【正文】 title(39。 subplot(2,2,3)。 subplot(2,2,2)。 %求濾波后的信號 subplot(2,2,1)。)。 %雙線性變換實現(xiàn) S 域到 Z 域的變換 [h,w]=freqz(num11,den11)。 fs=2*Fs*tan(wp/2)。 title(39。濾波后信號的頻譜 39。 subplot(2,2,1)。 [h,w]=freqz(b21,1)。 rs=50。頻率幅值 39。 plot(f,abs(y_zp(1:n/2)))。 title(39。)。 title(39。原始語音信號采樣后的時域波形 39。 附錄 7 [y,fs,bits]=wavread(39。加噪語音信號頻譜圖 39。)。 y_z=y+noise。)。 xlabel(39。)。 xlabel(39。時間軸 39。 y_zp=fft(y_z,L)。頻率 Hz39。) ylabel(39。 f=fs*(0:n/21)/n。IIR 高通濾波器 39。 %求模擬的低通濾波器階數(shù)和截止頻 [b13,a13]=cheby1(n13,1,wn13,39。 Fs=3500。IIR 低通濾波器 39。)。 Fp=1000。,Kaiser(n23+1,beta))。 p=110.^(rp/20)。)。 mag=[1 0]。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 30 Fs=1200。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 28 致謝 在此論文撰寫過程中，要特別感謝我的導(dǎo)師 老師 的指導(dǎo)與督促，同時感謝她的諒解與包容。 課題的特色在于它將語音信號看作一個向量，于是就把語音數(shù)字化了。 FIR 幅頻特性精度較之于 iir 低，但是線性相位，就是不同頻率分量的信號經(jīng)過 FIR 濾波器后他們的 時間差 不變。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 26 （ 1） IIR 數(shù)字濾波器的相位特性不好控制，對相位要求較高時，需加相位校準網(wǎng)絡(luò)。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 25 再通過濾波前的信號波形和頻譜圖的對比，可以明顯看出濾波后的波形開始變得清晰了，有點接近原始信號的波形圖了。 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 24 去噪及仿真 （ 1） FIR 濾波器法去噪 通過對上一節(jié) 中加噪語音信號和原始語音信號頻譜圖對比可以知道，噪音大部分是 Hz 大于 5000 的部分，故設(shè)計低通濾波器進行濾波處理。如果 n 不是個數(shù)量，將返回錯誤信息。程序中： n=length(y) 用于計算信號的長度和選取變換的點數(shù)。原始信號相位 39。原始 語音信號采樣后的頻譜圖 ‘ ) subplot(223)。 subplot(221)。它的 FFT 也是 N點序列，即 X(k)(k=0,1,2,…,N 1)，則第 k 點所對應(yīng)實際頻率值為 f=k*f /N. （ 3）作 FFT 分析時，幅值大小與 FFT 選擇點數(shù)有關(guān)，但不影響分析結(jié)果。若 x 為矩陣，按相同方法對 x 進行處理。 函數(shù)的一種調(diào)用格式為 y=fft(x) 其中， x 是序列， y 是序列的 FFT， x 可以為一向量或矩陣，若 x 為一向量， y是 x 的 FFT。所以這個課題的設(shè)計過程也是一次數(shù)字信號處理在 MATLAB 中應(yīng)用的學(xué)習(xí)過程。 原始語音信號頻譜分析及仿真 利用 MATLAB 中的 wavread 命令來讀入（采集）語音信號，將它賦值給某一向量。下面我們將給出 IIR 數(shù)字濾波器的主要程序。 我們知道，脈沖響應(yīng)不變法的主要缺點是會產(chǎn)生頻譜混疊現(xiàn)象，使數(shù)字濾波器的頻響偏離模擬濾波器的頻響特性。我們用到的是 cheeby1 函數(shù)，其調(diào)用格式如下： [B,A]=cheby1(N,Rp,wpo,’ ftypr’ ) [B,A]=cheby1(N,Rp,wpo,’ ftypr’ ,’ s’ ) 下面我們將給出設(shè)計 FIR 數(shù)字濾波器的主要程序和圖像。如下： （ 1）根據(jù)對阻帶衰減及過渡帶的指標要求，選擇串窗數(shù)類型（矩形窗、三角窗、漢寧窗、哈明窗、凱塞窗等），并估計窗口長度 N。也就是加一個窗函數(shù)。而另一方面， IIR 卻擁有 FIR 所不具有的缺點，那就是設(shè)計同樣參數(shù)的濾波器， FIR 比 IIR 需要更多的參數(shù)。 切貝雪夫響應(yīng) ， 在一些應(yīng)用當(dāng)中，最為重要的因素是濾波器截斷不必要信號的速度。若達 K常數(shù)及 m 常數(shù)濾波器組成級聯(lián)電路，可獲得尖銳的濾波作用及良好的頻率衰減。倘若一濾波器的構(gòu)成部分，較 K 常數(shù)型具有較尖銳的 截止頻率 （即對 范圍 選擇性強），而同時對此截止頻率以外的其他頻率只有較小的衰減率者，稱為 m 常數(shù)濾波器。 濾波器是由 電感器 和 電容器 構(gòu)成的網(wǎng)路，可使混合的交直流 電流 分開。量化過程中由于存在不同程度的量化誤差，由此會導(dǎo)致濾波器的頻率響應(yīng)出現(xiàn)偏差，嚴重時會使 IIR 濾波器的極點移到單位圓之外，系統(tǒng)因而失去穩(wěn)定性。遞歸濾波器，也就是 IIR數(shù)字濾波器，顧名思義，具有反饋，一般認為具有無限的脈沖響應(yīng)。 FIR 濾波器基本結(jié)構(gòu)： FIR 濾波器有以下幾種基本結(jié)構(gòu)： 橫截型 式的系統(tǒng)的差分方程表 達式為 y(n)=∑h(m)x(nm) ( 24） 很明顯，這就是線性移不變系統(tǒng)的卷積和公式，也是 x (n)的延時鏈的橫向結(jié)構(gòu)，稱為橫截型結(jié)構(gòu)或卷積型結(jié)構(gòu)，也可稱為直接型結(jié)構(gòu)。然后，通過分析經(jīng)典譜減法的原理及其一般改進形式，研究了一種基于噪聲殘差的譜相減改進算法和一種可以不以噪聲是零均值的高斯分布為前提的譜減法改進算法。顯然采樣率越高，計算機攝取的圖片越多，對于原始音頻的還原也越加精確 去噪的方法 數(shù)字信號處理技術(shù)經(jīng)過幾十年的發(fā)展，在國內(nèi)外已經(jīng)取得了很大的成績。采樣頻率越高，即采樣的間隔時間越短，則在單位時間內(nèi)計算機得到的聲音樣本數(shù)據(jù)就越多，對聲音波形的表示也越精確。 時域采樣定理是采樣誤差理論、隨機變量采樣理論和多變量采樣理論的基礎(chǔ) 。 6 通過仿真后的圖像以及對語音信號的回放，對比兩種去噪方式的優(yōu)缺點。本論文針對以上問題，運用數(shù)字信號學(xué)基本原理實現(xiàn)語音信號的處理，在 環(huán)境下綜合運 用信號提取，幅頻變換以及傅里葉變換、濾波等技術(shù)來進行語音信號處理。 語音信號處理 是一門用研究數(shù)字信號處理研究信號的科學(xué)。在設(shè)計過程中， 通過 設(shè)計 FIR 數(shù)字濾波器和 IIR 數(shù)字濾波器來完成濾波處理。而MATLAB 軟件工具箱提供了對各種數(shù)字濾波器的設(shè)計。那么 什么是語音？語音 是 人類 特有的功能，也是人類 獲取外界信息的重要工具，也是人與人交流必不可少的重要手段。隨著信息科學(xué)技術(shù)的飛速發(fā)展，語音信號處理取得了重大的進展：進入 70年代之后，提出了用于語音信號的信息壓縮和特征提取的線性預(yù)測技術(shù)（ LPC），并已成為語音信號處理最強有力的工具，廣泛應(yīng)用于語音 信號的分析、合成及各個應(yīng)用領(lǐng)域，以及用于輸入語音與參考樣本之間， 時間匹配的動態(tài)規(guī)劃方法； 80年代初一種 新的基于聚類分析的高效數(shù)據(jù)壓縮技術(shù) — 矢量量化（ VQ）成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 2 應(yīng)用于語音信號處理中；而用隱馬爾可夫模型（ HMM）描述語音信號過程的產(chǎn)生是 80 年代語音信號處理技術(shù)的重大發(fā)展，目前 HMM 已構(gòu)成了現(xiàn)代語音識別研究的重要基石。 3. 繪制頻譜圖并回放原始語音信號。 這是時域采樣定理的一種表述方式。 采樣頻率只能用于周期性采樣的采樣器，對于非周期性采樣的采樣器沒有規(guī)則限制。每增加一個采樣位數(shù)相當(dāng)于力度范圍增加了 6dB。譜相減語音增強算法的核心是噪聲檢測和譜減規(guī)則。 FPGA有著規(guī)整的內(nèi)部邏輯陣列和豐富的連線資源，特別適合于數(shù)字信號處理任務(wù)，相對于串行運算為主導(dǎo)的通用 DSP 芯片來說，其并行性和可擴展性更好，利用 FPGA乘累加的快速算法，可以設(shè)計出高速的 FIR 數(shù)字濾波器。 這種結(jié)構(gòu)的每一節(jié)控制一對零點，因而再需要控制傳輸零點時，可以采用它。 首先計算整體傳遞函數(shù)的零極點； 選取具有最大幅度的極點以及距離它最近的零點，使用它們組成一個二階基本節(jié)的傳遞函數(shù)； 對于剩下的極點和零點采用與相類似的步驟，直至形成所有的二階基本節(jié)。在 MATLAB 下設(shè)計不同類型 IIR濾波器均有與之對應(yīng)的函數(shù)用于階數(shù)的選擇。在電源及聲頻電路中之濾波器，最通用者為 L 型及 π 型兩種。最合于實用的 m 值為 。 貝塞爾響應(yīng) ， 除了會改變依賴于頻率的輸入信號的 幅度 外，濾波器還會為其引入了一個 延遲 。有限說明其脈沖響應(yīng)是有限的。根據(jù)傅里葉變換我們可以知道，此函數(shù)在時域上是一個采樣函數(shù)。通常我們就是根據(jù)此阻帶衰減去選擇一個合適的窗函數(shù)。 （ 4）加窗得到設(shè)計結(jié)果。 （ 4）設(shè)計模擬低通濾波器。 （ 4）用雙線性變換法，模擬濾波器系統(tǒng)函數(shù)轉(zhuǎn)換成數(shù)字低通濾波器系統(tǒng)函數(shù)。 [N1 N2])。在數(shù)字信號 處理的課程學(xué)習(xí)過程中，我們過多的是理論學(xué)習(xí)，幾乎沒有進行實踐方面的運用。 FFT 的 MATLAB 實現(xiàn) ： 在 MATLAB 的信號處理工具箱中函數(shù) FFT 和 IFFT 用于快速傅立葉變換和逆變換。函數(shù)執(zhí)行 N點的 FFT。 用 MATLAB 工具箱函數(shù) fft 進行頻譜分析時需注意： （ 1）函數(shù) fft 返回值 y 的數(shù)據(jù)結(jié)構(gòu)對稱性 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 18 一般而言，對于 N點的 x(n)序列的 FFT 是 N 點的復(fù)數(shù)序列，其點 n=N/2+1對應(yīng) Nyquist 頻率，作頻譜分析時僅取序列 X(k)的前一半，即前 N/2 點即可。 X=fft(x,4096)。 subplot(222)。 subplot(224)。39。加噪后的時域波形和頻譜圖如下： （圖 4— 6） 成都理工大學(xué) 2020 屆本科畢業(yè)設(shè)計（論文） 22 圖 46 加噪語音信號時域波形和頻譜圖 如上所示，通過對加噪前和加噪后語音信號的圖像的對比和對語音信號回放的人耳感知可以知道，加入正弦波信號后頻譜圖和時域波形并沒有什么明顯的變化，而人耳聽到的聲音也幾乎沒有什么變化。 下面一段程序?qū)崿F(xiàn)了利用 randn 函數(shù)把一段隨機噪音信號加入原始語音信號的信號處理過程： 見附錄 6 語句 L=length(y) noise=*randn(L,2) y_z=y+noise。其中， h 是系統(tǒng)單位沖擊響應(yīng)向量； x 是輸入序列向量； y 是系統(tǒng)的輸出序列向量； M 是有用戶選擇的輸 入序列的分段長度，缺省時，默認的輸入向量的重長度 M=512。程序 見附錄 8 得到下面的圖形：如（圖 49） 圖 49 IIR 濾波前和濾波后波形及頻譜 結(jié)合去噪后的頻譜圖對比兩種方式濾 波的優(yōu)缺點 IIR 數(shù)字濾波器采用遞歸型結(jié)構(gòu)，即結(jié)構(gòu)上帶有反饋環(huán)路。 （ 5） IIR 單位響應(yīng)為無限脈沖序列 FIR 單位響應(yīng)為有限的 （ 6） FIR 幅頻特性精度較之于 iir 低，但是線性相位，就是不同頻率分量的信號經(jīng)過 FIR濾波器后他們的時間差不變。作為存儲于計算機中的語音信號，其本身就是離散化了的向量，我們只需 將這些離散的量提取出來，就可以對其進行處理了。其實，這正是干擾所造成的。在此，也對他們表示衷心感謝。 p=110.^(rp/20)。 %得到頻率響應(yīng) plot(w/pi,abs(h))。 ws=2*Fs/Ft。 [n23,wn23,beta,ftype]=kaiserord(fpts,mag,dev)。)。 fs=2*Fs*tan(wp/2)。 %雙 線性變換實現(xiàn) S 域到 Z 域的變換 [h,w]=freqz(num11,den11)。 grid。 [n13,wn13]=cheb1ord(wp,ws,1,50,39。 %利用雙線性變換實現(xiàn) S域到 Z域轉(zhuǎn) [h,w]=freqz(num13,den13)。39。)。原始語音信號采樣后的頻譜圖 39。 noise=1*sin(2*pi*3000*n)。加噪語音信號時域波形 39。 title(39。)。 title(39。 plot(f,abs(y_p(1:n/2)))。頻率幅值 39。 plot(y_z)。) subplot(2,1,2)。 ylabel(39。 figure(1) subplot(2,1,1)。幅值 A39。)。 f=fs*(0:n/21)/n。) ylabel(39。頻率 Hz39。 wp=2*Fp/Ft。 dev=[p s]。 x=fftfilt(b21,y_z)。 subplot(2,2,2)。