集与分析的发展史以及语音信号的特征、采集与分析方法，并通过PC机录制自己的一段声音，运用Matlab进行仿真分析，最后加入噪声进行滤波处理，比较滤波前后的变化。
关键词：语音信号，采集与分析，MatlabAudio signal acquisition and analysisAuthor：zhuyousong Teacher guidance：lifuqiangAbstractSpeech signal acquisition and analysis techniques are a wide range of cross-scientific，Its application and development of voice study, sound measurement study, electronic measuring technology, and digital signal processing disciplines, such as close contact。
Collection and analysis of voice one of the small-scale equipment, intelligence, digital and multi-functional development of more and more quickly, faster than the previous analysis has been substantially high。
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。
含噪声的语音信号分析与处理设计
含噪声的语音信号分析与处理设计在现实生活中，我们常常会面临到含有噪声的语音信号，这些噪声可能来自于环境、设备或者通信等因素。
对于这种含噪声的语音信号，我们需要进行分析与处理，以提高语音信号的质量和可理解性。
首先，在进行语音信号的分析与处理之前，我们需要先对其进行预处理。
预处理的目的是减小噪声的影响，使得后续分析与处理更加精确和有效。
常用的预处理方法有：1.噪声估计和建模：通过对含噪声语音信号进行噪声估计和建模，可以获得噪声的统计特性和模型参数，为后续处理提供基础。
2.降噪滤波：根据噪声模型和估计结果，设计合适的降噪滤波算法，将信号中的噪声成分减小或者消除，以提高语音信号的清晰度和可理解性。
3.音频增益调整：对语音信号进行音量调整，以使得信号在放大的过程中不会引入过多的噪声。
分析与处理的主要目标是提取出有用的语音特征，如声音的音素、音调、语速等信息，以实现语音识别、语音合成等应用。
常用的分析与处理方法有：1.特征提取：通过应用信号处理和模式识别技术，提取语音信号中的关键特征，如短时能量、短时平均过零率、MFCC等。
这些特征可以反映出语音信号的频谱特性和时域特性。
2.去除噪声和失真：通过使用降噪算法和滤波算法，去除语音信号中的噪声和失真，使得信号更加清晰和准确。
3.语音识别与分割：通过使用语音识别技术，将语音信号转化为文字，实现自动语音识别。
同时，根据语音信号中的静音段和非静音段的特征，对语音信号进行分割，以提取出单词和句子。
4.语音合成与转换：通过使用声学模型和语言模型，将文字转化为语音信号，实现自动语音合成。
同时，可以通过修改声学模型中的参数，实现说话人的转换和风格的改变。
最后，在进行语音信号分析与处理时，还需要注意以下几个问题：1.信号与噪声的属性：不同环境和设备产生的噪声具有不同的统计特性和功率分布，对于不同类型的噪声，需要采用不同的噪声估计和降噪方法。
2.降噪算法与语音质量：降噪算法在减小噪声的同时，也可能会引入一定的失真和伪声。
音频信号的谱分析及去噪
五、体会
本次设计，首先针对题目进行分析，将所涉及的波形，频谱及相关函数做了研究，大体能够把握了设计的流程以及思路。再通过查阅相关资料，能对相关的知识做正确的记录，以便随时查看。
起止日期：2008.8.23---2008.8.31指导教师：李艳
设计要求：
（1）、录制一段音频（如歌曲，说话声等），采用Matlab工具对此音频信号用FFT作谱分析。
（2）、录制一段加入噪声的音频（如在歌声中加入尖锐的口哨声或者其他噪声），采用Matlab工具对此音频信号用FFT作谱分析。
（3）、选择合适的指标，设计FIR数字滤波器，将音频中加入的噪声信号减弱或滤除。
西南科技大学
课程设计报告
课程名称：数字通信课程设计
设计名称：音频信号的谱分析及去噪
******
学号:********
班级：通信0502
******
起止日期：2008.8.23---2008.8.31
西南科技大学信息工程学院制
课程设计任务书
学生班级：通信0502学生姓名：张晖晖学号：********
设计名称：音频信号的谱分析及去噪
（2）、利用讲义中给定的公式分别编程计算这段语音信号的短时能量、短时平均幅度、短时过零率，然后分别画出它们的曲线；
（3）然后画出短时零能比曲线。
（4）根据上述结果判断找出其中的噪声。判断依据是，噪声：短时能量大、短时平均幅度大、短时过零率低；清音：短时能量小、短时平均幅度
基于MATLAB的有噪声的语音信号处理的课程设计要点
基于MATLAB的有噪声的语音信号处理的课程设计要点一、设计背景随着科技的不断发展，语音信号处理愈发成为热门话题。
在语音数据中，常常会被噪声干扰，从而使得信号质量下降，影响了数据分析和处理的效果。
本课程设计旨在通过MATLAB来设计一套有噪声的语音信号处理方法，以提高对语音信号信噪比的分析和处理能力，为后续的语音处理研究奠定基础。
二、课程设计要点1. 语音信号的获取和预处理在本课程中，需要使用MATLAB语音处理工具箱中的audioread()函数获取.wav格式的语音信号，然后进行预处理操作，包括：•极化和采样：将语音信号从时间域转换到频域，并进行重采样处理，以适应后续处理操作的需求。
•去噪：根据信噪比的情况，选择合适的去噪算法对语音信号进行滤波，以减低信号的噪声干扰。
2. 基本的信号处理方法•频谱分析和频率域滤波：可以通过MATLAB处理语音信号的频域，进行谱分析、谱修复以及滤波的操作。
•时域滤波：应用IIR和FIR滤波器来消除噪声，提高信号质量。
•自适应滤波：通过模型建立和自适应滤波器设计，从语音信号中分离出噪声信号。
3. 压缩和解压缩•信号压缩：对语音信号进行压缩处理，以实现数据的高效管理和传输。
•信号解压缩：对压缩后的语音信号进行解压缩处理，还原原始的语音信号，以进行后续处理。
4. 语音识别•特征提取：通过分段处理，并进行特征提取，将信号的语音特征转换为相应的数字特征向量，为后续的语音识别做准备。
•语音识别：基于数字特征向量，采用各种识别算法，进行语音识别。
三、设计思路1.读入语音信号和噪声，可以通过audioread()函数和一些MATLAB工具箱实现。
同时，对输出语音信号进行噪声除去处理。
2.对语音信号进行频谱分析，并基于不同的SNR条件下，应用FIR和IIR滤波器对语音信号进行滤波处理。
进而利用多种去噪算法对含噪语音信号进行去噪处理。
3.对经过滤波处理的语音信号进行特征提取，并采用隐马尔可夫模型（HMM）对数字特征向量进行处理，进行不同说话人的识别。
基于MATLAB语音信号处理去噪毕业设计论文
基于MATLAB语音信号处理去噪毕业设计论文语音信号在实际应用中通常不可避免地受到噪音的干扰，这使得语音信号的处理变得困难。
因此，在语音信号处理领域，去噪技术一直是一个热门的研究方向。
本文将介绍一种基于MATLAB的语音信号处理去噪方法的毕业设计论文。
本文的主要内容分为以下几个部分。
首先，介绍语音信号处理的背景和意义。
在现实生活中，由于外界环境和设备的限制，语音信号往往会受到各种噪音的污染，如背景噪音、电磁干扰等。
因此，开发一种有效的语音信号处理去噪方法具有重要的实际意义。
其次，介绍基于MATLAB的语音信号处理去噪方法。
本文将采用小波降噪方法对语音信号进行去噪处理。
首先，对输入的语音信号进行小波变换，将信号转换到小波域。
然后，通过对小波系数进行阈值处理，将噪声系数置零，从而实现去噪效果。
最后，通过逆小波变换将信号转换回时域，并输出去噪后的语音信号。
接下来，介绍实验设计和结果分析。
本文将使用MATLAB软件进行实验设计，并选取一组含有不同噪声干扰的语音信号进行测试。
通过对不同噪声信号进行处理，比较不同参数设置下的去噪效果，评估提出方法的性能。
最后，总结全文并展望未来的研究方向。
通过本次研究，我们可以看到基于MATLAB的语音信号处理去噪方法在去除噪音方面具有较好的效果，并具有很大的应用潜力。
然而，该方法仍然有改进的空间。
未来的研究可以在算法优化、参数选择和应用场景等方面进行深入研究，进一步提高语音信号处理去噪的效果和性能。
总的来说，本文介绍了一种基于MATLAB的语音信号处理去噪方法的毕业设计论文。
通过对实验结果的分析和对未来研究方向的展望，本文为从事语音信号处理领域的研究人员提供了一定的参考和启示。
- 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)。
课程设计任务书学生姓名：苗强强专业班级：电信1204指导教师：阙大顺沈维聪工作单位：信息工程学院题目: 程控宽带放大器的设计初始条件：程控宽带放大器是电子电路中常用模块，在智能仪器设备及嵌入式系统中有广泛的应用。
因此对于电子信息专业的技术人员来说，熟练掌握该项技术很有必要。
要求完成的主要任务:（包括课程设计工作量及其技术要求，以及说明书撰写等具体要求）（1）输入阻抗>1KΩ,单端输入，单端输出，放大器负载电阻为600Ω；（2）3dB通频带10kHz~6MHz，在20kHz~5MHz频带内增益起伏<1dB。
（3）增益调节范围10 dB~40 dB，（通过键盘操作调节）。
（4）发挥部分：当输入频率或输出负载发生变化时，通过微处理器自动调节，保持放大器增益不变。
（5）电路通过仿真即可。
时间安排：1. 任务书下达，查阅资料1天2. 制图规范、设计说明书讲解2天3. 设计计算说明书的书写5天4. 绘制图纸1天5. 答辩1天指导教师签名：年月日系主任（或责任教师）签名：年月日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。
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 IIR滤波器FIR滤波器目录1 绪论 02 课程设计内容 (1)3 课程设计的具体实现 (2)3.1 语音信号的采集 (2)3.2 语音信号的时频分析 (2)3.3 语音信号加噪与频谱分析 (4)3.4 设计FIR和IIR数字滤波器 (6)3.5 用滤波器对加噪语音信号进行滤波 (9)3.6 实验现象记录及分析 (12)3.7调试过程遇到的问题及解决办法 (14)4总结 (15)参考文献 (16)含噪声的语音信号分析与处理设计1 绪论数字语音处理的重要基础是数字信号处理。
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、设备尺寸小、造价低、速度快等优点。
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数字滤波器是有限的单位响应也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。
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。
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MATLAB 软件及信号处理工具箱的不断完善，MATLAB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。
2 课程设计内容语音信号处理是信号处理技术最早涉及的应用领域，数字信号处理技术中的很多方法都可以在语音信号处理中得到应用。
设计内容及要求：（1）选择一个语音信号作为分析对象，或录制一段语音信号；（2）对语音信号进行采样，画出采样前后语音信号的时域波形和频谱图；（3）利用MATLAB中的随机函数产生噪声加入到语音信号中，使语音信号被污染，然后进行频谱分析；（4）设计用于处理该语音信号的数字滤波器，给出滤波器的性能指标，画出滤波器的频率响应；（5）对被噪声污染的语音信号进行滤波，画出滤波前后信号的时域波形和频谱，并对滤波前后的信号进行比较和分析；（6）回放各步骤的语音信号，给出相应处理程序及运行结果分析。
3 课程设计的具体实现3.1 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g :\ 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。
3.2 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。
下面介绍Wavread 函数几种调用格式。
（1）y=wavread（file）功能说明：读取file所规定的wav文件，返回采样值放在向量y中。
（2）[y,fs,nbits]=wavread(file)功能说明：采样值放在向量y中，fs表示采样频率（hz），nbits表示采样位数。
（3）y=wavread（file，N）功能说明：读取钱N点的采样值放在向量y中。
（4）y=wavread（file，[N1,N2]）功能说明：读取从N1到N2点的采样值放在向量y中。
接下来，对语音信号OriSound.wav进行采样。
其程序如下：>> [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,其调用格式如下：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：[y,fs,nbits]=wavread ('01south_girl.wav'); %原始文件是《南方姑娘》的片段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,'b');title('原始信号波形');grid;subplot(2,1,2);plot(abs(Y),'b');title('原始信号频谱');grid;程序结果如下图1：图1 原始信号波形及频谱3.3 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，我们是利用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，我们选用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 ('01south_girl.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,'b');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),'b');title('加噪语音信号的频域波形');程序结果如下图2：图2 加噪后的波形及频谱分析3.4 设计FIR和IIR数字滤波器IIR滤波器和FIR滤波器的设计方法完全不同。
IIR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)。
FIR滤波器比鞥采用间接法，常用的方法有窗函数法、频率采样发和切比雪夫等波纹逼近法。
对于线性相位滤波器，经常采用FIR滤波器。
对于数字高通、带通滤波器的设计，通用方法为双线性变换法。
可以借助于模拟滤波器的频率转换设计一个所需类型的过渡模拟滤波器，再经过双线性变换将其转换策划那个所需的数字滤波器。