matlab音频降噪课程设计报告
MATLAB自适应滤波去噪
《MATLAB自适应滤波去噪》课程设计报告1.课程设计目的此次课程设计目的是为了让我们学会使用MATLAB进行计算机仿真，使用自适应滤波法设计一个语音去噪声电路。
培养我们的电路设计思路及其算法，明白理论与实践相结合的重要性，培养了我们的实际操作能力以及锻炼我们对实际问题的分析与解决的能力。
2.课程设计内容2.1 LMS自适应算法原理自适应过程一般采用典型LMS自适应算法，但当滤波器的输入信号为有色随机过程时，特别是当输入信号为高度相关时，这种算法收敛速度要下降许多，这主要是因为输入信号的自相关矩阵特征值的分散程度加剧将导致算法收敛性能的恶化和稳态误差的增大。
此时若采用变换域算法可以增加算法收敛速度。
变换域算法的基本思想是：先对输入信号进行一次正交变换以去除或衰减其相关性，然后将变换后的信号加到自适应滤波器以实现滤波处理，从而改善相关矩阵的条件数。
因为离散傅立叶变换DFT本身具有近似正交性，加之有FFT快速算法，故频域分块LMS FBLMS算法被广泛应用。
FBLMS算法本质上是以频域来实现时域分块LMS算法的，即将时域数据分组构成N个点的数据块，且在每块上滤波权系数保持不变。
其原理框图如图2所示。
FBLMS 算法在频域内可以用数字信号处理中的重叠保留法来实现，其计算量比时域法大为减少，也可以用重叠相加法来计算，但这种算法比重叠保留法需要较大的计算量。
块数据的任何重叠比例都是可行的，但以50％的重叠计算效率为最高。
对FBLMS算法和典型LMS算法的运算量做了比较，并从理论上讨论了两个算法中乘法部分的运算量。
本文从实际工程出发，详细分析了两个算法中乘法和加法的总运算量，其结果为：复杂度之比＝FBLMS实数乘加次数／LMS实数乘加次数＝（25Nlog2N＋2N－4）／[2N(2N－1)]采用ADSP的C语言来实现FBLMS算法的程序如下：for(i＝0;i＜＝30;i＋＋){for(j＝0;j＜＝n－1;j＋＋){in[j]＝input[i×N＋j;]rfft(in,tin,nf,wfft,wst,n);rfft(w,tw,wf,wfft,wst,n);cvecvmlt(inf,wf,inw,n);ifft(inw,t,O,wfft,wst,n);for(j＝0,j＜＝N－1;j＋＋){y[i×N＋j]＝O[N＋j]．re;e[i×N＋j]＝re fere[i×N＋j]－y[i×N＋j];temp[N＋j]＝e[i×N＋j;}rfft(temp,t,E,wfft,wst,n);for(j＝0;j＜＝n－1;j＋＋){inf_conj[j]＝conjf(inf[j]);}cvecvmlt(E,inf_conj,Ein,n);ifft(Ein,t,Ein,wfft,wst,n);for(j＝0;j＜＝N－1;j＋＋){OO[j]＝Ein[j]．re;w[j]＝w[j]＋2＊u＊OO[j];}}在EZ－KIT测试板中，笔者用汇编语言和C语言程序分别测试了典型LMS算法的运行速度，并与FBLMS算法的C语言运行速度进行了比较，表2所列是其比较结果，从表2可以看出滤波器阶数为64时，即使是用C语言编写的FBLMS算法也比用汇编编写的LMS算法速度快20％以上，如果滤波器的阶数更大，则速度会提高更多。
基于MATLAB语音信号处理去噪毕业设计(含源文件)
在Matlab平台上实现对语音信号的去噪研究和仿真摘要语音信号在数字信号处理中占有极其重要的地位，因此选择通过对语音信号的研究来巩固和掌握数字信号处理的基本能力十分具有代表性。
对数字信号处理离不开滤波器，因此滤波器的设计在信号处理中占有极其重要的地位。
而MATLAB软件工具箱提供了对各种数字滤波器的设计。
本论文“在MATLAB平台上实现对语音信号的去噪研究与仿真”综合运用了数字信号处理的各种基本知识，进而对不带噪语音信号进行谱分析以及带噪语音信号进行谱分析和滤波处理。
通过理论推导得出相应的结论，再通过利用MATLAB作为编程工具来进行计算机实现比价已验证推导出来的结论。
在设计过程中，通过设计FIR数字滤波器和IIR数字滤波器来完成滤波处理。
在设计过程中，运用了MATLAB对整个设计中的图形的绘制和一些数据的计算以及仿真。
关键字滤波器；MATLAB；仿真；滤波Speech signle denoising and simulation inMATLAB platformABSTRACTDigital signal processing can not be separated from the filter, the filter design occupies an extremely important role in signal processing. The MATLAB software toolbox provides a variety of digital filter design. The subject of the use of basic knowledge of digital signal processing, speech signal and the noisy speech signal specctral snalysis and filtering,By the theoretical derivation of the corresponding conclusions, then to the computer through the use of MATLAB as a programming tool To achieve parity to verify the conclusions derived. In the design process, using the windoow function design FIR digital filter,IIR digital filter using cut design than Chebyshev, Butterworth and bilinear variation method. In the design process,the use of computer and simulation of MATLAB the entire design, graphics rendering,and some date.Key words filter；MATLAB；simulation；filtering目录摘要 (I)ABSTRACT (II)第1章前言 (1)1.1 研究的意义 (1)1.2 国内外研究现状 (1)1.3 研究的内容 (2)第2章语音信号去噪方法的研究 (4)2.2 去噪的原理 (4)2.2.1 采样定理 (4)2.2.2 采样频率 (5)2.2 去噪的方法 (5)FIR滤波器基本结构： (7)IIR数字滤波器的设计 (8)第3章滤波器的设计及实现 (10)3.1数字滤波器设计的基本原理 (10)3.3 IIR数字滤波器的设计及实现 (13)第四章去噪及仿真的研究 (16)4.1 语音文件在MATLAB平台上的录入与打开 (16)4.2 原始语音信号频谱分析及仿真 (16)4.3 加噪语音信号频谱分析及仿真 (20)(1)正弦波信号加入原始语音信号 (20)4.4 去噪及仿真 (23)4.5 结合去噪后的频谱图对比两种方式滤波的优缺点 (25)总结 (26)致谢 ................................................................................................................... 错误!未定义书签。
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。
用matlab去除噪声报告
实验七含噪语音信号的分析一、实验目的1理解并掌握系统的理念2掌握滤波的概念和基本应用方法3提高分析和解决实际问题的能力二、习题：自行录制一段音频信号，并加入不同频率的噪声，对于加入噪声后的音频信号，设计程序分析噪声的频率，并设计合适的滤波器将噪声滤除。
对比原始音频信号、含噪音频信号和滤波后音频信号的听觉效果。
clc;clear all;%读取原语音信号[x,fs,nbit]=wavread('signal.wav');%x为数据点，fs为采样频率wavplay(x,fs);%播放语音信号N=length(x);%求出语音信号的长度t=(0:N-1)/fs;w=fs*linspace(0,1,N);y=abs(fft(x,N));%y为原始信号的频谱figure(1)subplot(2,1,1)plot(x);title('原始语音信号')subplot(2,1,2)plot(w,abs(y));title('语音fft频谱图')%加入噪声t=linspace(0,(N-1)/fs,N);noise=0.5*sin(2*pi*10000*t)+2*cos(2*pi*25000*t);%噪声函数x1(:,1)=x(:,1)+noise';wavplay(x1,fs);%播放加入噪声后的语音信号figure(2)y1=abs(fft(x1,N));subplot(211);plot(t,x1);title('加入噪声后语音信号时域图');subplot(212);plot(w,y1);axis([0,fs,0,20000]);title('加入噪声后语音信号频谱图')%设计低通滤波器fc=9200;fst=9600;rp=1;rs=30;wp=fc*2/fs;%将模拟指标转换为数字指标ws=fst*2/fs;[n,wn]=buttord(wp,ws,rp,rs);%滤波器的最小阶数n，wn为系统频带[b,a]=butter(n,wn,'low');figure(3);freqz(b,a);title('低通滤波器特性曲线');x2=filter(b,a,x1);%滤波后的时域figure(4)y2=abs(fft(x2,N));%滤波后的频谱subplot(211)plot(t,x2)title('滤波后语音信号时域图')subplot(212)plot(w,y2);title('滤波后语音信号频谱图')wavplay(x2,fs);123456x 105-1-0.500.51原始语音信号00.51 1.52 2.53 3.54 4.5x 104500010000语音fft 频谱图024681012-4-2024加入噪声后语音信号时域图00.51 1.52 2.53 3.54x 1040.511.524加入噪声后语音信号频谱图00.10.20.30.40.50.60.70.80.91-6000-4000-2000Normalized Frequency (⨯π rad/sample)P h a s e (d e g r e e s )0.10.20.30.40.50.60.70.80.91-600-400-2000200Normalized Frequency (⨯π rad/sample)M a g n i t u d e (d B )低通滤波器特性曲线24681012-2-1012滤波后语音信号时域图00.51 1.52 2.53 3.54 4.5x 104500010000滤波后语音信号频谱图三、分析讨论信号失真产生的原因信号失真的原因主要取决于经过滤波器滤波，信号频谱中高频分量或低频分量被大大衰减。
基于MATLAB的有噪声的语音信号处理的课程设计
基于MATLAB的有噪声的语⾳信号处理的课程设计基于MATLAB的有噪声的语⾳信号处理的课程设计DSP实验课程设计实验报告姓名：学号：班级：1.课程设计题⽬：基于MATLAB的有噪声的语⾳信号处理的课程设计。
2.课程设计的⽬的：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的结论，再利⽤MATLAB做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。
3.课程设计的要求：(1)熟悉离散信号和系统的时域特性。
(2)掌握序列快速傅⾥叶变换FFT⽅法。
(3)学会MATLAB的使⽤，掌握MATLAB的程序设计⽅法。
(4)利⽤MATLAB对语⾳信号进⾏频谱分析。
(5)掌握MATLAB设计各种数字滤波器的⽅法和对信号进⾏滤波的⽅法。
4.课程设计的内容：录制⼀段语⾳信号，对语⾳信号进⾏频谱分析，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，设计FIR和IIR数字滤波器，并对噪声污染的语⾳信号进⾏滤波，分析滤波后的信号的时域和频域特征，回放语⾳信号。
5.课程设计的步骤：（1）语⾳信号的获取通过录⾳软件录制⼀段语⾳“数字信号处理”，命名为“OriSound”，时长⼤约1到2秒，在MATLAB 中，通过使⽤wavread函数，对语⾳进⾏采样:[y,fs,nbits]=wavread('OriSound'); %语⾳信号的采集采样值放在向量y中，采样频率为fs，采样位数为nbits。
（2）语⾳信号的频谱分析画出语⾳信号的时域波形，然后对语⾳信号进⾏频谱分析，在MATLAB中，通过使⽤fft函数对信号进⾏快速傅⾥叶变换，得到信号的频谱特性。
因此采集语⾳并绘出波形和频谱的模块程序如下：[y,fs,nbits]=wavread('OriSound');%语⾳信号的采集sound(y,fs,nbits);%语⾳信号的播放n=length(y) ; %计算语⾳信号的长度Y=fft(y,n);%快速傅⾥叶变换figure;subplot(2,1,1); %绘出时域波形plot(y);title('原始信号波形','fontweight','bold');axis([ 00000 80000 -1 1]); %通过尝试确定合适的坐标参数grid;subplot(2,1,2); %绘出频域频谱plot(abs(Y));title('原始信号频谱','fontweight','bold');axis([ 0 150000 0 4000]); %通过尝试确定合适的坐标参数grid;结果如下：可以看到，语⾳信号的频率集中在低频部分。
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。
数字信号处理课程设计报告--基于MATLAB的语音去噪处理
数字信号处理课程设计报告--基于MATLAB的语音去噪处理《数字信号处理》课程设计报告基于MATLAB的语音去噪处理专业: 通信工程班级: 通信1101班组次: 第7组姓名及学号: 胡政权(2011013825) 姓名及学号: 潘爽(2011013836)第1页组员承担任务负责程序的编写，并检验程序是否错误，利用课余时间去图书馆或上网查阅课题相关资料，深入理解课题含义及设计要求，注意材料收集胡政权与整理，对课程设计要求进行最后审核。
负责课程设计实验MATLAB仿真对实验结果进行分析，上网查阅材料对实验发表自己看法同时对实验要求进行扩展。
对论文进行抒写，排版潘爽使实验课程设计更加完善。
指导教师评价意见第2页基于MATLAB的语音去噪处理1、设计目的(1)巩固所学的数字信号处理理论知识，理解信号的采集、处理、加噪、去噪过程; (2)综合运用专业及基础知识，解决实际工程技术问题的能力; (3)学习资料的收集与整理，学会撰写课程设计报告。
2、设计任务(1)语音信号的录制。
(2)在MATLAB平台上读入语音信号。
(3)绘制频谱图并回放原始语音信号。
(4)利用MATLAB编程加入一段正弦波噪音，设计滤波器去噪。
(5)利用MATLAB 编程加入一段随机噪音信号，设计FIR和IIR滤波器去噪，并分别绘制频谱图、回放语音信号。
(6)通过仿真后的图像以及对语音信号的回放，对比两种去噪方式的优缺点。
其大概流程框图可如下表示:(图2-1)图2-1 课程设计的流程第3页3、设计原理3.1 去噪原理3.1.1 采样定理在进行模拟/数字信号的转换过程中，当采样频率fs.max大于信号中，最高频率fmax的2倍时，即:fs.max>=2fmax,则采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的5,10倍;采样定理又称奈奎斯特定理。
1924年奈奎斯特(Nyquist)就推导出在理想低通信道的最高大码元传输速率的公式: 理想低通信道的最高大码元传输速率=2W*log2 N (其中W是理想低通信道的带宽,N是电平强度)为什么把采样频率设为8kHz?在数字通信中，根据采样定理, 最小采样频率为语音信号最高频率的2倍频带为F的连续信号 f(t)可用一系列离散的采样值f(t1),f(t1?Δt)，f(t1?2Δt)，...来表示,只要这些采样点的时间间隔Δt?1/2F，便可根据各采样值完全恢复原来的信号f(t)。
matlab音频降噪课程设计
matlab音频降噪课程设计一、教学目标本课程旨在通过Matlab软件的实践操作，让学生掌握音频降噪的基本理论，学会使用Matlab进行音频信号的降噪处理。
通过本课程的学习，使学生能够了解音频降噪的重要性，提高音频信号处理的实际操作能力，培养解决实际问题的能力。
知识目标：使学生了解音频降噪的基本理论，理解降噪的原理和方法；掌握Matlab软件的基本操作，能够运用Matlab进行音频降噪的实际操作。
技能目标：培养学生使用Matlab进行音频降噪的能力，能够独立完成音频降噪的实验操作；通过实践，提高学生的编程能力和问题解决能力。
情感态度价值观目标：培养学生对音频信号处理的兴趣，增强学生对科学研究的热情；通过小组合作完成实验，培养学生的团队合作意识和交流沟通能力。
二、教学内容本课程的教学内容主要包括音频降噪的基本理论、Matlab软件的基本操作以及音频降噪的实验实践。
1.音频降噪的基本理论：介绍音频降噪的概念、意义和方法，使学生了解音频降噪的重要性。
2.Matlab软件的基本操作：讲解Matlab软件的基本命令和功能，使学生能够熟练使用Matlab进行音频信号处理。
3.音频降噪的实验实践：通过实验，使学生能够运用Matlab进行音频降噪的实际操作，掌握降噪的方法和技巧。
三、教学方法本课程采用讲授法、实验法和讨论法相结合的教学方法。
1.讲授法：通过讲解音频降噪的基本理论和Matlab软件的基本操作，使学生掌握相关知识。
2.实验法：通过音频降噪的实验实践，使学生能够将理论知识运用到实际操作中，提高操作技能。
3.讨论法：在课堂上学生进行小组讨论，分享实验心得和经验，培养学生的团队合作意识和交流沟通能力。
四、教学资源本课程的教学资源包括教材、多媒体资料和实验设备。
1.教材：选用《Matlab信号处理与应用》作为教材，系统讲解Matlab软件的基本操作和音频信号处理的方法。
2.多媒体资料：制作PPT课件，直观展示音频降噪的原理和方法，便于学生理解和掌握。
数字信号处理课程设计报告--基于MATLAB的语音去噪处理
数字信号处理课程设计报告--基于MATLAB的语音去噪处理《数字信号处理》课程设计报告基于MATLAB的语音去噪处理专业: 通信工程班级: 通信1101班组次: 第7组姓名及学号: 胡政权(2011013825) 姓名及学号: 潘爽(2011013836)第1页组员承担任务负责程序的编写，并检验程序是否错误，利用课余时间去图书馆或上网查阅课题相关资料，深入理解课题含义及设计要求，注意材料收集胡政权与整理，对课程设计要求进行最后审核。
负责课程设计实验MATLAB仿真对实验结果进行分析，上网查阅材料对实验发表自己看法同时对实验要求进行扩展。
对论文进行抒写，排版潘爽使实验课程设计更加完善。
指导教师评价意见第2页基于MATLAB的语音去噪处理1、设计目的(1)巩固所学的数字信号处理理论知识，理解信号的采集、处理、加噪、去噪过程; (2)综合运用专业及基础知识，解决实际工程技术问题的能力; (3)学习资料的收集与整理，学会撰写课程设计报告。
2、设计任务(1)语音信号的录制。
(2)在MATLAB平台上读入语音信号。
(3)绘制频谱图并回放原始语音信号。
(4)利用MATLAB编程加入一段正弦波噪音，设计滤波器去噪。
(5)利用MATLAB 编程加入一段随机噪音信号，设计FIR和IIR滤波器去噪，并分别绘制频谱图、回放语音信号。
(6)通过仿真后的图像以及对语音信号的回放，对比两种去噪方式的优缺点。
其大概流程框图可如下表示:(图2-1)图2-1 课程设计的流程第3页3、设计原理3.1 去噪原理3.1.1 采样定理在进行模拟/数字信号的转换过程中，当采样频率fs.max大于信号中，最高频率fmax的2倍时，即:fs.max>=2fmax,则采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的5,10倍;采样定理又称奈奎斯特定理。
1924年奈奎斯特(Nyquist)就推导出在理想低通信道的最高大码元传输速率的公式: 理想低通信道的最高大码元传输速率=2W*log2 N (其中W是理想低通信道的带宽,N是电平强度)为什么把采样频率设为8kHz?在数字通信中，根据采样定理, 最小采样频率为语音信号最高频率的2倍频带为F的连续信号 f(t)可用一系列离散的采样值f(t1),f(t1?Δt)，f(t1?2Δt)，...来表示,只要这些采样点的时间间隔Δt?1/2F，便可根据各采样值完全恢复原来的信号f(t)。
matlab声音去噪研究报告
个人资料整理仅限学习使用课程设计说明书课题名称：基于MATLAB的信号去噪研究姓名及学号：吴永21006021078周浩然21006021099胡军 21006021024专业班级：09电本1班成绩：指导教师：课题工作时间：2018年 11月20日—12月12日引言11. 小波去噪原理分析 (2)1.1 小波去噪原理 (2)1.2 小波去噪步骤 (3)2. 阈值的选取与量化32.1 软阈值和硬阈值 (3)2.2 阈值的几种形式 (4)2.3 阀值的选取 (5)3. 小波消噪的MATLAB实现53.1小波去噪函数集合 (5)3.2 小波去噪验证仿真 (6)4. 小波去噪的MATLAB 仿真对比实验8结语11参考文献11小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，I.Daubechies[1]的《小波十讲》对小波的普及起了重要的推动作用。
现在，它已经在科技信息产业领域取得了令人瞩目的成就。
小波分析的应用领域十分广泛[2][3][4]。
在数学方面，它已用于数值分析、构造快速数值方法、曲线曲面构造、微分方程求解、控制论等。
在信号分析方面的滤波、去噪声、压缩、传递等。
在图象处理方面的图象压缩、分类、识别与诊断，去污等。
在医学成像方面的减少B超、CT、核磁共振成像的时间，提高分辨率等。
在实际的计算机控制系统中，采样信号不可避免的受到各种噪声和干扰的污染，使得由辨识采样信号得到的系统模型存在偏差而妨碍了系统控制精度的提高。
通信信号去噪工作原理是利用噪声和信号在频域上分布的不同来进行的。
在传统的基于傅氏变换的信号去噪方法中，总是使得信号和噪声的频带重叠部分尽可能小，这样在频域通过时不变滤波，就将信号和噪声区分开。
但如果两者重叠区域很大时，就无法实现去噪的效果了。
Donoho和Johnstone[5]提出的小波收缩去噪算法对去除叠加性高斯白噪声非常有效。
由小波变换的特性可知，高斯噪声的小波变换仍然是高斯分布的，它均匀分布在频率尺度空间的各部分，而信号由于其带限性，它的小波系数仅仅集中在频率尺度空间上的有限部分。
- 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)。
燕山大学医学软件课程设计说明书题目：基于MATLAB巴特沃斯滤波器的音频去噪的GUI设计学院（系）：电气工程学院年级专业： 13级生物医学工程 2 班学号： 130103040041学生姓名：魏鑫指导教师：许全盛目录一、设计目的意义 (1)1.1绪论 (1)1.2设计目的 (1)1.3意义 (1)二、设计内容 (2)2.1 设计原理 (2)2.2 设计内容 (2)三、设计过程及结果分析 (3)3.1 设计步骤 (3)3.2 MATLAB程序及结果 (3)3.3 结果分析 (8)四、总结 (9)五、参考文献 (10)一、设计目的意义1.1 绪论语音是语言的声学表现，是人类交流信息最自然、最有效、最方便的手段。
随着社会文化的进步和科学技术的发展，人类开始进入了信息化时代，用现代手段研究语音处理技术，使人们能更加有效地产生、传输、存储、和获取语音信息，这对于促进社会的发展具有十分重要的意义，因此，语音信号处理正越来越受到人们的关注和广泛的研究。
1.2 设计目的(1)掌握数字信号处理的基本概念，基本理论和基本方法。
(2)熟悉离散信号和系统的时域特性。
(3)掌握序列快速傅里叶变换方法。
(4)学会MATLAB的使用，掌握MATLAB的程序设计方法。
(5)掌握利用MATLAB对语音信号进行频谱分析。
(6)掌握滤波器的网络结构。
(7)掌握MATLAB设计IIR、FIR数字滤波器的方法和对信号进行滤波的方法。
1.3 意义语音信号处理是一门比较实用的电子工程的专业课程，语音是人类获取信息的重要来源和利用信息的重要手段。
通过语言相互传递信息是人类最重要的基本功能之一。
语言是人类特有的功能，它是创造和记载几千年人类文明史的根本手段，没有语言就没有今天的人类文明。
语音是语言的声学表现，是相互传递信息的最重要的手段，是人类最重要、最有效、最常用和最方便的交换信息的形式。
语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科，它是一门新兴的学科，同时又是综合性的多学科领域和涉及面很广的交叉学科。
二、设计内容2.1 设计原理(1)截取视频片段声音作为语音信号(2)生成余弦噪声信号加到语音信号中，得到被污染的语音信号。
(3)设计巴特沃思滤波器（低通、带通、高通）对被污染的语音信号滤波，滤掉相应的噪音信号，得到符合要求的语音信号。
语音信号的频谱范围主要为700HZ左右，因此，在设计低通滤波器时，应把噪声频谱设定在5000HZ以上，这样，通过低通滤波器，即可滤除噪声信号从而还原语音信号。
2.2 设计内容设计IIR数字滤波器的基本思想设计IIR数字滤波器的方法主要有基于冲激响应不变法的IIR数字滤波器设计，基于双线性Z变换法的IIR数字滤波器设计，数字高通、带通及带阻IIR 滤波器设计，基于MATLAB函数直接设计IIR数字滤波器。
本实验中采用双线性变换法变换的巴特沃思数字滤波器2.2.1巴特沃思低通数字滤波器(1)选择准备好的声音片段作为语音信号（用如下语句调用[x,FS]=audioread('voice.wav')）。
(2)给信号加一个大频率的噪声（取噪声频率远大于语音信号的最大频率），产生污染信号。
(3)设计一个巴特沃思低通滤波器，通带范围包括语音信号，阻带频率设定为小于噪声信号频率。
(4)将设计好的巴特沃思低通滤波器滤除被噪声污染后的语音信号。
还原语音信号。
2.2.2巴特沃思高通数字滤波器(1) 选择准备好的声音片段作为语音信号（用如下语句调用[x,FS]=audioread('voice.wav')）。
(2)给信号加一个大频率的噪声（取噪声频率远大于语音信号的最大频率），产生污染信号。
(3)设计一个巴特沃思高通滤波器，通带范围包括语音信号，阻带频率设定为小于噪声信号频率。
(4)将设计好的巴特沃思低通滤波器滤除语音信号，保留噪声信号。
2.2.3巴特沃思带通数字滤波器(1) 选择准备好的声音片段作为语音信号（用如下语句调用[x,FS]=audioread('voice.wav')）。
(2)给信号加一个小频率或大频率的噪声（取噪声频率远小于语音信号的最小频率或大于语音信号的最大频率），产生污染信号。
本实验取小频率的噪声信号。
(3)设计一个巴特沃思带通滤波器，通带范围包括语音信号，阻带频率设定为不包括噪声信号频率。
(4)将设计好的巴特沃思带通滤波器滤除被噪声污染后的语音信号。
还原语音信号。
三、设计过程及结果分析3.1 设计步骤(1)语音信号的采集从视频截取一段语音片段。
然后在MATLAB软件平台下，利用函数audioread 对语音信号进行采样，记住采样频率和采样点数。
通过audioread函数的使用，要求理解采样频率、采样位数等概念。
audioread函数调用格式：x=audioread(file)，读取file所规定的wav文件，返回采样值放在向量y中。
[x,FS]=audioread(file)，采样值放在向量x中，FS表示采样频率（Hz）。
x=audioread(file,[N1,N2])，读取从N1点到N2点的采样值放在向量x 中。
(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对信号进行快速付立叶变换，得到信号的频谱特性；从而加深对频谱特性的理解。
(3)设计数字滤波器和画出频率响应根据语音信号的特点给出有关滤波器的性能指标，例如：1）低通滤波器性能指标，fp=3200 Hz，fc=3500 Hz， As=10dB，Ap=1dB；2）高通滤波器性能指标,fp=5400 Hz, fc=5700 Hz，As=10dB，Ap=1dB；3）带通滤波器性能指标，fp1=1200 Hz，fp2=2500 Hz，fc1=800 Hz，fc2=2900 Hz，As=10dB，Ap=1dB。
(4)回放语音信号在MATLAB中,函数sound可以对声音进行回放。
其调用格式：sound(x,FS);可以感觉滤波前后的声音有变化。
3.2 Matlab程序及结果3.2.1语音信号的采集与频谱分析将声音文件导入MATLAB软件中，绘出采样后的语音信号的时域波形和频谱图。
MATLAB程序如下：clc;[x,FS]=audioread(‘voice.wav’);x=x(:,1);N=length(x);n=0:N-1; t=n/FS;figure(1);subplot(211);plot(x);%sound(x,FS,bits);title('语音信号时域波形图')y=fft(x,N);f=(FS/N)*(1:N);subplot(212);plot(f(1:105000),abs(y(1:105000)));title('语音信号频谱图');运行程序得到语音信号时域和频谱图形如图一所示：图一原始信号时域和频谱图3.2.2 IIR数字滤波器的设计下面分别用巴特沃思数字滤波器（低通、带通、高通）对被噪声污染后的信号进行滤波。
3.2.2.1巴特沃思低通滤波器添加高频的噪声信号zs=0.05*cos(2*pi*6000*t)，MATLAB程序如下。
加噪信号的时域及幅频图如图二所示。
%噪声信号zs=0.05*cos(2*pi*6000*t);x1=x+zs’;subplot(2,1,1);plot(x1);grid on;y1=fft(x1,N);subplot(2,1,2);plot(f(1:105000),abs(y1(1:105000));grid;图二加噪信号时域和频谱图设计巴特沃思低通滤波器，MATLAB程序如下。
滤波器图如图三所示。
%低通滤波fp=3200;fs=3500;rp=1;rs=10;wp=2*pi*fp/FS;ws=2*pi*fs/FS;Fs1=1;wap=2*tan(wp/2);was=2*tan(ws/2);[N,wc]=buttord(wap,was,rp,rs,'s');[B,A]=butter(N,wc,'s');[Bz,Az]=bilinear(B,A,Fs1);figure(4);[h,w]=freqz(Bz,Az,512,Fs1*FS);plot(w,abs(h));title('巴特沃斯低通滤波器');xlabel('频率（HZ）');ylabel('耗损（dB）'); grid on;图三低通滤波器3.2.2.2 巴特沃斯高通滤波器滤波器图如图四所示。
%高通滤波fp=5400;fs=5700;rp=1;rs=10;wp=2*pi*fp/FS;ws=2*pi*fs/FS;T=1;Fs1=1;wap=2*tan(wp/2);was=2*tan(ws/2);[N,wc]=buttord(wap,was,rp,rs,'s');[B,A]=butter(N,wc,'high','s');[Bz,Az]=bilinear(B,A,Fs1);[h,w]=freqz(Bz,Az,512,Fs1*FS);plot(w,abs(h));title('巴特沃斯高通滤波器');xlabel('频率（HZ）');ylabel('耗损（dB）'); grid on;图四高通滤波器3.2.2.3 巴特沃斯带通滤波器滤波器图如图五所示。
%带通滤波fp=[1200,2500];fs=[800,2900];rp=1;rs=10;wp=2*pi*fp/FS;ws=2*pi*fs/FS;T=1;Fs1=1;wap=2*tan(wp/2);was=2*tan(ws/2);[N,wc]=buttord(wap,was,rp,rs,'s');[B,A]=butter(N,wc,'s');[Bz,Az]=bilinear(B,A,Fs1);[h,w]=freqz(Bz,Az,512,Fs1*FS);plot(w,abs(h));title('巴特沃斯带通滤波器');xlabel('频率（HZ）');ylabel('耗损（dB）');grid on;图五带通滤波器3.3 结果分析采用功率谱分析，利用Welch法。
功率谱图像如图六。
仅以低通为例。
程序如下：Nfft=2048;window=hanning(1024);noverlap=512;Pxx=pwelch(yd,window,noverlap,Nfft,FS,'onesided','ms'); f=(0:Nfft/2)*FS/Nfft;plot(f,10*log10(Pxx));title('Welch法');grid on;图六低通滤波后功率谱估计四、总结随着科学技术的迅猛发展，人类与计算机的信息交流量也越来越多。