【文章內容簡介】 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。（2）隨機噪音信號加入原始語音信號matlab函數randn：產生正態(tài)分布的隨機數或矩陣的函數 產生均值為0，方差 σ^2 = 1，標準差σ = 1的正態(tài)分布的隨機數或矩陣的函數。用法： Y = randn(n) 返回一個n*n的隨機項的矩陣。如果n不是個數量，將返回錯誤信息。Y = randn(m,n) 或 Y = randn([m n]) 返回一個m*n的隨機項矩陣。Y = randn(m,n,p,...) 或 Y = randn([m n p...])產生隨機數組。 Y = randn(size(A)) 返回一個和A有同樣維數大小的隨機數組。 randn返回一個每次都變化的數量。下面一段程序實現了利用randn函數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2語句 L=length(y) noise=*randn(L,2) y_z=y+noise。sound(y_z,fs)加噪后語音信號的時域波形、頻譜圖（圖4—4）圖44 加噪語音信號時域波形和頻譜圖通過對兩張圖片的對比，很明顯可以看加噪后的語音信號時域波形比原始語音信號渾濁了許多，在時間軸上可以明顯看出0—；通過對原始語音信號的頻譜圖與加噪后的語音信號頻譜圖的對比，也可以看出在頻率5000Hz以后的頻率幅值發(fā)生了明顯的增加。加噪后的語音信號在聽覺上比原始語音信號要渾濁很多，而且還有吱吱嘎嘎的混雜音。 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，故設計低通濾波器進行濾波處理。接下來我們要用設計的FIR低通濾波器對上一節(jié)中加噪語音信號進行濾波處理。用自己設計的FIR數字低通濾波器對加噪的語音信號進行濾波時，在Matlab中，FIR濾波器利用函數fftfilt對信號進行濾波。函數fftfilt用的是重疊相加法實現線性卷積的計算。調用格式為：y=fftfilter(h,x,M)。其中，h是系統(tǒng)單位沖擊響應向量；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。用設計好的FIR數字低通濾波器對加噪語音信號的濾波程序：見附錄3得到的圖像如下：（圖4—5）圖45 FIR濾波前和濾波后波形及頻譜分析：從以上四圖可以很明顯和直觀的看出原始語音信號和加噪語音信號時域波形和頻譜圖的區(qū)別。加噪后的語音信號的時域波形比原始語音信號要模糊得多，頻譜圖則是在頻率5000Hz以后出現了明顯的變化。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。濾波后信號的頻譜圖也在5000Hz以后開始逐漸接近原始語音信號的頻譜圖。再從對語音信號的回放，人耳可以明顯辨別出加噪后的語音信號比較渾濁，還有很明顯嘎吱嘎吱的雜音在里面。濾波后，語音信號較加噪后的信號有了明顯的改善，基本可以聽清楚了，而且雜音也沒有那么強烈，但是聲音依然沒有原始語音信號那么清晰脆耳。（2）IIR濾波器法去噪同樣，也設計一個IIR低通濾波器對加噪語音信號進行內部處理。程序見附錄4得到下面的圖形：如（圖46）圖46 IIR濾波前和濾波后波形及頻譜 MATLAB源程序為：見附錄 數據分析IIR數字濾波器采用遞歸型結構，即結構上帶有反饋環(huán)路。IIR濾波器運算結構通常由延時、乘以系數和相加等基本運算組成，可以組合成直接型、正準型、級聯型、并聯型四種結構形式，都具有反饋回路。由于運算中的舍入處理，使誤差不斷累積，有時會產生微弱的寄生振蕩。 （1）IIR數字濾波器的相位特性不好控制，對相位要求較高時，需加相位校準網絡。FIR濾波器則要求較低。（2）IIR濾波器運算誤差大，有可能出現極限環(huán)振蕩，FIR相比之下運算誤差較小，不會出現極限環(huán)振蕩。（3）IIR幅頻特性精度很高，不是線性相位的，可以應用于對相位信息不敏感的音頻信號上； （4）與FIR濾波器的設計不同，IIR濾波器設計時的階數不是由設計者指定，而是根據設計者輸入的各個濾波器參數（截止頻率、通帶濾紋、阻帶衰減等），由軟件設計出滿足這些參數的最低濾波器階數。在MATLAB下設計不同類型IIR濾波器均有與之對應的函數用于階數的選擇。 （5）IIR單位響應為無限脈沖序列FIR單位響應為有限的 （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過FIR濾波器后他們的時間差不變。這是很好的性質。 （7）IIR濾波器有噪聲反饋，而且噪聲較大，FIR濾波器噪聲較小。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過FIR濾波器后他們的時間差不變。這是很好的性質。總結語音信號處理是語音學與數字信號處理技術相結合的交叉學科，課題在這里不討論語音學，而是將語音當做一種特殊的信號，即一種“復雜向量”來看待。也就是說，課題更多的還是體現了數字信號處理技術。從課題的中心來看，課題“基于MATLAB的有噪聲語音信號處理”是希望將數字信號處理技術應用于某一實際領域，這里就是指對語音及加噪處理。作為存儲于計算機中的語音信號，其本身就是離散化