【正文】 ,因此不會發(fā)生采樣混疊現(xiàn)象。采樣頻率過低，采樣點間隔過遠，則離散信號不足以反映原有信號波形特征，無法使信號復(fù)原，造成信號混淆。量化電平按級數(shù)變化，實際的振動值是連續(xù)的物理量。 語音信號經(jīng)過預(yù)濾波和采樣后，由A/D變換器變換為二進制數(shù)字碼。語音信號分析的目的就在與方便有效的提取并表示語音信號所攜帶的信息。 語音信號的頻域分析 分析語音信號的頻域特征稱為語音信號的頻域分析。對于傅里葉變換，它把一些復(fù)雜的信號進行分解，分解為許多有一定相互關(guān)系的正弦信號的和。因為對于線性系統(tǒng)來說，可以很方便地確定其對正弦或復(fù)指數(shù)和的響應(yīng)，所以傅里葉分析方法能完善地解決許多信號分析和處理問題。語音信號我們則可以認為在短時間內(nèi)，近似不變，因而可以采用短時分析法，減少分析的困難。如果能從帶噪語音的短時譜中估計出“純凈”的語音短時譜，就可達到消除噪聲的目的。濾波所需的濾波器，可以利用MATLAB工具箱快速有效的設(shè)計。流程圖如圖21。巴特沃斯濾波器具有單調(diào)下降的幅頻特性。Buttord命令的格式是：[n,wn]=buttord(wp,ws,Rp,Rs)巴特沃斯低通濾波器系數(shù)的計算公式為：[b,a]=butter(n,Wn) 數(shù)字濾波器設(shè)計數(shù)字濾波器按照實現(xiàn)的網(wǎng)絡(luò)結(jié)構(gòu)或單位抽樣響應(yīng)進行分類,可以分成無限長單位沖激響應(yīng)( IIR)數(shù)字濾波器和有限長單位沖激響應(yīng)( FIR)數(shù)字濾波器。FIR濾波器與IIR濾波器相比，在保證幅頻滿足技術(shù)要求的同時，更容易做到嚴(yán)格的線性相位。本次設(shè)計中用到的巴特沃斯低通濾波器設(shè)計程序如下：Fs=50000。 %將模擬指標(biāo)轉(zhuǎn)換成數(shù)字指標(biāo)ws1=2/Ts*tan(ws/2)。[b,a]=lp2lp(Bap,Aap,Wn)。plot(W*Fs/(2*pi) Rs=15。頻率／Hz39。)。選取一段語音信號，然后在matlab軟件平臺下，利用wavread函數(shù)對語音信號進行采樣，記住采樣頻率和采樣點數(shù)。[y,fs,nbits]=wavread(file)采樣值放在向y中，表示采樣頻率（），nbits表示采樣位數(shù)。該函數(shù)是通過向量b描述的濾波器對x數(shù)據(jù)進行濾波。該函數(shù)是利用給出的向量b和a，對x中的數(shù)據(jù)進行濾波，結(jié)果放入向量y中。利用sound函數(shù), 可清晰地聽到一段音樂語音。應(yīng)當(dāng)注意加入的單頻噪聲的位置應(yīng)高于原始語音信號的頻率，噪聲頻率越高，濾波器設(shè)計的指標(biāo)就會越寬松，這樣可使噪聲容易被濾除。在MATLAB中，用巴特沃斯數(shù)字低通濾波器，其程序設(shè)計詳見附錄3：濾波前后語音信號的時域波形和頻譜圖對比如圖45和圖46：圖45 濾波前后時域波形比較圖圖46 濾波前后頻譜對比圖利用函數(shù)sound函數(shù)，進行語音回放，比較下濾波前后的語音效果，會發(fā)現(xiàn)濾除了絕大部分噪聲，但沒完全濾除，這是設(shè)計的濾波器不夠精細，殘留噪聲的緣故。因此傳統(tǒng)的譜減法除噪效果并不是十分理想。語音激活檢測指從一段包含語音信號中確定出語音的起始點和終點，又稱端點檢測。一般的語音激活檢測是根據(jù)語音幀來進行的，語音幀的長度在10～30ms不等。第二類方法是基于信號的短時能量進行檢測的算法，它通過對背景噪聲能量的統(tǒng)計，定出能量門限，利用能量門限來確定語音信號起始點。改進型語音降噪處理運用端點檢測技術(shù)，用MATLAB仿真，可明顯顯示出其優(yōu)越性。x=s+n。 %通帶內(nèi)衰減As=60。 %加重系數(shù)beta=。x_bap=x_conv([1,1:length(x_conv)/2])。%產(chǎn)生漢明窗hamham=hamming(N)。y_fft_angle=angle(y_fft)。endave=ave/20。for j=1:length(y_w) if y_w(j)T noise_w(j)=y_w(j)。 noise_w_mid(j)=array(2)。for j=3:(length(noise_w_mid)2) noise_w_line(j)=1/9*noise_w_mid(j2)+2/9*noise_w_mid(j1)+3/9*noise_w_mid(j)+2/9*noise_w_mid(j+1)+1/9*noise_w_mid(j+2)。 array=sort(array)。endnoise_delta_line=[noise_delta_line,0,0]。%利用相位譜y_fft_angle恢復(fù)減譜后的頻域信號y_fft_newfor j=1:N for k=1:floor(length(y)/(N/2))1 y_percent(j,k)=abs(y_fft(j,k))/y_w(k)。for j=1:N/2 y_new(h)=y_new_fram(j,1)。%對語音信號y_new做去加重,得到減譜完畢的語音信號x_newfor j=1:length(y_new)1 x_new(j)=y_new(j)+beta*y_new(j+1)。)。%產(chǎn)生帶通濾波器function [db,mag,pha,grd,w]=bandpass(Wp,Ws,Ap,As,Length)[N,wn]=buttord(Wp/pi,Ws/pi,Ap,As)。[H,w]=freqz(b,a,Length)。grd=grpdelay(b,a,w)。對信號進行濾波處理，需要設(shè)計濾波器。為使降噪處理結(jié)果更明顯，我在處理前對語音信號進行加噪處理，再對其進行濾波。尤其當(dāng)噪聲為非單一頻譜噪聲時，這種估計更加不精確，會嚴(yán)重影響濾波器設(shè)計時的參數(shù)設(shè)置，使降噪效果不佳。為我們的學(xué)習(xí)提供了方便。)。plot(y)。 %畫出原始語音信號的時域波形；xlabel(39。幅度39。title(39。Hz39。)。%單聲道x1=x39。sound(x2)。grid on。)。ylabel(39。plot(abs(y2(1:3000)))。加噪后的語音信號頻譜39。)。附錄3%用巴特沃斯數(shù)字低通濾波器fs=50000。t=0:1/50000:(size(x1)1)/50000。wp=*pi。Fs=50000。 [N,Wn]=buttord(wp1,ws1,Rp,Rs,39。 %創(chuàng)建butterworth模擬濾波器 [Bap,Aap]=zp2tf(Z,P,K)。figure(1)。濾波前的時域波形39。 %畫出濾波后的時域圖title(39。 %播放濾波后的信號F0=fft(f1,2048)。plot(f,abs(y2(1:512)))。xlabel(39。幅值39。 %畫出濾波后的頻譜圖title(39。Hz39。)。ylabel(39。)。subplot(2,1,2)。)。濾波前的頻譜39。figure(2)y2=fft(x2,2048)。)。subplot(2,1,2)。plot(t,x2)。 [bz,az]=bilinear(b,a,Fs)。)。wp1=2/Ts*tan(wp/2)。Rp=1。d=[Au*cos(2*pi*5000*t)]39。39。幅值39。xlabel(39。axis tight。)。time(s)39。title(39。figure(1)subplot(1,1,1)。%加噪%whos。C:\WINDOWS\Media\’)。ylabel(39。)。figure(2)subplot(111)。)。原始信號時域波形39。 %播放語音Y=fft(y,50000)。參考文獻[1] 胡航 .語音信號處理 [M]..[2] 張寶鋒. 基于DSP的語音識別算法研究與實現(xiàn) [J]..[3] 徐明遠 [M]..[4] 羅軍輝 羅勇江 [M]..[5] [J]..[6] [J]..[7] 李海忠 楊艷翔 [J]..[8] [M].西安電子科技大學(xué)出版社，2006．[9] [J]. .[10] 徐靖濤 [J]..[11] 馮巖 [J]..[12] (美) [M]. 1997.[13] Donoho D L. Denoising by Softthresholding [J]. IEE