【正文】 音樂信號的幅度與相位特征對信號有哪些影響？ 答：音樂信號的相位發(fā)生改變會引起信號時域特性發(fā)生改變；音樂信號的幅度發(fā)生變化會影響信號的頻譜幅度。非常短促 (毫秒量級或更短 )的純音，只能聽到像打擊或彈指那樣的 “喀嚓 ”一響，感覺不出音調(diào)。語音信號對相位的非線性不很敏感。 wavplay(real(y11),fs)。 Fy3=abs(f2)。 y1=x1(:,1)。) ylabel(39。) 28 xlabel(39。) subplot(4,2,4),plot(W/pi,abs(H2)) title(39。) ylabel(39。) xlabel(39。) subplot(4,2,2),plot(w,abs(f1)*2/N0) title(39。 y3=filter(b2,a2,y1)。 Rc=1。 W=0:*pi:*pi。 N0=length(y)。 wp= 為通帶截止頻率， ws= 為其阻帶截止頻率，rp=1db 為其通帶最大衰減 ,， rs=30db 為阻帶最小衰減。) ylabel(39。) xlabel(39。 figure subplot(3,1,1),plot(w,abs(f1)*2/N0) title(39。) xlabel(39。 Ws=。Y4(w)39。t39。隨機白噪聲時域圖 39。w39。加噪后信號的時域 39。y239。w39。原信號時域圖 39。 n=0:(N01)。 Y = rand(n) 返回一個 n x n 的隨機矩陣。 比較采用矩形窗和布萊克曼窗的頻率特性圖可以看出：最小阻帶衰減只由窗形狀決定，而不受階數(shù) N 的影響；而過渡帶的寬度窗的形狀有關(guān)；同時，布萊克曼窗的過濾帶寬、旁瓣峰值和主瓣寬度均大于矩形窗的過濾帶寬、旁瓣峰值和主瓣寬度。) subplot(3,1,3),plot(W2,abs(f7)*2/M2) title(39。) ylabel(39。 M1=length(y4)+length(h1)1。布萊克曼窗幅度 39。 %幅度的分貝表示 figure 14 subplot(2,2,1)。%布萊克曼窗 h1=hd.*w139。w39。調(diào)制解調(diào)后的頻域圖39。Y1(w)39。%對調(diào)制解調(diào)后的信號做 fft變換 。w39。 Rs=20。%調(diào)制頻率為 *pi。)。 理論基礎(chǔ) : 有一條信號 f(t)恢復原始信號 g(t)的過程稱為解調(diào)。) %播放聲音 wavplay(y1,fs)%播放調(diào)制前的原信號； wavplay(y3,fs)%播放低調(diào)制后的信號； 10 wavplay(y5,fs)%播放高調(diào)制 后的信號 【程序運行結(jié)果如下圖】： 0 5 101 0 . 500 . 51原信號時域圖ty10 1 200 . 0 20 . 0 40 . 0 6原信號頻域圖wY1(w)0 5 101 0 . 500 . 51低調(diào)制后的時域圖ty30 1 200 . 0 10 . 0 20 . 0 3低調(diào)制后的頻域圖wY3(w)0 5 101 0 . 500 . 51高調(diào)制后的時域圖ty50 1 200 . 0 10 . 0 20 . 0 3高調(diào)制后的頻域圖wY5(w) 分析： 通過觀察原音樂信號的頻譜圖可知音樂信號的頻率上限是 ，但是為了方便以后的計算，在此將 后的信號舍去，即默認音樂信號的頻率上限是 。) ylabel(39。) xlabel(39。) subplot(2,3,2),plot(t,y3) title(39。) ylabel(39。 w=2*n/length(y)。 N=length(y)。具體的調(diào)制原理推導在此不再敘述，僅將結(jié)論列出： f(t)=g(t)*cos(w0*t)。 wavplay(yd2,fs/D2)。16倍減抽樣后的頻域圖 39。10倍減抽樣后的時域圖 39。2倍減抽樣后的頻域圖39。2倍減抽樣后的時域圖39。原信號頻域圖 39。原信號時域圖 39。 %t=nT yd1=y1(1:D1:N)。)。) 4 ylabel(39。) xlabel(39。) subplot(2,2,3),plot(w,abs(f1)*2/N) title(39。 %2pi在長度 N上的平均 是個序列 f1=fft(y1)。一生有你39。 二、課程設(shè)計基本要求 1 學會 MATLAB 的使用， 掌握 MATLAB 的基本編程語句。 三、課程設(shè)計內(nèi)容 音樂信號的音譜和頻譜觀察 使用 windows 下的錄音機錄制一段音樂信號或采用其它軟件截取一段音樂信號（要求：時間不超過 5s、文件格式為 wav 文件） ① 使用 wavread 語句讀取音樂信號，獲取抽樣率；（注意：讀取的信號是雙聲道信號，即為雙列向量，需要分列處理）； ② 輸出音樂信號的波形和頻譜，觀察現(xiàn)象； ③ 使用 sound 語句播放音樂信號，注意不同抽樣率下的音調(diào)變化，解釋現(xiàn)象。%長度 n=0:N1。t39。Y1(w)39。2聲道頻域圖 39。 【 Matlab 程序如下】： %原信號的頻率上限為 clear all。D2=16。%2pi在長度 N上的平均 figure subplot(2,3,1)。) 6 subplot(2,3,4)。) subplot(2,3,2)。) subplot(2,3,5)。) subplot(2,3,3)。) subplot(2,3,6)。) wavplay(yd1,fs)。 音樂信號的 AM調(diào)制 ① 觀察音樂信號頻率上限，選擇適當調(diào)制頻率對信號進行調(diào)制（給出高、低兩種調(diào)制頻率）； ② 輸出調(diào)制信號的波形和頻譜，觀察現(xiàn)象，給出理論解釋； ③ 播放調(diào)制音樂信號，注意不同調(diào)制頻率下的聲音，解釋現(xiàn)象。一生有你39。%對原信號做 fft變換； f3=fft(y3)。原信號時域圖 39。w39。y339。高調(diào)制后的時域圖 39。w39。 11 播放不同調(diào)制頻率下的音樂信號，可以發(fā)現(xiàn)當采用低頻調(diào)制時，音樂信號比原信號的聲音低了很多，但是沒有雜音；采用高頻調(diào)制時，音樂信號比原信號的聲音低了很多的同時還伴隨有雜音。 end end （將上述程序保存為 ，但不能運行。 t=n/fs。 %對調(diào)制頻率巴特沃斯 IIR濾波器的設(shè)計 Wp=。 plot(W/pi,abs(H)) title(39。 f3=fft(y3)。) xlabel(39。) ylabel(39。) subplot(4,1,4),plot(w,abs(f5)*2/N0) %解調(diào)濾波后的信號頻域圖； title(39。 hd=ideal(N,Wc1)。 db1=20*log10(abs(fh1(1)./(abs(fh1)+eps)))。矩形窗分貝 39。%作卷積 f6=fft(y6)。原信號頻域圖 39。w39。Y7(w)39。同時還可以聽到 IIR 濾波器濾波后的音樂信號沒有 FIR 濾波器濾波后的音樂信號效果好，這是因為 FIR濾波器是線性相位的，而 IIR 濾波器是非線性相位；矩形窗沒有布萊克曼窗的濾波效果好 。 y1=y(:,1)。 y3=y1+y239。) 20 subplot(3,2,2),plot(w,abs(f1)*2/N0) title(39。) xlabel(39。) ylabel(39。) subplot(3,2,6),plot(w,abs(f3)*2/N0) title(39。 f4=fft(y4)。) subplot(2,2,3),plot(t(1:1000),y5(1:1000)) title(39。) xlabel(39。) ylabel(39。 [H,W]=freqz(b,a)。 y7=filter(b,a,y5)。Y1(w)39。濾除白噪聲信號后的頻譜 39。 分析 2：下圖為隨機白噪聲信號的時域圖和頻譜圖以及加隨機白噪聲信號后的 音樂信號時域圖和頻譜圖。)。 Ws1=。 f2=fft(y2)。high39。t39。Y1(w)39。濾除高頻后的時域圖39。w39。H2(w)39。濾除低頻后的頻譜 39。 [x2,fs]=wavread(39。 f2=fft(y3)。 y22=ifft(F2)。 其中， FIR 濾波器的最大好處是穩(wěn)定、線性相位和廣泛的適用范圍，而它的最大 缺點是階數(shù)高，從而帶來時延大、存儲單元多等問題。 音調(diào)的高低還與發(fā)聲體的結(jié)構(gòu)有關(guān)，因為發(fā)聲體的結(jié)構(gòu)影響了聲音的頻率。而泛音的不同指的是頻譜的不同，所以音樂信號的音色與信號的頻譜或頻率特性有關(guān)。無論做什么樣的實驗，都需要有一定的理論知識作為基礎(chǔ)。 音樂信號的音色與信號的什么特征有關(guān)？ 答：音樂信號的音色是指對聲音音質(zhì)的感覺特性 ，也是一種聲音區(qū)別于另一種聲音的特征品質(zhì)。 音樂信號的音調(diào)與信號的什么特征有關(guān)？ 答： 音調(diào)主要由聲音的頻率決定。%聲音大致能聽到是第一個的聲音 但背影很嘈雜 %結(jié)論 相位角決定不同的聲音 可用來區(qū)分聲音 音調(diào)即聲音大小取決于幅度且成正相關(guān) 29 Matlab 的運行結(jié)果： 0 0 . 0 1 0 . 0 2 0 . 0 310