【正文】 60。 %語音信號采樣頻率為8000x1=wavread(39。39。)。t=(0:length(x1)1)/8000。y1=fft(x1,2048)。 %對信號做2048點FFT變換f=fs*(0:1023)/2048。figure(1)plot(t,x1) %做原始語音信號的時域圖形grid on。axis tight。title(39。原始語音信號39。)。xlabel(39。time(s)39。)。ylabel(39。幅度39。)。figure(2)plot(f,abs(y1(1:1024))) %做原始語音信號的FFT頻譜圖grid on。axis tight。title(39。原始語音信號FFT頻譜39。)xlabel(39。Hz39。)。ylabel(39。幅度39。)。 原始信號時域波形和頻譜給原始的語音信號加上一個高頻余弦噪聲。畫出加噪后的語音信號時域和頻譜圖，與原始信號對比，可以很明顯的看出區(qū)別。clear all。clc。fs=8000。 x1=wavread(39。39。)。t=(0:length(x1)1)/8000。f=fs*(0:1023)/2048。Au=。d=[Au*cos(2*pi*3800*t)]39。 %x2=x1+d。y1=fft(x1,2048)。 y2=fft(x2,2048)。figure(1)plot(t,x2)grid on。axis tight。title(39。加噪后的信號39。)。xlabel(39。time(s)39。)。ylabel(39。幅度39。)。figure(2)subplot(2,1,1)。plot(f,abs(y1(1:1024)))。grid on。axis tight。title(39。原始語音信號頻譜39。)。xlabel(39。Hz39。)。ylabel(39。幅度39。)。subplot(2,1,2)。plot(f,abs(y2(1:1024)))。grid on。axis tight。title(39。加噪語音信號頻譜39。)。xlabel(39。Hz39。)。ylabel(39。幅度39。)。 加噪聲后信號時域波形和頻譜 語音信號的濾波 ，語音信號中包含背景噪聲，這些噪聲的頻率一般較高。所以可以利用MATLAB軟件中的濾波器進行濾波處理，得到較為理想的語音信號。 語音信號的低通濾波 系統(tǒng)中設計了一個截止頻率為200Hz切比雪夫—I型低通濾波器，： 低通濾波器的幅頻特性低通濾波器性能指標： wp=0．075pi，ws =0．125pi，Rp=0．25；As =50dB；經(jīng)過低通濾波器處理后，比較處理前后的波形圖的變化，： 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。但是很接近原來的聲音。 語音信號的高通濾波運用切比雪夫—Ⅱ型數(shù)字高通濾波器，對語音信號進行濾波處理。高通濾波器性能指標： 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。 語音信號的帶通濾波運用橢圓數(shù)字帶通濾波器函數(shù)，： 帶通濾波后波形和頻譜的變化 語音信號的帶阻濾波運用切比雪夫—Ⅱ型數(shù)字帶阻濾波器，： 帯阻濾波后波形和頻譜的變化從以上各種數(shù)字濾波器經(jīng)過濾波后得出的語音信號相比較，低通濾波后，聲音稍微有些發(fā)悶，但是很接近原來的聲音；高通濾波后聽不到人的聲音；帶通濾波后聲音有點像機器人小叮當發(fā)出的聲音。帶阻濾波后，聲音比較接近原來的聲音。從頻譜圖中我們可以看出聲音的能量主要集中在低頻(．5Hz以內)部分。 語音信號的輸出 可以將處理后的語音信號在Matlab軟件先播放，體驗處理后的語音信號的效果。還可以將處理后的語音信號保存在電腦上。運行File224。Save，保存處理后的語音信號。如果沒有語音信號被處理，： 保存提示界面如果有語音信號被處理，運行File224。Save，： 保存界面保存后，整個操作過程就完成了。5 總結本文對語音信號處理系統(tǒng)的設計作了詳細的介紹，采用一系列圖像分析和處理技術，實現(xiàn)了語音信號的基本處理的功能，經(jīng)過測試運行，本設計圓滿的完成了對語音信號的讀取與打開；較好的完成了對語音信號的頻譜分析，通過fft變換，得出了語音信號的頻譜圖；在濾波這一塊，課題主要是從數(shù)字濾波器入手來設計濾波器，基本實現(xiàn)了濾波，完成了各種濾波器的濾波效果比較，與課題的要求十分相符。本設計圓滿的完成了對語音信號的讀取與打開，與課題的要求十分相符。本設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行播放，并進行時域和頻譜分析。通過fft變換，得出了語音信號的頻譜圖；從課題的中心來看，課題是希望將數(shù)字信號處理技術應用于某一實際領域，這里就是指對語音的處理。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。在這里，用到了處理數(shù)字信號的強有力工具MATLAB，通過MATLAB里幾個命令函數(shù)的調用，很輕易的在實際化語音與數(shù)字信號的理論之間搭了一座橋。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。我們可以像給一般信號做頻譜分析一樣，來給語音信號做頻譜分析，也可以較容易的用數(shù)字濾波器來對語音進行濾波處理。但由于知識能力有限，當中也存在相當?shù)牟蛔?，特別體現(xiàn)在濾波與界面設計這一塊。對濾波的研究，本文只是舉出了很小的一個方面，還有許多精髓都未能一一列舉。至于用戶界面的設計，由于筆者是初次接觸，也未能有特別的掌握，僅就剛學習到的一些加以運用，于是設計的還是很粗燥。當然，這些問題與不足在今后的進一步學習中，我會一步一步的去進行解決。 本文對語音信號處理系統(tǒng)的設計作了詳細的介紹，采用一系列圖像分析和處理技術，實現(xiàn)了語音信號的基本處理的功能，經(jīng)過測試運行，基本達到預期目的。本設計主要有以下優(yōu)點：1) 操作界面簡練。在進行語音信號處理的操作界面中，菜單按鍵明了，每個功能只對應一個按鍵，省去了大型軟件的操作復雜步驟。2) 處理速度較快。由于整個操作過程存在多個分步驟，并且每個步驟的聯(lián)系不是很緊密，所以每個步驟中的運行速度很快。3) 占用內存空間比較小。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。本設計還存在許多可以改進的地方，主要有以下幾個方面：1) 本程序僅能進行一般應用條件下的語音信號處理，功能比較單一，不能進行復雜的語音信號處理。2) 由于系統(tǒng)定位于一般條件下的語音信號處理，計算精度比較低，不能進行精度較高的語音信號處理。3) 該程序由于編寫簡單，操作界面較小，對較大物理內存的語音信號文件不能進行處理。參考文獻[1] 李勇、徐震，MATLAB輔助現(xiàn)代工程數(shù)字信號處理，西安電子科技大學出版社.[2] 陳懷琛,數(shù)字信號處理教程——Matlab釋義與實現(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，科學出版社.[6] 高西全、丁玉美，數(shù)字信號處理，西安電子科技大學出版社.[7] 程佩青, 數(shù)字信號處理教程, 清華大學出版社.[8] 趙力，語音信號處理，機械工業(yè)出版社.[9] 韓紀慶、張磊，語音信號處理，清華大學出版社.[10] 胡航，語音信號處理，哈爾濱工業(yè)大學出版社.[11] 蘇金明、張蓮花、劉波，MATLAB工具箱應用，電子工業(yè)出版社.[12] 王京輝，語音信號處理技術研究，論文，山東大學.[13] 于俊鳳，語音信號的識別和轉換研究，學位論文，成都理工大學.[14] Gersho A,Gr R quantization and signal Compression Boston,Kluwer Academic Publishers.[15] ,，WaveletNetworks,IEEETrans,NeuralNetworks.致 謝四年的大學學習，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。本文是在羅浩老師的悉心指導下完成的，論文從開題到論文的完成，老師都投入了極大的精力和心血，在這段期間，羅老師對我給予了多方面的指導、關心和幫助，使我培養(yǎng)了從事科學研究的良好態(tài)度和習慣。羅老師嚴謹?shù)闹螌W態(tài)度、孜孜不倦的敬業(yè)精神、為人師表的高尚風范、寬廣坦蕩的胸懷、極大地激勵著我不斷求知和探索，并將對我今后的學習和工作產(chǎn)生深遠的影響。在此謹向羅浩老師表示衷心的感謝；同時感謝各位老師給我們辛勤的教學，讓我們學到豐富的知識。 還要感謝我的搭檔，我們齊心協(xié)力，共同努力，互相幫助，才能順利的完成本系統(tǒng)的設計和本論文的編寫。最后，我要衷心感謝所有對我的生活和學業(yè)給予寶貴幫助的人們，感謝你們！33