【正文】 低通濾波后波形和頻譜的變化低通濾波后，聲音稍微有些發(fā)悶、低沉，原因是高頻分量被低通濾波器衰減。)。)。)。axis tight。title(39。y1=fft(x1,2048)。subplot(223)。,[1024 5120])。 %畫倒譜圖legend(39。 %確定頻率刻度subplot(3,1,2)。 傅里葉變換的部分程序如下：x=y(44101:55050,1)。Amplitude39。)。定義短時能量為：其中N為窗長，特殊地，當(dāng)采用矩形窗時，可簡化為： 自相關(guān)函數(shù)用于衡量信號自身時間波形的相似性。另外，傅立葉表示使信號的某些特性變得更明顯，因此，它能更深入地說明信號的各項紅物理現(xiàn)象。FIR數(shù)字濾波器的幅頻特性精度較之于IIR數(shù)字濾波器低，但是線性相位即不同頻率分量的信號經(jīng)過FIR數(shù)字濾波器后他們的時間差不變。顯然采樣率越高，計算機(jī)攝取的圖片越多，對于原始音頻的還原也越加精確。但信號獨(dú)立于系統(tǒng)時，F(xiàn)FT變換和IFFT變換可以被交替使用。濾波：濾除語音信號中的噪音部分，可采用低通濾波、高通濾波、帶通濾波和帯阻濾波，并比較各種濾波后的效果。 系統(tǒng)框架及實(shí)現(xiàn)1） 語音信號的采集 使用電腦的聲卡設(shè)備采集一段語音信號，并將其保存在電腦中。在濁音段表現(xiàn)出周期信號的特征，在清音段表現(xiàn)出隨機(jī)噪聲的特征。進(jìn)入20世紀(jì)90年代以來，語音信號采集與分析在實(shí)用化方面取得了許多實(shí)質(zhì)性的研究進(jìn)展。在方法上，隨著電子計算機(jī)的發(fā)展，以往的以硬件為中心的研究逐漸轉(zhuǎn)化為以軟件為主的處理研究。它正在直接與辦公、交通、金融、公安、商業(yè)、旅游等行業(yè)的語音咨詢與管理．工業(yè)生產(chǎn)部門的語聲控制，電話、電信系統(tǒng)的自動撥號、輔助控制與查詢以及醫(yī)療衛(wèi)生和福利事業(yè)的生活支援系統(tǒng)等各種實(shí)際應(yīng)用領(lǐng)域相接軌，并且有望成為下一代1操作系統(tǒng)和應(yīng)用程序的用戶界面。關(guān)鍵字：Matlab；語音信號；傅里葉變換；信號處理；The Design of Analysis and Processing Voice SignalAbstractSpeech signal processing is to study the use of digital signal processing technology and knowledge of the voice signal voice processing of the emerging discipline is the fastest growing areas of information science one of the core technology. Transmission of information through the voice of humanity39。 課題背景及意義語音信號處理是一門比較實(shí)用的電子工程的專業(yè)課程，語音是人類獲取信息的重要來源和利用信息的重要手段。語音信號采集與分析之所以能夠那樣長期地、深深地吸引廣大科學(xué)工作者去不斷地對其進(jìn)行研究和探討，除了它的實(shí)用性之外，另一個重要原因是，它始終與當(dāng)時信息科學(xué)中最活躍的前沿學(xué)科保持密切的聯(lián)系．并且一起發(fā)展。 到了1970年，好似反駁Pierce的批評，單詞識別裝置開始了實(shí)用化階段，其后實(shí)用化的進(jìn)程進(jìn)一步高漲，實(shí)用機(jī)的生產(chǎn)銷售也上了軌道。另一方面，為了語音識別實(shí)用化的需要，講者自適應(yīng)、聽覺模型、快速搜索識別算法以及進(jìn)一步的語言模型的研究等課題倍受關(guān)注。在將語音信號進(jìn)行數(shù)字化前，必須先進(jìn)行防混疊預(yù)濾波，預(yù)濾波的目的有兩個：①抑制輸入信導(dǎo)各領(lǐng)域分量中頻率超出fs/2的所有分量(fs為采樣頻率)，以防止混疊干擾。在語音編碼、語音合成、語音識別和語音增強(qiáng)等語音處理中無一例外需要提取語音中包含的各種信息。 信號調(diào)整信號調(diào)整幅度調(diào)整頻率調(diào)整 信號的濾波采用了四種濾波方式，來觀察各種濾波性能的優(yōu)缺點(diǎn)：信號濾波切比雪夫—I型低通濾波橢圓數(shù)字帶通濾波切比雪夫—Ⅱ型帶阻濾波切比雪夫—Ⅱ型高通濾波 語音信號濾波的方式在以上三圖中，可以看到整個語音信號處理系統(tǒng)的流程大概分為三步，首先要讀入待處理的語音信號，然后進(jìn)行語音信號的處理，包括信息的提取、幅度和頻率的變換以及語音信號的傅里葉變換、濾波等；濾波又包括低通濾波、高通濾波、帶通濾波和帶阻濾波等方式。,[N1 N2])。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。 IIR數(shù)字濾波器的特點(diǎn)：電位沖激響應(yīng)h(n)是無限長的；系統(tǒng)函數(shù)H(z)在有限z平面上（0 |z|∞）有極點(diǎn)存在；結(jié)構(gòu)上存在著輸出到輸入的反饋，也就是結(jié)構(gòu)上是遞歸型的。聲道系統(tǒng)的頻率響應(yīng)及激勵源都是隨時間變化的，因此一般標(biāo)準(zhǔn)的傅立葉表示雖然適用于周期及平穩(wěn)隨機(jī)信號的表示，但不能直接用于語音信號。因此，我們用短時自相關(guān)函數(shù)來測定語音的相似特性。ms10=floor(fs*)。 語音信號的調(diào)整在語音信號的研究中，經(jīng)常會對語音信號進(jìn)行進(jìn)行多倍頻率以及多倍幅度變換調(diào)整，日常應(yīng)用中，這種變換調(diào)整也經(jīng)常要用到。 %確定顯示位置plot(t,x)。頻譜圖39。xlabel(39。 X=fft(x,4096)。原始信號幅值39。xlabel(39。)xlabel(39。Au=。)。grid on。高通濾波器性能指標(biāo)： wp=0．375pi，ws =0．425pi，Rp=0．25；As =50dB；： 高通濾波后波形和頻譜的變化高通濾波后，此時只有少許雜音，原因是低頻分量被高通濾波器衰減，而人聲部分正好是低頻部分，所以只剩下雜音，或者發(fā)出高頻雜音但人的耳朵聽不到。課題的特色在于它將語音看作了一個向量，于是語音數(shù)字化了，則可以完全利用數(shù)字信號處理的知識來解決。參考文獻(xiàn)[1] 李勇、徐震，MATLAB輔助現(xiàn)代工程數(shù)字信號處理，西安電子科技大學(xué)出版社.[2] 陳懷琛,數(shù)字信號處理教程——Matlab釋義與實(shí)現(xiàn) ,電子工業(yè)出版社.[3] 王一世，數(shù)字信號處理，北京理工大學(xué)出版社.[4] 陳杰，Matlab寶典，電子工業(yè)出版社.[5] 劉幺和、宋庭新，語音識別與控制技術(shù)，科學(xué)出版社.[6] 高西全、丁玉美，數(shù)字信號處理，西安電子科技大學(xué)出版社.[7] 程佩青, 數(shù)字信號處理教程, 清華大學(xué)出版社.[8] 趙力，語音信號處理，機(jī)械工業(yè)出版社.[9] 韓紀(jì)慶、張磊，語音信號處理，清華大學(xué)出版社.[10] 胡航，語音信號處理，哈爾濱工業(yè)大學(xué)出版社.[11] 蘇金明、張蓮花、劉波，MATLAB工具箱應(yīng)用，電子工業(yè)出版社.[12] 王京輝，語音信號處理技術(shù)研究，論文，山東大學(xué).[13] 于俊鳳，語音信號的識別和轉(zhuǎn)換研究，學(xué)位論文，成都理工大學(xué).[14] Gersho A,Gr R quantization and signal Compression Boston,Kluwer Academic Publishers.[15] ,，WaveletNetworks,IEEETrans,NeuralNetworks.致 謝四年的大學(xué)學(xué)習(xí)，匆匆而過，回首走過的每一步，每一個腳印都令人倍加懷念，每一份情慷都令人倍加珍惜。整個程序僅占用數(shù)十KB的物理空間，省去了軟件的安裝麻煩。本設(shè)計也較好的完成了對語音信號的頻譜分析，對所采集的語音信號加入干擾噪聲，對加入噪聲的信號進(jìn)行播放，并進(jìn)行時域和頻譜分析。所以可以利用MATLAB軟件中的濾波器進(jìn)行濾波處理，得到較為理想的語音信號。幅度39。time(s)39。39。 %做原始語音信號的FFT頻譜圖grid on。axis tight。t=(0:length(x1)1)/8000。)。39。plot(q,abs(c(ms1:ms20)))。 %限定頻率范圍f=(0:fm)*fs/length(Y)。 對語音信號進(jìn)行頻譜分析，在Matlab中可以利用函數(shù)fft對信號行快速傅里葉變換，得到信號的頻譜圖，并進(jìn)行倒譜分析，得到倒譜圖。ylabel(39。s39。因此對語音的短時能量進(jìn)行分析，可以描述語音的這種特征變化情況。因?yàn)閷τ诰€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)，所以傅立葉分析方法能完善地解決許多信號分析和處理問題。故只能用較高的階數(shù)達(dá)到高的選擇性。對于采樣率來說你可以想象它類似于一個照相機(jī)。IFFT和FFT互為反變換，選擇適當(dāng)?shù)淖儞Q將信號接收或發(fā)送。 變換：在用戶圖形界面下對采集的語音信號進(jìn)行Fourier等變換，并畫出變換前后的頻譜圖和變換后的倒譜圖。Windows自帶的錄音機(jī)聲音麥克風(fēng)聲卡濾波采樣A/D轉(zhuǎn)換 Wav 基于PC機(jī)的語音信號采集過程采集到語音信號之后，需要對語音信號進(jìn)行分析，如語音信號的時域分析、頻譜分析、語譜圖分析以及加噪濾波等處理。 (2)在時域內(nèi)，語音信號具有“短時性”的特點(diǎn)，即在總體上，語音信號的特征是隨著時間而變化的，但在一段較短的時間間隔內(nèi)，語音信號保持平穩(wěn)。由于美國貝爾實(shí)驗(yàn)室的Babiner等人在20世紀(jì)80年代中期，對隱馬爾可夫模型深人淺出的介紹，才使世界各國從事語音信號處理的研究人員了解和熟悉，進(jìn)而成為一個公認(rèn)的研究熱點(diǎn)，也是目前語音識別等的主流研究途徑。 20世紀(jì)60年代中期形成的一系列數(shù)字信號處理方法和技術(shù)，如數(shù)字濾波器、快速博里葉變換(FFT)等成為語音信號數(shù)字處理的理論和技術(shù)基礎(chǔ)。作為高科鼓應(yīng)用領(lǐng)域的研究熱點(diǎn)，語音信號采集與分析從理論的研究到產(chǎn)品的開