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\voice.wav'); %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\voice.wav');
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=1.5*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\voice.wav');
x1=x1(:,1)
t=0:1/22050:(size(x1)-1)/22050; %设置并添加噪声信号
d=1.5*sin(40*pi*t);
d=d.';
x2=x1+d;
wp=0.25*pi;ws=0.3*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\voice.wav');%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=[1.5*sin(40*pi*t);]';
x2=x1+d; %加噪声
N=30;
b1=fir1(N,0.3,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
应用Matlab对图像信号进行频谱分析及滤波
应用Matlab对图像信号进行频谱分析及滤波选取一张彩色图片，建议把像素设置成200*200，提取图像的灰度值，并显示出灰度图像；在图像中增加正弦噪声信号(自己设置几个频率的正弦信号)，画出加入噪声信号后的灰度图像；给定滤波器的性能指标，采用窗函数法或者双线性变换设计数字低通滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对含噪声图像信号进行滤波，画出滤波后图像信号的灰度图像。
利用频谱分析对原始灰度图像、加入噪声信号的灰度图像、和滤波后的灰度图像进行频谱分析和对比，分析信号的变化。
x=imread('D:\1.jpg');x1=rgb2gray(x);[M,N]=size(x1);x2=im2double(x1);figure(1);subplot(1,3,1)imshow(x2);x3=zeros(1,M*N);for i=1:Mfor j=1:N;x3(M*(i-1)+j)= x2(i,j);endendL=M*N;fs=40000;dt=1/fs;n=0:L-1;x7=(sin(2*pi*15000*n*dt)/10+sin(2*pi*18000*n*dt)/6)x4=x3+x7;for i=1:Mfor j=1:N;x5(i,j) = x4(M*(i-1)+j);endendfigure(1)subplot(132);imshow(x5)wp=0.5*pi;ws=0.75*pi;rp=3;rs=50;[n,wn]=buttord(wp/pi,ws/pi,rp,rs,'s'); [Bz,Az]=butter(n,wp/pi);%[z,p,k]=buttap(n);%[Bap,Aap]=zp2tf(z,p,k);%[B,A]=lp2lp(Bap,Aap,wn);%[Bz,Az]=bilinear(B,A,F);[h,w]=freqz(Bz,Az,L,fs);figure(3)subplot(121);plot(w,abs(h));x6=zeros(1,L);for i=1:Mfor j=1:N;x6(M*(i-1)+j)= x5(i,j);endendx8=zeros(1,L);x8=filter(Bz,Az,x6);x3k=fft(x3,L)figure(2)subplot(131)plot(w*2,abs(x3k))x4k=fft(x4,L)figure(2)subplot(132)plot(w*2,abs(x4k))x7k=fft(x7,L)figure(3)subplot(122)plot(w*2,abs(x7k))x8k=fft(x8,L)figure(2)subplot(133)plot(w*2,abs(x8k))for i=1:Mfor j=1:N;x9(i,j) = x8(M*(i-1)+j);endendfigure(1)subplot(133);imshow(x9);。
实验三音频信号分析与处理 (3)
长春理工大学
国家级电工电子实验教学示范中心学生实验报告
——学年第学期
实验课程
实验地点
学院
专业
学号
姓名
从原音频的时域及频域图可以看出原信号的频谱分布主要在(0,7.5*10^3)Hz
引入噪声后其频谱中引入了频率约为12kHz的频率分量，是需要滤除的部分。
由设计的二阶有源低通滤波器的幅频响应曲线可知其对5khz以上的频率有较好的滤除作用。
由滤波以后的频谱可以看出其较好的滤除了噪声而保留了原信号。
滤波后的频谱的傅里叶变换得到的时域波形与原信号的时域波形几乎一致，说明滤波效果较好。
MATLAB综合实验项目
综合实验题目一基于MATLAB 的语音处理系统设计（一）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，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；最后，设计一个信号处理系统界面。
（二）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，记住采样频率和采样点数。
2．语音信号的频谱分析利用函数fft 对信号进行快速傅里叶变换，得到信号的频谱特性，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。
3．设计数字滤波器和画出其频率响应给出各滤波器的性能指标:(1) 低通滤波器性能指标f b= 1000Hz，f c=1200Hz，A s=100dB，A p= 1dB。
(2) 高通滤波器性能指标f c= 4800 Hz，f b=5000Hz，A s=100 dB，A p= 1dB。
(3) 带通滤波器性能指标f b1=1200 Hz，f b2=3000 Hz，f c1= 1000 Hz，f c2= 3200 Hz，A s=100dB，A p= 1dB。
要求采用脉冲响应不变法、窗函数法、双线性变换法和频率采样法设计上面要求的3种滤波器。
在Matlab中，可以利用函数fir1设计FIR滤波器，可以利用函数butte，cheby1和ellip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。
4．用滤波器对信号进行滤波要求用自己设计的各滤波器分别对采集的信号进行滤波，在Matlab中，FIR 滤波器利用函数fftfilt 对信号进行滤波。
5．比较滤波前后语音信号的波形及频谱要求在一个窗口同时画出滤波前后的波形及频谱。
基于Matlab的DFT及FFT频谱分析
基于Matlab的DFT及FFT频谱分析基于Matlab的DFT及FFT频谱分析一、引言频谱分析是信号处理中的重要任务之一，它可以揭示信号的频率特性和能量分布。
离散傅里叶变换（DFT）及快速傅里叶变换（FFT）是常用的频谱分析工具，广泛应用于许多领域。
本文将介绍通过Matlab进行DFT及FFT频谱分析的方法和步骤，并以实例详细说明。
二、DFT及FFT原理DFT是一种将时域信号转换为频域信号的离散变换方法。
它将信号分解成若干个正弦和余弦函数的叠加，得到频率和幅度信息。
FFT是一种高效的计算DFT的算法，它利用信号的对称性和周期性，将计算复杂度从O(N^2)降低到O(NlogN)。
FFT通过将信号分解成不同长度的子序列，递归地进行计算，最终得到频谱信息。
三、Matlab中的DFT及FFT函数在Matlab中，DFT及FFT可以通过内置函数进行计算。
其中，DFT使用函数fft，FFT使用函数fftshift。
fft函数可直接计算信号的频谱，fftshift函数对频谱进行频移操作，将低频移到频谱中心。
四、Matlab中DFT及FFT频谱分析步骤1. 读取信号数据首先，将待分析的信号数据读入到Matlab中。
可以使用内置函数load读取文本文件中的数据，或通过自定义函数生成模拟信号数据。
2. 时域分析通过plot函数将信号数据在时域进行绘制，以观察信号的波形。
可以设置合适的坐标轴范围和标签，使图像更加清晰。
3. 信号预处理针对不同的信号特点，可以进行预处理操作，例如去除直流分量、滤波等。
这些操作可提高信号的频谱分析效果。
4. 计算DFT/FFT使用fft函数计算信号数据的DFT/FFT，并得到频谱。
将信号数据作为输入参数，设置采样频率和点数，计算得到频谱数据。
5. 频域分析通过plot函数将频谱数据在频域进行绘制，观察信号的频率特性。
可以设置合适的坐标轴范围和标签，使图像更加清晰。
6. 结果解读根据频谱图像，分析信号的频率成分、幅度分布和峰值位置。
matlab快速傅里叶去噪声函数
近年来，傅里叶去噪声在信号处理中得到了广泛的应用。
随着计算机技术的不断发展，解决傅立叶去噪声的方法也越来越多。
其中，matlab作为一种强大的数学软件，其内置的快速傅立叶变换功能使得在matlab评台上进行噪声去除变得更加便捷和高效。
一、傅里叶变换简介1. 傅里叶变换是将一个信号从时间域转换到频率域的数学操作，通常用来分析信号的频谱分布。
2. 在傅里叶变换的理论基础上，可以对信号进行去噪处理，即通过频域滤波去除噪声成分。
二、matlab中的快速傅里叶变换1. matlab是一种用于数学计算、数据分析和可视化的强大软件，具有便捷的编程接口和丰富的数学函数库。
2. matlab中的fft函数可以快速计算信号的傅里叶变换，是进行频域处理的重要工具。
三、傅里叶去噪声函数的使用1. 在matlab中，可以通过调用fft函数计算信号的傅里叶变换，然后对频谱进行滤波处理。
2. 滤波处理的方法包括低通滤波、高通滤波和带通滤波，根据信号特点和噪声类型选择合适的滤波方法。
3. 在滤波处理之后，可以使用ifft函数对滤波后的频域信号进行逆变换，得到去噪后的时域信号。
四、快速傅里叶去噪声函数的优势1. 基于matlab评台进行傅立叶去噪声处理，具有计算速度快、效果好、可视化直观等优点。
2. matlab中内置的fft和ifft函数对信号进行频域处理，可以方便地实现傅立叶去噪声的算法。
3. matlab软件本身提供了丰富的工具和函数库，可以方便地进行信号处理和算法实现，适合工程技术人员和科研人员使用。
五、傅里叶去噪声函数的实际应用1. 在通信系统中，傅里叶去噪声函数可以对接收到的信号进行去噪处理，提高信号的质量和可靠性。
2. 在地震勘探中，傅里叶去噪声函数可以对地震波信号进行去噪处理，提取地下结构信息。
3. 在医学影像处理中，傅里叶去噪声函数可以对医学影像进行去噪处理，提高影像清晰度和诊断准确性。
六、结语matlab作为一种强大的数学软件，其内置的快速傅立叶变换功能为傅立叶去噪声提供了强大的工具支持。
matlab高斯噪声以及傅里叶变换
matlab高斯噪声以及傅里叶变换高斯噪声是一种常见的随机噪声类型，在信号处理中经常遇到。
它的特点是服从高斯分布，也称为正态分布。
高斯噪声可以用数学模型表示，称为高斯随机变量。
高斯噪声在很多实际应用中都存在，例如通信系统中的信号传输、图像和音频处理等。
在这些应用中，了解和处理高斯噪声非常重要。
傅里叶变换是一种常用的信号处理方法，可以将信号从时域转换到频域，对于处理高斯噪声也非常有用。
首先，我们来了解一下高斯噪声的数学定义和特性。
对于一个服从高斯分布的随机变量，其概率密度函数（PDF）可以用以下公式表示：f(x) = (1 / (σ * sqrt(2π))) * exp(-(x - μ)^2 / (2σ^2))其中，μ是均值，σ是标准差。
高斯噪声的均值通常为0，标准差决定了噪声的强度。
高斯噪声的频谱特性可以通过其自相关函数来描述。
自相关函数是随机过程的重要性质之一，表示信号与其自身在不同时间点上的相关性。
对于高斯噪声，其自相关函数是一个钟形曲线，其峰值处对应于噪声的均值。
傅里叶变换是一种将信号从时域转换到频域的方法。
通过傅里叶变换，我们可以将信号的频谱特性展示出来，从而更好地理解和处理信号。
对于高斯噪声，傅里叶变换可以帮助我们分析和滤波。
在Matlab中，我们可以使用fft函数进行快速傅里叶变换。
该函数接受一个离散时域信号作为输入，并输出相应的频域信号。
具体操作如下：x = randn(1, 1000); %生成1000个服从高斯分布的随机数y = fft(x); %对x进行快速傅里叶变换f = (0:length(y)-1)*(1/length(y)); %计算频率轴figure;plot(f, abs(y)); %绘制频谱图上述代码首先生成了一个包含1000个服从高斯分布的随机数的向量x。
然后，使用fft函数对x进行傅里叶变换，得到频域信号y。
最后，通过绘制f和abs(y)之间的关系，可以得到噪声的频谱图。
基于Matlab的信号分析与数字滤波器设计
基于Matlab的信号分析与数字滤波器设计作者：赵子曦来源：《电脑知识与技术》2021年第29期摘要：对于信号的时域分析只能获取部分信息，因此在频域作出信号频谱以辅助分析显得十分重要。
在进行频谱分析后，会发现信号包含复杂噪声，因此使用软件设计滤波器去噪。
在Matlab的基础上，本文首先采用经典的傅里叶变换对各类信号进行频谱分析，然后用窗函数法设计FIR数字滤波器。
在声音信号上的实验证明，本文设计的FIR数字滤波器可以有效压制噪声，提取良好声音信号。
关键词：信号频谱分析; Matlab;滤波器;信号去噪中图分类号：TP311 文献标识码：A文章编号：1009-3044（2021）29-0114-02进入21世纪以来，计算机技术飞速发展，大数据、物联网、人工智能（AI：Artificial Intelligence）成为学界、工业界的研究热点，随之对信号分析技术提出了更高的要求，也带来了新的机遇。
在摩尔定律的基础上，计算机有限的算力在复杂数据的处理上显得吃力，而现代数据处理又十分追求更高的效率、更快的速度和更准确的结果。
Matlab是工程领域应用广泛的一款成熟软件，它拥有强大的矩阵运算能力和科学数据处理能力，可以处理十分微小的电路信号，因此使用Matlab进行信号分析与处理、数字滤波器设计等对于电路分析、小信号分析、波形重整具有十分重要的意义。
1信号频域分析1.1离散傅里叶变换与窗函数实际上，计算机存储的所有数据都是离散的，它们需要运用时域和频域都是离散的离散傅里叶变换（Discrete Fourier Transform，DFT）进行处理。
TD（Time-Domain）连续信号经采样后，通过快速傅里叶变换成为FD（Frequency-Domain）采样。
通过数学表达式绘图，不难看出输入DFT进行变换的时域信号和变换后输出的频域信号均为有限长序列，即主值序列。
在实际应用中常采用快速傅里叶变换计算DFT：连续周期、连续非周期、离散周期、离散非周期信号的频谱与 DFT之间的关系：时域上的信号是非周期的，则频域上的信号是连续的;时域上的信号是周期的，则频域上的信号是离散的;反之亦然。
基于matlab的正弦信号叠加噪声信号的频谱分析(实验报告)
基于MATLAB的正弦信号叠加噪声信号的频谱分析——《随机信号分析基础》课题设计报告学院：弘深学院班级：电子信息实验班学号： 20136927姓名：文政指导老师：欧翔2015年4月3日基于MATLAB的正弦信号叠加噪声信号的频谱分析目录一、课题目的 (2)二、课题要求 (2)三、设计原理 (2)1.瑞丽分布 (2)2.工具软件使用 (3)四、实验过程 (4)1.产生瑞丽分布的声音信号 (4)2.绘制直方图、均值图和方差图 (4)3.绘制噪声信号的密度函数图 (5)4.绘制自相关函数图 (5)5.绘制幅频特性图、相频特性图和频谱图 (5)6.产生频率为10Hz的正弦信号，并绘制合成图像 (6)7.改变sigma大小，分析噪声方差对正弦函数的影响 (7)五、实验结果及分析 (7)六、结论 (13)附录 (14)(MATLAB 源程序代码) (14)一、课题目的1.熟悉MATLAB语言的基本语法；2.掌握MATLAB语言中求信号的期望、方差及自相关函数的方法；3.掌握信号和噪声产生及叠加的方法；4.掌握MATLAB语言中信号自相关函数图和频谱图的绘制方法二、课题要求1.产生一个符合瑞利分布的噪声信号并绘制出其直方图、均值图、方差图；2.绘制出所产生的噪声信号的概率密度函数图及自相关函数图；3.绘制出所产生的噪声信号的幅频特性、相频特性图以及频谱图；4.产生一个频率为10Hz的正弦信号并绘制出图形；5.将噪声信号叠加到所产生的正弦信号上并绘制出图形；6.分析改变方差时，噪声对正弦信号产生的影响，以图举例说明。
三、设计原理1.瑞丽分布瑞利分布是一种最常见的用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性的一种分布类型，它是在高斯正态分布的基础上，优化组合得到的。
设相互独立的随机变量ξ、η服从一维正态分布ξ~N(0,σ2), η~N(0,σ2);其密度函数为f(ξ)=−ξ22σ2;f(η)=2πσ−η22σ2;则其联合分布密度函数为f(ξ,η)=f(ξ)∙f(η)=12πσ2e−ξ2+η22σ2;其分布密度函数图像为：图1 二维联合正态分布概率密度图若将ξ−η平面坐标系转为r−θ极坐标系，则r=√ξ2+η2, tanθ=ξηr与θ相互独立，则有：f(r)=rσe−r22σ2∙u(r)即为随机变量r的瑞利分布概率密度函数，其图像为图2 瑞利分布概率密度函数图2.工具软件使用本文使用MATLAB（使用版本MATLAB R2014b）软件对服从瑞利分布的噪声进行相关的分析处理。
MATLAB语音信号采集与处理
MATLAB课程设计报告课题：语音信号采集与处理目录一、实践目的 (3)二、实践原理： (3)三、课题要求： (3)四、MATLAB仿真 (4)1、频谱分析： (4)2、调制与解调： (5)3、信号变化： (8)快放： (8)慢放： (8)倒放： (8)回声： (8)男女变声： (9)4、信号加噪 (10)5、用窗函数法设计FIR滤波器 (11)FIR低通滤波器： (12)FIR高通滤波器： (13)FIR带通滤波： (14)一、实践目的本次课程设计的课题为《基于MATLAB的语音信号采集与处理》，学会运用MATLAB的信号处理功能，采集语音信号，并对语音信号进行滤波及变换处理，观察其时域和频域特性，加深对信号处理理论的理解，并为今后熟练使用MATLAB进行系统的分析仿真和设计奠定基础。
此次实习课程主要是为了进一步熟悉对matlab软件的使用，以及学会利用matlab对声音信号这种实际问题进行处理，将理论应用于实际，加深对它的理解。
二、实践原理：利用MATLAB对语音信号进行分析和处理，采集语音信号后，利用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。
语音信号的“短时谱”对于非平稳信号, 它是非周期的, 频谱随时间连续变化, 因此由傅里叶变换得到的频谱无法获知其在各个时刻的频谱特性。
如果利用加窗的方法从语音流中取出其中一个短断, 再进行傅里叶变换, 就可以得到该语音的短时谱。
三、课题要求：○1利用windows 自带的录音机或者其它录音软件，录制几段语音信号（要有几种不同的声音，要有男声、女声）。
○2对录制的语音信号进行频谱分析，确定该段语音的主要频率范围，由此频率范围判断该段语音信号的特点（低沉or 尖锐）。
○3利用采样定理，对该段语音信号进行采样，观察不同采样频率（过采样、欠采样、临界采样）对信号的影响。
matlab巴特沃斯低通滤波函数
matlab巴特沃斯低通滤波函数巴特沃斯低通滤波是一种常用的数字滤波方法，用于滤除信号中高频成分，保留低频信号。
在MATLAB中，可以通过调用内置函数`butter`来实现巴特沃斯低通滤波。
本文将介绍这个函数的使用方法，并给出一个简单的示例。
## 巴特沃斯低通滤波概述巴特沃斯低通滤波器是一种无限脉冲响应（IIR）滤波器，它的频率响应曲线为-3dB截止频率。
在信号处理中，巴特沃斯低通滤波器可以用于去除信号中的高频噪声，使得信号更加平滑。
## MATLAB中的`butter`函数MATLAB提供了`butter`函数来设计巴特沃斯滤波器。
该函数的基本语法格式如下：```[b, a] = butter(n, Wn, 'type')```其中，`n`是滤波器阶数，`Wn`为归一化的截止频率，范围为[0, 1]，具体取值要根据实际需求设定。
参数`'type'`用来指定滤波器类型，可选的值有'low'、'high'、'bandpass'、'stop'。
`butter`函数将返回滤波器的分子系数`b`和分母系数`a`，用于滤波器的差分方程表达式。
## 示例假设我们有一个包含噪声的信号`x`，现在希望设计一个巴特沃斯低通滤波器来去除信号中的高频成分。
下面是具体的步骤：1. 生成一个包含噪声的信号`x`，作为示例输入信号。
```matlabFs = 1000; % 采样率t = 0:1/Fs:1; % 时间长度x = sin(2*pi*50*t) + sin(2*pi*120*t) + randn(size(t));```2. 设计巴特沃斯低通滤波器。
```matlabfc = 150; % 截止频率Wn = fc/(Fs/2); % 归一化的截止频率n = 6; % 滤波器阶数[b, a] = butter(n, Wn, 'low');```3. 使用设计好的巴特沃斯低通滤波器对信号进行滤波。