基于 MATLAB 分析语音信号频域特征
语音信号处理
实验报告
实验三基于 MATLAB 分析语音信号频域特征
所在院系：工学院
专业: 电子信息工程
班级：电信112
姓名：
学号：
指导教师：汤永清
2014年05月06日
实验三基于 MATLAB 分析语音信号频域特征
一、实验目的
信号的傅立叶表示在信号的分析与处理中起着重要的作用。因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分析和处理问题。另外，傅立叶表示使信号的某些特性变得更明显，因此，它能更深入地说明信号的各项红物理现象。
由于语音信号是随着时间变化的，通常认为，语音是一个受准周期脉冲或随机噪声源激励的线性系统的输出。输出频谱是声道系统频率响应与激励源频谱的乘积。声道系统的频率响应及激励源都是随时间变化的，因此一般标准的傅立叶表示虽然适用于周期及平稳随机信号的表示，但不能直接用于语音信号。由于语音信号可以认为在短时间内，近似不变，因而可以采用短时分析法。
本实验要求掌握傅里叶分析原理，会利用已学的知识，编写程序估计短时谱、倒谱，画出语谱图，并分析实验结果，在此基础上，借助频域分析方法所求得的参数分析语音信号的基音周期或共振峰。
二、实验原理
1、短时傅立叶变换
由于语音信号是短时平稳的随机信号，某一语音信号帧的短时傅立叶变换的定义为：
其中 w(n-m)是实窗口函数序列，n 表示某一语音信号帧。令 n-m=k'，则得到同样，不同的窗口函数，将得到不同的傅立叶变换式的结果。由上式可见，短时傅立叶变换有两个变量：n 和ω，所以它既是时序 n 的离散函数，又是角频率ω的连续函数。与离散傅立叶变换逼近傅立叶变换一样，如令ω=2πk/N，则得离散的短时傅立叶吧如下：
2、语谱图
水平方向是时间轴，垂直方向是频率轴，图上的灰度条纹代表各个时刻的语音短谱。
语谱图反映了语音信号的动态频率特性，在语音分析中具有重要的实用价值。被成为可视语言。
语谱图的时间分辨率和频率分辨率是由窗函数的特性决定的。时间分辨率高，可以看出时间波形的每个周期及共振峰随时间的变化，但频率分辨率低，不足以分辨由于激励所形成的细微结构，称为宽带语谱图；而窄带语谱图正好与之相反。
宽带语谱图可以获得较高的时间分辨率，反映频谱的快速时变过程；窄带语谱图可以获得较高的频率分辨率，反映频谱的精细结构。两者相结合，可以提供带两与语音特性相关的信息。语谱图上因其不同的灰度，形成不同的纹路，称之为“声纹”。声纹因人而异，因此可以在司法、安全等场合得到应用。
3、复倒谱和倒谱
在时域上，语音产生模型实际上是一个激励信号与声道冲激响应的卷积。对于浊音，激励信号可以由周期脉冲序列表示；对于清音，激励信号可以由随机噪声序列表示。声道系统相当于参数缓慢变化的零极点线性滤波器。这样经过同态处理后，语音信号的复倒谱，激励信号的复倒谱，声道系统的复倒谱之间满足下面的关系：
由于倒谱对应于复倒谱的偶部，因此倒谱与复倒谱具有同样的特点，很容易知道语音信号的倒谱，激励信号的倒谱以及声道系统的倒谱之间满足下面关系：
浊音信号的倒谱中存在着峰值，它的出现位置等于该语音段的基音周期，而清音的倒谱中则不存在峰值。利用这个特点我们可以进行清浊音的判断，并且可以估计浊音的基音周期。
4、基因周期估计
浊音信号的倒谱中存在峰值，它的出现位置等于该语音段的基音周期，而清音的倒谱中则不存在峰值。利用倒谱的这个特点，我们可以进行语音的清浊音判决，并且可以估计浊音的基音周期。首先计算语音的倒谱，然后在可能出现的基因周期附近寻找峰值。如果倒谱峰值超过了预先设置的门限，则输入语音判断为浊音，其峰值位置就是基因周期的估计值；反之，如果没有超出门限的峰值的话，则输入语音为清音。
5、共振峰估计
对倒谱进行滤波，取出低时间部分进行进行逆特征系统处理，可以得到一个平滑的对数谱函数，这个对数谱函数显示了输入语音段的共振峰结构，同时谱的峰值对应于共振峰频率。通过此对数谱进行峰值检测，就可以估计出前几个共振峰的频率和强度。对于浊音的声道特性，可以采用前三个共振峰来描述；清音不具备共振峰特点。
二、实验结果
1 短时谱
2 语谱图
3 倒谱和复倒谱
图 3、4 是加矩形窗和汉明窗的倒谱图和复倒谱图,图中横轴的单位是Hz，纵轴的单位是 dB。
4 基因周期和共振峰估计
四、参考程序
clear
a=wavread('beijing.wav'); subplot(2,1,1),
plot(a);
title('original signal'); grid
N=256;
h=hamming(N);
for m=1:N
b(m)=a(m)*h(m)
end
y=20*log(abs(fft(b))) subplot(2,1,2)
plot(y);title('?ìê±?×'); grid
00.51 1.52 2.53 3.5
4
x 10
4
-0.5
00.5
10
50
100
150
200
250
300
-150
-100-500
50短时谱
[x,fs,nbits]=wavread('beijing.wav') specgram(x,512,fs,100); xlabel('ê±??(s)'); ylabel('?μ?ê(Hz)'); title('ó??×í?');
00.51 1.52 2.53 3.5
4
x 10
4
-0.5
00.5
1时间(s)
频率(H z )
语谱图
0.5
1
1.5
2
2.53
3.5
4
4.5
1000
20003000
4000
clear
a=wavread('beijing.wav',[4000,4350]); N=300; h=linspace(1,1,N); for m=1:N b(m)=a(m)*h(m); end
c=cceps(b); c=fftshift(c); d=rceps(b); d=fftshift(d); subplot(2,1,1)
plot(d);title('?ó??D?′°ê±μ?μ1?×') subplot(2,1,2)
plot(c);title('?ó??D?′°ê±μ??′μ1?×')
050100150200250300
-6
-4-20
2050100150200250300
-6
-4-20
2加矩形窗时的复倒谱
clear
a=wavread('beijing.wav',[4000,4350]); N=300; h=hamming(N); for m=1:N b(m)=a(m)*h(m); end
c=cceps(b); c=fftshift(c); d=rceps(b); d=fftshift(d); subplot(2,1,1)
plot(d);title('?óoo?÷′°ê±μ?μ1?×') subplot(2,1,2)
plot(c);title('?óoo?÷′°ê±μ??′μ1?×')
050100150200250300
-6
-4-20
2050100150200250300
-10
-5
5
加汉明窗时的复倒谱
语音信号处理
实验报告
实验四基于 MATLAB 的 LPC 分析
所在院系：工学院
专业: 电子信息工程
班级：电信112
姓名：
学号：
指导教师：汤永清
2014年05月06日
实验四基于 MATLAB 的 LPC 分析
一、实验目的
线性预测分析是?有效的语音分析技术之一，在语音编码、语音合成、语音识别和说话人识别等语音处理领域中得到了广泛的应用。语音线性预测的基本思想是：一个语音信号的抽样值可以用过去若干个取样值的线性组合来逼近。通过使实际语音抽样值与线性预测抽样值的均方误差达到?小，可以确定唯一的一组线性预测系数。
采用线性预测分析不仅能够得到语音信号的预测波形，而且能够提供一个非常好的声道模型。如果将语音模型看作激励源通过一个线性时不变系统产生的输出，那么可以利用 LP 分析对声道参数进行估值，以少量低信息率的时变参数精确地描述语音波形及其频谱的性质。此外，LP 分析还能够对共振峰、功率谱等语音参数进行精确估计，LP 分析得到的参数可以作为语音识别的重要参数之一。
由于语音是一种短时平稳信号，因此只能利用一段语音来估计模型参数。此时有两种方案：一种是将长的语音序列加窗，然后对加窗语音进行 LP 分析，只要限定窗的长度就可以保证分析的短时性，这种方案称为自相关法；另一种方案不对语音加窗，而是在计算均方预测误差时限制其取和区间，这样可以导出 LP 分析的自协方差法。
本实验要求掌握 LPC 原理，会利用已学的知识，编写程序估计线性预测系数以及 LPC 的推演参数，并能利用所求的相关参数估计语音的端点、清浊音判断、基因周期、共振峰等。
二、实验原理
1 LP 分析基本原理
LP 分析为线性时不变因果稳定系统 V（z）建立一个全极点模型，并利用均方误差准则，对已知的语音信号 s(n)进行模型参数估计。
如果利用 P 个取样值来进行预测，则称为 P 阶线性预测。假设用过去 P 个取样值显然，误差越接近于零，线性预测的准确度在均方误差?小的意义上为?佳，由此可以计算出预测系数。
通过 LPC 分析，由若干帧语音可以得到若干组 LPC 参数，每组参数形成一个描绘该帧语音特征的矢量，即 LPC 特征矢量。由 LPC 特征矢量可以进一步得到很多种派生特征矢量，例如线性预测倒谱系数、线谱对特征、部分相关系数、对数面积比等等。不同的特征矢量具有不同的特点，它们在语音编码和识别领域有着不同的应用价值。
2 自相关法
值得注意的是，自相关法在计算预测误差时，数据段的两端都需要加 P 个零取样值，因而可造成谱估计失真。特别是在短数据段的情况下，这一现实更为严重。另外，当预测系数量化时，有可能造成实际系统的不稳定。
3 协方差法
可以看出，这里的数据段两端不需要添加零取样值。在理论上，协方差法计算出来的预测系数有可能造成预测误差滤波器的不稳定，但在实际上当每帧信号取样足够多时，其计算结果将与自相关法的结果很接近，因而稳定性一般是能够保证的 (当然这种方法也有量化效应可能引起不稳定的缺点)。
协方差解法的?大优点在于不存在自相关法中两端出现很大预测误差的情况，在 N 和 P 相差不大时，其参数估值比自相关法要精确的多。但是在语音信号处理时，往往取 N 在 200 左右。此时，自相关法具有较大误差的段落在整个语音段中所占的比例很小，参数估值也是比较
准确的。在这种情况下，协方差法误差较小的优点就不再突出，其缺乏高效递推算法的缺点成为了制约因素。所以，在语音信号处理中往往使用高效的自相关法。
4 全极点声道模型
将线性预测分析应用于语音信号处理，不仅是为了利用其预测功能，更因为它提供了一个
非常好的声道模型。
将式(2)所示的方程看成是滤波器在语音信号激励下的输入输出方程，则该滤波器称为
预测误差滤波器，其 e(n)是输出误差。变换到 z 域，P 阶预测误差滤波器的系统函数为
因为预测误差含有语音信号的基音信息，所以对于浊音，模型的激励信号源是以基音周
期重复的单位脉冲；对于清音，激励信号源 e(n)是自噪声。语音信号的全极点模型是
一种很重要的声道模型，是许多应用和研究的基础。
6 结合语音帧能量构成LPC组合参数
由于人能从声音的音色、频高等各种信息中感知说话人的个性，因此可以想象，利用特征的有效组合可以得到比较稳定的识别性能。一般来说，如果组合的各参量之间相关性不大，则会更有效一些，因为它们分别反映了语音信号中的不同特征。多年来，人们对组合参数在
说话人识别中的应用进行了大量研究。实验证明，组合参数可以提高系统的识别性能。
组合参数虽然可以提高系统的性能，但很显然，无论是在特征参数提取环节，还是在模型训练和模型匹配环节都使运算量有所增加。在特征参数提取环节，要计算一种以上的特征参数。在模型训练和模型匹配环节，由于组合参数特征矢量的维数较多，使运算复杂度有所增加。运算量的增加会使系统的识别速度受到影响。
语音帧能量是指一帧语音信号的能量，它等于该帧语音样值的平方和。选取与语音帧能
量构成组合参数主要有以下考虑：1）语音帧能量是语音信号?基本的短时参数之一，它表
帧能量是一个标量值，与其它参量构成组合参数不会使原特征矢量的维数明显增加，特征矢
征一帧语音信号能量的大小，是语音信号一个重要的时域特征；2）由一帧语音求出的语音
量的维数越少，则需要的运算复杂度越小，另外，获取语音帧能量的运算并不复杂；3）语
音帧能量与 LPC 参数之间的相关性不大，它们反映的是语音信号的不同特征，应该有较好
的效果。
7 模型增益G
三、实验结果(参考)
我们使用的原始语音为“北风”，采样频率为 11000Hz,运行程序见附录。
在这里我们取第 30 帧进行观察，线性预测阶数为 12，看到图 3.1 所示的原始语音帧的波形，预测语音帧波形和它们之间预测误差的波形。图 3.2 为原始语音帧和预测语音帧的短时谱和 LPC 谱的波形
这里我们可以改变线性误差的阶数来观察语音帧的短时谱和LP谱的变化情况，如图3.3。
图3.3 预测阶数对语音帧短时谱和LPC谱的影响
图 3.5 给出了原始语音的语谱图和预测语音的语谱图，通过比较发现，预测语音的预测效果还可以，基音频率相差无几。
三、附录（LPC分析参考程序）
MusicSource = wavread('beijing.wav');
Music_source = MusicSource';
N = 256;
Hamm = hamming(N);
frame = input('请键入想要处理的帧位置= ');
origin = Music_source(((frame - 1) * (N / 2) + 1):((frame - 1) * (N / 2) + N)); Frame = origin .* Hamm';
[s1,f1,t1] = specgram(MusicSource,N,N/2,N);
[Xs1,Ys1] = size(s1);
for i = 1:Xs1
FTframe1(i) = s1(i,frame);
end
N1 = input('请键入预测器阶数= ');
[coef,gain] = lpc(Frame,N1);
est_Frame = filter([0 -coef(2:end)],1,Frame);
FFT_est = fft(est_Frame);
err = Frame - est_Frame;
subplot(2,1,1),plot(1:N,Frame,1:N,est_Frame,'-r');grid;title('原始语音帧vs.预测后语音帧') subplot(2,1,2),plot(err);grid;title('误差');
pause
fLength(1 : 2 * N) = [origin,zeros(1,N)];
Xm = fft(fLength,2 * N);
X = Xm .* conj(Xm);
Y = fft(X , 2 * N);
Rk = Y(1 : N);
PART = sum(coef(2 : N1 + 1) .* Rk(1 : N1));
G = sqrt(sum(Frame.^2) - PART);
A = (FTframe1 - FFT_est(1 : length(f1'))) ./ FTframe1 ;
subplot(2,1,1),plot(f1',20*log(abs(FTframe1)),f1',(20*log(abs(1 ./ A))),'-r');grid;title('短时谱'); subplot(2,1,2),plot(f1',(20*log(abs(G ./ A))));grid;title('LPC谱');
pause
temp = FTframe1 - FFT_est(1 : length(f1'));
pitch1 = log(abs(temp));
pLength = length(pitch1);
result1 = ifft(pitch1,N);
pitch1((pLength - 32) : pLength) = 0;
result2 = ifft(pitch1,N);
pitch = fftshift(rceps(err));
origin_pitch = fftshift(rceps(Frame));
subplot(211),plot(origin_pitch);grid;title('原始语音帧倒谱(直接调用函数)'); subplot(212),plot(pitch);grid;title('预测误差倒谱(直接调用函数)'); pause
subplot(211),plot(1:length(result1),fftshift(real(result1))); grid;
title('预测(根据定义编写，没有去除高频分量)')
subplot(212),plot(1:length(result2),fftshift(real(result2))); grid;
title('预测误差倒谱(根据定义编写，去除高频分量)');
050100150200250300
0.010.020.03
0.04原始语音帧vs.预测后语音帧
050100150200250300
-0.01
-0.00500.005
0.01误差
010203040506070
-200
-100
100
短时谱
010203040506070
50
100
150
LPC 谱
050100150200250300
-4
-2
2
原始语音帧倒谱(直接调用函数)
050100150200250300
-4
-2
2
预测误差倒谱(直接调用函数)
050100150200250300
-2
-1
1
预测(根据定义编写，没有去除高频分量)
050100150200250300
-1.5
-1-0.50
0.5预测误差倒谱(根据定义编写，去除高频分量)
应用matlab对语音信号进行频谱分析及滤波.
数字信号处理 —综合实验报告 综合实验名称：应用MatLab对语音信号进行 频谱分析及滤波 系： 学生姓名： 班级： 学号： 成绩： 指导教师： 开课时间学年学期
目录 一．综合实验题目 (1) 二、综合实验目的和意义 (1) 2.1 综合实验目的 (1) 2.2 综合实验的意义 (1) 三．综合实验的主要内容和要求 (1) 3.2 综合实验的要求： (2) 四．实验的原理 (2) 4.1 数字滤波器的概念 (2) 4.2 数字滤波器的分类 (2) （1）根据单位冲激响应h(n)的时间特性分类 (2) 五．实验的步骤 (3) 下面对各步骤加以具体说明。 5.1语音信号的采集 (3) 5.2 语音信号的频谱分析; (3) 5.3 设计数字滤波器和画出其频率响应 (5) 5.3.1设计数字滤波器的性能指标： (5) 5.3.2 用Matlab设计数字滤波器 (6) 5.6 设计系统界面 (19) 六、心得体会 (20) 参考文献： (21)
一．综合实验题目 应用MatLab对语音信号进行频谱分析及滤波 二、综合实验目的和意义 2.1 综合实验目的 为了巩固所学的数字信号处理理论知识，使学生对信号的采集、处理、传输、显示和存储等有一个系统的掌握和理解，再者，加强学生对Matlab软件在信号分析和处理的运用 综合运用数字信号处理的理论知识进行频谱分析和滤波器设计，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，从而加深对所学知识的理解，建立概念。 2.2 综合实验的意义 语言是我们人类所特有的功能，它是传承和记载人类几千年文明史，没有语言就没有我们今天人类的文明。语音是语言最基本的表现形式，是相互传递信息最重要的手段，是人类最重要、最有效、最常用和最方便的交换信息的形式。 语音信号处理属于信息科学的一个重要分支，大规模集成技术的高度发展和计算机技术的飞速前进，推动了这一技术的发展；它是研究用数字信号处理技术对语音信号进行处理的一门新兴学科，同时又是综合性的多学科领域和涉及面很广的交叉学科，因此我们进行语言信号处理具有时代的意义。 三．综合实验的主要内容和要求 3.1综合实验的主要内容： 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；给定滤波器的性能指标，采用窗函数法和双线性变换设计滤波器，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，分析信号的变化；回放语音信号；综合实验应完成的工作： (1）语音信号的采集; (2）语音信号的频谱分析;
matlab频谱分析
设计出一套完整的系统，对信号进行频谱分析和滤波处理； 1．产生一个连续信号，包含低频，中频，高频分量，对其进行采样，进行频谱分析，分别设计三种高通，低通，带通滤波器对信号进行滤波处理，观察滤波后信号的频谱。 2.采集一段含有噪音的语音信号（可以录制含有噪音的信号，或者录制语音后再加进噪音信号），对其进行采样和频谱分析，根据分析结果设计出一合适的滤波器滤除噪音信号。 %写上标题 %设计低通滤波器： [N,Wc]=buttord() %估算得到Butterworth低通滤波器的最小阶数N和3dB截止频率Wc [a,b]=butter(N,Wc); %设计Butterworth低通滤波器 [h,f]=freqz(); %求数字低通滤波器的频率响应 figure(2); % 打开窗口2 subplot(221); %图形显示分割窗口 plot(f,abs(h)); %绘制Butterworth低通滤波器的幅频响应图 title(巴氏低通滤波器''); grid; %绘制带网格的图像 sf=filter(a,b,s); %叠加函数S经过低通滤波器以后的新函数 subplot(222); plot(t,sf); %绘制叠加函数S经过低通滤波器以后的时域图形 xlabel('时间(seconds)'); ylabel('时间按幅度'); SF=fft(sf,256); %对叠加函数S经过低通滤波器以后的新函数进行256点的基—2快速傅立叶变换 w= %新信号角频率 subplot(223); plot()); %绘制叠加函数S经过低通滤波器以后的频谱图 title('低通滤波后的频谱图'); %设计高通滤波器 [N,Wc]=buttord() %估算得到Butterworth高通滤波器的最小阶数N和3dB截止频率Wc [a,b]=butter(N,Wc,'high'); %设计Butterworth高通滤波器 [h,f]=freqz(); %求数字高通滤波器的频率响应 figure(3); subplot(221); plot()); %绘制Butterworth高通滤波器的幅频响应图 title('巴氏高通滤波器'); grid; %绘制带网格的图像 sf=filter(); %叠加函数S经过高通滤波器以后的新函数 subplot(222); plot(t,sf); ;%绘制叠加函数S经过高通滤波器以后的时域图形 xlabel('Time(seconds)'); ylabel('Time waveform'); w; %新信号角频率 subplot(223);
matlab考试题及答案
%1、编制一个解数论问题的函数文件：取任意整数，若是偶数，则用2除，否则乘3加1，重复此过程，直到整数变为1。 function f=NO_1(X); Y(1)=X;k=1; while (X~=1) k=k+1; if (mod(X,2)==0) X=X/2; else X=3*X+1; end Y(k)=X; end plot(Y,'b.') end % 2、编制程序产生一个数组，满足：a1=1，a2=1，从第三个元素开始，每个元素等于前两个元素的和，直到数组的前后两个元素的比值比小于1e-4，并且以红色点线的形式画出这个数组。 clear; A(1)=1; A(2)=1; i=3; Z=1; while (abs(Z)>=1e-4) A(i)=A(i-1)+A(i-2); Z=A(i-1)/A(i); i=i+1; end plot (A,'r.') % 3、编写一个函数，能够产生分段函数。function y=test_3_1(X) if (X<=2) y=*X; elseif (X>6) y=; else y=调用分段函数，绘制曲线。 clear; i=1; for j=0::2; x(i)=j;y(i)=test_3_1(j)*test_3_1(j+2); i=i+1; end plot(x,y) % 4、在2pi周期内画正弦函数曲线，并加注坐标轴标识和标题，然后在3pi/4，pi，5pi/4处分别加入带箭头的说明性文本，最后加注图例。 clear; t = 0:pi/50:2*pi; n = length(t); y = sin(t); plot(t,y,'-bo','linewidth',1) xlabel('X');ylabel('Y'); title('正弦函数曲线'); text,, ' \leftarrow 3pi/4','FontSize',18); text,, ' \leftarrow 3pi/4','FontSize',18); text,,' \leftarrow 3pi/4','FontSize',18); hleg1 = legend('sin(x)'); % 5、A为任意一个n*m矩阵，写程序来计算A 中有多少个零元素，并输出个数。 A=input('输入一个矩阵 A = ') n=length(find(A==0)) % 6、A为任意一个向量，写程序找出A中的最小元素，并且输出这个最小元素。 A=input('输入一个向量 A = '); x=length(A); i=1; y=A(i); while (i
用MATLAB进行FFT频谱分析
用MATLAB 进行FFT 频谱分析 假设一信号： ()()292.7/2cos 1.0996.2/2sin 1.06.0+++=t t R ππ 画出其频谱图。 分析： 首先，连续周期信号截断对频谱的影响。 DFT 变换频谱泄漏的根本原因是信号的截断。即时域加窗，对应为频域卷积，因此，窗函数的主瓣宽度等就会影响到频谱。 实验表明，连续周期信号截断时持续时间与信号周期呈整数倍关系时，利用DFT 变换可以得到精确的模拟信号频谱。举一个简单的例子： ()ππ2.0100cos +=t Y 其周期为0.02。截断时不同的持续时间影响如图一.1：（对应程序shiyan1ex1.m ） 图 错误！文档中没有指定样式的文字。.1 140.0160.0180.02 截断时，时间间期为周期整数倍，频谱图 0.0250.03 0100200300400500600 7008009001000 20 40 60 80 100 截断时，时间间期不为周期整数倍，频谱图
其次，采样频率的确定。 根据Shannon 采样定理，采样带限信号采样频率为截止频率的两倍以上，给定信号的采样频率应>1/7.92，取16。 再次，DFT 算法包括时域采样和频域采样两步，频域采样长度M 和时域采样长度N 的关系要符合M ≧N 时，从频谱X(k)才可完全重建原信号。 实验中信号R 经采样后的离散信号不是周期信号，但是它又是一个无限长的信号，因此处理时时域窗函数尽量取得宽一些已接近实际信号。 实验结果如图一.2：其中，0点位置的冲激项为直流分量0.6造成（对应程序为shiyan1.m ） 图 错误！文档中没有指定样式的文字。.2 ?ARMA （Auto Recursive Moving Average ）模型： 将平稳随机信号x(n)看作是零均值，方差为σu 2的白噪声u(n)经过线性非移变系统H(z)后的输出，模型的传递函数为 020406080100120140160180200 0.4 0.50.60.7 0.800.050.10.150.20.250.30.350.40.450.5 50100 150
周期矩形信号的频谱分析
1.周期信号的频谱 周期信号在满足一定条件时，可以分解为无数三角信号或指数之和。这就是周期信号的傅里叶级数展开。在三角形式傅里叶级数中，各谐波分量的形式为()1cos n n A n t ω?+；在指数形式傅里叶级数中，分量的形式必定为1j n t n F e ω 与1-j -n t n F e ω 成对出现。为了把周期信号所具有的各 次谐波分量以及各谐波分量的特征（如模、相角等）形象地表示出来，通常直接画出各次谐波的组成情况，因而它属于信号的频域描述。 以周期矩形脉冲信号为lifenxi 周期信号频谱的特点。周期矩形信号在一个周期（-T/2,T/2）内的时域表达式为 ,2 0,>2 ()A t T t f t ττ ≤?=?? （2-6） 其傅里叶复数系数为 12 n n A F Sa T ωττ?? = ??? （2-7） 由于傅里叶复系数为实数，因而各谐波分量的相位为零（n F 为正）或为π±（n F 为负），因此不需要分别画出幅度频谱n F 与相位频谱n φ。可以直接画出傅里叶系数n F 的分布图。 如图2.4.1所示。该图显示了周期性矩形脉冲信号()T f t 频谱的一些性质，实际上那个也是周期性信号频谱的普遍特性： ① 离散状频谱。即谱线只画出现在1ω的整数倍频率上，两条谱线的间隔为1ω（等于2π/t ）。 ② 谱线宽度的包络线按采样函数()1/2a S n ωτ的规律变化。如图2.4.2所示。但1ω 为 2π τ 时，即( )2m π ωτ =（m=1，2，……）时，包络线经过零点。在两相邻 零点之间，包络线有极值点，极值的大小分别为-0.212()2A T τ，
利用MATLAB进行时域分析
自动控制原理与系统课程实验报告 实验题目：利用MATLAB进行时域分析 班级：机电1131班姓名：刘润学号：38号 一、实验目的及内容 时域分析法是一种直接在时间域中对系统进行分析的方法，具有直观、准确的优点，并且可以提供系统时间响应的全部信息。在此实验中，主要介绍时域法进行系统分析，包括一阶系统、二阶系统以及高阶系统,以及系统的性能指标。通过实验，能够快速掌握、并利用MATLAB及控制系统箱对各种复杂控制系统进行时域分析。 二、实验设备 三、实验原理 典型的二阶系统在不同的阻尼比的情况下，它们的阶跃响应输出特性的差异是很大的。若阻尼比过小，则系统的振荡加剧，超调量大幅度增加；若阻尼比过大，则系统的响应过慢，又大大增加了调整时间，下面通过此实验课题分析输出响应变化规律： 已知二阶振荡环节的传递函数为：G（s）=ωn*ωn/（s*s+2*ζ*ωn*s+ωn*ωn）， 其中ωn=0.4，ζ从0变化到2，求此系统的单位阶跃响应曲线，并分析当ζ发生变化时，二阶系统的响应有什么样的变化规律。
四、实验步骤编出程序如下图： 五、实验结果画出图表如下图：
六、结果分析 （1）当ξ=0（无阻尼）（零阻尼）时： 无阻尼时的阶跃响应为等幅振荡曲线。如图ξ=0曲线。 （2）当0<ξ<1（欠阻尼）时： 对应不同的ξ，可画出一系列阻尼振荡曲线，且ξ越小，振荡的最大振幅愈大。如图ξ=0.4曲线。 (3)当ξ=1（临界阻尼）时： 临界阻尼时的阶跃响应为单调上升曲线。如图ξ=1曲线。 （4）当ξ>1（过阻尼）时： 过阻尼时的阶跃响应也为单调上升曲线。不过其上升的斜率较临界阻尼更慢。如图ξ=1.6曲线 七、教师评语
含噪声的语音信号分析与处理设计
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
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
Matlab频谱分析程序
Matlab频谱分析程序
Matlab 信号处理工具箱 谱估计专题 频谱分析 Spectral estimation （谱估计）的目标是基于一个有限的数据集合描述一个信号的功率（在频率上的）分布。功率谱估计在很多场合下都是有用的，包括对宽带噪声湮没下的信号的检测。 从数学上看，一个平稳随机过程n x 的power spectrum （功率谱）和correlation sequence （相关序列）通过discrete-time Fourier transform （离散时间傅立叶变换）构成联系。从normalized frequency （归一化角频率）角度看，有下式 ()()j m xx xx m S R m e ωω∞ -=-∞ = ∑ 注：()() 2 xx S X ωω=，其中 ()/2 /2 lim N j n n N N X x e N ωω=-=∑ πωπ -<≤。 其matlab 近似为X=fft(x,N)/sqrt(N)，在下文中()L X f 就是指matlab fft 函数的计算结果了 使用关系2/s f f ωπ=可以写成物理频率f 的函数，
其中s f 是采样频率 ()()2/s jfm f xx xx m S f R m e π∞ -=-∞ = ∑ 相关序列可以从功率谱用IDFT 变换求得： ()()()/2 2//2 2s s s f jfm f j m xx xx xx s f S e S f e R m d df f πωππ ωωπ- -= =?? 序列n x 在整个Nyquist 间隔上的平均功率可以 表示为 ()()() /2 /2 02s s f xx xx xx s f S S f R d df f ππ ωωπ- -= =?? 上式中的 ()()2xx xx S P ωωπ = 以及()()xx xx s S f P f f = 被定义为平稳随机信号n x 的power spectral density (PSD)（功率谱密度） 一个信号在频带[]1 2 1 2 ,,0ωωωω π ≤<≤上的平均功率 可以通过对PSD 在频带上积分求出 []()()2 1 121 2 ,xx xx P P d P d ωωωωωω ωωωω-- = +?? 从上式中可以看出()xx P ω是一个信号在一个无 穷小频带上的功率浓度，这也是为什么它叫做功率谱密度。
周期信号的时域及其频域分析
周期信号的时域及其频域分析 姓名：张敏靓学号：1007433014 一、实验目的 1.掌握Multisim软件的应用及用虚拟仪器对周期信号的频谱测量 2.掌握选频电平表的使用，对信号发生器输出信号（方波、矩形波、 三角波等）频谱的测量 二、实验原理 周期信号的傅里叶级数分析法，可以把周期信号表示为三角傅里叶级数或指数傅里叶级数，其中周期信号满足。 1. 周期信号表示为三角傅里叶级数 2. 周期信号表示为指数傅里叶级数 其中， 周期矩形信号的频谱
三、实验内容 1.在Multisim上实现周期信号的时域、频域测量及分析 （1）绘制测量电路 （2）周期信号时域、频域（幅度频谱）的仿真测量 虚拟信号发生器分别设置如下参数： 周期方波信号：周期T=100μs，脉冲宽度τ=50μs，脉冲幅度 V P=5V； 周期矩形信号：周期T=100μs，脉冲宽度τ=20μs，脉冲幅度 V P=5V； 周期三角波信号：周期T=200μs，脉冲幅度V P=5V； 采用虚拟示波器及虚拟频谱仪分别测量上述信号的时域、频域波形并保存测试波形及数据。
2.周期信号时域、频域（幅度频谱）的测量 信号发生器、示波器、选频电平表的连线如上图所示。信号发生器的输出信号分别为周期分别信号、周期矩形信号、周期三角波信号，参数设置同仿真测量。采用示波器及选频电平表对信号发生器的输出信号分别测量，并将测量数据记录下表中。
四、实验总结 1.在周期矩形信号的实验中，信号频率减小，频谱减小；信号占空 比减小，频谱减小；幅度值减小，频谱减小。 2.未安装Origin绘图软件，Excel绘图未能达到理想效果。
matlab课程设计题目
课题一： 连续时间信号和系统时域分析及MATLAB实现 课题要求： 深入研究连续时间信号和系统时域分析的理论知识。利用MATLAB强大的图形处理功能、符号运算功能以及数值计算功能，实现连续时间信号和系统时域分析的仿真波形。 课题内容： 一、用MATLAB实现常用连续时间信号的时域波形（通过改变参数，分析其时域特性）。 1、单位阶跃信号， 2、单位冲激信号， 3、正弦信号， 4、实指数信号， 5、虚指数信号， 6、复指数信号。 二、用MATLAB实现信号的时域运算 1、相加， 2、相乘， 3、数乘， 4、微分， 5、积分 三、用MATLAB实现信号的时域变换（参数变化，分析波形变化） 1、反转， 2、使移（超时，延时）， 3、展缩， 4、倒相， 5、综合变化 四、用MATLAB实现信号简单的时域分解 1、信号的交直流分解， 2、信号的奇偶分解 五、用MATLAB实现连续时间系统的卷积积分的仿真波形 给出几个典型例子，对每个例子，要求画出对应波形。 六、用MATLAB实现连续时间系统的冲激响应、阶跃响应的仿真波形。 给出几个典型例子，四种调用格式。 七、利用MATLAB实现连续时间系统对正弦信号、实指数信号的零状态响应的仿真波形。 给出几个典型例子，要求可以改变激励的参数，分析波形的变化。 课题二： 离散时间信号和系统时域分析及MATLAB实现。 课题要求： 深入研究离散时间信号和系统时域分析的理论知识。利用MATLAB强大的图
形处理功能、符号运算功能以及数值计算功能，实现离散时间信号和系统时域分析的仿真波形。 课题内容： 一、用MATLAB绘制常用信号的时域波形（通过改变参数分析其时域特性） 1、单位序列， 2、单位阶跃序列， 3、正弦序列， 4、离散时间实指数序列， 5、离散时间虚指数序列， 6、离散时间复指数序列。 二、用MATLAB实现信号的时域运算 1、相加， 2、相乘， 3、数乘。 三、用MATLAB实现信号的时域变换（参数变化，分析波形的变化） 1、反转， 2、时移（超时，延时）， 3、展缩， 4、倒相。 四、用MATLAB实现离散时间系统卷积和仿真波形 给出几个典型例子，对每个例子要求画出e(k)，h(k)，e(i)，h(i)，h(-i)，Rzs(k)波形。 五、用MATLAB实现离散时间系统的单位响应，阶跃响应的仿真波形 给出几个典型例子，四中调用格式。 六、用MATLAB实现离散时间系统对实指数序列信号的零状态响应的仿真波形 给出几个典型例子，要求可以改变激励的参数，分析波形的变化。 课题三： 连续时间信号傅里叶级数分析及MATLAB实现。 课题要求： 深入研究连续时间信号傅里叶级数分析的理论知识，利用MATLAB强大的图形处理功能，符号运算功能以及数值计算功能，实现连续时间周期信号频域分析的仿真波形。 课题内容： 一、用MATLAB实现周期信号的傅里叶级数分解与综合 以周期矩形波信号为例，绘出包含不同谐波次数的合成波形，观察合成波形与原矩形 波形之间的关系及吉布斯现象。
语音信号的频域分析
实验二：语音信号的频域分析 实验目的：以MATLAB 为工具，研究语音信号的频域特性，以及这些特性在《语音信号处理》中的应用情况。 实验要求：利用所给语音数据，分析语音的频谱、语谱图、基音频率、共振峰等频域参数。要求会求取这些参数，并举例说明这些参数在语音信号处理中的应用。 实验内容： 1、 语音信号的频谱分析 1.1加载“ma1_1”语音数据。基于DFT 变换，画出其中一帧数据（采样频率为8kHz ，帧长为37.5ms ，每帧有300个样点）的频域波形（对数幅度谱）。 load ma1_1; x = ma1_1 (4161:4460); plot (x) N = 1024; k = - N/2:N/2-1; X = fftshift (fft (x.*hann (length (x)),N)); plot (k,20*log10 (abs(X))), axis ([0 fix(N/2) -inf inf ]) 已知该帧信号的时域波形如图（a ）所示，相应的10阶LPC 谱如图（b ）所示。 问题1：这帧语音是清音还是浊音？基于DFT 求出的对数幅度谱和相应的LPC 谱相比，两者有什么联系和区别？ 问题2：根据这帧基于DFT 的对数幅度谱，如何估计出共振峰频率和基音周期？ 问题3：时域对语音信号进行加窗，反映在频域，其窗谱对基于DFT 的对数幅度谱有何影响？如何估计出窗谱的主瓣宽度？ 1.2对于浊音语音，可以利用其频谱)(ωX 具有丰富的谐波分量的特点，求出其谐波乘积谱： ∏ ==R r r X HPSx 1)()(ωω 式中，R 一般取为5。在谐波乘积谱中，基频分量变得很大，更易于估计基音周期。
信号的频域分析及MATLAB实现.doc
《M A T L A B电子信息应用》 课程设计 设计五 信号的频域分析及MATLAB实现 学院： 专业： 班级： 姓名： 学号：
信号的频域分析及MATLAB实现 一、设计目的 通过该设计，理解傅里叶变换的定义及含义，掌握对信号进行频域分析的方法。 二、课程设计环境 计算机 MATLAB软件 三、设计内容及主要使用函数 快速傅里叶变换的应用 1）滤波器频率响应 对特定频率的频点或该频点以外的频率进行有效滤除的电路，就是滤波器。其功能就是得到一个特定频率或消除一个特定频率，滤波器是一种对信号有处理作用的器件或电路。主要作用是：让有用信号尽可能无衰减的通过，对无用信号尽可能大的。 滤波器的类型：巴特沃斯响应（最平坦响应），贝赛尔响应，切贝雪夫响应。 滤波器冲激响应的傅里叶变换就是该滤波器的频率响应。
2)快速卷积 卷积定理指出，函数卷积的傅里叶变换是函数傅里叶变换的乘积。即一个域中的卷积相当于另一个域中的乘积，例如时域中的卷积就对应于频域中的乘积。其中表示f 的傅里叶变换。 这一定理对拉普拉斯变换、双边拉普拉斯变换等各种傅里叶变换的变体同样成立。在调和分析中还可以推广到在局部紧致的阿贝尔群上定义的傅里叶变换。 利用卷积定理可以简化卷积的运算量。对于长度为n 的序列，按照卷积的定义进行计算，需要做2n - 1组对位乘法，其计算复杂度为；而利用傅里叶变换将序列变换到频域上后，只需要一组对位乘法，利用傅里叶变换的快速算法之后，总的计算复杂度为。这一结果可以在快速乘法计算中得到应用。 1. 信号的离散傅里叶变换 有限长序列的离散傅里叶变换公式为： kn N j N n e n x k X )/2(10)()(π--=∑= ∑==1_0)/2()(1)(N n kn N j e k X N n x π MATLAB 函数：fft 功能是实现快速傅里叶变换，fft 函数的格式为： ),(x fft y =返回向量x 的不连续fourier 变换。 若)6 cos()(πn n x =是一个N=12的有限序列，利用MATLAB 计算
实验二连续时间信号的频域分析
实验二 连续时间信号的频域分析 一、实验目的 1、掌握连续时间周期信号的傅里叶级数的物理意义和分析方法； 2、观察截短傅里叶级数而产生的“Gibbs 现象”，了解其特点以及产生的原因； 3、掌握连续时间傅里叶变换的分析方法及其物理意义； 4、掌握各种典型的连续时间非周期信号的频谱特征以及傅里叶变换的主要性质； 5、学习掌握利用Matlab 语言编写计算CTFS 、CTFT 和DTFT 的仿真程序，并能利用这些程序对一些典型信号进行频谱分析，验证CTFT 、DTFT 的若干重要性质。 基本要求：掌握并深刻理傅里叶变换的物理意义，掌握信号的傅里叶变换的计算方法，掌握利用Matlab 编程完成相关的傅里叶变换的计算。 二、原理说明 1、连续时间周期信号的傅里叶级数CTFS 分析 任何一个周期为T 1的正弦周期信号，只要满足狄利克利条件，就可以展开成傅里叶级数。 三角傅里叶级数为： ∑∞ =++=1 000)]sin()cos([)(k k k t k b t k a a t x ωω 2.1 或： ∑∞=++=1 00)cos()(k k k t k c a t x ?ω 2.2 其中1 02T πω=，称为信号的基本频率（Fundamental frequency ），k k b a a ，和，0分别是信号)(t x 的直流分量、 余弦分量幅度和正弦分量幅度，k k c ?、为合并同频率项之后各正弦谐波分量的幅度和初相位，它们都是频率0ωk 的函数，绘制出它们与0ωk 之间的图像，称为信号的频谱图（简称“频谱”），k c －0ωk 图像为幅度谱，k ?－0ωk 图像为相位谱。 三角形式傅里叶级数表明，如果一个周期信号x(t)，满足狄里克利条件，就可以被看作是由很多不同频率的互为谐波关系（harmonically related ）的正弦信号所组成，其中每一个不同频率的正弦信号称为正弦谐波分量 (Sinusoid component)，其幅度（amplitude ）为k c 。也可以反过来理解三角傅里叶级数：用无限多个正弦谐波分量可以合成一个任意的非正弦周期信号。 指数形式的傅里叶级数为：
MATLAB习题参考答案
第1章 MATLAB简介 1、MA TLAB的主要特点有：①语言简洁，编程效率高。②人机界面友善，交互性好。③绘图功能强大，便于数据可视化。④学科众多、领域广泛的MATLAB工具箱。⑤源程序的开放性。 MATLAB的典型应用领域有：①自动控制②汽车③电子④仪器仪表⑤生物医学⑥信号处理⑦通信等。 2、填空题 ⑴命令窗口、命令历史窗口、当前目录窗口 ⑵查阅、保存、编辑 ⑶清除图形窗、清除命令窗口中显示内容、清除MATLAB工作空间中保存的变量。 3、如果想查看某一变量具体内容或者对其修改操作，可以在工作空间中双击该变量名称，可以打开数组编辑器，在数组编辑器中可以查看变量的具体内容，也可以对其修改。如果想删除MATLAB内存中的变量，可以在工作空间中选中该变量，然后利用工作空间窗口的菜单命令或工具条中的快捷图标进行删除。 4、1+2+3+4+5+... （+ 后面可以直接跟...，也可以在+和...中加一个空格。） 6+7+8+9 1+2+3+4+5 ... （5后面必须跟一个空格，不能直接跟...，否则报错，这在预置一个+6+7+8+9 大数组时很重要。） 第2章矩阵与数值数组 1、填空题： ⑴非数、无穷大、机器零阈值，浮点数相对精度,eps= 2.2204e-016。 ⑵全下标、单下标。 2、阅读程序题： （本题主要考察数组的寻访、赋值和简单运算，提示：带；的语句不显示结果） ⑴ans = 2 3 7 Sa = 10 20 30 A = 1 20 5 30 9 10 4 6 8 10 ⑵ A = 1 3 5 7 9 11 13 15
2 4 6 8 10 12 14 16 ans = 1 5 9 13 2 6 10 14 3 7 11 15 4 8 12 16 A = 0 0 5 7 0 0 13 15 2 4 0 0 10 12 0 0 ⑶ ans = -1 -4 6 4 ans = 3 0 5 -2 ans = 3 6 9 12 ans = 3 6 9 12 3、A=magic(4)； L=A<10 L = 0 1 1 0 1 0 0 1 1 1 1 0 1 0 0 1 4、省略。 第3章字符串、元胞和构架数组 1. 直接创建法：S1=['Where there is life,' 'there is hope. '] %注意第2行要加入6个空格使其与第一 行字符数相等，否则报错。 S2=str2mat('Where there is life,','there is hope.') S3=strvcat('Where there is life,','there is hope.') %后两种方法则不用考虑两行 字符的数目 2. 填空题：A（2，3）；A{2，3} 3. 阅读程序题： ⑴subch = ABc12
数字信号处理在语音信号分析中的应用
《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、课程设计的具体内容 (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，电话、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
连续时间信号的频域分析.
课程设计任务书 题目 专业、班级电信1班学号姓名 主要内容、基本要求、主要参考资料等： 基于钟表设计的常识，给出时、分、秒的设计思路，并利用硬件编程语言VHDL或者Verilog-HDL来实 现。要求具有基本功能如调整时间对表、闹铃、计时器等，给出完成控制电路所需要的设计模块；给出硬 件编程语言的实现，并进行仿真；给出下载电路的设计，设计为2种下载方法，其中一种必须为JTAG；同 时设计者报告不允许雷同。 参考资料： 1、潘松、黄继业《EDA技术及其应用》（第四版）科学出版社 2009 2、樊昌信《通信原理》电子出版社 完成期限： 指导教师签名： 课程负责人签名： 年月日
目录 摘要…………………………………………………………………………………II
ABSTRACT……………………………………………………………………………III 绪论…………………………………………………………………………………III 1傅里叶变换原理概述 (1) 1.1 傅里叶变换及逆变换的MATLAB实现 (2) 2 用MATLAB实现典型非周期信号的频域分析 (3) 2.1 单边指数信号时域波形图、频域图 (3) 2.2 偶双边指数信号时域波形图、频域图 (4) 2.3 奇双边指数信号时域波形图、频域图 (4) 2.4 直流信号时域波形图、频域图 (5) 2.5 符号函数信号时域波形图、频域图 (5) 2.6 单位阶跃信号时域波形图、频域图 (6) 2.7 单位冲激信号时域波形图、频域图 (6) 2.8 门函数信号时域波形图、频域图 (7) 3 用MATLAB实现信号的幅度调制 (8) 3.1 实例1 (8) 3.2 实例2 (10) 4 实现傅里叶变换性质的波形仿真 (11) 4.1 尺度变换特性 (11) 4.2 时移特性 (14) 4.3 频移特性 (16) 4.4 时域卷积定理 (18) 4.5 对称性质 (20) 4.6 微分特性 (22) 心得体会 (25) 参考文献 (26) 附录 (27)
周期信号的频谱分析
信号与系统 实验报告 实验三周期信号的频谱分析 实验报告评分：_______ 实验三周期信号的频谱分析 实验目的： 1、掌握连续时间周期信号的傅里叶级数的物理意义和分析方法； 2、观察截短傅里叶级数而产生的“Gibbs现象”，了解其特点以及产生的原因；
3、掌握各种典型的连续时间非周期信号的频谱特征。 实验内容： （1）Q3-1 编写程序Q3_1，绘制下面的信号的波形图： 其中，0 = 0.5π，要求将一个图形窗口分割成四个子图，分别绘制cos( 0t)、cos(3 0t)、cos(5 0t)和x(t) 的波形图，给图形加title，网格线和x坐标标签，并且程序能够接受从键盘输入的和式中的项数。 程序如下: clear,%Clear all variables close all,%Close all figure windows dt = 0.00001; %Specify the step of time variable t = -2:dt:4; %Specify the interval of time w0=0.5*pi; x1=cos(w0.*t); x2=cos(3*w0.*t); x3=cos(5*w0.*t); N=input('Type in the number of the harmonic components N='); x=0; for q=1:N; x=x+(sin(q*(pi/2)).*cos(q*w0*t))/q; end subplot(221) plot(t,x1)%Plot x1 axis([-2 4 -2 2]); grid on, title('signal cos(w0.*t)') subplot(222) plot(t,x2)%Plot x2 axis([-2 4 -2 2]); grid on, title('signal cos(3*w0.*t))') subplot(223) plot(t,x3)%Plot x3 axis([-2 4 -2 2])
matlab经典习题及解答
第1章 MATLAB概论 1.1与其他计算机语言相比较，MATLAB语言突出的特点是什么？ MATLAB具有功能强大、使用方便、输入简捷、库函数丰富、开放性强等特点。 1.2 MATLAB系统由那些部分组成？ MATLAB系统主要由开发环境、MATLAB数学函数库、MATLAB语言、图形功能和应用程序接口五个部分组成。 1.4 MATLAB操作桌面有几个窗口？如何使某个窗口脱离桌面成为独立窗口？又如何将脱离出去的窗口重新放置到桌面上？ 在MATLAB操作桌面上有五个窗口，在每个窗口的右上角有两个小按钮，一个是关闭窗口的Close按钮，一个是可以使窗口成为独立窗口的Undock按钮，点击Undock按钮就可以使该窗口脱离桌面成为独立窗口，在独立窗口的view菜单中选择Dock ……菜单项就可以将独立的窗口重新防止的桌面上。 1.5 如何启动M文件编辑/调试器？ 在操作桌面上选择“建立新文件”或“打开文件”操作时，M文件编辑/调试器将被启动。在命令窗口中键入edit命令时也可以启动M文件编辑/调试器。 1.6 存储在工作空间中的数组能编辑吗？如何操作？ 存储在工作空间的数组可以通过数组编辑器进行编辑：在工作空间浏览器中双击要编辑的数组名打开数组编辑器，再选中要修改的数据单元，输入修改内容即可。 1.7 命令历史窗口除了可以观察前面键入的命令外，还有什么用途？ 页脚内容1
命令历史窗口除了用于查询以前键入的命令外，还可以直接执行命令历史窗口中选定的内容、将选定的内容拷贝到剪贴板中、将选定内容直接拷贝到M文件中。 1.8 如何设置当前目录和搜索路径，在当前目录上的文件和在搜索路径上的文件有什么区别？ 当前目录可以在当前目录浏览器窗口左上方的输入栏中设置，搜索路径可以通过选择操作桌面的file 菜单中的Set Path菜单项来完成。在没有特别说明的情况下，只有当前目录和搜索路径上的函数和文件能够被MATLAB运行和调用，如果在当前目录上有与搜索路径上相同文件名的文件时则优先执行当前目录上的文件，如果没有特别说明，数据文件将存储在当前目录上。 1.9 在MATLAB中有几种获得帮助的途径？ 在MATLAB中有多种获得帮助的途径： （1）帮助浏览器：选择view菜单中的Help菜单项或选择Help菜单中的MATLAB Help菜单项可以打开帮助浏览器； （2）help命令：在命令窗口键入“help”命令可以列出帮助主题，键入“help 函数名”可以得到指定函数的在线帮助信息； （3）lookfor命令：在命令窗口键入“lookfor 关键词”可以搜索出一系列与给定关键词相关的命令和函数 （4）模糊查询：输入命令的前几个字母，然后按Tab键，就可以列出所有以这几个字母开始的命令和函数。 注意：lookfor和模糊查询查到的不是详细信息，通常还需要在确定了具体函数名称后用help命令显示详细信息。 第2章MATLAB矩阵运算基础 页脚内容2
Matlab对采样数据进行频谱分析
使用Matlab对采样数据进行频谱分析 1、采样数据导入Matlab 采样数据的导入至少有三种方法。 第一就是手动将数据整理成Matlab支持的格式，这种方法仅适用于数据量比较小的采样。 第二种方法是使用Matlab的可视化交互操作，具体操作步骤为：File --> Import Data，然后在弹出的对话框中找到保存采样数据的文件，根据提示一步一步即可将数据导入。这种方法适合于数据量较大，但又不是太大的数据。据本人经验，当数据大于15万对之后，读入速度就会显著变慢，出现假死而失败。 第三种方法，使用文件读入命令。数据文件读入命令有textread、fscanf、load 等，如果采样数据保存在txt文件中，则推荐使用 textread命令。如 [a,b]=textread('data.txt','%f%*f%f'); 这条命令将data.txt中保存的数据三个三个分组，将每组的第一个数据送给列向量a，第三个数送给列向量b，第二个数据丢弃。命令类似于C语言，详细可查看其帮助文件。文件读入命令录入采样数据可以处理任意大小的数据量，且录入速度相当快，一百多万的数据不到20秒即可录入。强烈推荐！ 2、对采样数据进行频谱分析 频谱分析自然要使用快速傅里叶变换FFT了，对应的命令即 fft ，简单使用方法为：Y=fft(b,N)，其中b即是采样数据，N为fft数据采样个数。一般不指定N，即简化为Y=fft(b)。Y即为FFT变换后得到的结果，与b的元素数相等，为复数。以频率为横坐标，Y数组每个元素的幅值为纵坐标，画图即得数据b的幅频特性；以频率为横坐标，Y数组每个元素的角度为纵坐标，画图即得数据b的相频特性。典型频谱分析M程序举例如下： clc fs=100; t=[0:1/fs:100]; N=length(t)-1;%减1使N为偶数 %频率分辨率F=1/t=fs/N p=1.3*sin(0.48*2*pi*t)+2.1*sin(0.52*2*pi*t)+1.1*sin(0.53*2*pi*t)... +0.5*sin(1.8*2*pi*t)+0.9*sin(2.2*2*pi*t); %上面模拟对信号进行采样，得到采样数据p，下面对p进行频谱分析 figure(1) plot(t,p); grid on title('信号 p(t)'); xlabel('t') ylabel('p')